本发明公开了超声图像斑点噪声抑制方法,通过隔行隔列抽取使得滤波后的图像被下采样成了4幅子图像,然后对4幅子图像分别进行各向异性扩散处理,下采样图像的处理点数降低,使得在充分开发了各向异性扩散算法优势的基础上,克服了其计算复杂度大而无法应用于实时超声图像处理的缺点,分别经各向异性扩散处理后的四幅图像进行两两组合,对空缺的点进行插值处理,则在对应下采样前的图像的每个位置上都得到四个像素值,接着通过拉普拉斯变换后的边缘信息来对每个位置上的四个像素进行加权处理形成最终的输出像素,实现了在去除斑点噪声的同时有效的保留了图像边缘。
1.一种超声图像斑点噪声抑制方法,其特征在于:包括以下步骤:(1)对超声图像进行低通滤波;(2)对滤波后的图象进行拉普拉斯变换,提取所述滤波后的图象的边缘信息;(3)对所述滤波后的图像进行下采样,分别按奇数行奇数列、奇数行偶数列、偶数行奇数列、偶数行偶数列进行抽取,形成四幅下采样图像;(4)对所述四幅下采样图像分别进行各向异性扩散处理;(5)对四幅经各向异性扩散处理后的图像进行两两组合,在两两组合时,将相应的两幅经各向异性扩散处理后的图像同时恢复到下采样前的图像的原始位置上,然后对空缺的点进行插值处理,该插值处理是指对在所述空缺的点周围的最邻近的点的像素值取平均,平均得到的值即为该空缺的点的像素值,这样在两两组合后,对应下采样前的图像的每个位置上都有四个像素值,其中一个像素值为真实的经各项异性扩散处理后的值,其余三个像素值为通过所述插值处理后得到的值;(6)利用步骤(2)中提取的图像的边缘信息对上述每个位置上的四个像素值进行加权处理,得到最终的图像;设定步骤(2)中提取的图像的边缘信息为Is_lap_i,j,其中i,j指图像像素点的位置,则|Is_lap|_i,j指图像的边缘强度,在上述每个位置上的四个像素值中,设定真实的经各项异性扩散处理后的值为V_r_i,j,通过所述插值处理后得到的值为V_i1_i,j、V_i2_i,j、V_i3_i,j,设定所述最终的图像的像素点的像素值为V_o_i,j,则 V _ o i , j = λ V _ i , i , j * ( V _ i 1 i , j + V _ i 2 i , j + V _ i 3 i , j ) + λ V _ r , i , j * V _ r i , j 3 * λ V _ i , i , j + λ V _ r , i , j , ]]>其中 λ V _ i , i , j = α , λ V _ r , i , j = α + ( 1 - α ) · exp ( - 1 | Is _ lap | i , j ) , ]]>α是常数,0=<α<=1。
2.根据权利要求1所述的超声图像斑点噪声抑制方法,其特征在于:在步骤(5)中,在对四幅经各向异性扩散处理后的图像进行两两组合时,设定一次组合的两幅图像分别为Is_oo’、Is_ee’,图像Is_oo’、Is_ee’分别由图像Is_oo、Is_ee经各向异性扩散处理得到的,图像Is_oo、Is_ee是在步骤(3)中按奇数行奇数列、偶数行偶数列抽取形成的,在组合图像Is_oo’、Is_ee’后,将所述图像Is_oo’、Is_ee’同时恢复到下采样前的图像的原始位置上,空缺的点有两种,分别为处于图像边缘的V1、处于非边缘区域的V2,在V1的周围最邻近围绕的有三个像素点,像素值分别为A、B、C,则ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="583"/>在V2的周围最邻近围绕的有四个像素点,像素值分别为D、E、F、G,则ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="192"/>ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="549"/>技术领域
