本發(fā)明涉及醫(yī)學(xué)圖像處理
技術(shù)領(lǐng)域：
，特別是涉及一種適應(yīng)于醫(yī)學(xué)影像的單曝光高動(dòng)態(tài)范圍圖像生成方法。
背景技術(shù)：
：醫(yī)學(xué)影像是指為了醫(yī)療或醫(yī)學(xué)研究，對(duì)人體或人體某部分，以非侵入方式取得內(nèi)部組織影像的技術(shù)與處理過(guò)程。它包含以下兩個(gè)相對(duì)獨(dú)立的研究方向:醫(yī)學(xué)成像系統(tǒng)和醫(yī)學(xué)圖像處理。前者是指圖像形成的過(guò)程，包括對(duì)成像機(jī)理、成像設(shè)備、成像系統(tǒng)分析等問(wèn)題的研究；后者是指對(duì)已經(jīng)獲得的圖像作進(jìn)一步的處理，其目的是或者是使原來(lái)不夠清晰的圖像復(fù)原，或者是為了突出圖像中的某些特征信息，或者是對(duì)圖像做模式分類(lèi)等等。動(dòng)態(tài)范圍指的是一個(gè)物理測(cè)量的最大值與最小值之比，由于傳統(tǒng)的圖片是在一定的曝光下拍攝出來(lái)的，因此對(duì)比度是有限制的，通過(guò)對(duì)曝光等級(jí)的設(shè)置，就會(huì)導(dǎo)致在過(guò)亮或者過(guò)暗區(qū)域場(chǎng)景細(xì)節(jié)的丟失，而這就達(dá)不到人眼所能觀察到的場(chǎng)景，因此一些細(xì)節(jié)就會(huì)被丟失，所獲取的信息就會(huì)減少。為了實(shí)現(xiàn)捕獲的場(chǎng)景更加貼近人眼觀察到的場(chǎng)景，并且提高捕獲的信息以及細(xì)節(jié)，這就需要提高動(dòng)態(tài)范圍，即高動(dòng)態(tài)范圍(HighDynamicRange，HDR)。高動(dòng)態(tài)范圍圖像是將圖像變得更清晰、對(duì)比度更強(qiáng)、所包含的信息更多的圖像。高動(dòng)態(tài)范圍圖片能夠更加準(zhǔn)確的記錄真實(shí)場(chǎng)景的絕大部分色彩和光照信息，并能表現(xiàn)出豐富的色彩細(xì)節(jié)和明暗層次，而且能夠提供更高的對(duì)比度、更豐富的信息和更真實(shí)的視覺(jué)感受，能更好地匹配人眼對(duì)現(xiàn)實(shí)世界場(chǎng)景的認(rèn)知特性。正因?yàn)槿绱?，HDR技術(shù)可以被應(yīng)用于對(duì)圖像質(zhì)量要求較高的領(lǐng)域，如醫(yī)學(xué)影像、視頻監(jiān)控、衛(wèi)星遙感和計(jì)算機(jī)視覺(jué)等領(lǐng)域中。目前，高動(dòng)態(tài)范圍圖像生成方法的研究已經(jīng)有很多，例如：Mann和Picard首先使用多幅曝光時(shí)間不同的圖像來(lái)生成HDR圖像，Goshtasby等人提出了基于最優(yōu)塊的圖像融合算法，但是容易產(chǎn)生塊效應(yīng)，Mertens等人提出了基于拉普拉斯金字塔的圖像融合算法，Li等人提出了基于離散小波的圖像融合算法。但是以上的方法都是利用多幅不同曝光的圖片，圖片的獲取上來(lái)說(shuō)更復(fù)雜一些。對(duì)于醫(yī)學(xué)影像來(lái)說(shuō)，使用單幅圖片來(lái)說(shuō)，獲取更簡(jiǎn)單一些，而且能夠更實(shí)時(shí)的合成HDR圖片。技術(shù)實(shí)現(xiàn)要素：基于上述現(xiàn)有技術(shù)，本發(fā)明提出了一種適應(yīng)于醫(yī)學(xué)影像的單曝光高動(dòng)態(tài)范圍圖像生成方法，基于拉普拉斯金字塔的圖像融合算法，求出合成的HDR圖像。