CN110889807A - 一种通道式x射线安检设备图像处理方法 - Google Patents
一种通道式x射线安检设备图像处理方法 Download PDFInfo
- Publication number
- CN110889807A CN110889807A CN201911138764.6A CN201911138764A CN110889807A CN 110889807 A CN110889807 A CN 110889807A CN 201911138764 A CN201911138764 A CN 201911138764A CN 110889807 A CN110889807 A CN 110889807A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- gray
- seg
- detector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 49
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 44
- 238000013507 mapping Methods 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 33
- 230000000877 morphologic effect Effects 0.000 claims description 25
- 230000001186 cumulative effect Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 13
- 238000005260 corrosion Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000010339 dilation Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 15
- 238000012937 correction Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003702 image correction Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- GUTLYIVDDKVIGB-OUBTZVSYSA-N Cobalt-60 Chemical compound [60Co] GUTLYIVDDKVIGB-OUBTZVSYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种通道式X射线安检设备图像处理方法，方法包括图像畸变矫正、感兴趣低灰度区分割、低灰度区对比度增强三个主要步骤。本发明对X射线安检图像畸变效应以及图像低灰度区对比度进行综合处理，改善安检图像显示效果，提升安检人员图像判读效率与判读效果。
Description
技术领域
本发明涉及安检技术领域，具体涉及一种通道式X射线安检设备图像处理方法。
背景技术
对于通道式X射线安全检查设备而言，由于其通道空间大，射线源源心到各探测器位置、射线源源心到设备通道底面各位置、设备通道底面各位置到各探测器位置三者间距离差异悬殊，采集的行包图像在通道底面不同位置缩放程度不一致，导致物体在X射线图像中投影发生畸变，与实际物体形状存在一定视觉差异，典型表现包括：1)相同物体放置在通道距离射线源近的位置，在图像中呈现的尺寸，比放置在距离射线源远的位置要大，从而使同一物体在位于通道底面不同位置时X射线图像投影形状不一致；2)斜着放入通道的长直型物体或行包，在投影图像上呈现出不同程度的弯曲形态。这类图像畸变现象会对安检人员产生误导，降低安检员图像判读的准确性，影响安检判读结果。
另一方面，通道式X射线安检设备的基本原理，是基于不同物质对双能X射线吸收率不同，穿透物体后形成的安检图像中各像素灰度值不同。当被检查物体厚度增加或密度增大时，射线能量衰减迅速，厚物体尤其是高密度厚物体在图像中的灰度值很低，灰度差异不明显，加上人眼对低灰度区分辨能力比高灰度区小的多，因此，对安检图像特别是其中的低灰度区进行对比度增强，十分必要。
现有技术中，畸变图像矫正一般采用对不同像素进行不同程度的缩放操作实现；对低灰度区对比度增强，通常使用某种函数曲线进行灰度拉伸或基于灰度直方图均衡的某种变换实现，然而，上述方式，对于图像矫正程度以及图像长宽比例控制不够方便，对于图像对比度增强往往基于整图完成，虽然低灰度区域对比度有增强，但同一图像中非低灰度区对比度却被一定程度压缩。因此，设计一种图像处理方法，能够更好的解决通道式X射线安检设备图像畸变与图像低灰度区对比度不足问题，是一亟待解决的技术问题。
发明内容
针对现有技术的不足，本发明旨在提供一种通道式X射线安检设备图像处理方法，对X射线安检图像畸变效应以及图像低灰度区对比度进行综合处理，改善安检图像显示效果，提升安检人员图像判读效率与判读效果。
为了实现上述目的，本发明采用如下技术方案：
一种通道式X射线安检设备图像处理方法，包括以下步骤：
S1、利用通道式X射线安检设备，采集被检查行包图像I(x,y)；
S2、由于所述通道式X射线安检设备的探测器分布呈典型L型分布，图像I(x,y)存在畸变，因此对I(x,y)进行矫正，得到矫正图像Iadj(x,y)：
S2.1、根据探测器的位置、射线源源心的位置、通道的位置，计算通道式X射线安检设备的通道底面标准像素投影距离，并计算每个探测器对应通道底面的实际投影距离；所述标准像素投影距离L定义为:
