專利名稱：一種處理x線平板探測器圖像壞線的方法及其裝置的制作方法
技術領域：
本發明涉及X線平板探測器的圖像分析技術，具體涉及一種處理X線平板探測器
圖像壞線的方法及其裝置。
背景技術：
目前X線平板探測器較以前的膠片成像有很多優點，如密度分辨率高、易于存儲、 有靈活的后處理過程等等，但是由于其制作工藝復雜，從探測器采集的原始圖像一般不能 滿足實際檢測的要求。探測器上不同像元在同樣X線劑量輻射下其輸出并不一致，引起這 種現象的原因包括隨機噪聲、偏置誤差、像元響應不一致以及壞像元等等。除壞像元外，其 它像元的輸出都包含一定的有用信息，可以通過灰度補償的方法將其調整到正常灰度值； 而壞像元的輸出一般不包含有用信息，其像素值不能被利用，在圖像中表現為異常亮點、暗 點、亮線、暗線或者異常區域等，這種像素需要通過插值的方法來推測缺陷處的信息。
而常用的缺陷插值方法為N鄰域的均值或者中值濾波，這種方法方便快捷，對小 面積的缺陷插值非常有效，但是當這些缺陷像素出現在圖像的一整行(或者多行)或者一 整列(或者多列)即形成壞線時，如果壞線處被曝光物體空間分辨率較高，插值后會有偽影 存在，即灰度過渡不自然，這是因為它損失了部分細節，如圖3箭頭指示部分。而針對這種 壞線的插值方法，在圖像處理算法中通常采用變換域處理來作為彌補大面積缺陷集合的有 效方法，這里變換域通常為頻域。于是，為了得到好的插值效果，就需要多次迭代地進行傅 立葉變換、反變換，而這種傅立葉變換是比較耗時的計算方法，因此這種插值在運算時間上 一般不能滿足實時性要求。可見，圖像的細節對應圖像的高頻信息，頻域處理可以有效控制 細節的多少，但頻域插值方法主要有兩個缺點一是速度慢；一是理想圖像帶寬需要已知。 速度慢的原因是對于頻帶限制的方法，需要多次迭代地進行傅立葉變換/反變換才能有效 地彌補壞線處的灰度信息。當圖像尺寸很大時，其計算量不能滿足實時性要求。例如對于 一幅尺寸為2048*2048的圖像， 一次快速傅立葉變換一般的PC機需要花費秒級處理時間， 如果進行多次，再考慮到圖像中有多條壞線，則處理時間會更長。另外，這里的頻帶限制要 求知道圖像的帶寬，否則可能損失圖像細節，這在實際應用過程中也難以實現，因為處理過 程不知道被拍攝的物體是什么。所以，就需要對現有技術進行進一步地改進。
發明內容
本發明的目的在于提供一種處理X線平板探測器圖像壞線的方法及其裝置，其能 夠優化X線平板探測器的圖像處理流程，并通過快速、簡潔方式處理X線平板探測器圖像中 的壞線，同時還將圖像細節的損失降低到最小程度。 為了解決上述問題，本發明提供了一種處理X線平板探測器圖像壞線的方法，其 包括 壞線檢測步驟檢測X線平板探測器圖像中的壞線的位置； 細節估計步驟在待處理的X線平板探測器圖像中，用包含所述壞線的圖像子區域內的圖像數據估計所述壞線處的圖像像素的細節信息，獲得細節估計后的圖像； 灰度補償步驟在所述細節估計后的圖像中，用所述壞線的鄰域內的非壞線圖像
像素的圖像數據計算補償量，補償所述壞線處的圖像像素的圖像數據。 基于上述方法，本發明還提供了一種處理X線平板探測器圖像壞線的裝置，其包 括 檢測模塊，用于檢測X線平板探測器圖像中的壞線的位置，并存儲所述壞線的位 置； 細節估計模塊，用于在待處理的X線平板探測器圖像中，用包含所述壞線的圖像
子區域內的圖像數據估計所述壞線處的圖像像素的細節信息，獲得細節估計后的圖像； 灰度補償模塊，用于在所述細節估計后的圖像中，用所述壞線的鄰域內的非壞線
圖像像素的圖像數據計算補償量，補償所述壞線處的圖像像素的圖像數據。 從上可見，本發明可以利用壞線處的灰度異常通過軟件方法自動識別出壞線并保
存壞線位置，然后將壞線處的圖像細節信息利用壞線鄰域的正常像素(即非壞線圖像像
素)進行灰度補償，使得壞線處圖像灰度過渡自然。本發明方法實現過程不需要輸入與圖
像內容相關的信息，整個過程完全自動化；由于對圖像細節信息進行了灰度補償，使之減少
了細節損失。而本發明的裝置可以通過軟件方法在計算機或者中央控制芯片中實現，而不
需要對原來的X線平板探測器的硬件部分進行改進，升級成本低，方便升級操作。
圖1為本發明最優處理過程的流程圖；
圖2為壞線未處理的圖像，其中白色像素為壞線；
圖3為圖2中壞線經過4鄰域均值濾波處理后的圖像；
圖4為圖2中壞線經過本發明方法處理后的圖像。
具體實施例方式