本发明属于超声图像处理方法,具体涉及超声图像斑点噪声抑制方法。
背景技术
现有的超声图像斑点噪声抑制方法主要采用一些非线性的滤波方法,如中值滤波、基于各向异性扩散的方法以及基于小波变换的一些方法等。基于中值滤波的一些方法如加权的中值滤波、各个方向的中值滤波、各向异性的中值滤波等。深圳市蓝韵实业有限公司的专利公开文献“一种去除实时超声图像斑点噪声的方法”(公开号CN101396279),公开了首先对图像数据进行对数压缩,然后对每个像素的邻域进行四个方向的中值滤波,最后对这几个中值滤波的值进行加权平均,形成输出数据,但由于对像素的处理较为简单,导致对斑点噪声的抑制和边缘的保持都不是很好。各向异性扩散的方法,如非线性各向异性扩散(NCD)、相关扩散增强(CED)等,虽然能达到较好的去斑效果,但由于计算复杂度很大,难以应用于实时超声图像的处理,这样就产生了一些基于各向异性思想的简化方法,如深圳迈瑞生物医疗电子股份有限公司的专利公开文献“超声图像边缘锐化与斑点抑制方法”(公开号CN1892696),公开了首先对输入图像的像素进行判断是否为边缘点,对边缘点进行方向性滤波和方向性增强,非边缘点采取基于邻域的均值和拉普拉斯值的加权处理。该文献采用了各向异性的思想,简化了计算量,但对斑噪的去除效果不好。一些基于小波变换的方法主要是对图像的某些小波域系数进行抑制,具体的有软阈值,硬阈值等方法。如Generalxa0Electricxa0Company的专利授权文献“Specklexa0noisexa0filteringxa0inxa0ultrasoundxa0imaging”(公开号:US5497777A),公开了将信号划分成重叠的、长度相同的子区间,每个子区间进行小波变换,然后采用阈值的方法对这些系数进行修正,最后小波反变换回去。该方法一个最重要的问题是无法有效的区分斑噪能量和信号能量,导致一些斑噪随信号的增强而增强,一些信号随斑噪的抑制而抑制。总结一下,超声图像处理的目标是在保留边界的基础上去除斑点噪声。一些基于中值滤波的改进算法虽然计算简单,但对边缘的保持和斑噪的滤除效果都不是太好;各向异性扩散的方法由于计算量大使其很难应用于实时超声处理,因此产生的一些基于各向异性思想的算法简化处理过程,但去斑效果不是很好;基于小波变换的一些算法不能有效的区分信号和噪声,使采用的阈值法的效果并不理想。
发明内容
本发明的目的是提供一种超声图像斑点噪声抑制方法,该方法在利用各向异性扩散算法优势的基础上,克服了其计算复杂度大而无法应用于实时超声图像处理的缺点;同时在合成图像时边缘区域和非边缘区域区别对待,进行不同的加权处理,这样在去除斑点的同时有效的保留了图像边缘。为达到上述目的,本发明采用了以下技术方案:一种超声图像斑点噪声抑制方法,包括以下步骤:(1)对超声图像进行低通滤波;(2)对滤波后的图象进行拉普拉斯变换,提取所述滤波后的图象的边缘信息;(3)对所述滤波后的图像进行下采样,分别按奇数行奇数列、奇数行偶数列、偶数行奇数列、偶数行偶数列进行抽取,形成四幅下采样图像;(4)对所述四幅下采样图像分别进行各向异性扩散处理;(5)对四幅经各向异性扩散处理后的图像进行两两组合,在两两组合时,将相应的两幅经各向异性扩散处理后的图像同时恢复到下采样前的图像的原始位置上,然后对空缺的点进行插值处理,该插值处理是指对在所述空缺的点周围的最邻近的点的像素值取平均,平均得到的值即为该空缺的点的像素值,这样在两两组合后,对应下采样前的图像的每个位置上都有四个像素值,其中一个像素值为真实的经各项异性扩散处理后的值,其余三个像素值为通过所述插值处理后得到的值;(6)利用步骤(2)中提取的图像的边缘信息对上述每个位置上的四个像素值进行加权处理,得到最终的图像;设定步骤(2)中提取的图像的边缘信息为Is_lap_i,j,其中i,j指图像像素点的位置,则|Is_lap|_i,j指图像的边缘强度,在上述每个位置上的四个像素值中,设定真实的经各项异性扩散处理后的值为V_r_i,j,通过所述插值处理后得到的值为V_i1_i,j、V_i2_i,j、V_i3_i,j,设定所述最终的图像的像素点的像素值为V_o_i,j,则 