本发明专利技术公开一种基于主成分分析的医学图像增强方法，原图为RGB三通道彩图，将R通道、G通道、B通道视为三个维度特征进行主成分分析，得到第一主成分、第二主成分和第三主成分，对第一主成分进行自适应灰度增强后，将第一主成分、第二主成分和第三主成分反变换回高维度空间，得到结果图。本发明专利技术利用主成分分析方法，从全部像素中解析出具有主要影响的像素进行灰度增强，这种图形增强方法得到的结果图对比度提高，纹理细节更加清晰，明暗更加均匀，并且原图的噪声没有被增强，没有失真的情况出现。对图像进行灰度增强时采用增强倍率控制方式，防止过增强现象出现，拥有良好的视觉效果，使医生更加容易根据图像判断病情。
【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其涉及医学图像的处理，具体涉及一种基于主成分分析的医学图像增强方法。
技术介绍
在医学图像处理中，对于那些具有对比度较差、图像亮度很暗、动态范围又很宽的情况的图像，需要进行增强处理以满足医生临床诊断的要求。所以需要一种有效的图像增强算法，能够增强图像中较暗区域的细节信息，提高图像对比度。目前经典的图像增强算法有：灰度直方图均衡和反锐化掩模，以及基于多尺度分析的高频增强等。这些算法在对含有噪声医学图像的增强过程中，不同程度地带来噪声的增强，同时在边缘处引入失真，因此并不适用于医学图像图片的处理。
技术实现思路
为解决上述问题，本专利技术提供一种在保证不增强原有噪声以及不会让图像失真的要求下，对图像进行增强的医学图像增强方法。本专利技术的技术方案是：一种基于主成分分析的医学图像增强方法，包括以下步骤：S1：将图像的RGB三通道作为三个维度特征，并将所有图像数据作为样本值，得到原始样本值矩阵S=G1,1,RG1,2,R...G1,Y,RG2,1,RG2,2,R...GX,Y,RG1,1,GG1,2,G...G1,Y,GG2,1,GG2,2,G...GX,Y,GG1,1,BG1,2,B...G1,Y,BG2,1,BG2,2,B...GX,Y,B,]]>其中Gi,j,k代表k通道、像素坐标(i，j)处的灰度值，k取R、G或B；S2：对原始样本值矩阵S进行主成分分析，将图像转换到低维度空间，得到第一主成分g1、第二主成分g2和第三主成分g3；S3：对第一主成分g1进行自适应灰度增强，得到灰度增强的第一主成分g′1；S4：对第二主成分g2、第三主成分g3和灰度增强后的第一主成分g′1变换到高维度图像空间，得到增强图像。进一步地，步骤S3的自适应灰度增强公式为：gi′,j＝a′gi,j，其中a为灰度增强系数，g1表示第一主成分中像素坐标(i，j)处的灰度值，gmin为第一主成分中的最小灰度值,g′i,j为灰度增强后像素坐标(i，j)处的灰度值。进一步地，步骤S2包括以下具体步骤：S2.1：对原始样本值矩阵S进行特征值中心化，得到中心化矩阵Sc；S2.2：计算中心化矩阵Sc的协方差矩阵coeff；S2.3：计算协方差矩阵coeff的特征值λ1、λ2、λ3和对应的特征向量x1、x2、x3；S2.4：将特征向量x1、x2、x3作为列组成3×3的载荷矩阵V＝(x1、x2、x3)；S2.5：将载荷矩阵V转置后左乘中心化矩阵Sc得到矩阵Sf＝VTSc。进一步地，步骤S2.1中特征值中心化具体方式是将原始样本值矩阵S的每一行数据减去该行的均值，即Sc=G1,1,R-M1G1,2,R-M1...G1,Y,R-M1G2,1,R-M1G2,2,R-M1...GX,Y,R-M1G1,1,G-M2G1,2,G-M2...G1,Y,G-M2G2,1,G-M2G2,2,G-M2...GX,YG-M2G1,1,B-M3G1,2,B-M3...G1,Y,B-M3G2,1,B-M3G2,2,B-M3...GX,Y,B-M3,]]>其中M1=1XYΣi=1X(Σj=1YGi,j,R),M2=1XYΣi=1X(Σj=1YGi,j,G),M3=1XYΣi=1X(Σj=1YGi,j,B).]]>进一步地，λ1≥λ2≥λ3。进一步地，取矩阵Sf的第一行作为第一主成分g1。进一步地，步骤S4包括以下具体步骤：S4.1：将灰度增强后的第一主成分g′1取代矩阵Sf的第一行，得到变换矩阵S′f；S4.2：将变换矩阵S′f的每一行数据加上样本值矩阵S对应行的均值Mi即得到结果图图像数据矩阵。本专利技术提供的基于主成分分析的医学图像增强方法，利用主成分分析方法，从全部像素中解析出具有主要影响的像素进行灰度增强，这种图形增强方法得到的结果图对比度提高，纹理细节更加清晰，明暗更加均匀，并且原图的噪声没有被增强，没有失真的情况出现。对图像进行灰度增强时采用增强倍率控制方式，防止过增强现象出现，拥有良好的视觉效果，使医生更加容易根据图像判断病情。附图说明图1是本专利技术具体实施方式的图像增强方法流程示意图。图2是医学图像原图。图3是图2的医学图像原图经本专利技术的方法处理后得到的结果图。具体实施方式下面结合附图并通过具体实施例对本专利技术进行详细阐述，以下实施例是对本专利技术的解释，而本专利技术并不局限于以下实施方式。