以下將結合附圖，對本發明方法及其裝置的具體實現方式進行詳細說明。針對現 有技術方法的缺點，本發明提供了處理X線平板探測器圖像壞線的方法，其包括以下步驟
檢測X線平板探測器圖像中的壞線的位置； 在待處理的X線平板探測器圖像中，用包含所述壞線的圖像子區域內的圖像數據 估計所述壞線處的圖像像素的細節信息，獲得細節估計后的圖像； 在所述細節估計后的圖像中，用所述壞線的鄰域內的非壞線圖像像素的圖像數據 計算補償量，補償所述壞線處的圖像像素的圖像數據。 本發明通過檢測壞線位置并存儲，然后利用檢測的壞線位置實時對待處理圖像進 行處理，從而提高了實時處理的效果，并且本發明保留原始待處理圖像中的大部分圖像細 節信息，即灰度變化的快慢，也就是灰度由黑至白(或者由白至黑)經了多少個像素，經過 的像素多則對應細節少的部分，反之對應細節多的部分，細節的多少對應頻率的高低，根據 圖像細節信息利用壞線鄰域的正常像素(即非壞線圖像像素)進行灰度補償，使得壞線處 圖像灰度過渡自然。本發明過程簡單，可以不需要復雜的迭代過程，所以實時性更高，速度 更快。以下將舉例說明本發明的最優實施例。
7
上述檢測壞線位置的方法主要是依據壞線處的灰度異常，然后通過圖像累加直方
圖的方式來實現的。在x線平板探測器圖像中，壞線像素的灰度與正常像素的灰度是有很
大差別的，如圖2，利用這一點(即指圖中白色直線(壞線)與其它部分的灰度差異)可以 較方便地識別出壞線，并且，采用圖像累加直方圖的方式來進行檢測，此方法只與灰度分布 有關，不受不同平板之間dark灰度差異的影響，所以其速度快、自適應能力強。對于X線平 板探測器，通常在離線時期進行壞線檢測，將其位置保存起來，以便提高應用時期的效率， 在離線時期對平板探測器進行缺陷檢測的過程稱為校準。用于檢測壞線的圖像既可以是不 曝光時采集的dark圖像，也可以是空曝光時采集的white圖像。以下以使用dark圖像檢 測壞線進行校準為例進行詳細說明。 由于從探測器上直接采集的原始圖像本身是不均勻的，這對壞線形成了干擾，下 面給出一個相對自適應的壞行檢測流程，該流程是基于圖像累加直方圖分析的，其來源于 平板原始圖像的灰度分布有這樣的特點，一是圖像大部分灰度集中于很窄的灰度范圍內， 二是壞線的灰度與直方圖主峰偏離較遠。根據這兩個特性，該流程首先計算直方圖近似主 峰位置mean，然后以該位置為中心，以灰度標準偏移(即直方圖的標準差)為步進累加直方 圖，當剩余直方圖基本不再變化時，即認為是壞線對應的直方圖，具體步驟如下
步驟11、累加圖像中每一行或每一列所有像素的灰度值，獲得圖像的行累加灰度 向量或歹lj累力口灰度向量sum_rows ; 步驟12、將行累加灰度向量或列累加灰度向量sum_roWS中分量的取值作為橫坐 標，將此橫坐標的每個取值在所述行累加灰度向量或列累加灰度向量中對應出現的次數作 為縱坐標，構建直方圖； 步驟13、計算行累加灰度向量或列累加灰度向量sumjows的均值mean和標準差 std，以均值mean為中心，以標準差std為步進累加直方圖，且以剩余直方圖是否還再變化 作為約束條件進行循壞累加處理，當剩余直方圖不再變化時，則判定是壞線對應的直方圖。 這里的步驟13包括以下步驟 步驟131、初始化過程，將缺陷數量的初始值bad_num_bef0re賦為所述行累加灰 度向量或列累加灰度向量sum_roWS的向量長度，步進變量K的初始值賦為最小值Kmin ;
步驟132、計算上述均值減去步進變量和標準差積的差，即mean-KXstd，獲得第 一閾值，計算均值加上步進變量和標準差積的和，即mean+KXstd，獲得第二閾值；將直方 圖中，灰度小于所述第一閾值和大于所述第二閾值的分量視為缺陷，統計此缺陷的數量，作 為此輪循壞的缺陷數量當前值bad_num_new ; 步驟133、計算上述缺陷數量的初始值bad_num_before和當前值bad_num_new之 差，獲得缺陷變量bad_num_dif ; 步驟134、判斷上述缺陷變量bacL皿m—dif與缺陷數量當前值bacL皿nuiew的比值
是否小于等于一預設比例值m，或者上述步進變量K是否達到最大值Kmax ; 若上述缺陷變量bad_num_dif與缺陷數量當前值bad_num_neW的比值是否小于等
于預設比例值m，或者步進變量K達到最大值Kmax，則退出循壞，并將上述缺陷對應的行或
者列判定為缺陷行或者缺陷列，此缺陷行和缺陷列構成待處理圖像中的壞線； 若上述缺陷變量bad_num_dif與缺陷數量當前值bad_num_new的比值大于預設比