标准像素投影距离L＝通道底面长度/探测器的总数；
S2.2、根据探测器的实际投影距离与标准像素投影距离的比例关系，计算矫正图像中每个像素与原始图像中每个像素之间存在对应关系的映射像素组值，并据此计算对应的矫正像素灰度值或加权像素灰度值，最终得到矫正图像Iadj(x,y)；
S3、对Iadj(x,y)进行感兴趣区低灰度区分割，得到低灰度区分割结果图像Iseg(x,y)；
S4、对Iseg(x,y)进行自适应形态学处理，确定Iseg(x,y)过渡处理区，得到对比度增强待处理标记区Iseg-sign(x,y)；
S5、根据Iseg(x,y)对应的I(x,y)的灰度统计信息，确定对比度增强灰度映射函数组Gtran；Gtran由若干组不同程度的灰度拉伸曲线函数组成，每组灰度拉伸曲线函数对于灰度变换程度不同；
S6、基于对比度增强待处理标记区Iseg-sign(x,y),利用灰度映射函数组Gtran，对矫正图像Iadj(x,y)进行低灰度区对比度增强，得到最终图像处理结果Ishow(x,y)。
进一步地，所述步骤S2.1的具体过程为：以通道式X射线安检设备的通道底面中心位置为原点，建立射线源、探测器、通道底面的坐标系，计算每个探测器基于原点的位置，然后计算通道式X射线安检设备的通道底面标准像素投影距离，以及每个探测器对应于通道底面的实际投影距离。
进一步地，步骤S2.2的具体过程为：
S2.2.1、计算通道式X射线安检设备的每个探测器的实际投影距离与标准像素投影距离的比值，即投影比，并计算每个探测器的投影比累计和；其中：
探测器投影比＝探测器在通道中的实际投影距离/标准像素投影距离L；
按位置顺序为每个探测器编号，分别为1,2，…，I；则有：
探测器i的投影比累计和＝探测器i的投影比+探测器i-1的投影比+…+探测器1的投影比；i＝1,2，…，I；
S2.2.2、计算矫正图像中每个像素与原始图像中每个像素之间存在对应关系的映射像素组值；利用线性插值，计算矫正图像中每个像素的灰度值，并据此对原始图像进行矫正：
记探测器i的投影比累计和为ai，其表示理想矫正图像中的第ai个像素与原始图像中第i个像素存在完全的映射关系；因此，理想矫正图像中的第q个像素，位于理想矫正图像中第ai个和第aj个像素之间，其中q为整数，ai≤q≤aj且ai和aj为最接近q的投影比累计和；也就是说，理想矫正图像中的第q个像素位于原始图像第i和第j个像素之间，则有如下线性映射关系：
ai—q—aj与i—J(q)—j；
其中，J(q)表示理想矫正图像中第q个像素对应的原始图像中的位置：
J(q)＝(q-ai)/(aj-ai)×(j-i)+i；
也就是说，理想矫正图像中第q个像素对应的原始图像中的第J(q)个像素，此时，矫正图像中第q个像素的灰度值通过原始图像中的第i、j个像素插值得出，如下式所示：
Ajs(q)＝(J(q)-i)×Ori(i)+[1-(J(q)-i)]×Ori(j)；
Ajs(q)表示矫正图像中第q个像素的灰度值，Ori(i)和Ori(j)分别表示原始图像中第i个和第j个像素的灰度值。
进一步地，步骤S3的具体过程为：
S3.1、根据经验设定一个低灰度阈值Seglo-gray对图像进行二值化；
S3.2、对步骤S3.1得到的二值化结果进行二值图像形态学腐蚀膨胀处理，利用连通区分析，过滤面积小于面积经验阈值的连通区，统计所保留的连通区的灰度统计信息；
S3.3、将步骤S3.2中所保留的连通区作为种子区域，利用区域生长对步骤S3.2中保留的连通区进行进一步分割，生长参数基于步骤S3.2中得到的保留的连通区灰度统计信息设置；
S3.4、利用二值形态学腐蚀膨胀操作对步骤S3.3得到的区域生长结果进行处理，并利用连通区分析过滤面积小于经验阈值的连通区，统计经过区域生长与形态学处理后所保留的连通区的灰度统计信息；由此得到低灰度区分割结果标记图像Iseg(x,y)。
更进一步地，Seglo-gray取为图像灰度饱和值的5％-10％。
更进一步地，生长参数设置为待生长的像素灰度不高于种子区域灰度均值的2倍。
进一步地，步骤S4的具体过程如下：
S4.1、根据Iseg(x,y)中每个连通区的面积定义一个对应的过渡区尺度N；连通区面积越大，过渡区尺度N越大；
S4.2、利用形态学膨胀，对Iseg(x,y)的过渡区进行膨胀并标记，得到对比度增强待处理标记区Iseg-sign(x,y)。
更进一步地，步骤S4.2的具体过程为：以M为模板上限基准，并以Iseg(x,y)中待标记的单个连通区为初始区域，进行形态学膨胀，在膨胀过程中进行模板尺度标记，每膨胀1轮，模板尺度增加1，直至膨胀M轮，得到本次处理的单个连通区的待处理标记区；按照相同过程处理Iseg(x,y)中全部连通区，得到对比度增强待处理标记区Iseg-sign(x,y)。
进一步地，步骤S6的具体过程为：读取Iseg-sign(x,y)中每个像素标记值，依据标记值，读取灰度映射函数组Gtran中相应的曲线中的变换灰度值，对矫正图像Iadj(x,y)进行对应的灰度变换，得到处理结果Ishow(x,y)。
本发明的有益效果在于：
利用本发明方法，可以使X射线安全设备图像的图像畸变效应几乎完全消除，图像中低灰度区对比度得到有效提升，并且，畸变矫正与低灰度区对比度增强方法不增加任何软硬件成本，算法简便快捷，处理速度快、图像改善效果明显。本发明特别适用于处理数据量大、实时性要求高的X射线安全检查技术领域，能够有效降低安检人员的漏判和误判。
附图说明
图1为本发明实施例1的方法流程示意图；
图2为本发明实施例2中某虚拟的通道式X射线安检设备示意图；
图3为本发明实施例2中某个安检设备采集的原始图像及其畸变矫正图像；
图4为本发明实施例2中另外某个安检设备采集的原始图像及其畸变矫正图像；
图5为实施例1方法中步骤S5的灰度变换函数组示意图；
图6为利用实施例1方法对某行包图像进行处理的结果对比图像；
图7为利用实施例1方法对某行包图像进行处理的结果以及常规对比度拉伸的结果示意图。
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
实施例1
本实施例提供一种通道式X射线安检设备图像处理方法，如图1所示，包括图像畸变矫正、感兴趣低灰度区分割、低灰度区对比度增强三个部分。具体包括以下步骤：
S1、利用通道式X射线安检设备，采集被检查行包图像I(x,y)；
S2、由于所述通道式X射线安检设备的探测器分布呈典型L型分布，图像I(x,y)存在畸变，因此对I(x,y)进行矫正，得到矫正图像Iadj(x,y)；
具体地，本实施例中，设计一种基于通道成像比例一致原则的通道式X射线安检设备畸变图像矫正方法：
S2.1、根据探测器的位置、射线源源心的位置、通道的位置，计算通道式X射线安检设备的通道底面标准像素投影距离，并计算每个探测器对应通道底面的实际投影距离；所述标准像素投影距离L定义为:
标准像素投影距离L＝通道底面长度/探测器的总数；
更具体地，所述步骤S2.1的具体过程为：以通道式X射线安检设备的通道底面中心位置为原点，建立射线源源心、探测器、通道底面的坐标系，计算每个探测器基于原点的位置，然后计算通道底面标准像素投影距离，以及每个探测器对应于通道底面的实际投影距离。
S2.2、根据探测器的实际投影距离与标准像素投影距离的比例关系，计算矫正图像中每个像素与原始图像中每个像素之间存在对应关系的映射像素组值，并据此计算对应的矫正像素灰度值或加权像素灰度值，最终得到矫正图像Iadj(x,y)。
更具体地，步骤S2.2的具体过程为：
S2.2.1、计算通道式X射线安检设备的每个探测器的实际投影距离与标准像素投影距离的比值，即投影比，并计算每个探测器的投影比累计和；其中：
探测器投影比＝实际投影距离/标准像素投影距离L；
按位置顺序为每个探测器编号，分别为1,2，…，I；则有：
探测器i的投影比累计和＝探测器i的投影比+探测器i-1的投影比+…+探测器1的投影比；i＝1,2，…，I；
S2.2.2、计算矫正图像中每个像素与原始图像中每个像素之间存在对应关系的映射像素组值；利用线性插值，计算矫正图像中每个像素的灰度值，并据此对原始图像进行矫正：
记探测器i的投影比累计和为ai，其表示理想矫正图像中的第ai个像素与原始图像中第i个像素存在完全的映射关系；因此，理想矫正图像中的第q个像素，位于理想矫正图像中第ai个和第aj个像素之间，其中q为整数，ai≤q≤aj且ai和aj为最接近q的投影比累计和；也就是说，理想矫正图像中的第q个像素位于原始图像第i和第j个像素之间，则有如下线性映射关系：
ai—q—aj与i—J(q)—j
其中，J(q)表示理想矫正图像中第q个像素对应的原始图像中的位置：
J(q)＝(q-ai)/(aj-ai)×(j-i)+i
也就是说，理想矫正图像中第q个像素对应的原始图像中的第J(q)个像素，此时，矫正图像中第q个像素的灰度值可以通过原始图像中的第i、j个像素插值得出，如下式所示：
Ajs(q)＝(J(q)-i)×Ori(i)+[1-(J(q)-i)]×Ori(j)；
Ajs(q)表示矫正图像中第q个像素的灰度值，Ori(i)和Ori(j)分别表示原始图像中第i个和第j个像素的灰度值；
S3、对Iadj(x,y)进行感兴趣区低灰度区分割，得到低灰度区分割结果图像Iseg(x,y)；
对Iadj(x,y)进行感兴趣区低灰度区分割，通过采用阈值分割、区域生长加上形态学处理与连通区分析完成：
S3.1、根据经验设定一个低灰度阈值Seglo-gray对图像Iadj(x,y)进行二值化；根据经验，一个合适的Seglo-gray可取为图像Iadj(x,y)灰度饱和值的5％-10％；
S3.2、对步骤S3.1得到的二值化结果进行二值图像形态学腐蚀膨胀处理，利用连通区分析，过滤面积小于面积经验阈值的连通区，统计所保留的连通区的灰度统计信息；
二值图像形态学腐蚀膨胀处理的处理尺度可依据图像尺寸选择7×7至15×15甚至更大尺度的矩形或圆形或其它形状的结构模板。所述面积经验阈值可依据具体检测场合设计，可设计为几十个像素直至数百上千像素均可。
S3.3、将步骤S3.2中所保留的连通区作为种子区域，利用区域生长对步骤S3.2中保留的连通区进行进一步分割，生长参数基于步骤S3.2中得到的保留的连通区灰度统计信息设置；
具体地，一个可取的生长参数可以设置为待生长的像素灰度不高于种子区域灰度均值的2倍。
S3.4、利用二值形态学腐蚀膨胀操作对步骤S3.3得到的区域生长结果进行处理，并利用连通区分析过滤面积小于经验阈值的连通区，统计最后保留的连通区的灰度统计信息；由此得到低灰度区分割结果标记图像Iseg(x,y)。
涉及的经验阈值一般需要依据具体检查场合进行针对性设计。
S4、对Iseg(x,y)进行自适应形态学处理，确定Iseg(x,y)过渡处理区，得到对比度增强待处理标记区Iseg-sign(x,y)：
S4.1、根据Iseg(x,y)中每个连通区的面积定义一个对应的过渡区尺度N，过渡区尺度N与连通区的面积相关；通常情况下，连通区面积越大，过渡区尺度N越大。
S4.2、利用形态学膨胀，对Iseg(x,y)的过渡区进行膨胀并标记，得到对比度增强待处理标记区Iseg-sign(x,y)。
具体做法是：以M为模板上限基准，并以Iseg(x,y)中待标记的单个连通区为初始区域，进行形态学膨胀，在膨胀过程中进行模板尺度标记，每膨胀1轮，模板尺度增加1，直至膨胀M轮，得到本次处理的单个连通区的待处理标记区。按照相同流程处理Iseg(x,y)中全部连通区，得到对比度增强待处理标记区Iseg-sign(x,y)。
