一种铸件X射线高动态图像色调映射方法与流程

一种铸件x射线高动态图像色调映射方法
技术领域
1.本发明涉及铸件缺陷检测及图像处理领域，具体涉及一种铸件x射线高动态图像色调映射方法。


背景技术：

2.由于铸造工艺及材料等多方面原因，铸件内部往往存在各种缺陷。基于x射线数字成像技术可以直接生成包含铸件内部结构及缺陷信息的图像，是在铸件检测领域应用十分广泛的一种无损检测技术。然而，随着x射线数字成像技术的不断进步，x射线图像的位深度已从8bit发展至16bit，而显示器至今仍停留在8bit的图像显示，只有少量的专用显示器能够显示10
‑
12bit的图像，即使如此，随着显示器动态范围的扩大，显示器的亮度也越高，不适合人眼长期观察。为了解决成像与观测间动态范围不同的矛盾，常采用调节窗宽/窗位这一空域灰度变换的图像增强方法，以实现对不同灰度范围内的图像进行逐段观察。但是这种方法在实际使用时操作比较繁琐，操作极度耗时。


技术实现要素：

3.针对现有技术中的缺陷，本发明的目的在于提供一种铸件x射线高动态图像色调映射方法，可以在无人工介入的情况下，一次凸显图像全局的细节信息，避免繁琐的窗宽窗位调节，提高检测效率。主要内容如下：
4.本发明的技术方案为：一种铸件x射线高动态图像色调映射方法，该方法结合图像空域与频域信息的图像动态范围切分方法完整保留图像的全局信息，基于导向滤波的图像融合权重计算方法使各切片图像融合后过渡自然，并能使最终的图像保持原始图像的边缘与纹理信息，获得更优的铸件x射线高动态图像色调映射效果，其步骤为：
5.步骤1.获取图像切片：
6.步骤1.1：获得图像的动态范围及图像总的像素数量
7.l
range
＝l
max
‑
l
min
8.f
range
＝m
×
n
9.其中l
max
为初始图像的最大灰度值，l
min
为初始图像的最小灰度值，根据l
max
与l
min
得到初始图像的动态范围l
range
，m为初始图像的高，n为初始图像的宽，f
range
为初始图像的像素总数。
10.步骤1.2：确定各切片图像的阈值l
ei
11.本发明中各切片阈值是由初始图像灰度与灰度频数共同决定的。首先，根据初始图像的灰度确定的阈值i
i
：
[0012][0013]
其次，根据灰度频数确定的阈值e
i
应满足如下等式：
[0014][0015]
其中n为切片图像的个数，f(j)表示像灰度为j的像素数量。
[0016]
最终，得到每张切片的最终分段阈值
[0017]
l
ei
＝l
i
+0.2(e
i
‑
l
i
)
[0018]
步骤1.3：对各切片图像进行灰度拉伸
[0019]
对各处于不同灰度范围内的图像进行灰度拉伸，获得n张切片图像。h为初始图像，i
j
表示第j张切片图像，j＝[1，2，3...，n]。
[0020][0021]
步骤2.计算各切片图像的初始融合权重矩阵
[0022]
初始融合权重矩阵的大小与切片图像一致。初始融合权重矩阵在(x，y)位置处的数值m
j
(x，y)与初始图像在(x，y)位置处的灰度值h(x，y)的关系如下式所示：
[0023][0024]
步骤3.计算各切片图像的最终融合权重矩阵
[0025]
各切片图像的最终融合权重矩阵是通过对各初始融合权重矩阵进行导向滤波得到的。导向滤波的引导图i
g
＝h/l
max
，正则化参数ε＝0.22，表示均值滤波。
[0026]
步骤3.1计算方差及协方差
[0027][0028][0029]
步骤3.2计算线性参数
[0030]
a
j
＝cov
j
/(var
j
+ε)
[0031][0032]
步骤3.3得到最终融合权重矩阵
[0033][0034]
步骤4.多切片图像融合
[0035]
色调映射的结果图像l是通过将得到的各最终融合权重矩阵w
j
与对应的切片图像i
j
相乘并求和而得到的，具体公式如下：
[0036][0037]
相对于现有技术，本发明优点如下：
[0038]
1、本发明基于直方图均衡化的铸件x射线图像增强方法，该发明模拟了窗宽窗位调节操作，提出了结合图像空域与频域信息的图像动态范围切分方法，完整保留了图像的全局信息。
[0039]
2、该发明提出了基于导向滤波的图像融合权重计算方法，不仅可以使得最终的图像保持原始图像的边缘与纹理信息，也提高了算法的运行效率。
附图说明
[0040]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0041]
图1：本发明算法流程示意图。
具体实施方式
[0042]
实施例1
[0043]
本实施例提供了一种铸件x射线高动态图像色调映射方法，流程示意图如图1所示，具体方法步骤如下：
[0044]
步骤1.获取图像切片：
[0045]
步骤1.1：获得图像的动态范围及图像总的像素数量
[0046]
l
range
＝l
max
‑
l
min
[0047]
f
range
＝m
×
n
[0048]
其中l
max
为初始图像的最大灰度值，l
min
为初始图像的最小灰度值，根据l
max
与l
min
得到初始图像的动态范围l
range
，m为初始图像的高，n为初始图像的宽，f
range
为初始图像的像素总数。
[0049]
步骤1.2：确定各切片图像的阈值l
ei
[0050]
本发明中各切片阈值是由初始图像灰度与灰度频数共同决定的。首先，根据初始图像的灰度确定的阈值i
i
：
[0051][0052]
其次，根据灰度频数确定的阈值e
i
应满足如下等式：
[0053][0054]
其中n为切片图像的个数，f(j)表示像灰度为j的像素数量。
[0055]
最终，得到每张切片的最终分段阈值
[0056]
l
ei
＝l
i
+0.2(e
i
‑
l
i
)
[0057]
步骤1.3：对各切片图像进行灰度拉伸
[0058]
对各处于不同灰度范围内的图像进行灰度拉伸，获得n张切片图像。h为初始图像，i
j
表示第j张切片图像，j＝[1，2，3...，n]。
[0059][0060]
步骤2.计算各切片图像的初始融合权重矩阵
[0061]
初始融合权重矩阵的大小与切片图像一致。初始融合权重矩阵在(x，y)位置处的数值m
j
(x，y)与初始图像在(x，y)位置处的灰度值h(x，y)的关系如下式所示：
[0062][0063]
步骤3.计算各切片图像的最终融合权重矩阵
[0064]
各切片图像的最终融合权重矩阵是通过对各初始融合权重矩阵进行导向滤波得到的。导向滤波的引导图i
g
＝h/l
max
，正则化参数ε＝0.22，表示均值滤波。
[0065]
步骤3.1计算方差及协方差
[0066][0067][0068]
步骤3.2计算线性参数
[0069]
a
j
＝cov
j
/(var
j
+ε)
[0070][0071]
步骤3.3得到最终融合权重矩阵
[0072][0073]
步骤4.多切片图像融合
[0074]
色调映射的结果图像l是通过将得到的各最终融合权重矩阵w
j
与对应的切片图像i
j
相乘并求和而得到的，具体公式如下：
[0075]