例值m，且步進變量K未達到最大值Kmax，則將此輪計算獲得的缺陷數量當前值bad_nUm_new賦于下一輪循壞的缺陷數量的初始值bad_num_before，且將步進變量K進一，即K = K+l，并返回步驟132。 上述參數中，最優取Kmin = 2，Kmax = 8，m = 0. 2。但是，Kmin、Kmax、m的取值可 以根據經驗取值，也可以稍有變化，這里的k范圍給的較大，實際可選[Kmin = 2， Kmax = 5] ， m最好在0. 1 0. 3之間。上述過程中上述缺陷變量bad_num_dif與缺陷數量當前值 bad_num_new的比值是否小于等于預設比例值m，正好可以表征剩余直方圖是否基本不再 變化。 退出循環后，計算得到輸出的k值后，按照"灰度小于mean-K X std和大于 mean+KX std的分量視為缺陷"計算，滿足此條件的分量對應的行即為缺陷行，對應的列即 為缺陷列。通過上面過程可以分別檢測出缺陷行和缺陷列。這里的壞線檢測是為了后續 利用其位置進行區域灰度補償，因此在檢測出壞線后，應將其位置保存起來，作為參考。當 系統應用時，直接利用該參考位置校正壞線。由于壞線灰度的異常性，還有一些比較典型的 檢測方法，比如迭代高通濾波方法，該方法通過濾波的方式減弱正常像素的不均勻性，突出 異常像素，每次迭代增加濾波器的寬度(即減小頻域通帶寬度)，當異常像素數量不再變化 時，即認為是壞像素。可見，本發明此處的壞線檢測方法也可以采用其他方式進行。
直接采用上述檢測到的壞線位置，然后依據此壞線位置來實時處理圖像信息，則 灰度補償過程可以采用以下過程 步驟21、對上述檢測到壞線的一個鄰域內的圖像，沿行或列方向分段，獲得子段集 合。比如對于每條(或者多條相鄰)壞行，沿行方向分段，段長為n， n可取5 25之間的 整數，將每個子段上面和下面一行與此段長n對應長度的正常像素(非壞線像素)合并進 來構成新的子段集合。如果子段上面(或下面) 一行也為壞行，則繼續向上(或向下)直至 找到正常數據行并將其合并進來構成子段集合。其中，各子段的長度可以相同，均取n，也可 以根據實際情況各子段取不同的長度，比如根據灰度梯度值來分段，沿壞線方向將相鄰灰 度梯度值小的像素合并為一個子段， 一旦遇到灰度梯度值大的像素，則令起一個新的子段。
步驟22、對每個子段集合計算行或列累加和，得到每個子段的行或列累加向量。比 如，對每個子段計算其行累加和，即沿行方向將象素值相加，得到每個子段的行累加向量x
={Xl，x2，…，Xhh其中h表示累加的行數。 步驟23、在上述每個子段的行或列累加向量中，將邊界位置分量作為非壞線圖像 像素的分量，其余位置對應為壞線位置的分量，比如x二 {Xl，x2，…，xj中，^和Xh為該子 段中正常像素行的灰度累加和，即非壞線圖像像素的分量，x2 Xlri為壞行的灰度累加和， 即壞線位置的分量；如果該子段中只有一條壞行，則h = 3，否則為多條壞行相鄰的情況。
然后，利用所述非壞線圖像像素的分量進行插值或擬合運算，估計所述壞線位置 對應的估計分量，獲得每個子段的估計向量。以下舉例說明如何進行插值或擬合運算。
步驟24、將上述估計向量減去步驟23中獲得的實際累加向量，得到灰度補償向 量；比如，計算V xh—/與& &—i的差向量，將該差向量的每個分量除以段長n作為 該子段壞行處的灰度補償向量^ th—"其中每個元素對應為一壞線行或壞線列的補償量。
步驟25、將上述每一個子段集合的行或列向量上添加所述灰度補償向量，即可獲 得補償結果。比如，將子段中第2 h-l行中每行像素分別加上t2 th—工偏移量，并將結果 取整，得到最后的結果。
上述舉例多以行為例進行說明，而對列可以采用同樣的方式。逐次處理每個壞行 并對壞列采取同樣的處理方式，得到最后的補償結果。 為了提高計算精度，上述灰度補償的處理過程還包括如下檢驗步驟
步驟26、判斷上述步驟25補償后的結果中是否存在小于或者等于零的值，若是， 則重新確定子段的長度，返回上述步驟21 。上述步驟21至25的過程中，依次處理每個子段 直至該壞行所有子段處理完畢。如果在處理過程中子段補償后的結果中有小于或者等于0 的值(周圍正常像素的值也為0的情況除外)，說明細節估計的結果可能出現了較大跳變， 這時將段長n設定為1重新對該壞行補償。段長為1的處理相當于整個校正過程退化為只 采用線性插值，細節估計不再起作用。 上述插值或擬合運算過程可以采用以下方式進行 第一種方式，線性插值。比如，上述向量x = {Xl， x2，…，xj中，^和Xh是正常 象素行的和，x2 xh—工是用之前細節估計的結果累加出來的和，這里要用Xl和Xh重新估計 x2' xh—/ ，采用線性插值，其插值公式為