S5、根据Iseg(x,y)对应的I(x,y)的灰度统计信息，确定对比度增强灰度映射函数组Gtran；
具体地，根据Iseg(x,y)中每个连通区对应的I(x,y)的灰度统计信息，确定对比度增强灰度映射函数组Gtran。Gtran由若干组不同程度的灰度拉伸曲线函数组成，每组灰度拉伸曲线函数对于灰度变换程度不同。
S6、基于对比度增强待处理标记区Iseg-sign(x,y),利用灰度映射函数组Gtran，对矫正图像Iadj(x,y)进行低灰度区对比度增强，得到最终图像处理结果Ishow(x,y)。
具体地，首先读取Iseg-sign(x,y)中每个像素标记值，依据标记值，读取灰度映射函数组Gtran中相应的曲线中的变换灰度值，对矫正图像Iadj(x,y)进行对应的灰度变换，得到处理结果Ishow(x,y)。Ishow(x,y)的效果是，低灰度区对比度明显增强，其周边区域，灰度拉伸程度逐步平缓，在图像上无明显的灰度突变现象。
实施例2
图2为某虚拟的通道式X射线安检设备示意图。
图3(a)和图(b)分别给出了一个安检设备采集的原始图像及其畸变矫正图像。
图4(a)和图4(b)分别给出了另外一个安检设备采集的原始图像及其畸变矫正图像。
图5是实施例1方法中步骤S5的灰度变换函数组示意图。
图6是利用实施例1方法对某行包图像进行处理的结果对比图像，(a)为原始显示效果，(b)为处理后的处理结果。
图7是利用实施例1方法对某行包图像进行处理的结果以及常规对比度拉伸的结果。(a)为本发明方法处理结果图像，(b)为常规对比度拉伸处理结果图像。
图2所示为虚拟通道式X射线安检设备，通道尺寸为12个长度单位，探测器数目为12个。本实施例以图2为例，对实施例1方法作更具体的描述。
第一步，坐标系以通道底部中间位置为原点，通道水平方向设为x轴，竖直方向设为y轴，通过设备结构尺寸与射线源、探测器的布局位置可以计算出射线源及探测器在虚拟坐标系中的位置。
第二步，计算标准像素投影距离L，L定义为:
标准像素投影距离L＝通道底面长度/探测器的探测器总数；
图2所示虚拟安检设备中L＝1；每个探测器在通道中的实际投影距离可以通过简单的数学方法计算出，如表1所示。为方便起见，探测器序号与图2中所示探测器位置相似，均为由右向左递增。
表1探测器实际投影距离
第三步，首先计算设备中每个探测器的投影比，探测器投影比定义为：
探测器投影比＝探测器在通道中的实际投影距离/标准像素投影距离L
由于图4所示虚拟设备中L＝1，探测器投影比与投影距离值相同；接着，计算投影比累计和，如表1中，按照由右自左的顺序计算出各个探测器的投影比累计和，如表2所示。
表2探测器实际投影比及其累计和
以探测器位置4、10、12为例，说明投影比累计和的物理意义：探测器位置4处的投影比累计和为2.81，其物理意义是，理想矫正图像中，在第2.81个像素位置，其灰度值与原始图像中第4个像素灰度值相同；探测器位置10处的投影比累计和为7.97，其物理意义是，理想矫正图像中，在第7.97个像素位置，其灰度值与原始图像中的第10个像素灰度值相同；同理，探测器位置12处的投影比累计和为12.0，其物理意义是，理想的矫正图像中，在第12.0个像素位置，其灰度值与原始图像中的第12个像素相同。
第四步，矫正图像与原始图像映射计算。从表2可知，投影比累计和的物理意义就反映了矫正图像中的各个像素位置与原始图像中各个像素(组)之间的映射关系。仍然以探测器位置4、5为例，说明投影比累计和的物理意义：探测器位置4处值为2.81，其物理意义是，理想矫正图像中的第2.81个像素，其与原始图像中第4个像素存在完全的映射关系；探测器位置5处值为3.48，其物理意义是，理想矫正图像中的第3.48个像素，其与原始图像中第5个像素存在完全的映射关系；反过来说，理想矫正图像中的第3个像素，位于理想矫正图像中第2.81至3.48个像素之间，也就是位于原始图像的第4、5个像素之间，那么，以下两组数据就存在了线性映射关系：
2.81—3.0—3.48与4—J(3)—5
其中，J(3)表示理想矫正图像中第3个像素对应的原始图像中的位置：
J(3)＝(3-2.81)/(3.48-2.81)×(5-4)+4＝4.28
也就是说，理想矫正图像中第3个像素对应的原始图像中的第4.28个像素，不难理解，此时，矫正图像中第3个像素的灰度值可以通过原始图像中的第4、5个像素插值得出，如下式所示：
Ajs(3)＝0.28×Ori(4)+(1-0.28)×Ori(5)
Ajs(3)表示矫正图像中第3个像素的灰度值，Ori(4)和Ori(5)分别表示原始图像中第4个和第5个像素的灰度值。
按照上述思路，能够获得完整的理想矫正图像与原始图像之间的相关像素之间的插值关系。
第五步，对原始图像进行矫正计算，图像矫正通过插值的方式计算出。
图3给出了一块厚钢板倾斜放置于传送带采集图像矫正前后的对比结果。其中，图3(a)为原始采集图像，可以看出，规则矩形钢板在图3(a)中弯曲形变严重，安检人员不容易通过图像判断出被检物体的原始形状；图3(b)为利用实施例1方法得到的矫正图像，图像中钢板弯曲现象得到了有效校正，图像效果与钢板实际形状吻合良好。
另一组利用实施例1方法得到的矫正结果图像如图4所示。图4(a)为原始采集图像，由于图像存在畸变，图像左部金属垫片呈现扁长椭圆形，右部金属垫片呈现瘦长椭圆形，均与实际垫片圆形形状差异较大；图4(b)为矫正图像，容易看出，矫正图像中的金属垫片投影形状得到了合理恢复。
至此，完成步骤S2处理，得到矫正图像Iadj(x,y)。
步骤S3用于对Iadj(x,y)进行感兴趣区低灰度区分割，得到低灰度区分割结果标记图像Iseg(x,y)。
