利用金字塔方法增强DR图像

义为：
Ll = gl - EXPAND（gl+1） = gl - gl+1
（3）
其中，EXPAND 插入滤波器，可表示为:
22
ΣΣ gl，n
（ij）=4
m=-2
n
=-2
w（m，n）gl，n-1
（
i-m 2
， j-n 2
）
（4）
仅当
（
i-m 2
， j-n 2
）为整数坐标时方计算入上述和式。
其中：LJ = gJ ，总层数 J+1。 2.3 图象细节增强
以多尺度方法处理图像的一种简捷有效的结构 就是图像金字塔。 本文所采用的图像金字塔生成步骤
- 1890 -
中国医学物理学杂志 第 27 卷 第 3 期 2010 年 5 月
如下： （1）计算输入图像减少的分辨率近似值。 通过对
输入图像进行滤波，并以 2 为步长进行降采样（子抽 样）。 滤波操作方法有很多，如邻域平均（可生成平均 金字塔），高斯低通滤波器（高斯金字塔）。
列，通过反复扩展图像并将结果加起来而重建原始图像，增强图像细节。 结论： 本文通过多尺度图象增强算法，扩展了
DR 图像的有用信息，突出了图像细节，为临床诊断提供了实用的增强显示效果。
关键词： 对比度增强算法； 多尺度图象处理； 高斯金字塔； 拉普拉斯金字塔
DOI 编码： doi:10.3969/j.issn.1005-202X.2010.03.017
（2）对上一步输出以步长为 2 进行插值。 这将生 成与输入图像等分辨率的预测图像。 由于在步骤（1） 的输出图像进行插值运算，插入滤波器决定了预测值 与步骤（1）的输入之间的近似程度。 如果插入滤波器 被 忽 视 ， 预 测 值 将 是 步 骤 （1） 的 输 出 的 内 插 形 式 ， 复 制 像素的块效应将变得很明显。
院放射科采集了多套临床数据用于测试。 以下是部分
DR 图像的原始图像和采用我们算法增强来自算后的效果（如图 1）。
从图中可以明显看到：与原始图像相比，增强后
的图像骨纹理细节明显得到了突出和增强，极大改善
了 DR 数字图像的诊断视觉效果。
4 讨论与总结
中国医学物理学杂志 第 27 卷 第 3 期 2010 年 5 月
借助高斯金字塔和拉普拉斯金字塔可以将原始
图像地从两个金字塔构成的图像序列中通过反复扩
展图像并将结果加起来而重建出来。 高斯金字塔的第
l-1 层科根据下式重建：
gl-1 = Ll-1 + E↑2 gl
（6）
注意这里正好是拉普拉斯金字塔重建的逆过程。 尽管
用来扩展图像的插值算法包含误差，它们仅影响拉普
拉斯金字塔而不影响从拉普拉斯金字塔重建高斯金
数调整函数 h（ x ），并不是唯一的，大家可根据自身 的需要，选择不同的函数。
参考文献：
[1] 卢 振 泰, 陈 武 凡. 基 于 多 尺 度 卡 尔 曼 滤 波 的 医 学 图 像 配 准 算 法[J]. 计算机工程与设计, 2009 29（19）：4982-4984.
[2] 张 小 洪 ，杨 丹.等. 基 于 Canny 算 子 的 改 进 型 边 缘 检 测 算 法[J]. 计 算 机工程与设计, 2003 39(29)：113-115.