,A — wm — l
~~T + x/< 此插值公式中，可以根據需要加入比例系數，調整插值的效果。 第二種方式，非線性插值。比如，可采用Lagrange多項式插值方法，多項式插值
需要選擇更多的鄰域線數量，假設Xl Xh表示鄰域選擇后每個像素行的灰度累加和，其中
xp xh—p+1是壞行的灰度累加和(2《p《(h+1) /2)，則估計m處壞行累加和xm'的插值公
式為
p-l _ /
插值。
<formula>formula see original document page 10</formula>
線性插值是非線性插值的一種特殊情況，比如當P = 2時，非線性插值退化為線性
第三種方式，擬合的方式。比如，擬合方式對噪聲的抑制能力更強，常用的擬合方
式為最小二乘法，其思想是要使擬合后的表達式i",^w與Xk之差的二范數的平方最小，
即
<formula>formula see original document page 10</formula>
<formula>formula see original document page 10</formula>
數； —般選擇^ (" = V—1 ，根據函數極值點一階導數為0，對上述表達式建立法方程即
可求解aj ;同樣階數的表達式如果使用擬合方式則需要更多的樣本數，即鄰域行數量，如果 上述最小表達式中q = 2p-2時，擬合方式退化為插值方式，即插值是擬合的特殊情況。
上述三種方式中，采用擬合的方式抑制噪聲的能力較強，而采用插值的方式則保
其中 為基函數，為待求的多項式系留細節的能力較強，從計算量的角度出發，最優采用線性插值。線性插值的計算過程簡單， 并且只需要處理壞線處的像素，所以速度很快。該插值方法的結果如圖4，與圖3的均值插 值結果相比，該插值結果過渡比較自然。 上面已經詳細給出了檢測壞線位置以及灰度補償額度方法，另更進一步地，為了 使壞線與其周圍像素產生更強烈的對比，可以首先對待處理的圖像進行灰度重置，即根據 保存的環線位置信息，將待處理圖像中壞線位置處的圖像像素重置為像素極值，即像素最 大值或者最小值，優選最小值O。當然，此處也可以不重置為極值，而重置為其它值，只要其 與周圍像素的圖像數據值有強烈對比即可。 根據采樣理論，理想圖像的頻帶被限制在有限的范圍內(小于等于采樣頻率的一 半)，當將缺陷像素的取值重置時，壞線處過渡變劇烈，圖像的有效帶寬被擴大，圖像高頻分 量被提升，通過限制這個被擴大的帶寬可以彌補缺陷處的灰度差異，并估計壞線的細節信 息，如圖l所示流程給出了本發明的一個實施例。當然，壞線細節估計也可以不必一定要在 像素重置之后，它也可以直接應用于上述實施例中，用于提高計算精度。 壞線細節估計主要包括以下步驟首先，在所述待處理的X線平板探測器圖像中， 選擇包含壞線位置的圖像子區域；然后，在圖像子區域內，對圖像進行頻域濾波處理，處理 后的圖像即為細節估計后的圖像。以下詳細說明壞線細節估計的過程。
圖像的細節表示灰度變化的快慢，也就是灰度由黑至白(或者由白至黑)經了多
少個像素，經過的像素多則對應細節少的部分，反之對應細節多的部分，細節的多少對應頻
率的高低，把壞線部分的灰度重置相當于增大了壞線垂直方向上灰度的變化(增加了細
節)，而壞線方向上卻沒有了信息(損失了細節)，使用頻率濾波壓低垂直方向的高頻分量，
使得壞線垂直方向過渡自然，則壞線的方向就出現了信息，本文將該信息稱為細節。 這里采用頻帶限制的方法估計壞線處的細節信息。基于以上兩個原因，本發明可
以只進行一次頻帶限制，并且選擇壞線周圍的小鄰域進行傅立葉變換，即選擇圖像子區域；
限制的帶寬選擇頻域的最大寬度，即認為被拍攝圖像的最高空間分辨率與平板的最高理論
分辨率相同，這是為了使插值后細節損失最小。以壞行為例，說明具體處理過程。根據保存