V _ o i , j = λ V _ i , i , j * ( V _ i 1 i , j + V _ i 2 i , j + V _ i 3 i , j ) + λ V _ r , i , j * V _ r i , j 3 * λ V _ i , i , j + λ V _ r , i , j , ]]>其中 λ V _ i , i , j = α , λ V _ r , i , j = α + ( 1 - α ) · exp ( - 1 | Is _ lap | i , j ) , ]]>α是常数,0=<α<=1。在步骤(5)中,在对四幅经各向异性扩散处理后的图像进行两两组合时,设定一次组合的两幅图像分别为Is_oo’、Is_ee’,图像Is_oo’、Is_ee’分别由图像Is_oo、Is_ee经各向异性扩散处理得到的,图像Is_oo、Is_ee是在步骤(3)中按奇数行奇数列、偶数行偶数列抽取形成的,在组合图像Is_oo’、Is_ee’后,将所述图像Is_oo’、Is_ee’同时恢复到下采样前的图像的原始位置上,空缺的点有两种,分别为处于图像边缘的V1、处于非边缘区域的V2,在V1的周围最邻近围绕的有三个像素点,像素值分别为A、B、C,则ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="335"/>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="260"/>,在V2的周围最邻近围绕的有四个像素点,像素值分别为D、E、F、G,则ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/>由于上述技术方案的运用,本发明与现有技术相比具有下列优点:该超声图像斑点噪声抑制方法中,通过隔行隔列抽取使得滤波后的图像被下采样成了4幅子图像,然后对4幅子图像分别进行各向异性扩散处理,下采样图像的处理点数降低,使得在充分开发了各向异性扩散算法优势的基础上,克服了其计算复杂度大而无法应用于实时超声图像处理的缺点,分别经各向异性扩散处理后的四幅图像进行两两组合,对空缺的点进行插值处理,则在对应下采样前的图像的每个位置上都得到四个像素值,接着通过拉普拉斯变换后的边缘信息来对每个位置上的四个像素进行加权处理形成最终的输出像素,实现了在去除斑点噪声的同时有效的保留了图像边缘。
附图说明
附图1为本发明的流程示意图;附图2显示了通过隔行隔列抽取使得滤波后的图像被下采样成了四幅子图像Is_oo、Is_oe、Is_eo、Is_ee。附图3为本发明中各向异性扩散处理算法的流程示意图;附图4是举例说明了图像Is_oo’与Is_ee’组合后的插值过程;附图5显示了通过边缘信息|Is_lap|_i,j来对每个位置上的四个像素值进行加权处理形成最终的输出像素值V_o。
具体实施方式
下面结合附图来进一步阐述本发明。一种超声图像斑点噪声抑制方法,首先将超声图像通过低通滤波器的预处理,然后通过拉普拉斯变换提取图像的边缘矩阵标记边缘位置;接着对所得图像进行下采样,形成四幅不同的下采样的图像,然后对每幅下采样的图像进行各向异性扩散处理,得到四幅输出图像;之后将四幅输出图像两两组合,还原到它们本来处于下采样前的图像的原始位置上,再通过插值的方式得到图像中空缺位置的像素,这样对于下采样前的图像中的任意一点像素都有一个真实位置的值和三个通过加权平均插出的值;最后将三个加权值按其插出的方式进行加权平均,然后同真实的值按其在边缘矩阵中的强度进行加权平均,最终得到输出图像,如图1所示。