如图1所示，本专利技术提供的基于主成分分析的医学图像增强方法，原图为RGB三通道彩图，将R通道、G通道、B通道视为三个维度特征进行主成分分析，得到第一主成分、第二主成分和第三主成分，其中第一主成分为具有最主要信息的数据，对第一主成分进行自适应灰度增强后，将第一主成分、第二主成分和第三主成分反变换回高维度空间，得到结果图。具体步骤如下：步骤S1：将图像的RGB三通道作为三个维度特征，并将所的图像数据作为样本值，得到原始样本值矩阵S=G1,1,RG1,2,R...G1,Y,RG2,1,RG2,2,R...GX,Y,RG1,1,GG1,2,G...G1,Y,GG2,1,GG2,2,G...GX,Y,GG1,1,BG1,2,B...G1,Y,BG2,1,BG2,2,B...GX,Y,B,]]>其中Gi,j,k代表k通道、像素坐标(i，j)处的灰度值，k取R、G或B，每一行代表一个维度。步骤S2：对原始样本值矩阵S进行主成分分析，得到第一主成分g1、第二主成分g2和第三主成分g3；S2.1：对原始样本值矩阵S进行特征值中心化，即将原始样本值矩阵S的每一行数据减去该行的均值，得到中心化矩阵Sc=G1,1,R-M1G1,2,R-M1...G1,Y,R-M1G2,1,R-M1G2,2,R-M1...GX,Y,R-M1G1,1,G-M2G1,2,G-M2...G1,Y,G-M2G2,1,G-M2G2,2,G-M2...GX,YG-M2G1,1,B-M3G1,2,B-M3...G1,Y,B-M3G2,1,B-M3G2,2,B-M3...GX,Y,B-M3]]>，其中M1=1XYΣi=1X(Σj=1YGi,j,R)]]>为第一行均值，M2=1XYΣi=1X(Σj=1YGi,j,G)]]>为第二行均值，M3=1XYΣi=1X(Σj=1YGi,j,B)]]>为第三行均值；S2.2：计算中心化矩阵Sc的协方差矩阵coeff，协方差矩阵coeff为一3×3矩阵，可表示为coeff=C1C2C3C4C5C6C7C本文档来自技高网...
【技术保护点】
一种基于主成分分析的医学图像增强方法，其特征在于，包括以下步骤：S1：将图像的RGB三通道作为三个维度特征，并将所有图像数据作为样本值，得到原始样本值矩阵，S=G1,1,RG1,2,R...G1,Y,RG2,1,RG2,2,R...GX,Y,RG1,1,GG1,2,G...G1,Y,GG2,1,GG2,2,G...GX,Y,GG1,1,BG1,2,B...G1,Y,BG2,1,BG2,2,B...GX,Y,B,]]>其中Gi,j,k代表k通道、像素坐标(i，j)处的灰度值，k取R、G或B；S2：对原始样本值矩阵S进行主成分分析，将图像转换到低维度空间，得到第一主成分g1、第二主成分g2和第三主成分g3；S3：对第一主成分g1进行自适应灰度增强，得到灰度增强的第一主成分g′1；S4：对第二主成分g2、第三主成分g3和灰度增强后的第一主成分g′1变换到高维度图像空间，得到增强图像。
【技术特征摘要】
1.一种基于主成分分析的医学图像增强方法，其特征在于，包括以下步骤：
S1：将图像的RGB三通道作为三个维度特征，并将所有图像数据作为样本值，得到原始
样本值矩阵，
S=G1,1,RG1,2,R...G1,Y,RG2,1,RG2,2,R...GX,Y,RG1,1,GG1,2,G...G1,Y,GG2,1,GG2,2,G...GX,Y,GG1,1,BG1,2,B...G1,Y,BG2,1,BG2,2,B...GX,Y,B,]]>其中Gi,j,k代表k通道、像
素坐标(i，j)处的灰度值，k取R、G或B；
S2：对原始样本值矩阵S进行主成分分析，将图像转换到低维度空间，得到第一主成分
g1、第二主成分g2和第三主成分g3；
S3：对第一主成分g1进行自适应灰度增强，得到灰度增强的第一主成分g′1；
S4：对第二主成分g2、第三主成分g3和灰度增强后的第一主成分g′1变换到高维度图像
空间，得到增强图像。
2.根据权利要求1所述的基于主成分分析的医学图像增强方法，其特征在于，步骤S3的
自适应灰度增强公式为：g′i,j＝a′gi,j，其中a为灰度增强系数，g1表
示第一主成分中像素坐标(i，j)处的灰度值，gmin为第一主成分中的最小灰度值，g′i,j为灰
度增强后像素坐标(i，j)处的灰度值。
3.根据权利要求1或2所述的基于主成分分析的医学图像增强方法，其特征在于，步骤
S2包括以下具体步骤：
S2.1：对原始样本值矩阵S进行特征值中心化，得到中心化矩阵Sc；
S2.2：计算中心化矩阵Sc的协方差矩阵coeff；
S2.3：计算协方差矩阵coeff的特征值λ1、λ2、λ3和对应的特征向量...
【专利技术属性】
技术研发人员：李盛，穆海东，汪宁梅，裴姣姣，
申请(专利权)人：曲阜裕隆生物科技有限公司，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。