实施例1设计了一种基于阈值分割、区域生长加形态学处理与连通区分析完成步骤S3的处理。
首先，设定一个低灰度阈值Seglo-gray对图像进行二值化，根据经验，一个合适的Seglo-gray可取为图像灰度饱和值的5％-10％；
接着，对此二值化结果进行较大尺度的二值图像形态学腐蚀膨胀处理，处理尺度可依据图像尺寸选择7×7至15×15甚至更大尺度的矩形或圆形或其它形状的结构模板，进而利用连通区统计分析，过滤面积小于经验阈值的连通区，统计保留连通区灰度统计信息，同样，此面积经验阈值可依据具体检测场合设计，可设计为几十个像素直至数百上千像素均可；
然后，将每个保留连通区作为种子区域，利用区域生长对保留连通区进行进一步分割，其中，生长参数基于种子区域的灰度统计信息设计，一个可取的生长条件可以设置为待生长的像素灰度不高于种子区域灰度均值的2倍；
最后，再利用设定尺度的二值形态学腐蚀膨胀操作对区域生长结果进行处理，并利用连通区分析，过滤面积小于经验阈值的连通区，统计经过区域生长与形态学处理后保留连通区的灰度统计信息。涉及的经验阈值一般需要依据具体检查场合进行针对性设计。
在步骤S4中，对Iseg(x,y)进行自适应形态学处理，确定Iseg(x,y)过渡处理区，得到对比度增强待处理标记区Iseg-sign(x,y)。
首先，根据Iseg(x,y)中每个连通区面积定义一个对应的过渡区尺度N，过渡区尺度N与连通区面积相关，通常情况下，连通区面积越大，尺度N越大；
然后，利用形态学膨胀，对Iseg(x,y)过渡处理区进行标记，具体做法是：以M为模板上限基准，并以Iseg(x,y)中待标记的单个连通区为初始区域，进行形态学膨胀，在膨胀过程中进行模板尺度标记，每膨胀1轮，模板尺度增加1，直至膨胀M轮，得到本次处理的单个连通区的待处理标记区；
进一步地，按照上述相同流程处理Iseg(x,y)中全部连通区，得到对比度增强待处理标记区Iseg-sign(x,y)。
接着，在步骤S5中，根据Iseg(x,y)中每个连通区对应的I(x,y)的灰度统计信息，确定对比度增强灰度映射函数组Gtran。
此Gtran由若干组不同程度的灰度拉伸曲线函数组成，每组灰度拉伸曲线函数对于灰度变换程度不同。一组可取的对比度增强灰度映射函数组Gtran的示意图如图5所示。图5给出了一组共20条不同灰度拉伸程度的变换曲线函数，图5中曲线自上至下，记为曲线1、曲线2直至曲线20。
在步骤S6中，利用此灰度映射函数组Gtran，首先，读取Iseg-sign(x,y)中每个像素(x,y)的标记值，依据标记值，读取相应的曲线n(1≤n≤20)中的变换灰度值，对矫正图像Iadj(x,y)进行对应的灰度变换，得到处理结果Ishow(x,y)。Ishow(x,y)的处理过程是，低灰度区Iseg(x,y)连通区区域，直接读取曲线1，其周边1个像素的范围图像依据Iseg-sign(x,y)中的标记值读取曲线2，再扩大一个像素范围图像依据Iseg-sign(x,y)中的标记值读取曲线3，以此类推，最终，Ishow(x,y)的显示效果是，I(x,y)中低灰度区范围图像拉伸最为明显，其周边区域，灰度拉伸程度逐步平缓。Ishow(x,y)图像无明显的灰度突变现象与灰度突变边界。
图6是给出了实施例1方法对某行包图像进行处理的结果对比图像，(a)为原始显示效果，(b)为利用实施例1方法进行图像矫正和低灰度区对比度增强处理后的处理结果。图7是利用本实施例1方法对某行包图像进行处理的结果以及目前常规对比度拉伸的结果，图7(a)为本实施例1方法处理结果图像，图7(b)为常规对比度拉伸处理结果图像。不难看出，图7(b)除了低灰度区对比得到了增强外，其余非低灰度区对比度存在明显损失。
综合图3、图4与图6，实施例1所提供的一种通道式X射线安检设备图像处理方法，可以使通道式X射线安检设备图像的图像畸变效应几乎完全消除，图像中低灰度区对比度得到有效提升，并且，畸变矫正与低灰度区对比度增强方法不增加任何软硬件成本，算法简便快捷，处理速度快、图像改善效果明显。该方法特别适用于处理数据量大、实时性要求高的X射线安全检查技术领域，能够有效降低安检人员的漏判和误判。
实施例1方法适用的安全检查图像类型，包含但不完全限于以下几种方式：
(1)单视角双能量通道式X射线安检设备图像；
(2)双视角双能量通道式X射线安检设备图像；
(2)多视角双能量通道式X射线安检设备图像；
(3)通道式双能X射线人体安全检查设备图像；
(4)CT型X射线安检设备采集的DR图像；
(5)基于钴60、加速器等技术的通道式车辆检查、集装箱检查设备采集图像。
对比度增强灰度映射函数组Gtran由若干组不同程度的灰度变换曲线函数组成，每组灰度拉伸曲线函数对于灰度变换程度不同。可以使用幂函数、指数函数、对数函数，也可以使用分段线性函数或分段非线性函数。
对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。
Claims (9)
1.一种通道式X射线安检设备图像处理方法，其特征在于，包括以下步骤：
S1、利用通道式X射线安检设备，采集被检查行包图像I(x,y)；
S2、由于所述通道式X射线安检设备的探测器分布呈典型L型分布，图像I(x,y)存在畸变，因此对I(x,y)进行矫正，得到矫正图像Iadj(x,y)：
S2.1、根据探测器的位置、射线源源心的位置、通道的位置，计算通道式X射线安检设备的通道底面标准像素投影距离，并计算每个探测器对应通道底面的实际投影距离；所述标准像素投影距离L定义为:
标准像素投影距离L＝通道底面长度/探测器的总数；
S2.2、根据探测器的实际投影距离与标准像素投影距离的比例关系，计算矫正图像中每个像素与原始图像中每个像素之间存在对应关系的映射像素组值，并据此计算对应的矫正像素灰度值或加权像素灰度值，最终得到矫正图像Iadj(x,y)；
