基于纹理统计特征的医学图像颜色映射方法

( y) , b ( y) ] T ,由公式 (1) (2) (3) 分别得到 l αβ颜色
2 算法描述
2. 1 RGB 和 l αβ颜色空间
实现颜色映射的第一步是选择合适的颜色模
型 。颜 色 空 间 为 三 维 线 性 空 间 , 通 常 用 红 绿 蓝
(RGB) 作为颜色空间的基 ,但这 3 个通道的相关性
很强 ,且不能直观地度量彩色图像的亮度信息和色
调 、饱和度 ,若保持某个像素的亮度信息而仅修改它 的颜色信息时 ,必须同时修改 3 个通道的值 ,这会使 颜色映射的过程很复杂 。l αβ正交颜色空间 ,l 表 示亮度通道 ,α表示黄蓝通道 ,β表示红绿通道 ,3 个 通道相互垂直 ,相关性很小 ,因此可以分别对各通道 进行操作 ,目标图像不会出现视觉变形 。RGB 到 l α β正交颜色空间转化的过程如下 :
(11)
协方差 :
f 5 ( d ,θμ) = ∑i ∑j ( i - μi ) 3 ( j - μj ) 3 p ( i , j| d ,θμ) Πσσi j
(12)
相关系数 :
f 6 ( d ,θμ) = ∑i ∑j
[ ( i 3 j 3 p ( i , j| d ,θμ) - ui uj ]Πσσi j
RGB 到 LMS(L αβ是 LMS 锥形空间的一个转
化) :
L
0. 3811 0. 5783 0. 0402 R
M = 0. 1967 0. 7244 0. 0782 G (1)
S
0. 0241 0. 1228 0. 8444 B
再转化到对数空间 :
L = logL , M = log M , S = log S
定义了相似性距离
E= ∑ | pA ∈NA , pB ∈NB
Leabharlann Baidu
l ( pA ) -
l ( pB )
| 2 , pA , pB 分别为 A 样本点的邻域 NA 和 B 当前点的
邻域 NB 内的对应像素 , l 表示亮度值 。当 E 最小
时 ,即为其最佳匹配点 。此算法只使用了像素亮度
特征和简单邻域特征 。但是 ,医学图像不同组织有
(13)
ui = ∑i i ∑j P ( i , j| d ,θμ) ,
其中 :
uj = ∑jj ∑i P ( i , j| d ,θμ)
σ i
=
∑i ( i
-
ui ) 2 ∑i P ( i , j|
d ,θρ) ,
σj = ∑j ( j - uj ) 2 ∑j P ( i , j| d ,θρ)
2. 3 颜色映射算法描述
的亮度相似性高 ,有的相同组织内亮度有差异 ,因此
仅靠亮度难以区分 。为此 ,我们引进了纹理统计特
征值 ,改进了算法 。
算法步骤如下 :
(1) A 的像素 x 的 RGB 颜色向量记为 Xr , g , b =
[ r ( x) , g ( x ) , b ( x ) ] T , 同理 ,有 Yr , g , b = [ r ( y ) , g
生物医学工程研究 Journal of Biomedical
Engineering
Research
基于纹理统计特征的医学图像颜色映射方法
姚淑依 ,罗立民
(东南大学生物科学与医学工程系 ,江苏 南京 210096)
摘要 :为提高灰度医学图像颜色增强的有效性和视觉合理性 ,提出了一种基于纹理统计特征的颜色增强 处理方法 。此方法的颜色映射机理不是传统的在灰度级和颜色模型间经验性构筑一对一或多对一的映射关 系函数 ,而是借助彩色可视化人体 (VHP) 解剖断层源图像数据 ,利用共生矩阵纹理统计特征信息 ,实现颜色 在图像间的传输 。实验结果证明了此方法的可行性 ,高维度 、高阶数统计量的运用提高了颜色映射的准确性 和有效性 。
S
1 - 2 0
6
β
0 0 1
2
L = 10L , M = 10M , S = 10S
(5)
R
4. 4679 - 3. 5873 0. 1193 L
G = - 1. 2186 2. 3809 - 0. 1624 M
B
0. 0497 - 0. 2439 1. 2045 S
(6) 2. 2 灰度共生矩阵及有效统计特征值选取
