摘 要:基于X射线影像增强器的视觉系统所成图像的缺点是动态范围小,对比度不够高。为此,提出一种新的X射线图像增强算法。首先在高低两个不同射线管电压下分别获取两幅图像,利用离散小波变换对其进行多分辨率图像融合,以扩展X射线图像动态范围,之后再利用双平台直方图均衡算法对融合图像进行增强。实验结果显示,射线图像得到有效增强。
关键词:X射线图像; 图像增强; 图像融合; 双平台直方图均衡化
中图分类号:TP391.4 文献标识码:A
文章编号:1004-373X(2010)10-0105-03
New Algorithm of X-ray Image Enhancement
LI Han-zhi1,2, ZHAO Bao-sheng1, LI Wei3
(1. State Key Laboratory of Transient Optics and Photonics, Xi’an Institute of Optics and Precision Mechanics, CAS, Xi’ an 710119, China;
2. Graduate University of CAS, Beijing 100039, China; 3. School of Information Engineering, Chang’an University, Xi’an 710064, China)
Abstract:Since the images produced by the vision system based on X-ray image intensifier often have limitations such as narrow dynamic range, and low contrast, a new X-ray image enhancement algorithm is raised here. Two X-ray images taken at different X-ray tube voltages and currents are fused by digital wavelet transform to expand the dynamic range of the X-ray images, and then adopts the dual-platform histogram equalization algorithm to enhance the fused image. The experimental results show that the X-ray images are enhanced effectively.
Keywords:X-ray image; image enhancement; image fusion; dally-platform histogram equalization
在电子器件生产过程中,通常需要对器件焊点焊接情况进行在线检测,以确定合格品与不合格品。为满足此项需求,在此基于高性能双近贴式X射线影像增强器的基础上设计出电子工业用X射线检测系统。与目前最为先进的射线检测设备平板探测器相比,X射线影像增强器的突出优点是价格便宜很多,使用寿命较长,而且完全能够实现国产化[1],这决定了它目前在无损检测领域仍然是广泛使用的X射线成像设备,但其缺点是动态范围小,对比度不够高,背景噪声大,不均匀性较为严重。X射线影像增强器的噪声绝大部分为随机噪声,使用多种叠加方法可以基本消除[2],文献[3]给出了射线图像不均匀性的校正方法。本文在此提出一种新的X射线图像增强算法,用以扩展动态范围,并拉伸对比度。新算法有别于对单幅图像进行处理的传统图像增强算法,它首先利用小波变换把高低能量的两幅射线图像融合为一幅图像,以扩展射线图像的动态范围,然后采用双平台直方图均衡化对融合图像进行增强处理。实验结果表明,方法能够有效地对射线图像进行增强,具有较好的推广能力。
1 算法原理