S3、对Iadj(x,y)进行感兴趣区低灰度区分割，得到低灰度区分割结果图像Iseg(x,y)；
S4、对Iseg(x,y)进行自适应形态学处理，确定Iseg(x,y)过渡处理区，得到对比度增强待处理标记区Iseg-sign(x,y)；
S5、根据Iseg(x,y)对应的I(x,y)的灰度统计信息，确定对比度增强灰度映射函数组Gtran；Gtran由若干组不同程度的灰度拉伸曲线函数组成，每组灰度拉伸曲线函数对于灰度变换程度不同；
S6、基于对比度增强待处理标记区Iseg-sign(x,y),利用灰度映射函数组Gtran，对矫正图像Iadj(x,y)进行低灰度区对比度增强，得到最终图像处理结果Ishow(x,y)。
2.根据权利要求1所述的方法，其特征在于，所述步骤S2.1的具体过程为：以通道式X射线安检设备的通道底面中心位置为原点，建立射线源、探测器、通道底面的坐标系，计算每个探测器基于原点的位置，然后计算通道式X射线安检设备的通道底面标准像素投影距离，以及每个探测器对应于通道底面的实际投影距离。
3.根据权利要求1所述的方法，其特征在于，步骤S2.2的具体过程为：
S2.2.1、计算通道式X射线安检设备的每个探测器的实际投影距离与标准像素投影距离的比值，即投影比，并计算每个探测器的投影比累计和；其中：
探测器投影比＝探测器在通道中的实际投影距离/标准像素投影距离L；
按位置顺序为每个探测器编号，分别为1,2，…，I；则有：
探测器i的投影比累计和＝探测器i的投影比+探测器i-1的投影比+…+探测器1的投影比；i＝1,2，…，I；
S2.2.2、计算矫正图像中每个像素与原始图像中每个像素之间存在对应关系的映射像素组值；利用线性插值，计算矫正图像中每个像素的灰度值，并据此对原始图像进行矫正：
记探测器i的投影比累计和为ai，其表示理想矫正图像中的第ai个像素与原始图像中第i个像素存在完全的映射关系；因此，理想矫正图像中的第q个像素，位于理想矫正图像中第ai个和第aj个像素之间，其中q为整数，ai≤q≤aj且ai和aj为最接近q的投影比累计和；也就是说，理想矫正图像中的第q个像素位于原始图像第i和第j个像素之间，则有如下线性映射关系：
ai—q—aj与i—J(q)—j；
其中，J(q)表示理想矫正图像中第q个像素对应的原始图像中的位置：
J(q)＝(q-ai)/(aj-ai)×(j-i)+i；
也就是说，理想矫正图像中第q个像素对应的原始图像中的第J(q)个像素，此时，矫正图像中第q个像素的灰度值通过原始图像中的第i、j个像素插值得出，如下式所示：
Ajs(q)＝(J(q)-i)×Ori(i)+[1-(J(q)-i)]×Ori(j)；
Ajs(q)表示矫正图像中第q个像素的灰度值，Ori(i)和Ori(j)分别表示原始图像中第i个和第j个像素的灰度值。
4.根据权利要求1所述的方法，其特征在于，步骤S3的具体过程为：
S3.1、根据经验设定一个低灰度阈值Seglo-gray对图像进行二值化；
S3.2、对步骤S3.1得到的二值化结果进行二值图像形态学腐蚀膨胀处理，利用连通区分析，过滤面积小于面积经验阈值的连通区，统计所保留的连通区的灰度统计信息；
S3.3、将步骤S3.2中所保留的连通区作为种子区域，利用区域生长对步骤S3.2中保留的连通区进行进一步分割，生长参数基于步骤S3.2中得到的保留的连通区灰度统计信息设置；
S3.4、利用二值形态学腐蚀膨胀操作对步骤S3.3得到的区域生长结果进行处理，并利用连通区分析过滤面积小于经验阈值的连通区，统计经过区域生长与形态学处理后所保留的连通区的灰度统计信息；由此得到低灰度区分割结果标记图像Iseg(x,y)。
5.根据权利要求4所述的方法，其特征在于，Seglo-gray取为图像灰度饱和值的5％-10％。
6.根据权利要求4所述的方法，其特征在于，生长参数设置为待生长的像素灰度不高于种子区域灰度均值的2倍。
7.根据权利要求1所述的方法，其特征在于，步骤S4的具体过程如下：
S4.1、根据Iseg(x,y)中每个连通区的面积定义一个对应的过渡区尺度N；连通区面积越大，过渡区尺度N越大；
S4.2、利用形态学膨胀，对Iseg(x,y)的过渡区进行膨胀并标记，得到对比度增强待处理标记区Iseg-sign(x,y)。
8.根据权利要求7所述的方法，其特征在于，步骤S4.2的具体过程为：以M为模板上限基准，并以Iseg(x,y)中待标记的单个连通区为初始区域，进行形态学膨胀，在膨胀过程中进行模板尺度标记，每膨胀1轮，模板尺度增加1，直至膨胀M轮，得到本次处理的单个连通区的待处理标记区；按照相同过程处理Iseg(x,y)中全部连通区，得到对比度增强待处理标记区Iseg-sign(x,y)。
9.根据权利要求1所述的方法，其特征在于，步骤S6的具体过程为：读取Iseg-sign(x,y)中每个像素标记值，依据标记值，读取灰度映射函数组Gtran中相应的曲线中的变换灰度值，对矫正图像Iadj(x,y)进行对应的灰度变换，得到处理结果Ishow(x,y)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138764.6A CN110889807B (zh) | 2019-11-20 | 2019-11-20 | 一种通道式x射线安检设备图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138764.6A CN110889807B (zh) | 2019-11-20 | 2019-11-20 | 一种通道式x射线安检设备图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889807A true CN110889807A (zh) | 2020-03-17 |
