图像处理方法、图像处理系统及成像系统与流程

本发明涉及图像处理方法、图像处理系统及成像系统，尤其是能够减少伪影的图像处理方法、图像处理系统及成像系统。

背景技术：

在医学图像处理领域，通常会对原始图像做边界加强的处理，从而能够在图像中显示出更多的细节，帮助医生做出更加准确的诊断。然而，当原始图像中存在较强的边界，如：金属的边界等，经过边界加强后，会在图像上留下过冲或欠冲伪影。伪影是指医学影像设备输出的图像上出现的与实际解剖结构不相符的影像，伪影的存在将大大降低输出图像的质量，有时甚至导致图像无法用于诊断。

因此，有必要提供一种新的图像处理方法、图像处理系统及成像系统，以解决如上所述的问题。

技术实现要素：

一方面，本发明的实施例涉及图像处理方法，其包括：对输入图像中的包括多个弱边界像素的弱边界和包括多个强边界像素的强边界进行识别；对所述输入图像的至少一部分进行滤波以得到平滑图像，其中，所述输入图像中的弱边界由第一滤波器进行滤波，所述输入图像中的强边界由第二滤波器进行滤波，所述第二滤波器的平滑程度小于所述第一滤波器；基于所述输入图像和所述平滑图像获取所述输入图像的边界信息；及基于所述边界信息和所述平滑图像生成输出图像。

另一方面，本发明的实施例涉及图像处理系统，其包括边界识别装置、滤波器、边界信息获取装置及图像合成装置。所述边界识别装置用于对输入图像中的包括多个弱边界像素的弱边界和包括多个强边界像素的强边界进行识别。所述滤波器用于对所述输入图像的至少一部分进行滤波以得到平滑图像。所述滤波器包括第一滤波器和第二滤波器。其中，所述第一滤波器用于对所述输入图像中的弱边界进行滤波，所述第二滤波器用于对所述输入图像中的强边界进行滤波，所述第二滤波器的平滑程度小于所述第一滤波器。所述边界信息获取装置用于基于所述输入图像和所述平滑图像获取所述输入图像的边界信息。所述图像合成装置，用于基于所述边界信息和所述平滑图像生成输出图像。

又一方面，本发明的实施例涉及成像系统，其包括：射线源、探测器、数据采集模块及处理器。所述射线源位于待成像的物体的第一侧。所述探测器位于所述物体的第二侧，其用于接收由所述射线源发出后穿过所述物体的射线，并产生探测器输出信号。所述数据采集模块用于采集所述探测器输出信号来生成输入图像。所述处理器用于对所述输入图像进行处理。所述处理的步骤包括：对所述输入图像中的包括多个弱边界像素的弱边界和包括多个强边界像素的强边界进行识别；对所述输入图像的至少一部分进行滤波以得到平滑图像，其中，所述输入图像中的弱边界由第一滤波器进行滤波，所述输入图像中的强边界由第二滤波器进行滤波，所述第二滤波器的平滑程度小于所述第一滤波器；基于所述输入图像和所述平滑图像获取所述输入图像的边界信息；及基于所述边界信息和所述平滑图像生成输出图像。

附图说明

当参照附图阅读以下详细描述时，本发明的这些和其它特征、方面及优点将变得更好理解，在附图中，相同的元件标号在全部附图中用于表示相同的部件，其中：

图1为成像系统的一个实施例的示意图；

图2为图1所示成像系统的示意方框图；

图3为根据本发明的一具体实施例的图像处理方法的流程示意图；

图4为根据本发明的另一具体实施例的图像处理方法的流程示意图；

图5为根据本发明的一具体实施例的边界识别步骤的流程示意图；

图6为根据本发明的一具体实施例的图像处理系统的示意图；

图7为用高斯滤波器对整个输入图像进行滤波、再经过边界增强后得到的输出图像；及

图8为用发明实施例中描述的图像处理方法对输入图像进行处理后得到的输出图像。

具体实施方式

为帮助本领域的技术人员能够确切地理解本发明所要求保护的主题，下面结合附图详细描述本发明的具体实施方式。在以下对这些具体实施方式的详细描述中，本说明书对一些公知的功能或构造不做详细描述以避免不必要的细节而影响到本发明的披露。

除非另作定义，本权利要求书和说明书中所使用的技术术语或者科学术语应当为本发明所属技术领域内具有一般技能的人士所理解的通常意义。本说明书以及权利要求书中所使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“一个”或者“一”等类似词语并不表示数量限制，而是表示存在至少一个。“包括”或者“具有”等类似的词语意指出现在“包括”或者“具有”前面的元件或者物件涵盖出现在“包括”或者“具有”后面列举的元件或者物件及其等同元件，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。