本發(fā)明的一種適應(yīng)于醫(yī)學(xué)影像的單曝光高動(dòng)態(tài)范圍圖像生成方法，該方法包括以下步驟：第一步：基于逆色調(diào)映射生成不同曝光的圖像，將逆色調(diào)映射函數(shù)建模，公式如下：其中，Lk(i,j)表示第k幅偽曝光HDR圖像在像素(i,j)點(diǎn)處的亮度，Pk表示相鄰偽曝光之間的亮度差異控制參數(shù)，Ld(i,j)表示在像素(i,j)點(diǎn)處的輸入的LDR圖像的歸一化的亮度，Lsmax的取值為382.5，Lmax,k表示第k幅偽曝光HDR圖像中最大亮度，Lad,k表示第k幅偽曝光HDR圖像的平均亮度控制參數(shù)，公式如下：Lad,k＝1+exp(μEVk)(2)其中，EVk代表著第k幅偽曝光HDR圖像的曝光值，μ被設(shè)置為0.85，根據(jù)所給定的不同的(EVk，Pk)，就會(huì)產(chǎn)生不同的偽曝光HDR圖像，包括最暗圖像、暗圖像、正常圖像、亮圖像、最亮圖像；第二步、根據(jù)第一步產(chǎn)生的偽曝光HDR圖像的對(duì)比度測(cè)量因子C、飽和度測(cè)量因子S、曝光度測(cè)量因子E，基于金字塔分解的多曝光圖像融合算法得到圖像的權(quán)重圖，公式如下：其中，ij,k表示多曝光圖像序列中第k個(gè)圖像(i,j)處的像素點(diǎn)；ωC、ωS、ωE分別表示對(duì)比度測(cè)量因子C、飽和度測(cè)量因子S、曝光度測(cè)量因子E對(duì)標(biāo)量權(quán)重圖W的影響程度的控制參數(shù)，該算法中取ωC＝ωS＝ωE＝1；將公式(3)進(jìn)行歸一化，得到N幅多曝光圖像序列中第k幅圖像(i,j)處的像素點(diǎn)的權(quán)重為：第三步、將N幅多曝光圖像序列分別進(jìn)行拉普拉斯金字塔分解，將N幅權(quán)重圖分別進(jìn)行高斯金字塔分解，得到不同分辨率的圖像和權(quán)重圖，并記圖像A的第l層拉普拉斯金字塔分解為L(zhǎng){A}l，記圖像B的第l層高斯金字塔分解為G{B}l，得到融合公式如下：上式中N表示輸入的圖像總數(shù)，即生成的偽曝光圖像數(shù)，I表示輸入的偽曝光HDR圖像，即第一步生成的Lk，i,j表示像素點(diǎn)(i,j)處，l表示進(jìn)行拉普拉斯金字塔分解或者高斯金字塔分解時(shí)的層，表示歸一化的權(quán)重圖。最后，將金字塔L{R}l進(jìn)行拉普拉斯逆變換得到融合后的圖像R，至此，求出了對(duì)于輸入圖像的合成的HDR圖像。所述第二步中，對(duì)每幅圖像對(duì)應(yīng)的灰度圖進(jìn)行拉普拉斯濾波，將得到的結(jié)果的絕對(duì)值作為對(duì)比度測(cè)量因子C；將每幅圖像R、G、B通道的標(biāo)準(zhǔn)差作為飽和度測(cè)量因子S；使用高斯曲線：來(lái)衡量R、G、B通道各個(gè)像素值i的大小距離0.5的遠(yuǎn)近程度，然后將三個(gè)通道的結(jié)果相乘得到曝光度測(cè)量因子，其中，σ＝0.2。與現(xiàn)有技術(shù)相比，本發(fā)明該算法不僅使得合成的HDR圖像與原圖像相比對(duì)比度提高，色彩更鮮明，一些細(xì)節(jié)更強(qiáng)化，而且由于該算法采用的是單幅曝光使得獲取曝光更簡(jiǎn)易，而且該算法采用的是融合算法；，計(jì)算量小，能實(shí)時(shí)的實(shí)現(xiàn)高動(dòng)態(tài)范圍圖像生成。附圖說(shuō)明圖1是HDR圖像合成圖；圖2是實(shí)施例一圖示；圖3是實(shí)施例二圖示。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述：本發(fā)明是通過(guò)以下技術(shù)方案加以實(shí)現(xiàn)的：第一步：基于逆色調(diào)映射生成不同曝光的圖像由于S曲線能夠重建更高質(zhì)量的HDR圖像，能夠提供更好的對(duì)比度，為此將逆色調(diào)映射函數(shù)可以建模如下，目的就是將一個(gè)正常曝光的圖像轉(zhuǎn)化為有著不同亮度的偽曝光圖像，從而可以獲取更多的信息：其中，Lk代表著第k個(gè)偽曝光HDR圖像的亮度，而Pk控制著相鄰偽曝光之間的亮度差異，Ld(i,j)代表著在像素(i,j)點(diǎn)處的輸入LDR圖像的歸一化亮度，Lsmax的值被設(shè)置為382.5，Lad,k控制著第k幅偽曝光圖像的平均亮度，而其是通過(guò)以下方程進(jìn)行調(diào)整：Lad,k＝1+exp(μEVk)(2)其中，EVk代表著第k幅圖像的曝光值，μ被設(shè)置為0.85。因此該逆色調(diào)映射函數(shù)受EVk、Pk控制，對(duì)于給定不同的(EVk，EVk)，就會(huì)產(chǎn)生不同的偽曝光圖像。