的壞行位置信息，逐次處理每條壞行，如果壞行相鄰，則在同一次處理。 在圖像子區域的選擇上，可以截取壞線位置行的上、下一預設數量的數據行，或者 所述壞線位置列的左、右一預設數量的數據行，將截取范圍與所述壞線位置處像素一起組 合成待處理的圖像子區域。比如，截取壞行上、下一定數量的正常數據行，假設子區域的行 數為64，即壞行上面選擇32條數據行，下面選擇31條數據行，如果壞行相鄰(即該次處理 的壞行大于1條)，則下面相應地減少所選擇的數據行；如果壞行上面或者下面數據行不 足，即臨近圖像邊界處，則相應調整壞行上面或者下面所選擇的數據行，總之，要保證選擇 的子區域共有64行像素。這里有個前提條件，即認為平板本身的連續壞線少于64條，這是 一個很寬的限制，正常的平板都會滿足，如果不滿足，可以增加子區域的行數以能完全容納 該平板最多的連續壞線條數。 在進行頻域濾波處理時利用快速傅立葉變換將上述圖像子區域的像素變換到頻 域，對頻域數據進行行或列濾波，在列方向上采用截止頻率為二分之一采樣頻率的低通形 式，在行方向上采用全通濾波形式，使限制的帶寬選擇頻域的最大寬度。對頻域濾波可選 擇一種非理想濾波器，設定濾波器在列方向上為低通形式，截止頻率為fs/2，即32個像素(注意偶數個頻率采樣點的頻率對稱情況)，在行方向上為全通形式，因為處理的是圖像的 壞行。fs/2頻率是采樣頻率為fs時圖像能夠分辨的最大頻率，選擇該頻率作為濾波器截止 頻率是為了盡量不損失圖像中的有效細節，而選擇非理想濾波器是因為非理想濾波器在截 止頻率處的衰減不為0。經過頻率衰減后的圖像在壞行處會存在一定的細節，但其灰度值 與周圍正常象素值還有很大差異，所以需要后續的補償處理。這里選擇的濾波器可以選擇 具有過渡帶，且過渡帶較窄(陡峭)的濾波器，如4階巴特沃思低通濾波器，因其過渡比高 斯濾波器更陡峭，并且在通帶和阻帶之間沒有完全截止。巴特沃思低通濾波器的函數形式 為
<formula>formula see original document page 12</formula> 其中u。為截止頻率，n為濾波器階數，其中n可以取大于2的值；該濾波器在截止
頻率點幅度衰減為最大幅度的一半，隨著階數的增加，濾波器形狀越來越陡峭。 頻域濾波后，將經過濾波的頻域數據反變換到時域，即可獲得經過了頻域濾波處
理的圖像子區域，將該經過了頻域濾波處理的圖像子區域中的壞線的圖像數據賦予原圖像
子區域中的壞線，替換原圖像子區域的壞線的圖像數據，即完成對此圖像子區域的頻域濾
波處理。 上面所述的是一次壞行處理的過程，該次處理校正一條壞行，如果壞行相鄰，則相 鄰的壞行也同時處理。 一次壞行處理后，根據保存的壞線位置繼續處理下面一條壞行，直至 所有壞行處理完，然后對壞列也進行同樣方式的處理，只是子區域要在左右數據列選取。至 此，細節估計完畢。 基于上述方法，本發明還可以通過軟件編程的方法在集成計算機芯片上實現相同 的功能模塊。如下所示一種處理X線平板探測器圖像壞線的裝置，包括檢測模塊，用于檢 測壞線位置，并存儲；細節估計模塊，用于在待處理的X線平板探測器圖像中，用包含所述 壞線的圖像子區域內的圖像數據估計所述壞線處的圖像像素的細節信息，獲得細節估計后 的圖像；灰度補償模塊，用于在所述細節估計后的圖像中，用所述壞線的鄰域內的非壞線圖 像像素的圖像數據計算補償量，補償所述壞線處的圖像像素的圖像數據。其還包括選擇單 元用于在所述待處理的X線平板探測器圖像中，選擇包含所述壞線的圖像子區域；頻域濾 波單元用于在所述圖像子區域內，對所述待處理的X線平板探測器圖像進行頻域濾波處 理，處理后的圖像即為細節估計后的圖像。 其還包括像素重置模塊，用于將所述壞線位置處的圖像像素重置為像素極值后 輸入至所述圖像細節估計模塊。 所述的裝置，其中，所述檢測模塊包括累加單元，用于累加圖像中每一行或每一 列所有像素的灰度值，獲得圖像的行累加灰度向量或列累加灰度向量遣方圖構建單元，用 于將所述行累加灰度向量或列累加灰度向量中分量的取值作為橫坐標，將此橫坐標的每個 取值、在所述行累加灰度向量或列累加灰度向量中對應出現的次數作為縱坐標，構建直方 圖；直方圖循壞處理單元，用于計算所述行累加灰度向量或列累加灰度向量的均值和標準 差，以均值為中心、以所述標準差為步進累加所述直方圖，且以剩余直方圖是否還再變化作 為約束條件進行循壞累加處理，當剩余直方圖不再變化時，則判定是壞線對應的直方圖。
所述的裝置，其中，所述直方圖循壞處理單元包括賦值單元，用于將缺陷數量的初始值賦為所述行累加灰度向量或列累加灰度向量的向量長度，步進變量的初始值賦為最
小值；第一閾值計算單元，用于計算所述均值減去步進變量和所述標準差積的差，獲得第一
