对图像进行灰度补偿和噪声抑制的方法及装置的制造方法
【技术领域】
[0001] 本申请涉及图像处理技术，尤其涉及一种对图像中的非周期性噪声进行灰度补偿 的方法和装置，以及一种采用这种方法或装置进行噪声抑制的方法及装置，特别地，该图像 为被周期性噪声干扰的图像。
【背景技术】
[0002] 数字X射线照相术（DigitalRadiography，DR)是一种采用数字传感器检测X光进 行拍摄医学相片的技术，其以数字的方式存储和处理医学图像，具有采集和传输速度快、更 容易进行图像增强和显示等优点，目前已经广泛应用于各种医学检查和诊断。
[0003] 为了提高DR图像的分辨率，大多数DR产品都会在X光接收平板和人体之间加入 一块防散射滤线栅。该滤线栅的作用是，让来自正面的穿过人体的X光通过的同时，使得从 人体散射出来的X光被滤除，从而尽量避免平板上的同一感光点接收到来自人体不同组织 的X光信号，以提高图像对比度和空间分辨率。当滤线栅的空间频率不是图像的空间采样 频率的整数倍时，图像上会显示出条纹状的噪声，为如图1所示的栅影13,其通常呈现为周 期性噪声。这种现象称之为摩尔效应（Moir6 effect);所产生的条纹又称为摩尔条纹或云 纹。摩尔条纹的存在会影响正常人体组织显示，进而影响医生对病症的诊断。为了避免这 种摩尔条纹，通常可采用如下几种方法，即：1)调整滤线栅的线密度，使得其频率是平板采 样频率(即像素点间隔的倒_的整数倍；2)采用运动栅，当栅的运动速度足够大，使得栅经 过像素点的时间小于该像素点的曝光时间时，栅影将减弱或消失；3)使用图像处理的方法 去除这种云纹。其中，方法1)和方法2)对滤线栅的结构和安装要求较高，而方法3)对滤 线栅的结构和安装方式要求降低，但需要去除成像时产生的条纹，并且要求不能受到成像 平板本身缺陷(如坏线、坏点）带来的影响。
[0004] 对于使用图像处理的方法，大多数是使用基于空间域卷积滤波或频域直接进行抑 制。这一类方法容易受成像平板坏线的影响，滤波过程中在坏线周围产生扩散式的振铃效 应，参见图2的坏线图像和图3的低通滤波后的图像。为了降低这种振铃效应，通常有两 种做法。一是在设计滤波时在尽量降低滤波器的阶数，通过牺牲频率特性来换取较低的振 铃效应。二是尽量减小坏线或坏点处周围像素点的突变，即采用好的插值算法计算出坏线 或坏点的可能值，也就是恢复坏线或坏点处的像素值（即灰度补偿)。因为对坏线处采用常 用的插值方法如线性插值、三次插值等进行插值，只能得到平滑的过渡，破坏了栅影的周期 性，导致频域滤波产生振铃效应而不能达到有效降低振铃的效果。对于带栅影的DR图像， 第一种方法通常无法达到在彻底滤除栅影的同时而不在坏线处产生振铃效应，而第二种方 法则需要在灰度补偿的同时考虑栅影的影响，即不能只考虑简单的邻域插值，还应将栅影 的周期性规律考虑进去。然而，目前尚未有研究给出既能有效去除栅影同时又能将振铃的 产生最小化的算法。
【发明内容】
[0005] 根据本申请的第一方面，本申请提供一种对图像中的非周期性噪声进行灰度补偿 的方法，包括：
[0006] 图像获取步骤：获取待处理图像，所述待处理图像为被周期性噪声干扰的图像；
[0007] 周期确定步骤：确定所述周期性噪声的周期；
[0008] 数据获取步骤：检测待处理图像中的非周期性噪声，获取非周期性噪声附近的数 据作为输入数据；
[0009] 值恢复步骤：将所述周期性噪声的周期和输入数据代入信号分离模型，对信号分 离模型进行优化，得到对应于所述输入数据的干净图像信号、周期性噪声和非周期性噪声， 根据得到的结果恢复所述输入数据中非周期性噪声处的像素值。
[0010] 根据本申请的第二方面，本申请提供一种对图像中的非周期性噪声进行灰度补偿 的方法，包括：
[0011] 图像获取步骤：获取待处理图像，所述待处理图像为被周期性噪声干扰的图像；
[0012] 方向确定步骤：确定所述周期性噪声的方向，如果所述周期性噪声的方向与非周 期性噪声的方向平行，执行如下步骤：
[0013] 周期确定步骤：确定所述周期性噪声的周期；
[0014] 数据获取步骤：检测待处理图像中的非周期性噪声，获取非周期性噪声附近的数 据作为输入数据；
[0015] 值恢复步骤：将所述周期性噪声的周期和输入数据代入信号分离模型，对信号分 离模型进行优化求解，得到对应于所述输入数据的干净图像信号、周期性噪声和非周期性 噪声，根据得到的结果恢复所述输入数据中非周期性噪声处的像素值。
[0016] 根据本申请的第三方面，本申请提供一种对图像进行噪声抑制的方法，包括：
[0017] 采用如上所述的方法对图像中的非周期性噪声进行灰度补偿，得到灰度补偿后的 图像；
[0018] 对灰度补偿后的图像进行频域滤波。
[0019] 根据本申请的第四方面，本申请提供一种对图像中的非周期性噪声进行灰度补偿 的装置，包括：
[0020] 图像获取模块，用于获取待处理图像，所述待处理图像为被周期性噪声干扰的图 像；
[0021] 周期确定模块，用于确定所述周期性噪声的周期；