第二步：權(quán)重圖計(jì)算在第一步生成多幅不同曝光的圖像，在此基礎(chǔ)上利用金字塔融合的方法，最終生成HDR圖像。所謂的基于金字塔分解的多曝光圖像融合算法是以多分辨率的方式來(lái)豐富圖像的亮度變化。該算法根據(jù)圖像的對(duì)比度、飽和度以及曝光度，利用多曝光圖像序列直接生成高質(zhì)量圖像。對(duì)于同一場(chǎng)景，由于生成的圖像有的曝光過(guò)度或者曝光不足，因此會(huì)形成平滑區(qū)域和不飽和區(qū)域，這些區(qū)域包含的信息較少，應(yīng)給予較小的權(quán)重，而感興趣的區(qū)域應(yīng)給予較大的權(quán)重。因此，首先根據(jù)圖像的對(duì)比度、飽和度以及曝光度，計(jì)算圖像的權(quán)重圖。對(duì)比度：對(duì)每幅圖像對(duì)應(yīng)的灰度圖進(jìn)行拉普拉斯濾波，將得到的結(jié)果的絕對(duì)值作為對(duì)比度測(cè)量因子C。飽和度：將每幅圖像R、G、B通道的標(biāo)準(zhǔn)差作為飽和度測(cè)量因子S。曝光度：使用高斯曲線：(其中，σ＝0.2)來(lái)衡量R、G、B通道各個(gè)像素值i的大小距離0.5的遠(yuǎn)近程度(靠近0表示曝光不足，靠近1表示曝光過(guò)度)，然后將三個(gè)通道的結(jié)果相乘得到曝光度測(cè)量因子E。最終，得到圖像的標(biāo)量權(quán)重圖W：其中，ij,k表示多曝光圖像序列中第k個(gè)圖像(i,j)處的像素點(diǎn)。ωC、ωS、ωE分別用于控制的對(duì)比度測(cè)量因子C、飽和度測(cè)量因子S、曝光度測(cè)量因子E對(duì)標(biāo)量權(quán)重圖W的影響程度，該算法中取ωC＝ωS＝ωE＝1。將公式(3)進(jìn)行歸一化，得到N個(gè)多曝光圖像序列中第k個(gè)圖像(i,j)處的像素點(diǎn)的權(quán)重為：第三步：圖像融合傳統(tǒng)的融合公式如下所示：但是該方法合成效果不好，因此該算法使用金字塔來(lái)分解圖像，以多分辨率的方式來(lái)融合圖像。首先，將N幅多曝光圖像序列分別進(jìn)行拉普拉斯金字塔分解，將N幅權(quán)重圖分別進(jìn)行高斯金字塔分解，得到不同分辨率的圖像和權(quán)重圖，并記圖像A的第l層拉普拉斯金字塔分解為L(zhǎng){A}l，記圖像B的第l層高斯金字塔分解為G{B}l。然后，類(lèi)似公式(5)，得到融合公式如下：最后，將金字塔L{R}l進(jìn)行拉普拉斯逆變換得到融合后的圖像R。至此，求出了對(duì)于輸入圖片的合成的HDR圖像。最佳實(shí)施方式1)采用生成5幅偽曝光的圖像，即：k＝0～4，Lsmax＝382.5，EVk＝(-1,-0.5,0,0.5,1)，Pk＝(1.6,1.3,1,0.85,0.75)，N＝5，σ＝0.2，ωC＝ωS＝ωE＝1。2)然后按照公式(1)到(6)，可以求出來(lái)當(dāng)圖像是單曝光的圖像時(shí)，所生成的高動(dòng)態(tài)范圍圖像。3)合成結(jié)果：表1、輸入輸出圖像指標(biāo)附圖圖2(a)圖2(b)圖3(a)圖3(b)信息熵7.45017.34377.52137.8417圖2(a)和圖3(a)是輸入的圖像、醫(yī)學(xué)上的圖像，而圖2(b)和圖3(b)分別是通過(guò)該方法合成的高動(dòng)態(tài)范圍的圖像，通過(guò)主觀上觀察，可以發(fā)現(xiàn)合成的高動(dòng)態(tài)范圍的圖像與輸入的圖像相比，對(duì)比度有所提高，而且細(xì)節(jié)更清晰，色彩更明亮，更符合我們所觀察到的場(chǎng)景，圖3(a)和圖3(b)更說(shuō)明，該方法不僅適用于通用的圖像中，而且適用于醫(yī)學(xué)圖像，可以發(fā)現(xiàn)細(xì)節(jié)更清晰，對(duì)比度更強(qiáng)，更有助于我們提取信息。從客觀上來(lái)說(shuō)，通過(guò)表1，可以發(fā)現(xiàn)合成的高動(dòng)態(tài)范圍的圖像信息熵更高，這說(shuō)明高動(dòng)態(tài)范圍圖像包含的信息更高。對(duì)于一個(gè)要求精準(zhǔn)的醫(yī)學(xué)領(lǐng)域，高動(dòng)態(tài)范圍圖像是該領(lǐng)域所需要的。當(dāng)前第1頁(yè)1 2 3