图1为一种成像系统10的示意图。图2为图1所示的系统10的示意框图。在图1所示的实施例中，成像系统10为X射线成像系统，其包括射线源12和探测器24。射线源12位于待成像的物体16(如：病人)的第一侧，用于向物体16投射射线束22。探测器24位于物体16的第二侧，用于接收由所述射线源12发出后穿过物体16的衰减的射线，并产生探测器输出信号。具体地，所述探测器24包括以二维阵列布置的多个探测器元件，其由多个探测器行(未图示)组成，所述每个探测器行包括多个探测器元件，一起用来感应透过物体16的射线。每个探测器元件产生与其所在位置处吸收的射线流量成比例的电信号。

X射线成像系统10包括系统控制器34用于控制和管理射线源12和探测器24的运作。系统控制器34包括用于为所述射线源12提供能量和时序信号的射线控制器40和用于控制运动装置36的电机控制器38，运动装置36可以使射线源12和探测器24相对于物体16在空间的一个或多个方向上移动。在一些实施例中，运动装置36可以包括支撑结构，例如：C形臂。

系统控制器34还包括数据采集模块42，其用于从探测器24采集所述探测器输出信号。在一些实施例中，所述探测器输出信号为模拟信号，数据采集模块42将该模拟信号转换成数字信号，并生成输入图像。系统控制器34还包括处理器(未图示)，其用于对所述输入图像进行处理，以生成输出图像，其可安装于计算机46或者数据采集模块42中。

X射线成像系统10进一步包括显示器52，用于显示所述输入图像、输出图像和(或)其他数据。计算机46还接收通过操作者控制台50输入的指令和扫描参数，该操作者控制台50包括键盘和(或)其他输入装置。计算机46利用操作者提供的指令和参数来向数据采集模块42、射线控制器40和电机控制器38提供控制信号和信息。X射线成像系统10还包括存储器48用于存储所述输入图像、输出图像和(或)其他数据。

在一些实施例中，处理器编有执行下述方法步骤的程序。在另一些实施 例中，计算机46编有实现本文所述功能的程序，因此，本文中所称的计算机不局限于业界通常所称的集成电路所代表的计算机，而应具有更广泛的范围，包括计算机、处理器、单片机、微型电子计、可编程逻辑控制器、专用集成电路和其他可编程器件。所述编有程序的处理器或计算机46可对图像进行处理，并且减少图像中的伪影，详细内容将在下文中进行描述。值得注意的是，下述方法并不局限用于X射线成像系统10，还可用于其他不同类型的成像系统的图像处理，例如：计算机断层扫描(CT)成像系统。

本发明的实施例一方面涉及一种图像处理方法,能够减少或消除输出图像上的伪影，特别是由边界加强造成的过冲或欠冲伪影。

图3为根据本发明的一个实施方式的图像处理方法60的流程示意图。方法60包括边界识别步骤61、滤波步骤62、边界信息获取步骤63及输出图像生成步骤64。

在步骤61中，对输入图像中的包括多个弱边界像素的弱边界和包括多个强边界像素的强边界进行识别。具体地，对输入图像中的弱边界像素和强边界像素进行识别。所谓边界的强弱是指边界的一侧与另一侧之间的视觉上的差别程度，该差别也可以通过像素的灰度值或RGB值来表征。RGB是一种对颜色进行编码的方法，采用这种编码方法时，每种颜色都可用红色、绿色和蓝色的强度来表示。该边界两侧的差别越大，则该边界越强，该边界两侧的差别越小，则该边界越弱。以人体组织为例，空气(气泡)、软组织等通常在图像上表现出具有较弱的边界，骨骼、金属(患者体内植入的钢钉、假牙等)通常在图像上表现出具有较强的边界。在本发明的实施例中，可以通过边界中像素的绝对梯度值来对弱边界和强边界进行定义和划分。例如：把像素的绝对梯度值在Lw至Hw范围内的边界定义为弱边界，把像素的绝对梯度值在Ls至Hs范围内的边界定义为强边界。

在步骤62中，对所述输入图像的至少一部分进行滤波以得到平滑图像。具体地，对在步骤61中识别出的强边界和弱边界进行滤波。所述输入图像中 的弱边界由第一滤波器进行滤波，所述输入图像中的强边界由第二滤波器进行滤波，所述第二滤波器的平滑程度小于所述第一滤波器的平滑程度。本发明的实施例中，采用平滑程度不同的滤波器对强边界和弱边界进行滤波，减小了对于强边界进行滤波处理的平滑程度。所述平滑程度可以表征经滤波器处理之后的图像所呈现出的平滑效果，平滑程度越大，平滑效果越好。例如：对于高斯滤波器来说，高斯核的中心像素相对于其周围像素的权重越大，其平滑程度越低。在一些实施例中，所述对图像进行滤波的步骤还包括用所述第一滤波器对输入图像中的非边界部分进行滤波。