[0022] 数据获取模块，用于检测待处理图像中的非周期性噪声，获取非周期性噪声附近 的数据作为输入数据；
[0023] 值恢复模块，用于将所述周期性噪声的周期和输入数据代入信号分离模型，对信 号分离模型进行优化，得到对应于所述输入数据的干净图像信号、周期性噪声和非周期性 噪声，根据得到的结果恢复所述输入数据中非周期性噪声处的像素值。
[0024] 根据本申请的第五方面，本申请提供一种对图像中的非周期性噪声进行灰度补偿 的装置，包括：
[0025] 图像获取模块，用于获取待处理图像，所述待处理图像为被周期性噪声干扰的图 像；
[0026] 方向确定模块，用于确定所述周期性噪声的方向，如果所述周期性噪声的方向与 非周期噪声的方向平行，将确定出的方向输送到模型构建模块；
[0027] 所述模型构建模块，用于构建待处理图像的信号分离模型，所述信号分离模型将 待处理图像分解为干净图像信号、周期性噪声和非周期性噪声；
[0028] 周期确定模块，用于确定所述周期性噪声的周期；
[0029] 数据获取模块，用于检测待处理图像中的非周期性噪声，获取非周期性噪声附近 的数据作为输入数据；
[0030] 值恢复模块，用于将所述周期性噪声的周期和输入数据代入信号分离模型，对信 号分离模型进行优化求解，得到对应于所述输入数据的干净图像信号、周期性噪声和非周 期性噪声，根据得到的结果恢复所述输入数据中非周期性噪声处的像素值。
[0031] 根据本申请的第六方面，本申请提供一种对图像进行噪声抑制的装置，包括：
[0032] 如上所述的对图像中的非周期性噪声进行灰度补偿的装置；
[0033] 滤波模块，用于对经所述装置灰度补偿后的图像进行频域滤波。
[0034] 根据本申请的第七方面，本申请提供一种确定图像中周期性噪声的周期的方法， 包括：
[0035] 图像获取步骤：获取待处理图像，所述待处理图像为被周期性噪声干扰的图像，从 所述待处理图像中获取感兴趣区域的图像数据；
[0036] 优化求解步骤：将感兴趣区域的图像数据和预先设定的候选周期代入信号分离模 型，对信号分离模型进行优化求解，得到对应于所述感兴趣区域的图像数据的干净图像信 号、周期性噪声和非周期性噪声；
[0037] 周期确定步骤：将求解出的周期性噪声信号最强的模型对应的候选周期确定为周 期性噪声的周期。
[0038] 根据本申请的第八方面，本申请提供一种确定图像中周期性噪声的周期的装置， 包括：
[0039] 图像获取模块，用于获取待处理图像，所述待处理图像为被周期性噪声干扰的图 像，从所述待处理图像中获取感兴趣区域的图像数据；
[0040] 优化求解模块，用于将感兴趣区域的图像数据和预先设定的候选周期代入信号分 离模型，对信号分离模型进行优化求解，得到对应于所述感兴趣区域的图像数据的干净图 像信号、周期性噪声和非周期性噪声；
[0041] 周期确定模块，用于将求解出的周期性噪声信号最强的模型对应的候选周期确定 为周期性噪声的周期。
[0042] 本发明的对图像中非周期性噪声进行灰度补偿的方法是通过信号分离模型来实 现，在使用该模型时结合了确定出的周期性噪声的周期进行处理，使得在分离出周期性噪 声信号、非周期性噪声信号和干净图像信号这三个分量时能够考虑到噪声的周期性影响， 从而能够在进行灰度补偿时考虑周期性噪声的影响，使得灰度补偿后由于延续了周期性， 在进行后续噪声抑制时不会产生振铃效应，进而改善图像质量。
【附图说明】
[0043]图1为防散射滤线栅工作时栅影产生的示意图，其中11为X光接收平板，12为滤 线栅，13为栅影，短箭头14为直射线，长箭头15为散射线；
[0044] 图2和图3分别为坏线振铃产生的坏线图像示意图和低通滤波后的图像示意图； [0045] 图4为本发明一种实施例中输入的DR图像信号分解为三个信号分量的示意图；
[0046] 图5为图4所示信号分量p的示意图；
[0047] 图6为本发明一种实施例的带滤线栅的DR图像的非周期性噪声进行灰度补偿方 法的流程示意图；
[0048] 图7为本发明一种实施例中的栅影方向检测算法的流程示意图；
【具体实施方式】
[0049] 本发明提出一种对图像中的非周期性噪声进行灰度补偿的方法（以下简称本方 法)，，特别地，该图像为被周期性噪声干扰的图像。该方法可以应用于包括但不限于带防散 射滤线栅的数字放射图像(简称DR图像)中。以下以对带滤线栅(对应周期性噪声)的DR图 像中的坏线或坏点(对应非周期性噪声）进行灰度补偿为例，对本方法进行详细说明，应理 解，以下的方法能适用于各种需要抑制周期性噪声的图像。
[0050] 本方法是基于这样一种情形下的信号处理：一个干净的信号X受到周期性噪声p 的加性干扰，并且在观测时由于传感器缺陷引入稀疏的噪声s (包括坏线或坏点，也称为非 周期性噪声)，此时需要从传感器输出d来进行s、p和X三个分量的估计。简言之，即根据 式子d=s+p+x分别求出s、p和X三个未知分量。通过该式子构建信号分离模型(简称SPX 模型)，根据SPX模型进行优化求解，由此实现对DR图像中的栅影周期的计算，或者是实现 对DR图像中的栅影周期的