閾值；第二閾值計算單元，用于計算所述均值加上所述步進變量和所述標準差積的和，獲得
第二閾值；統計單元，用于將所述直方圖中灰度小于所述第一閾值和大于所述第二閾值的
分量視為缺陷，統計此缺陷的數量，作為此輪循壞的缺陷數量當前值；差值計算單元，用于
計算所述缺陷數量的初始值和當前值之差，獲得缺陷變量；判斷單元，用于判斷所述缺陷變
量與所述缺陷數量當前值的比值是否小于等于一預設比例值，或者所述步進變量是否達到
最大值；當所述缺陷變量與所述缺陷數量的比值小于等于所述預設比例值，或者所述步進
變量達到最大值時，所述判斷單元將所述統計單元中獲得的缺陷對應的行或者列判定為缺
陷行或者缺陷列，此缺陷行和缺陷列構成壞線；當所述缺陷變量與所述缺陷數量的比值大
于所述預設比例值，且所述步進變量未達到最大值時，所述判斷單元輸出控制信號，令賦值
單元將所述統計單元計算獲得的缺陷數量當前值賦于下一輪循壞的所述缺陷數量的初始
值，且將所述步進變量進一，并再次啟動直方圖循壞處理單元中各個單元工作。 所述的裝置，其中，所述灰度補償模塊包括分段處理單元，用于對所述壞線的鄰
域內的圖像沿行或列方向分段，獲得子段集合，所述子段集合中包括壞線像素和非壞線圖
像像素；向量求和單元，用對每個子段集合分別計算行或列累加和，得到每個子段的行或列
累加向量；估計單元，用于在所述每個子段的行或列累加向量中，用所述非壞線圖像像素的
分量進行插值或擬合運算，計算所述壞線位置對應的估計分量，獲得每個子段的壞線的估
計向量；補償量計算單元，用于根據所述壞線的估計向量和所述行或列累加向量，計算每個
子段的壞線的灰度補償向量，所述灰度補償向量中每個元素對應為一壞線行或壞線列的補
償量；補償單元，用于將所述每一個子段集合中的壞線行或壞線列的圖像數據加上所述該
壞線行或壞線列對應的補償量，獲得灰度補償結果。 所述的裝置，其中，所述灰度補償模塊還包括檢驗單元，用于判斷所述補償結果 中是否存在小于或者等于零的值，當所述灰度補償向量中存在小于或者等于零的值時，所 述檢驗單元重新確定子段的長度，并發出激活指令啟動所述灰度補償模塊的各個單元工 作。
綜上所述，本發明具有以下優點 1、利用壞線處的灰度異常自動識別出壞線并保存壞線位置，并且壞線檢測過程在 離線狀態下進行，不影響圖像實時處理的速度。更進一步的，本發明采用累加直方圖的方式 對壞線位置進行檢測，操作方便，計算快捷，方法簡單，而且準確性高。 2、將壞線處的細節信息利用壞線鄰域的正常像素進行線性補償，使得壞線處圖像 灰度過渡自然。更進一步的，在上述灰度補償過程中，本發明所采用的方法可以一次處理多 條連續壞線，效率高，該方法實現過程不需要輸入與圖像內容相關的信息，整個過程完全自 動化，方法簡潔易操作。 2、更進一步地，本發明還可以利用灰度重置提高其高頻分量，突出壞線，與背景形 成強烈對比。 3、更進一步地，本發明在圖像子區域內利用頻帶限制估計壞線處的細節，使之減 少了細節損失；并且只在子區域內進行頻域變換，不需要迭代，進行復雜的運算，所以計算 量大大減少，并同時得到了壞線處的細節。
按照本發明實施例的處理X線平板探測器圖像壞線的方法及其裝置，可以通過硬件、軟件、固件、或者其組合實現在X線成像系統中，從而使得X線成像系統可以采用按照本發明實施例的處理X線平板探測器圖像壞線的方法，或者包括按照本發明實施例的處理X線平板探測器圖像壞線的裝置。按照本發明的上述教導，這種實現對于本領域普通技術人員來說是顯而易見的，在此不做詳細描述。 上述各具體步驟的舉例說明較為具體，并不能因此而認為是對本發明的專利保護范圍的限制，凡是利用上述方法構思的，均應在本發明的保護范圍內，本發明的專利保護范圍應以所附權利要求為準。
權利要求
一種處理X線平板探測器圖像壞線的方法，其特征在于包括壞線檢測步驟檢測X線平板探測器圖像中的壞線的位置；細節估計步驟在待處理的X線平板探測器圖像中，用包含所述壞線的圖像子區域內的圖像數據估計所述壞線處的圖像像素的細節信息，獲得細節估計后的圖像；灰度補償步驟在所述細節估計后的圖像中，用所述壞線的鄰域內的非壞線圖像像素的圖像數據計算補償量，補償所述壞線處的圖像像素的圖像數據。
2. 根據權利要求1所述的方法，其特征在于，所述細節估計步驟包括 在所述待處理的X線平板探測器圖像中，選擇包含所述壞線的圖像子區域； 在所述圖像子區域內，對所述待處理的X線平板探測器圖像進行頻域濾波處理，處理后的圖像即為細節估計后的圖像。