所述第一滤波器可包括低通滤波器，例如：高斯滤波器，采用高斯核(kernel_G)对图像进行卷积运算，以达到平滑图像、去除噪声的目的。

所述第二滤波器可以采用一个小于第一滤波器平滑程度的恒定的平滑程度对所有强边界像素进行滤波处理，也可以根据每个强边界像素强弱的不同而采用不同的平滑程度对每个强边界像素分别进行滤波。

在一些实施例中，所述第二滤波器包括多个子滤波器，用于分别对所述强边界中的多个强边界像素进行滤波，所述每个子滤波器的平滑程度与相应的强边界像素的绝对梯度值呈负相关。具体地，所述第二滤波器的滤波函数是基于第一滤波器的滤波函数和相应的强边界像素的绝对梯度值确定的。在第一滤波器为高斯滤波器的情况下，可基于预设的第一滤波器的高斯核(kernel_G)和相应的强边界像素的绝对梯度值(t)确定第二滤波器的内核算子(kernel₂)，所述第二滤波器的内核算子可通过以下公式计算得到：

kernel₂＝kernel_G*exp(-k*d²)； (1)

其中，k＝A*[1-(3*smooth_factor²-2*smooth_factor³)]， (2)

公式(1)中的d²为一个矩阵，其阶数与高斯核(kernel_G)的阶数相同，其表征了相应的强边界像素(中心像素)与邻近像素之间的距离关系。与高 斯核相类似，该矩阵的中心元素即对应于要进行滤波的强边界像素(中心像素)，该矩阵中的每个元素值与其到中心元素之间距离成正相关。在一些实施例中，

在公式(2)、(3)中，A为放大因子，用于控制针对强边界的边界保留强度。smooth_factor为平滑因子，用于确定所述子滤波器的平滑程度。M为常数，用于根据系统的属性对smooth_factor的值做调整。L_s为强边界梯度范围的下限值，t≥L_s。从公式(3)可以看出平滑因子smooth_factor与相应的强边界像素的绝对梯度值t成线性负相关。

在步骤63中，基于所述输入图像和所述平滑图像获取所述输入图像的边界信息。在一些实施例中，所述获取边界信息的步骤包括将所述输入图像与所述平滑图像相减，以得到差别图像，该差别图像包含了所述边界信息。这是因为平滑图像中的非边界部分的与输入图像中的相应部分相比差别较小，而强边界和弱边界部分与输入图像中的相应部分相比差别较大，当输入图像与平滑图像相减之后，非边界部分就被抵消掉了，而边界部分则在所述差别图像中被单独提取出来，且边界滤波的平滑程度越大，信息提取量也越大。由于在步骤62中采用较小的平滑程度对强边界进行滤波，所以在步骤63中对于强边界信息的提取量也较小，这样能够保证强边界不会被过度加强而造成过冲和下冲伪影。

在步骤64中，基于所述边界信息和所述平滑图像生成输出图像。具体地，所述生成输出图像的步骤包括将所述差别图像与比例因子相乘以得到增强的差别图像。这一步骤的目的在于加强所述边界信息，使边界变得更为锐利。可通过调节所述比例因子控制边界加强的程度。然后，将所述增强的差别图像与所述平滑图像相加，以生成所述输出图像。

除了弱边界和强边界之外，输入图像中还可能存在比强边界的强度更高 的超强边界。和强边界一样，超强边界的存在也会造成伪影，影响成像质量。在一些实施例中，可以不对超强边界做滤波处理，这样，在输入图像与平滑图像相减之后，超强边界会被完全抵消掉，不会被获取，因而也不会被加强，继而造成伪影。

在另一些实施例中，可以对超强边界做平滑程度极小的滤波，以尽量减小超强边界的信息提取量。参见图4，图4为根据本发明的另一实施方式的图像处理方法70的流程示意图。方法70包括边界识别步骤71、滤波步骤72、边界信息获取步骤73及输出图像生成步骤74，分别与方法60中的步骤61、步骤62、步骤63、步骤64相类似。

与方法60不同的是，在步骤71中，除了对输入图像中的弱边界、强边界进行识别之外，还对输入图像中的超强边界进行识别。相应地，在步骤72中，除了对所述强边界和弱边界进行滤波之外，还用第三滤波器对步骤71中识别出的超强边界进行滤波。所述第三滤波器的平滑程度小于所述第二滤波器，当所述第二滤波器包括多个子滤波器时，所述第三滤波器的平滑程度小于所述多个子滤波器的平滑程度的最小值。所述第三滤波器的内核算子(kernel₃)可通过以下公式计算得到：

kernel₃＝kernel_G*exp(-A*d²)；

其中，kernel_G为第一滤波器的高斯核，d²表征了相应的超强边界像素(中心像素)与邻近像素之间的距离关系，在一些实施例中，A为放大因子，用于控制针对超强边界的边界保留强度。