具体来说,斑点噪声抑制方法包括以下步骤:(1)首先对原始超声图像I进行低通滤波,得到图像Is,通过低通滤波能够去除高频噪声;(2)对滤波后的图像Is进行拉普拉斯变换,提取出图像的边缘信息Is_lap_i,j,其绝对值|Is_lap|_i,j反映了图像的边缘强度,i,j指图像像素点的位置;(3)对滤波后的图像Is进行下采样,分别按奇数行奇数列、奇数行偶数列、偶数行奇数列和偶数行偶数列进行抽取,形成Is_oo、Is_oe、Is_eo、Is_ee四幅下采样图像,如图2所示;(4)对四幅下采样图像Is_oo、Is_oe、Is_eo、Is_ee分别进行各向异性扩散处理,得到四幅相关增强的图像Is_oo’、Is_oe’、Is_eo’、Is_ee’,如图3所示,各向异性扩散处理的算法是基于图像内部的相关信息进行扩散,对斑点抑制有很好的效果。首先对输入的图像像素进行判断,区分出各向同性像素和各向异性像素,对各向同性像素进行各向同性扩散,也就是一般的平滑平均;对于各向异性像素根据其各向异性程度进行扩散,这样使得对于不同强度的边缘像素有着不同的相关增强。经过各向异性扩散处理后的图像为Is_oo’、Is_oe’、Is_eo’、Is_ee’;(5)对四幅经各向异性扩散处理后的图像Is_oo’、Is_oe’、Is_eo’、Is_ee’进行两两组合,在两两组合时,将相应的两幅经各向异性扩散处理后的图像同时恢复到下采样前的图像的原始位置上,然后对空缺的点进行插值处理,这样会得到六幅具有原始大小的图像,这里插值处理是指对在空缺的点周围最邻近围绕的点的像素值取平均,平均得到的值即为该空缺的点的像素值,这样在两两组合后,对应下采样前的图像的每个位置上(即原始大小的每个位置上)都有四个像素值,其中一个像素值为真实的经各项异性扩散处理后的值,其余三个像素值为通过插值处理后得到的值。图4是举例说明图像Is_oo’与Is_ee’组合后的插值过程。从上述可知,图像Is_oo’、Is_ee’分别由图像Is_oo、Is_ee经各向异性扩散处理得到的,图像Is_oo、Is_ee是在步骤(3)中按奇数行奇数列、偶数行偶数列抽取形成的,在组合图像Is_oo’、Is_ee’后,将图像Is_oo’、Is_ee’同时恢复到下采样前的图像的原始位置上,空缺的点有两种,分别为处于图像边缘的V1、处于非边缘区域的V2,在V1的周围最邻近围绕的有三个像素点,像素值分别为A、B、C,通过三个像素值进行加权平均得到V1,则ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="541"/>,在V2的周围最邻近围绕的有四个像素点,像素值分别为D、E、F、G,通过四个点的双线性插值得到V2: H = D HE D DE · D + D DH D DE · E ; I = D IF D GF · G + D GI D GF · F ; ]]> V 2 = D HV 2 D HI · I + D IV 2 D HI · H = 1 4 ( D + E + F + G ) ; ]]>其中D_HE表示H、E两点之间的距离,其余类似,不带下标的D代表D位置的像素值;(6)利用步骤(2)中提取的图像的边缘信息Is_lap_i,j对步骤(5)中每个位置上的四个像素值进行加权处理,得到最终的图像Io;在每个位置上的四个像素值中,设定真实的经各项异性扩散处理后的值为V_r_i,j,通过插值处理后得到的值为V_i1_i,j、V_i2_i,j、V_i3_i,j,设定最终的图像的像素点的像素值为V_o_i,j,则 V _ o i , j = λ V _ i , i , j * ( V _ i 1 i , j + V _ i 2 i , j + V _ i 3 i , j ) + λ V _ r , i , j * V _ r i , j 3 * λ V _ i , i , j + λ V _ r , i , j , ]]>具中 λ V _ i , i , j = α , λ V _ r , i , j = α + ( 1 - α ) · exp ( - 1 | Is _ lap | i , j ) , ]]>α是常数,0=<α<=1。