摘要：目的： 数字化 X 线图像（DR）空间分辩率高、动态范围宽，对其进行影像增强处理能提取丰富的临床诊断信息，对
疾病诊断，特别是早期病灶的发现提供良好的诊断依据。 为此，本文提出了一种基于多尺度方法的 DR 图像增强算法。
方法： 构建高斯金字塔和拉普拉斯金字塔， 利用特定函数调整拉普拉斯金字塔的系数， 根据两个金字塔构成的图像序
进一步的研究内容有： （1）图像对比度增强（RCM），其系数 γ，m 不能根 据人体的不同部位自适应的调整，最优化系数没有统 一的标准。 （2）多 尺 度 图 像 增 强 （MUSICA），其 滤 波 器 的 卷 积核和模板大小对图像细节的增强有极大的作用，但 卷积核和模板大小的最优选择，仍需探讨。 其细节系
对图像的平滑同步进行。 如果将平滑和亚采样重复进
行， 就可以构成一系列的图像金字塔。 （如高斯金字
塔）。 在金字塔图像系列中，每一层的图像是下一层的
图像宽度和高度的一半，随着层数的增加，图像尺寸
减少。
本文采用使用高斯平滑滤波器[2]，得 到 高 斯 金 字
塔 ：设 原 图 像 为 g0，卷 积 核 大 小 是 5×5，层 数 J+1，M， N 为图像的行、列数，原图为高斯金字塔的最底层，则
收 稿 日 期 ：2010－01－11 作者简介：徐艳丽（1963-），南方医科大学南方医院光子刀 肿 瘤 治 疗 中
心工作，主要专业方向是精确放疗。 Tel：13822181891；E-mail： 415124365@。 通讯作者：谭剑。
细节信号（高频，例如骨纹理的细节）虽然集中在较窄 的灰度范围内，但其有用的灰度范围分布较广，人眼 很难分辨，所以利用传统对比度增强和直方图均衡无 法满足临床需求。 为此，本文提出了一种利用多尺度 技术增强 DR 图像对比度的算法。
Abstract:Objective: In order to improve image quality, unearth decision-making information from the image, this paper presents the contrast enhancement algorithm with multi-scale image enhancement algorithms. Method: Firstly, Gaussian Pyramid and Laplacian Pyramid were built based on images. Secondly, a specific function was proposed to adjust coefficients of Laplacian Pyramid, rebuilding original images and enhancing image details. Conclusion: Our method enhanced useful features and image details in DR images, facilitating clinical diagnosis. Key word： contrast enhancement; multi-scale image processing; guassian pyramid; laplacian pyramid
借助亚采样可以获得一幅图像的一个缩略图。 但
如果需要减少一幅图像的尺寸，仅靠亚采样会丢失许
多信息。 根据采样定理：需要让所有以小于最短波长
的 1/4 采 样 而 得 到 的 精 细 结 构 能 通 过 平 滑 滤 波 器 来
消除掉，这样才能得到一幅正确的亚采样图像。 从尺
度空间的角度说，这表明减少图像尺寸需要与恰当的
字塔。 这是因为使用了同一个算法。
本算法重建图像先是利用 h（ x ）对拉普拉斯金
字塔各层系数进行调整，然后对高斯金字塔最高层 gJ
进行 EXPAND，所得结果与经 h（ x ）调整的拉普拉
斯金字塔各层相加。 可见，在重建的过程中，图像中越
来越细的细节变得逐渐清晰起来，因为细节是逐渐重
建出来的。
为了验证本算法的图像增强效果，我们从南方医
（3） 计 算 步 骤 （2） 的 预 测 值 和 步 骤 （1） 的 输 入 之 间 的差异。 以 j 级预测残差进行标识的这个差异将用于 原始图像的重建。 在没有量化差异的情况下，预测残 差金字塔可以用于生成相应的近似金字塔。 包括原始 图像，而没有误差。
2 基于金字塔的图像增强
2.1 高斯金字塔（Gaussian Pyramid）
第 l 层高斯金字塔为：
22
ΣΣ gl （i，j）=
w（m，n）gl-1 （2i+m，2j+n）
m=-2 n=-2
（1）
（0 < l < J，i<M， j<N）
gk = REDUCE （gk-1）
（2）
其中，是 w（m，n）一个窗口函数，近似为高斯低通滤波
器。 可见一幅图像的高斯金字塔是对下一层进行低通
- 1891 -
图 1 原始图像（左）本文方法增强后图像（右） Fig.1 Original image（left） Processed results（right）
本文提出 了 基 于 多 尺 度 方 法 的 DR 图 像 增 强 算 法： 通过调整图像的对比度和亮度, 压缩图像的动态 范围，扩展图像的有用信息，突出图像细节；提高图像 对比度，处理后的图像对比度有所提高，图像细节变 得清晰。
1 金字塔图像生成
金字塔图像处理的基本原理是[1]：首先 将 输 入 信 号 X 分解为一个近似信号 A 和细节信号 p。 A 是通 过低通滤波器和下采样后得到的，通过上采样和滤波 得到一个预测信号 P，与原始信号相减得到一个预测 误差。 在合成中，将预测误差与近似信号相加，就得到 了重建信号 X。
高斯金字塔两级间缺少的信息需要通过插值来
得到。 所以需要引入插入滤波器决定预测值与输入图
像的近似程度。 如果插入滤波器被忽略，预测值将是
输入图像的内插形式，复制像素的块效应将变得很明
显。 插入滤波器要在图像的所有方向增加一倍尺寸，
每一行任两个像素间需要插一个值而每两行间需要
插一行。 所以生成的拉普拉斯金字塔第 l 层图像可定
对图像细节（高斯金字塔两级间的信息差）进行
增强，我们使用函数[4]：
h（ x
≤ ≤ ≤
）= ≤≤ ≤ ≤
k x
p +1: