1Анализ применимости базовых ФПП способов и средств обработки изображений в системах технической и медицинской диагностики
В большинстве задач диагностики технических и медицинских объектов необходим анализ монохромных полутоновых изображений. Отличительными особенностями методов, применяемых для улучшения, реставрации изображений и практически не зависящими от типа и назначения системы диагностики являются:
недопустимость потерь важной для диагностики информации, содержащейся в изображении;
возможность гибкой настройки профиля системы обработки изображений, в том числе возможность автоматической настройки, исходя из характеристик каждого конкретного изображения.
Повышение качества изображений достигается двумя видами обработки изображений: реставрацией (исправлением) и улучшением. Под реставрацией обычно понимается процедура восстановления или оценивания элементов изображения с целью коррекции искажений и наилучшей аппроксимации идеального неискаженного изображения. Для улучшения изображений используется ряд методов, призванных улучшить восприятие изображения наблюдателем или преобразовать его в вид, более подходящий для машинной обработки [1].
В целях данного исследования представляет интерес вторая группа процедур и методов обработки изображений. В системах улучшения изображений не делается попытки приблизить воспроизводимое (обрабатываемое) изображение к некоторому идеализированному оригиналу. В некоторых случаях требуется подчеркнуть детали, выделить контуры, и т. д.
Методы улучшения изображений разделяются на несколько групп:
Видоизменение гистограмм.
Фильтрация.
Обработка изображений в пространственной области.
Обработка изображений в частотной области.
Комплексное применение методов улучшения изображений.
Каждый из этих подходов обладает своими достоинствами и недостатками, зависящими от:
метода получения исходного изображения
качества исходного изображения
метода извлечения диагностической информации из обработанного изображения
требований по типам выявляемых объектов на изображении
других факторов.
Рассмотрим подробнее каждый из них.
1.1Видоизменение гистограмм
Гистограмма распределения яркостей типичного изображения, подвергнутого линейному квантованию, обычно имеет ярко выраженный перекос в сторону малых уровней, яркость большинства элементов (пикселей) изображения ниже средней. На темных участках таких изображений детали оказываются неразличимыми. Одним из методов улучшения подобных изображений является видоизменение гистограммы. Этот метод предусматривает преобразование яркостей исходного изображения, с тем, чтобы вид гистограммы распределения яркостей принял желаемую форму.
Гистограмма яркостей изображения, имеющего уровни яркости в диапазоне [0, L-1] представлена дискретной функцией h(rk) = nk, где rk есть k-ый уровень яркости, а nk – число пикселей изображения, имеющих яркость rk. Чаще всего гистограмму нормализуют относительно общего количества пикселей в изображении. Тогда каждый элемент гистограммы имеет вид: p(rk) = nk / n, где n – общее число точек изображения. В таком виде p(rk) есть оценка вероятности появления пикселя с яркостью rk. Сумма всех значений нормализованной гистограммы будет всегда равна единице [1, 3, 4].
По виду гистограмм можно выделить следующие типы изображений:
темное изображение (пики на гистограмме сгруппированы в области малых значений яркости);
яркое изображение (пики на гистограмме сгруппированы в области больших значений яркости);
низкоконтрастное изображение (большая часть пикселей сосредоточена в одной небольшой области на гистограмме – эта ситуация отвечает суженному диапазону яркости);
высококонтрастное изображение (оценки вероятностей появления пикселей с определенными яркостями примерно одинаковы на всем диапазоне значений).
Из перечисленных лишь последний вид изображения наиболее удобен для восприятия и позволяет различить мелкие детали и не уничтожить самые яркие, а также самые темные области.
Эквализация гистограммы
Эквализация (линеаризация) гистограммы – метод, позволяющий максимально «сгладить» гистограмму распределения яркостей изображения. Каждый выходной элемент sk получается из элемента входного изображения rk согласно преобразованию по дискретной формуле [1, 4]:
Метод не требует дополнительной информации, кроме той, что должна быть извлечена из самого изображения (дополнительные параметры при этом не указываются). Метод не обеспечивает идеальный вид гистограммы (равенства всех вероятностей появления яркостей), однако дает близкий к нему результат.
В целях данного исследования линеаризация гистограммы может быть применена, как на предварительном (или наоборот, окончательном) этапе обработки, с целью улучшения восприятия низкоконтрастных тёмных или, наоборот, пересвеченных областей изображения.
Приведение гистограммы (задание гистограммы)
В некоторых случаях автоматическое получение равномерной гистограммы методом линеаризации может оказаться недостаточным или нежелательным. Например, среди изображений, полученных системами диагностики, возможно появление слабоконтрастных темных изображений, обработка которых методом линеаризации гистограммы может вызвать нежелательный эффект переноса концентраций пиков вероятностей появления яркостей в область высоких значений яркости. В этом случае потребуется найти иную, заданную искусственно форму гистограммы для обрабатываемого изображения, имеющую сглаженный переход в темной области шкалы.
Однако автоматизированное получение формы гистограммы каждого конкретного изображения для данного метода является нетривиальной задачей, общих правил по выбору формы гистограммы не существует. В целях данного исследования вопрос требует дополнительного изучения.
Локальное улучшение
Описанные методики преобразования гистограмм могут быть применены и к локальным областям изображения. Процедура состоит в том, что задается форма квадратной или прямоугольной формы вокруг текущего обрабатываемого элемента (пикселя), а затем центр этой области сдвигается от точке к точке. Для каждого нового положения формы подсчитывается гистограмма по входящим в нее точкам и находится функция преобразования, использующаяся для отображения уровня яркости центрального элемента окрестности. Поскольку при перемещении точки меняется только строка или столбец окрестности, возможно обновление гистограммы без полного ее пересчета [1].
Метод локального улучшения может давать лучший результат при наличии мелких деталей на относительно ровном фоне изображения. На диагностических изображениях такая возможность может быть востребована. Применение линеаризации или приведения гистограммы на изображение в целом приведет к скрытию подобных мелких элементов. Возможность автопрофилирования зависит от вида применяемой функции преобразования и, в общем случае, не может быть выполнено в рамках общепринятой реализации метода.
Показанные методы улучшения изображений достаточно легко реализуемы программно и даже аппаратно, что делает их удобным для обработки потоковых данных (обработки изображений в реальном времени). Кроме того, полученная в процессе обработки статистика может быть использована на других этапах – сжатии (архивировании), применении алгоритмов защиты изображения.
Метод обладает ограниченной возможностью автопрофилирования – возможность автоматической подстройки профиля для некоторых методик требует дополнительного изучения.
Преобразование гистограмм позволяет обеспечить минимальные потери информации, что критично для целей данного исследования.
|