| CN110889807B CN110889807B (zh) | 2023-04-07 |
Family
ID=69748055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911138764.6A Active CN110889807B (zh) | 2019-11-20 | 2019-11-20 | 一种通道式x射线安检设备图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889807B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112526626A (zh) * | 2020-06-29 | 2021-03-19 | 北京清大视觉科技有限公司 | 一种安检托盘清空状态智能检测***及方法 |
| CN112950588A (zh) * | 2021-03-02 | 2021-06-11 | 江苏阿瑞斯智能设备有限公司 | 一种图像处理方法、装置、电子设备及介质 |
| CN113361446A (zh) * | 2021-06-22 | 2021-09-07 | 公安部第一研究所 | 一种x射线包裹图像提取方法 |
| CN113790685A (zh) * | 2021-11-17 | 2021-12-14 | 湖南苏科智能科技有限公司 | 面向双光源x射线安检机的待检物品尺寸自动检测方法 |
| CN116449445A (zh) * | 2023-06-15 | 2023-07-18 | 浙江啄云智能科技有限公司 | X光探测板输出响应值的修正方法、装置、介质和设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2458408A2 (en) * | 2010-11-01 | 2012-05-30 | Beijing Zhongdun Anmin Analysis Technology Co., Ltd. | Dual-energy X-ray body scanning device and image processing method |
| CN103810678A (zh) * | 2014-01-21 | 2014-05-21 | 公安部第一研究所 | 一种背散射x射线人体安全检查设备畸变图像矫正方法 |
| CN103996168A (zh) * | 2014-01-21 | 2014-08-20 | 公安部第一研究所 | 一种基于区域自适应处理的x射线安全检查图像增强方法 |
| CN106910172A (zh) * | 2017-02-22 | 2017-06-30 | 公安部第研究所 | 一种图像处理方法及装置 |
| CN109870730A (zh) * | 2018-12-28 | 2019-06-11 | 中国科学院重庆绿色智能技术研究院 | 一种用于x光机图像解析度测试体定检的方法及*** |
| US20190385286A1 (en) * | 2017-10-12 | 2019-12-19 | Shenzhen China Star Optoelectronics Semiconductor Display Technology Co., Ltd. | Image local contrast enhancement method |
-
2019
- 2019-11-20 CN CN201911138764.6A patent/CN110889807B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2458408A2 (en) * | 2010-11-01 | 2012-05-30 | Beijing Zhongdun Anmin Analysis Technology Co., Ltd. | Dual-energy X-ray body scanning device and image processing method |
| CN103810678A (zh) * | 2014-01-21 | 2014-05-21 | 公安部第一研究所 | 一种背散射x射线人体安全检查设备畸变图像矫正方法 |
| CN103996168A (zh) * | 2014-01-21 | 2014-08-20 | 公安部第一研究所 | 一种基于区域自适应处理的x射线安全检查图像增强方法 |
| CN106910172A (zh) * | 2017-02-22 | 2017-06-30 | 公安部第研究所 | 一种图像处理方法及装置 |
| US20190385286A1 (en) * | 2017-10-12 | 2019-12-19 | Shenzhen China Star Optoelectronics Semiconductor Display Technology Co., Ltd. | Image local contrast enhancement method |
| CN109870730A (zh) * | 2018-12-28 | 2019-06-11 | 中国科学院重庆绿色智能技术研究院 | 一种用于x光机图像解析度测试体定检的方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 周正干;武卫;高翌飞;魏东;谷柱;: "X射线安检设备数字图像品质综合评价方法" * |