3. 根據權利要求2所述的方法，其特征在于其中在所述圖像子區域內，對所述待處理 的X線平板探測器圖像進行頻域濾波處理包括將所述圖像子區域的圖像數據變換到頻域，獲得所述圖像子區域的頻域數據； 對所述頻域數據進行濾波，其中在所述壞線方向上為全通濾波，在垂直所述壞線的方 向上為低通濾波；將濾波后的頻域數據反變換到時域，獲得頻域濾波處理后的圖像子區域； 將所述頻域濾波處理后的圖像子區域中壞線的圖像數據賦予原圖像子區域中的壞線， 替換原圖像子區域的壞線的圖像數據。
4. 根據權利要求3所述的方法，其特征在于其中所述低通濾波使用非理想濾波器，其 中低通濾波的截止頻率為fs/2，其中fs為采樣頻率。
5. 根據權利要求1或2所述的方法，其特征在于所述壞線檢測步驟和細節估計步驟 之間還包括將所述壞線處的圖像數據重置為極值。
6. 根據權利要求1所述的方法，其特征在于，所述壞線檢測步驟包括 累加圖像中每一行或每一列所有像素的灰度值，獲得圖像的行累加灰度向量或列累加灰度向量；將所述行累加灰度向量或列累加灰度向量中分量的取值作為橫坐標，將此橫坐標的每 個取值、在所述行累加灰度向量或列累加灰度向量中對應出現的次數作為縱坐標，構建直 方圖；計算所述行累加灰度向量或列累加灰度向量的均值和標準差，以均值為中心，以所述 標準差為步進累加所述直方圖，以剩余直方圖是否還再變化作為約束條件進行循壞累加處 理，當剩余直方圖不再變化時，則判定是壞線對應的直方圖。
7. 根據權利要求6所述的方法，其特征在于，所述直方圖的循壞累加處理過程包括以 下步驟Al、將缺陷數量的初始值賦為所述行累加灰度向量或列累加灰度向量的向量長度，步 進變量的初始值賦為最小值；Bl、計算所述均值減去步進變量和所述標準差積的差，獲得第一閾值，計算所述均值加 上所述步進變量和所述標準差積的和，獲得第二閾值；將直方圖中，灰度小于所述第一閾值 和大于所述第二閾值的分量視為缺陷，統計此缺陷的數量，作為此輪循壞的缺陷數量當前值；Cl、計算所述缺陷數量的初始值和當前值之差，獲得缺陷變量；Dl、判斷所述缺陷變量與所述缺陷數量當前值的比值是否小于等于一預設比例值，或 者所述步進變量是否達到最大值；若所述缺陷變量與所述缺陷數量的比值小于等于所述預設比例值，或者所述步進變量 達到最大值，則退出循壞，并將所述缺陷對應的行或者列判定為缺陷行或者缺陷列，此缺陷 行和缺陷列構成壞線；若所述缺陷變量與所述缺陷數量的比值大于所述預設比例值，且所述步進變量未達到 最大值，則將此輪計算獲得的缺陷數量當前值賦于下一輪循壞的所述缺陷數量的初始值， 且將步進變量進一，并返回步驟Bl。
8. 根據權利要求1所述的方法，其特征在于，所述灰度補償步驟包括 A2、對所述壞線的鄰域內的圖像沿行或列方向分段，獲得子段集合，所述子段集合中包括壞線像素和非壞線圖像像素；B2、對每個子段集合分別計算行或列累加和，得到每個子段的行或列累加向量；C2、在所述每個子段的行或列累加向量中，用所述非壞線圖像像素的分量進行插值或 擬合運算，計算所述壞線對應的估計分量，獲得每個子段的壞線的估計向量；D2、根據所述壞線的估計向量和所述行或列累加向量，計算每個子段的壞線的灰度補 償向量，所述灰度補償向量中每個元素對應為一壞線行或壞線列的補償量；E2、將所述每一個子段集合中的壞線行或壞線列的圖像數據加上所述該壞線行或壞線 列對應的補償量，獲得灰度補償結果。
9. 根據權利要求8所述的方法，其特征在于，步驟E2后還包括步驟 F2、判斷所述灰度補償結果中是否存在小于或者等于零的值，若是，則重新確定子段的長度，返回步驟A2。
10. 根據權利要求2所述的方法，其特征在于，所述選擇包含所述壞線的圖像子區域包括截取所述壞線行的上、下一預設數量的數據行，或者所述壞線位置列的左、右一預設數 量的數據列，將截取范圍與所述壞線一起組成選擇的圖像子區域。
11. 一種處理X線平板探測器圖像壞線的裝置，其特征在于，其包括檢測模塊，用于檢測X線平板探測器圖像中的壞線的位置，并存儲所述壞線的位置；細節估計模塊，用于在待處理的x線平板探測器圖像中，用包含所述壞線的圖像子區域內的圖像數據估計所述壞線處的圖像像素的細節信息，獲得細節估計后的圖像；灰度補償模塊，用于在所述細節估計后的圖像中，用所述壞線的鄰域內的非壞線圖像 像素的圖像數據計算補償量，補償所述壞線處的圖像像素的圖像數據。