|IS_lap|_i,j反映的是边缘强度,其值越大,则表明边缘的强度越大,代表的是强边缘,比较小的值代表的是较弱边缘,而均匀区域和边缘的中心区域其值为0。因此对于边缘区域,V_ri,j占的权重应该较大,且随边缘强度的减小而减小;平坦的均匀区域,V_i1_i,j、V_i2_i,j、V_i3_i,j所占的权重应该较大,以达到平滑斑噪的效果。当|Is_lap|_i,j→0时,即处于均匀区域时,λ_{V_r,i,j}=λ_{V_i,i,j}=α;随着|Is_lap|_i,j逐渐增大,即边缘的强度逐渐增加,λ_{V_r,i,j}从α开始逐渐上升,趋向于1。当所有的像素加权后,就形成了输出图像Io。本方法充分利用各向异性扩散处理的效果,针对斑点噪声的特点,对不同区域的像素采用不同的加权处理,达到良好的去斑噪和边界保持效果,同时避免计算复杂度大的问题,适合实时超声图像处理。这里说明一下,低通滤波、拉普拉斯变换的方法属于本领域技术人员知晓的现有技术,故在此不详述。还有各向异性扩散处理的算法也属于本领域技术人员知晓的现有技术,这里简单地介绍一下算法的核心。各向异性扩散处理算法采用扩散方程ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="498"/>其中I指待处理的图像,x、y指图像I的像素点的位置,t指时间,div指散度,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="62"/>指图像I的梯度,结构张量 D = I σ , x 2 I σ , x I σ , y I σ , x I σ , y I σ , y 2 , ]]>其中I_σ,x、I_σ,y指图像I在x、y方向上的梯度,将D特征分解得: D = j 11 j 12 j 12 j 22 = ( w 1 , w 2 ) u 1 0 0 u 2 ( w 1 , w 2 ) T ]]>特征向量w1、w2和特征值u1、u2代表了邻域灰度差异最大和最小的方向以及最大和最小的强度,其中(u1-u2)²反映了各向异性程度,(u1-u2)²→0为各向同性区域,我们采用各向同性扩散,(u1-u2)²比较大则为各向异性区域,采用各向异性扩散。下面叙述一种具体的各向异性扩散算法(NcD),用λ1和λ2重新定义u1和u2来实现扩散过程 λ 1 = α · ( 1 - ( u 1 - u 2 ) 2 s 2 ) , if ( ( u 1 - u 2 ) 2 ≤ s 2 ) 0 , else ]]>λ2=α其中α是一个(0,1)的常数,s²是一个常数阈值,这样,当局部灰度处于均匀区域,即(u1-u2)²→0时,λ2=λ1=α,扩散过程成为各向同性扩散;当局部灰度处于小边界区域,即0<(u1-u2)²2,λ2>λ1>0,扩散过程成为各向异性,梯度方向的扩散程度随边缘强度变化;当局部灰度处于大边界区域,即(u1-u2)²≥s²,λ2>λ1=0,扩散只沿边缘方向,梯度方向没有扩散。本领域的技术人员都知道,各向异性扩散算法有多种,具体实施时,可以根据不同的诊断部位或者其他要求来选择适合的各向异性扩散算法。综上,本专利的斑点噪声抑制方法,通过隔行隔列抽取使得滤波后的图像被下采样成了4幅子图像,然后对4幅子图像分别进行各向异性扩散处理,下采样图像的处理点数降低,使得在充分开发了各向异性扩散算法优势的基础上,克服了其计算复杂度大而无法应用于实时超声图像处理的缺点,分别经各向异性扩散处理后的四幅图像进行两两组合,然后在对应下采样前的图像的每个位置上都有四个像素值,接着通过拉普拉斯变换后的边缘信息来对每个位置上的四个像素进行加权处理形成最终的输出像素,实现在去除斑点噪声的同时有效的保留了图像边缘。