工业射线图片细节增强算法概述.docVIP

　　工业射线图片细节增强算法概述 1 绪论 1.1 课题研究背景 自 1895 年伦琴发现 X 射线以来，X 射线摄影技术已有近百年的应用及发展历史，为人类做出了巨大贡献[1]。射线图像处理最早始于 60 年代，断层图像重建技术(如 CT图像重建)的出现，使射线图像处理技术得到快速发展，到 70 年代达到了鼎盛时期，形成了一项专门的技术领域[2]。因为工业 X 射线能够激发出荧光，并且使感光乳胶感光，所以它可以被用于电离计和感光乳胶片的检测，又因为晶体的点阵结构会使射线产生明显的衍射，所以 X 射线也成为研究晶体结构、外形和各种缺陷的重要手段。工业 X 射线图像增强是指采用各种数字处理技术来改善图像的视觉效果，以此来提高射线图像的质量，方便人们迅速快捷的发现缺陷信息。X 射线检测技术的最大优点是其能在不损坏被检工件内部结构的同时检测出工件的质量和缺陷，但是由于射线成像技术以及被检工件自身的性质、尺寸和密度等多种因素的影响，使得射线图像的细节和边缘损失较多，图像的视觉效果较差，这就对分辨射线图像中点或细线等细节类型的缺陷造成了困难，但是分辨射线图像中的这些缺陷正是工业成像的最终目的，因此，有必要对检测到的数字化工业射线图像进行细节增强处理。 1.2 国内外发展现状 20 世纪 60 年代初图像增强技术被应用于射线成像中，此时的图像增强技术主要被用在医学领域。随着数字化技术的不断发展与成熟，到 70 年代末 80 年代初期，数字化的射线图像增强技术研究已经取得了很大的进步，而到 80 年代中期，数字化 X 射线图像增强技术就已经被广泛的应用于实际生活中。随着超大规模集成电路的快速发展，计算机的运行速度和显示分辨率也被快速提高，这就意味着越来越多的场合会用到数字射线成像系统。伴随着 X 射线成像系统硬件水平的不断发展成熟，射线图像增强算法也越来越多。最初应用到射线图像的增强算法是由英国人 G. Robinson 等[3]在 1985 年提出的，后来 itra 等[9]用一个简单的二阶沃特拉滤波器来代替拉普拉斯滤波器，它类似于局部均值加权自适应高通滤波器；Ramponi 等[10]提出了几个非线性滤波器，这些滤波器结合了高通和低通滤波的特征，包括二次和高阶多项式滤波器；Polesel[11]采用了一种自适应滤波器进行图像细节增强；Riehard[12]采用梯度滤波器进行图像锐化。 . 2 工业射线图像细节增强方法概述 2.1 图像增强算法分类 图像增强是图像处理的一个重要领域，图像增强的目的是为了改善图像的视觉效果，提高图像的清晰度，同时将图像转换成更适于人类或计算机分析处理的形式[46]。图像增强的方法有很多，根据处理的空间不同可分为空域增强和频域增强两种。空域增强是直接对图像的灰度级进行处理，而频域增强是通过某种变换将图像变换到频域上，是一种间接增强的算法。图像增强的具体分类方法如图 2.1 所示[47]。从图 2.1 中可以看出，空域算法可以分为点运算和邻域运算两种。其中，点运算是直接对图像的每个像素点进行计算，而邻域运算则要考虑像素点周围的信息。根据图像处理像素方式的不同，可以将图像增强分为全局处理和自适应处理。全局处理方法是指对图像中的所有像素都采用相似的处理方法，而自适应处理方法是指采用图像的局部邻域信息来决定像素灰度映射的方法。根据图像是增强灰阶分辨能力还是细节分辨能力的不同将图像增强分成对比度增强和边缘细节增强。对比度增强又可分为间接对比度增强和直接对比度增强两种，间接对比度增强是指通过修正图像的直方图来获得图像增强效果的方法，而直接对比度增强是指直接对图像中每个像素点的局部对比度进行调整的方法。图像的边缘细节增强主要包括梯度算子、反锐化掩膜和高通滤波器等。 .. 2.2 图像细节增强算法 图像细节增强又称图像锐化，其目的是为了突出图像的边缘，并且提高图像的清晰度。因为图像在被采集和处理的过程中受到了积分或平均运算，这些算法使图像变得模糊不清，所以只要对模糊图像进行逆运算(微分运算和梯度运算)就可以增强图像的对比度和细节信息。因为图像的细节和边缘一般对应于图像的高频部分，所以一般采用高通滤波器提取图像的边缘信息。目前常用的细节增强方法有梯度算子、拉普拉斯算子和反锐化掩膜算法。反锐化掩膜算法是常用的图像细节增强方法，它的计算简单，而且易于实现。经典反锐化掩膜算法是将图像高通滤波后的成分进行适当缩放，再添加到原始图像的过程，反锐化掩膜算法中所用到的缩放因子就称为该算法的增益。 .. 3 基于形态学的图像增强方法......16 3.1 形态学算法概述......16 3.2 基于多尺度形态学的局部对比度增强......17 3.3 基于多尺度顶帽变换特征提取的图像增强算法........19 3.4 基于 toggle 和