算法原理如图1所示,高低能量的两幅X射线图像经过一定层数的离散小波变换(digital wavelet transform,DWT),分解成相应层上的高频和低频分量。之后分别对高频和低频分量使用离散小波反变换,以不同法则进行融合,使得两幅射线图像融合为一幅图像,以扩展射线图像的动态范围。最后通过双平台直方图均衡化对融合图像进行增强,以加强射线图像的对比度。
1.1 小波分解与重构
根据Mallat提出的塔式分解方法[4],离散小波分解如下:
Caj+1=HCajH′
Chj+1=GCajH′
Cvj+1=HCajG′
Cdj+1=GCajG′(1)
式中:a表示低频子带;h,v,d分别表示水平、垂直和对角方向的高频子带;j表示执行小波分解的层数j=0,1,2,…,L-1,C0表示原始图像;H和G分别为尺度函数和小波函数对应的滤波器系数矩阵;H′和G′分别是H和G的共轭转置矩阵,它们都随小波基的选择而定。相应的小波重构算法为:
Caj-1=H′Caj+G′ChjH+H′DvjG+G′DdjG,
j=L,L-1,…,1(2)
小波变换应用于图像融合的优势在于它可以将图像分解到不同的频率域,在不同的频率域运用不同的选择规则,得到融合图像的多分辨率分解,从而在合成图像中保留源图像在不同频率域的显著特征。因而,小波分解的层数与各个频率域融合规则的选取对基于小波变换的图像融合至关重要。本文小波分解层为两层[5]。由小波分解的特点可知,高层的小波系数由前一层的低频系数分解而成,低频系数体现了图像的主要能量,高频系数对应于图像的细节。若能采用较好的方法融合低频系数,则只需用较少的小波分解层数即可实现最优的融合效果;然而,若能采用较好的方法融合高频系数,则可以尽可能多地保持源图像清晰区域的主要细节特征。
图1 算法流程图
本文高频系数的融合采用局部方差最大准则。方差可视为对比度的测度,反映的是图像的细节信息。采用局部方差最大准则可以使融合图像最大限度地保持源图像细节信息。兼顾计算量和体现局部区域特性面,方差计算选取高频系数矩阵元素3×3邻域进行操作[6],表达式如下:
CFHl(p)=CAHl(p),σ(A,p)≥σ(B,p)
CBHl(p),σ(A,p)<σ(B,p)(3)
式中:H表示高频系数矩阵;p代表高频系数矩阵中的1个点;σ表示求邻域方差;l表示相应的小波分解层数;A,B表示两幅源图像。低频系数的融合采用目前应用比较广泛的Burt方法[3]。
1.2 双平台直方图均衡化
直方图均衡化是方便快捷且经常被使用的图像对比度增强算法[7-9]。它的基本思想是将原始图像的不均衡直方图变换为均匀分布形式,即将输入图像转换为在每一灰度级上都有相同的像素点数。直方图均衡化的结果扩展了像元取值的动态范围,从而达到增强图像整体对比度的效果。如果对X射线图像直接采用这种方法予以增强,就会使占有大多数像素的背景过度放大,而占有像素较少的目标和细节受到一定程度的抑制,均衡化结果有时候还会出现“过亮”。为此,本文采用一种自适应的双平台直方图均衡化方法。
双平台直方图均衡是通过选择两个合适的平台阈值T1和T2分别作为上限平台和下限平台,对输入统计直方图进行修改。上限平台T1取像素数的20%~30%,下限平台取像素数的5%~10%。为对占像素数较多的背景和噪声进行抑制,在某一灰度级直方图值大于上限平台阈值T1时,将其重置为T1;为对图像中占有较少像素的目标细节进行放大,在某一灰度级直方图值小于下限平台阈值T2时,将其重置为T2;介于T1和T2之间的灰度级直方图值保持不变,如下所示:
H(sk)=T1,h(sk)≥T1,
k=0,1,2,…,L-1
h(sk),T2 k=0,1,2,…,L-1 T2,h(sk)≤T2, k=0,1,2,…,L-1(4) 式中:H(sk)为图像的双平台直方图值;h(sk)为图像的统计直方图值;L为图像的灰度级数;sk为灰度值。经过式(4)处理,图像的累积直方图如下: I(sk)=∑Ski=0H(sk),k=0,1,2,…,L-1(5) 据此对图像灰度进行重新分配,即可得到均衡化的灰度值: D(sk)=round[(L-1)•I(sk)/I(sL-1)](6) 式中:round( )表示四舍五入取整。经过上述处理,占有较少像素的目标细节部分的灰度分布比较集中,因此还要对灰度间距进行均衡处理。 