| 汤海芳;章志明;刘彦韬;肖雄;马波;王英杰;刘双全;: "推扫型背散射成像***图像质量优化" * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112526626A (zh) * | 2020-06-29 | 2021-03-19 | 北京清大视觉科技有限公司 | 一种安检托盘清空状态智能检测***及方法 |
| CN112526626B (zh) * | 2020-06-29 | 2023-09-12 | 北京清大视觉科技有限公司 | 一种安检托盘清空状态智能检测***及方法 |
| CN112950588A (zh) * | 2021-03-02 | 2021-06-11 | 江苏阿瑞斯智能设备有限公司 | 一种图像处理方法、装置、电子设备及介质 |
| CN112950588B (zh) * | 2021-03-02 | 2024-07-16 | 江苏阿瑞斯智能设备有限公司 | 一种图像处理方法、装置、电子设备及介质 |
| CN113361446A (zh) * | 2021-06-22 | 2021-09-07 | 公安部第一研究所 | 一种x射线包裹图像提取方法 |
| CN113361446B (zh) * | 2021-06-22 | 2024-04-16 | 公安部第一研究所 | 一种x射线包裹图像提取方法 |
| CN113790685A (zh) * | 2021-11-17 | 2021-12-14 | 湖南苏科智能科技有限公司 | 面向双光源x射线安检机的待检物品尺寸自动检测方法 |
| CN113790685B (zh) * | 2021-11-17 | 2022-01-18 | 湖南苏科智能科技有限公司 | 面向双光源x射线安检机的待检物品尺寸自动检测方法 |
| CN116449445A (zh) * | 2023-06-15 | 2023-07-18 | 浙江啄云智能科技有限公司 | X光探测板输出响应值的修正方法、装置、介质和设备 |
| CN116449445B (zh) * | 2023-06-15 | 2023-09-12 | 浙江啄云智能科技有限公司 | X光探测板输出响应值的修正方法、装置、介质和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889807B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110889807B (zh) | 一种通道式x射线安检设备图像处理方法 | |
| CN101901342B (zh) | 影像目标区域的提取方法和装置 | |
| CN106875415A (zh) | 一种动态背景中弱小动目标的连续稳定跟踪方法 | |
| CN116385445B (zh) | 一种基于视觉技术的电镀五金件瑕疵检测方法 | |
| CN108376403B (zh) | 基于霍夫圆变换的网格菌落图像分割方法 | |
| CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
| CN115456956B (zh) | 一种液晶屏划痕检测方法、设备及存储介质 | |
| CN110415208A (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
| CN116188462A (zh) | 一种基于视觉鉴定的贵金属质量检测方法及*** | |
| CN105654428A (zh) | 图像降噪方法及*** | |
| CN116468641A (zh) | 一种红外血管图像增强处理方法 | |
| CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
| CN113012105B (zh) | 基于图像处理的纱线毛羽检测评级方法 | |
| CN117635609B (zh) | 一种塑胶产品生产质量视觉检测方法 | |
| CN116703754A (zh) | 用于检测建筑供水管道裂痕的图像增强方法 | |
| CN101897592B (zh) | X射线影像中金属异物的提取方法和装置 | |
| CN114998356A (zh) | 一种基于图像处理的车桥缺陷检测方法 | |
| CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
| CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
| CN117315670B (zh) | 一种基于计算机视觉的水表读数区域检测方法 | |
| CN116883987A (zh) | 一种用于变电站无人巡检的指针仪表读数识别方法 | |
| CN116682112B (zh) | 一种多糖测试数据存储及数字化方法 | |
| Radhiyah et al. | Comparison study of Gaussian and histogram equalization filter on dental radiograph segmentation for labelling dental radiograph | |
| CN103942792B (zh) | 医药检测机器人中基于序列图像时域特征的杂质检测方法 | |
| CN106097306B (zh) | 获取图像边缘检测算子的方法、图像边缘检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |