本發(fā)明是一種圖像處理方法。具體地，是一種基于優(yōu)化的非局部均值的醫(yī)學(xué)圖像去噪方法。
背景技術(shù)：
圖像去噪是圖像處理的鏈條的第一步，目的是改善給定的圖像，解決實(shí)際圖像由于噪聲干擾而導(dǎo)致圖像質(zhì)量下降的問題。通過去噪技術(shù)可以有效地提高圖像質(zhì)量，增大信噪比，更好的體現(xiàn)原來圖像所攜帶的信息，是重要的預(yù)處理手段。目前，根據(jù)噪聲的產(chǎn)生原因、頻譜、信噪關(guān)系等分類，廣泛使用的去噪方法有幾十種。
其中，非局部均值方法克服了局部均值模糊了細(xì)節(jié)信息的缺點(diǎn)，而有效的保留了細(xì)節(jié)。我們在非局部均值方法的基礎(chǔ)上添加了醫(yī)學(xué)人體器官模型，增加了計算邊界條件和參數(shù)的調(diào)控，使得計算精度更進(jìn)一步的提升。但是，由于非局部均值的原始思路是在對一個像素進(jìn)行計算時搜索范圍是整幅圖像，計算量較大，算法效率低。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的是提供一種結(jié)合器官模型，建立有效的計算邊界條件，提高參數(shù)的有效性的圖像處理方法。
為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：
一種基于優(yōu)化的非局部均值醫(yī)學(xué)圖像去噪方法，它包括以下步驟：
步驟一、針對待處理圖像，確定鄰域搜索范圍和搜索參數(shù)；
步驟二、計算當(dāng)前像素點(diǎn)的鄰域范圍內(nèi)所有像素與當(dāng)前像素的相似度，得到鄰域高斯權(quán)重矩陣；
步驟三、根據(jù)鄰域高斯權(quán)重矩陣計算當(dāng)前像素點(diǎn)的濾波結(jié)果，限定濾波結(jié)果在有效地圖像范圍內(nèi)；
步驟四、重復(fù)步驟二和步驟三，完成對整幅圖像的遍歷，得到去噪結(jié)果圖并輸出。
進(jìn)一步的，步驟一具體為：
步驟101：獲取待處理圖像的直方圖，調(diào)節(jié)控制系統(tǒng)a，計算無效像素區(qū)域
其中：i是直方圖灰階序號，k1是直方圖有效像素計算起始位置即最小有效像素值k1，k2是直方圖有效像素計算結(jié)束位置即最大有效像素值k2，h是直方圖數(shù)組，a是判斷系數(shù)，0＜a＜1，n是直方圖灰階的最大值；
步驟102：根據(jù)待處理圖像的直方圖，去除無效像素區(qū)域，獲取鄰域搜索的范圍；
步驟103：設(shè)定鄰域搜索窗寬的寬度s和計算鄰域窗寬寬度c。
進(jìn)一步的，步驟二具體為：
步驟201：遍歷圖像中所有像素點(diǎn)，在當(dāng)前像素p上，按照所述的鄰域搜索窗寬s遍歷以p為中心的sxs鄰域；
步驟202：對前述sxs鄰域中的每個搜索點(diǎn)q，取其cxc大小的鄰域nq，同時取以p為中心cxc大小的鄰域np，計算np與nq的相似度，得到搜索點(diǎn)q的高斯權(quán)重矩陣，計算公式為：
其中：d代表距離運(yùn)算，d(np,nq)＝|f(np)-f(nq)|，f(np)是鄰域np內(nèi)各點(diǎn)的像素值，f(nq)是鄰域nq內(nèi)各點(diǎn)的像素值，h是濾波層度系數(shù)(即濾波強(qiáng)度，和噪聲的標(biāo)準(zhǔn)差相關(guān)，一般取值5或者10)；
步驟203：對w進(jìn)行歸一化處理。
進(jìn)一步的，歸一化處理計算公式為：
其中，
進(jìn)一步的，步驟三具體為：
步驟301：根據(jù)鄰域高斯權(quán)重矩陣，計算當(dāng)前像素p的濾波結(jié)果nlm(f(p))，：
nlm(f(p))＝∑qw(np,nq)f(q)公式4
其中：nlm為非局部均值函數(shù)，f(q)代表當(dāng)前像素p的sxs鄰域中各搜索點(diǎn)q的像素值；
步驟302：對濾波結(jié)果進(jìn)行歸一化處理，防止像素值溢出。
本發(fā)明的有益效果：
本發(fā)明的圖像去噪方法，建立有效的計算邊界條件，提高參數(shù)的有效性，去噪核心算法有效的平滑了醫(yī)療圖像由于軟硬件產(chǎn)生的各種偽影和噪聲，同時有效且良好的保留了細(xì)節(jié)對比度。
附圖說明
通過結(jié)合附圖對本發(fā)明示例性實(shí)施方式進(jìn)行更詳細(xì)的描述，本發(fā)明的上述以及其它目的、特征和優(yōu)勢將變得更加明顯，其中，在本發(fā)明示例性實(shí)施方式中，相同的參考標(biāo)號通常代表相同部件。
圖1示出了實(shí)施例中的直方圖。
圖2示出了實(shí)施例中的有效像素鄰域搜索的范圍示意圖。
圖3示出了實(shí)施例中計算領(lǐng)域np與nq的相似度的示意圖。
具體實(shí)施方式
下面將參照附圖更詳細(xì)地描述本發(fā)明的優(yōu)選實(shí)施方式。雖然附圖中顯示了本發(fā)明的優(yōu)選實(shí)施方式，然而應(yīng)該理解，可以以各種形式實(shí)現(xiàn)本發(fā)明而不應(yīng)被這里闡述的實(shí)施方式所限制。
一種基于優(yōu)化的非局部均值醫(yī)學(xué)圖像去噪方法，它包括以下步驟：
步驟一、針對待處理圖像，確定鄰域搜索范圍和搜索參數(shù)；
步驟二、計算當(dāng)前像素點(diǎn)的鄰域范圍內(nèi)所有像素與當(dāng)前像素的相似度，得到鄰域高斯權(quán)重矩陣；
步驟三、根據(jù)鄰域高斯權(quán)重矩陣計算當(dāng)前像素點(diǎn)的濾波結(jié)果，限定濾波結(jié)果在有效地圖像范圍內(nèi)；
步驟四、重復(fù)步驟二和步驟三，完成對整幅圖像的遍歷，得到去噪結(jié)果圖并輸出。
具體實(shí)施時：
步驟一、針對待處理圖像，確定鄰域搜索范圍和搜索參數(shù)；
步驟101：獲取待處理圖像的直方圖，調(diào)節(jié)控制系統(tǒng)a，計算無效像素區(qū)域
其中：i是直方圖灰階序號，k1是直方圖有效像素計算起始位置即最小有效像素值k1，k2是直方圖有效像素計算結(jié)束位置即最大有效像素值k2，h是直方圖數(shù)組，a是判斷系數(shù)，0＜a＜1，n是直方圖灰階的最大值；
以a＝0.8為例，即控制圖像有效像素范圍為全部灰度范圍的80％，直方圖的兩端各自丟棄無效像素范圍10％，即(1-a)/2；從灰階0開始向右累加灰度面積，當(dāng)滿足公式1時，即找到最小有效像素k1；同理，從最大灰階n開始向左累加灰度面積，使用公式2計算最大有效像素k2；
步驟102：根據(jù)待處理圖像的直方圖，去除無效像素區(qū)域，獲取鄰域搜索的范圍；設(shè)定鄰域搜索窗寬的寬度s和計算鄰域窗寬寬度c。
步驟二、計算當(dāng)前像素點(diǎn)的鄰域范圍內(nèi)所有像素與當(dāng)前像素的相似度，得到鄰域高斯權(quán)重矩陣，具體為：
步驟201：遍歷圖像中所有像素點(diǎn)，在當(dāng)前像素p上，按照所述的鄰域搜索窗寬s遍歷以p為中心的sxs鄰域；
步驟202：對前述sxs鄰域中的每個搜索點(diǎn)q，取其cxc大小的鄰域nq，同時取以p為中心cxc大小的鄰域np，計算np與nq的相似度，得到搜索點(diǎn)q的高斯權(quán)重矩陣，計算公式為：
其中：d代表距離運(yùn)算，d(np,nq)＝|f(np)-f(nq)|，f(np)是鄰域np內(nèi)各點(diǎn)的像素值，f(nq)是鄰域nq內(nèi)各點(diǎn)的像素值，h是濾波層度系數(shù)(即濾波強(qiáng)度，和噪聲的標(biāo)準(zhǔn)差相關(guān)，一般取值5或者10)；
步驟203：對w進(jìn)行歸一化處理。
步驟三、根據(jù)鄰域高斯權(quán)重矩陣計算當(dāng)前像素點(diǎn)的濾波結(jié)果，限定濾波結(jié)果在有效地圖像范圍內(nèi)；
步驟301：根據(jù)鄰域高斯權(quán)重矩陣，計算當(dāng)前像素p的濾波結(jié)果nlm(f(p))，：
nlm(f(p))＝∑qw(np,nq)f(q)公式4
其中：nlm為非局部均值函數(shù)，f(q)代表當(dāng)前像素p的sxs鄰域中各搜索點(diǎn)q的像素值；
步驟302：對濾波結(jié)果進(jìn)行歸一化處理，防止像素值溢出。
步驟四、重復(fù)步驟二和步驟三，完成對整幅圖像的遍歷，得到去噪結(jié)果圖并輸出。
以上已經(jīng)描述了本發(fā)明的各實(shí)施例，上述說明是示例性的，并非窮盡性的，并且也不限于所披露的各實(shí)施例。在不偏離所說明的各實(shí)施例的范圍和精神的情況下，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說許多修改和變更都是顯而易見的。