首先,对双直方图均衡后的灰度级数目进行统计,如下: M0=0, Mk=Mk-1,D(sk)=D(sk-1), k=0,1,2,…,L-1 Mk-1+1,D(sk)≠D(sk-1), k=0,1,2,…,L-1(7) 式(7)是对灰度范围内不为零的灰度级进行统计。由此得到双平台直方图均衡后图像实际有效的灰度级数ML-1,然后对图像有效的灰度级进行重新排序,再在整个灰度范围内进行等间距排序,其变换函数为: Tk=round[Mk(L-1)/ML-1], k=0,1,2,…,L-1(8) 灰度等间距均衡化实际就是把灰度等级在整个显示范围内等间距排序,以增强图像显示的细节和清晰度[10]。 2 实验结果分析 本文实验所用射线源管电压为35~80 kV;管电流为10~250 μA;焦斑为33 μm;X射线像增强器为钛窗Ф75 mm双近贴式X射线像增强器;后端数字化成像采用百万像素的科学级CCD相机。为便于分析和观察,本文所用试验图片均经过256帧叠加,以消除随机噪声。 台阶铝块常用来测试射线成像系统的成像动态范围。本文将台阶铝块在两个不同射线管电压下采集的高低能量两幅射线图像作为源图像,为做对比还采集了一幅管电压取中间值的射线图像。图2的射线图像中图2(a)~图2(c)对应的射线管电压/电流分别为46 kV/146 μA,74 kV/146 μA,60 kV/146 μA。实验结果如图2(d)所示。 图2 台阶铝块试验图 在电子工业用X射线成像系统中,焊点缺陷识别能力是至关重要的。取3个不同的射线管电压/电流65 kV/121 μA,45 kV/121 μA,55 kV/121 μA,分别采集3幅含气泡缺陷的PCB板射线图像,如图3所示。 图3 气泡缺陷PCB板实验图 由图2、图3中两组实验图像可以看出,经过多分辨率图像融合,有效地克服了单帧X射线图像动态范围小的问题。 在台阶铝块试验中,经过图像融合,可分辨台阶级数得到扩展;而在气泡缺陷PCB板试验中,经过图像融合,气泡缺陷变得十分清晰明了,各个焊点边缘也没有了高管压时的白化现象。但是融合图像的对比度却显得不尽人意,需要进行对比度增强。经过双平台直方图均衡化处理后的气泡缺陷PCB板融合图像显示效果如图4所示。 图4 双平台直方图均衡化处理融合图像 3 结 语 小波变换和直方图均衡化算法都可分别单独用来对图像进行增强处理。本文首次提出一种将小波变换多分辨率图像融合与双平台直方图均衡化结合起来的射线图像增强算法,并将该算法应用到基于双近贴式X射线影像增强器的电子工业用X射线检测机上。 仿真实验结果显示,经过该算法的增强处理,射线图像的动态范围得到显著扩展,对比度得到有效加强。由此可以认为,采用本文方法,能够有效地对X射线图像进行增强处理。 参考文献 [1]赵宝升.X射线像增强器像质评价[J].光子学报,1991,20(3):292-299. [2]陈树越,路宏年,张丕状,等.科学级CCD相机像元不一致特性及其校正研究[J].兵工学报,2001,22(2):226-229. [3]李伟,赵宝升,赵菲菲,等.双近贴式X射线像增强器成像不均匀性分析与校正[J].光子学报,2009,38(6):1353-1357. [4]徐晨,赵瑞珍,甘小冰.小波分析应用算法[M].北京:科学出版社,2004. [5]楚恒.像素级图像融合及其关键技术研究[D].成都:电子科技大学,2008. [6]强赞霞,彭嘉雄,王洪群.基于小波变换局部方差的遥感图像融合[J].武汉:华中科技大学,2003,31(6):89-91. [7]宋岩峰,邵晓鹏,徐军,等.基于双平台直方图的红外图像增强算法[J].红外与激光工程,2008,37(2):308-311. [8]刘常春,胡顺波,杨吉宏,等.一种直方图不完全均衡化方法[J].山东大学学报:工学版,2003,33(6):661-664. [9]张志龙,李吉成,沈振康.一种保持图像细节的直方图均衡新算法[J].计算机工程与科学,2006,28(5):36-38. [10]蔡兰,陈帧,梅林.图像增强技术在X射线探伤中的应用[J].无损检测,2005,27(5):256-258.