12. 根據權利要求11所述的裝置，其特征在于所述細節估計模塊包括 選擇單元用于在所述待處理的X線平板探測器圖像中，選擇包含所述壞線的圖像子區域；頻域濾波單元用于在所述圖像子區域內，對所述待處理的X線平板探測器圖像進行 頻域濾波處理，處理后的圖像即為細節估計后的圖像。
13. 根據權利要求11所述的裝置，其特征在于，還包括像素重置模塊，用于將所述壞線位置處的圖像像素重置為極值后輸入至所述細節估計模塊。
14. 根據權利要求11所述的裝置，其特征在于，所述檢測模塊包括累加單元，用于累加圖像中每一行或每一列所有像素的灰度值，獲得圖像的行累加灰 度向量或列累加灰度向量；直方圖構建單元，用于將所述行累加灰度向量或列累加灰度向量中分量的取值作為橫 坐標，將此橫坐標的每個取值、在所述行累加灰度向量或列累加灰度向量中對應出現的次 數作為縱坐標，構建直方圖；直方圖循壞處理單元，用于計算所述行累加灰度向量或列累加灰度向量的均值和標準 差，以均值為中心、以所述標準差為步進累加所述直方圖，且以剩余直方圖是否還再變化作 為約束條件進行循壞累加處理，當剩余直方圖不再變化時，則判定是壞線對應的直方圖。
15. 根據權利要求14所述的裝置，其特征在于，所述直方圖循壞處理單元包括 賦值單元，用于將缺陷數量的初始值賦為所述行累加灰度向量或列累加灰度向量的向量長度，步進變量的初始值賦為最小值；第一閾值計算單元，用于計算所述均值減去步進變量和所述標準差積的差，獲得第一 閾值；第二閾值計算單元，用于計算所述均值加上所述步進變量和所述標準差積的和，獲得 第二閾值；統計單元，用于將所述直方圖中灰度小于所述第一閾值和大于所述第二閾值的分量視 為缺陷，統計此缺陷的數量，作為此輪循壞的缺陷數量當前值；差值計算單元，用于計算所述缺陷數量的初始值和當前值之差，獲得缺陷變量；判斷單元，用于判斷所述缺陷變量與所述缺陷數量當前值的比值是否小于等于一預設 比例值，或者所述步進變量是否達到最大值；當所述缺陷變量與所述缺陷數量的比值小于等于所述預設比例值，或者所述步進變量 達到最大值時，所述判斷單元將所述統計單元中獲得的缺陷對應的行或者列判定為缺陷行 或者缺陷列，此缺陷行和缺陷列構成壞線；當所述缺陷變量與所述缺陷數量的比值大于所述預設比例值，且所述步進變量未達到 最大值時，所述判斷單元輸出控制信號，令賦值單元將所述統計單元計算獲得的缺陷數量 當前值賦于下一輪循壞的所述缺陷數量的初始值，且將所述步進變量進一，并再次啟動直 方圖循壞處理單元中各個單元工作。
16. 根據權利要求11所述的裝置，其特征在于，所述灰度補償模塊包括分段處理單元，用于對所述壞線的領域內的圖像沿行或列方向分段，獲得子段集合，所述子段集合中包括壞線像素和非壞線圖像像素；向量求和單元，用對每個子段集合分別計算行或列累加和，得到每個子段的行或列累加向量；估計單元，用于在所述每個子段的行或列累加向量中，用所述非壞線圖像像素的分量 進行插值或擬合運算，計算所述壞線對應的估計分量，獲得每個子段的壞線的估計向量；補償量計算單元，用于根據所述壞線的估計向量和所述行或列累加向量，計算每個子 段的壞線的灰度補償向量，所述灰度補償向量中每個元素對應為一壞線行或壞線列的補償補償單元，用于將所述每一個子段集合中的壞線行或壞線列的圖像數據加上所述該壞 線行或壞線列對應的補償量，獲得灰度補償結果。
17.根據權利要求16所述的裝置，其特征在于，所述灰度補償模塊還包括檢驗單元， 用于判斷所述灰度補償結果中是否存在小于或者等于零的值，當所述灰度補償向量中存在 小于或者等于零的值時，所述檢驗單元重新確定子段的長度，并發出激活指令啟動所述灰 度補償模塊的各個單元工作。
全文摘要
本發明提供了一種處理X線平板探測器圖像壞線的方法及其裝置，其方法包括檢測X線平板探測器圖像中的壞線的位置；在待處理的X線平板探測器圖像中，用包含所述壞線的圖像子區域內的圖像數據估計壞線處的圖像像素的細節信息；在細節估計后的圖像中，用壞線的鄰域內的非壞線圖像像素的圖像數據計算補償量，補償壞線處的圖像像素的圖像數據。本發明可以利用壞線處的灰度異常通過軟件方法自動識別出壞線并保存壞線位置，然后將壞線處的圖像細節信息利用壞線鄰域的正常像素(即非壞線圖像像素)進行灰度補償，使得壞線處圖像灰度過渡自然。
文檔編號H04N5/202GK101795349SQ20101013514
公開日2010年8月4日 申請日期2010年3月24日 優先權日2010年3月24日
發明者劉炎, 孫文武 申請人:深圳邁瑞生物醫療電子股份有限公司