上述的步骤61和步骤71中都涉及到对边界类型进行识别的步骤。图像中的边界是由像素构成的，所以识别边界及边界类型的关键就在于对每个像素进行判断和分类。在图像中，边界像素的绝对梯度值一般明显高于非边界像素，而超强边界像素的绝对梯度值高于强边界像素，强边界像素的绝对梯 度值又高于弱边界像素，因而可以通过每个像素的绝对梯度值来判断该像素是否为边界像素，继而进一步判断是弱边界像素、强边界像素还是超强边界像素。这里所说的“绝对梯度值”表征了一个像素相对于其相邻像素的像素值的变化率，其中，“相邻像素”是指与该像素相邻的像素，可以是位于该像素上、下、左、右的四个像素，也可以是指位于该像素的上、下、左、右、左上、左下、右上、右下的八个像素，“像素值”是指该像素的灰度值或者该像素的RGB值。

参见图5，图5为根据本发明的一个实施方式的识别边界类型的步骤80的流程示意图。

在步骤81中，计算所述输入图像中的每个像素的绝对梯度值。所述绝对梯度值基于该像素与多个与其相邻的像素之间的多个像素差值计算得到。所述绝对梯度值可能为所述多个像素差值的最大值，也可能为所述多个像素差值的平均值或者中值。在一些实施例中，一个目标像素的绝对梯度值(t)根据以下公式计算而得：

t＝max(Fx(i,j),Fy(i,j))

其中，(i,j)为目标像素的坐标，Fx(i,j)为该像素在X方向上的梯度值，Fy(i,j)为该像素在Y方向上的梯度值，该像素的绝对梯度值为两者之中的较大值。

在步骤82中，将所述每个像素的绝对梯度值与弱边界梯度范围、强边界梯度范围和超强边界梯度范围做比较。所述弱边界梯度范围、所述强边界梯度范围和所述超强边界梯度范围可以根据成像系统的类型及成像质量等因素来综合估算而得。在一些实施例中，所述弱边界梯度范围、所述强边界梯度范围可以基于所述输入图像的噪声幅度计算而得。

在步骤83中，将绝对梯度值落入所述弱边界梯度范围的像素识别为所述弱边界像素。在步骤84中，将绝对梯度值落入所述强边界梯度范围的像素识别为所述强边界像素。在步骤85中，将绝对梯度值落入所述超强边界梯度 范围的像素识别为所述超强边界像素。

本发明的实施方式还涉及一种图像处理系统90，如图6所示。参见图6，所述图像处理系统90包括边界识别装置91、滤波器92、边界信息获取装置93和图像合成装置94。边界识别装置91用于对输入图像95中的包括多个弱边界像素的弱边界961和包括多个强边界像素的强边界962进行识别。滤波器92用于对输入图像95的至少一部分进行滤波以得到平滑图像97。滤波器92包括第一滤波器921和第二滤波器922，第一滤波器921用于对所述输入图像中的弱边界961进行滤波，第二滤波器922用于对所述输入图像中的强边界962进行滤波。其中，第二滤波器922的平滑程度小于第一滤波器921。边界信息获取装置93用于基于输入图像95和平滑图像97获取输入图像的边界信息98。图像合成装置94用于基于边界信息98和平滑图像97生成输出图像99。

在一些实施例中，边界识别装置91还用于对输入图像中的包括多个超强边界像素的超强边界963进行识别，相应地，滤波器92进一步包括第三滤波器923用于对输入图像中的超强边界963进行滤波，第三滤波器923的平滑程度小于第二滤波器922的平滑程度。

本发明实施例中描述的图像处理方法,能够减少或消除输出图像上的伪影。图7和图8显示了一组比较实例。图7为用高斯滤波器对整个输入图像进行滤波，然后再经边界增强后得到的输出图像，可观察到图7中存在明显的伪影。这是由于对强边界和弱边界使用了相同的滤波器，而使强边界被过度增强造成的。图8为用本发明实施例中描述的方法对输入图像进行处理后得到的输出图像，可观察到与图7相应的位置处的伪影被消除了，因而边界周围的细节被更多地展示出来，有助于医生进行更准确的判断。本实施例表明本发明揭露的图像处理方法能够有效地抑制或者消除X光图像中的伪影，从而提高成像质量。

虽然结合特定的具体实施方式对本发明进行了详细说明，但本领域的技 术人员可以理解，对本发明可以作出许多修改和变型。因此，要认识到，权利要求书的意图在于覆盖在本发明真正构思和范围内的所有这些修改和变型。