灰度共生矩阵 P 定义为在某个位置关系上相 距为 d 的两点灰度分别为 i , j 的联合概率密度 , 从 中可抽取有意义的统计量作为纹理特征表示 ,能描 述图像灰度的空间相关性和空间分布特性 ,含有非 常有价值的纹理空间组织信息 。 P ( i , j| d ,θω) = # { [ ( k , l) , ( k + dx , l + dy) ] ∈
使其亮度分布和 B 相同 ;然后 ,在 A 中随机选取若
干像素作为样本 ,以行扫描顺序遍历 B 每一个像素
点 ,和 A 中样本匹配 ;最后 ,将最匹配样本的颜色值
(αβ) 赋值给它 ,亮度值 (l) 保持不变 ,再将 B 转化回
RGB 空间 ,形成最后着色的图像 。
为寻找最佳匹配点 ,Welsh 等引进 L2 度量空间 ,
Key words :Medical image ;Color space ;Color mapping ;Texture analysis ;Co - occurrence Matrix
1 引 言
目前 ,医学图像如 X 线 、CT、MRI、B 超 、电镜显 微图像等 ,多数仍是灰度图像 。人眼对彩色的敏感 程度远高于灰度级 ,为了充分发挥人眼对彩色的分 辨能力 ,直观地观察和分析图像 ,及时发现病灶 ,在 医学图像处理中 ,常采用将灰度图像映射到彩色空 间的方法 ,突出兴趣区域或待分析的数据段 ,这种显 示方法称为伪彩色 ,是一种非常有效的图像增强技 术。
取彩色人体组织切片图像作为源图像 A ,待着
色的医学灰度图像作为目标图像 B 。首先 ,A 和 B
第 4 期 姚淑依 ,等. 基于纹理统计特征的医学图像颜色映射方法 2 2 5
同时转化到 l αβ颜色空间 ,对 A 进行亮度重映射 ,
作者简介 :姚淑依 (1981 - ) ,女 ,东南大学生物医学工程系硕士研究生 ,研究方向为医学成像和科学可视化 。
2 24 生 物 医 学 工 程 研 究 第 24 卷
图像只能分块处理 ,为此 ,2002 年 Welsh 等[3] 引进 L2 度量空间的能量函数 ,对图像的亮度特征进行匹配 , 提出了一种整体颜色迁移的发展算法 ,实现了给自 然灰度图像上彩色 。但是 ,文献[ 2 ,3 ]的算法仅对图 像或指定窗口提取基于灰度级的低阶特征值[4] ,这 对于图像特征表征 ,特别是医学图像的特征表征是 不够的 。对视觉感知研究和图像统计研究表明 ,图 像包含大量局部性 ,方向性 ,规整性结构[1 ,5] 。从统 计的角度而言 ,这些特征可以用纹理特征值来描述 。 纹理是图像的一个重要特征 ,主要有粗糙度 、对比 度 、方向度 、规整度 、粗略度等 ,在图像分类 ,区域分 割和图像分析中被广泛应用[6 ,7] 。本研究用灰度共 生矩阵 ,提取图像的纹理统计特征信息 ,构成图像颜 色映射的特征向量组 ,借助彩色人体切片源图像数 据 ,将颜色赋值给灰度医学图像 ,提高了图像伪彩色 增强的视觉合理性 ,符合感知习惯 。实验结果证明 , 此法是可行的 。
通常采用的伪彩色处理方法 ,有空间域和频率 域两种 。在过去数十年里 ,很多学者为推动此领域 的研究做了大量的工作 。但无论是频率域滤波法 ,
还是空间域密度分层法 、灰度级 - 彩色变换法 、互补 色编码法或连续颜色编码法等 ,均是在灰度级和颜 色模型间经验性构筑一对一或多对一的映射关系 。 这些方法多为主观定义组织颜色 ,缺少解剖学依据 , 另一方面很难附合人们的视觉感知习惯 ,另一方面 对于医学图像这种灰度级接近的低对比度图像很容 易遗漏细节 。所以 ,我们寻求一种方法 ,能采用 VHP 的实际解剖断层的颜色信息 ,利用映射关系达到增 强灰度图像颜色的目的 ,以期取得与实际人体组织 的解剖颜色相一致的效果 。2001 年 Reinhard 等使用 Ruderman 等提出的 l αβ颜色空间[1] ,提出在两幅彩 色自然图像间进行颜色传输的方法[2] ,为图像伪彩 色技术提供了全新的思路 。但是此算法只能处理具 有整体基调的单一颜色图像 ,对由多种颜色组成的
(7) D| I ( k , l) = i , I ( k + dx , l + dy) = j}
有效的统计特征值主要有 :反映纹理的局部走 向的对比度 ,逆差矩 ,反映纹理分布混乱度的熵和粗 细程度的能量等 。
对比度 :
f 1 ( d ,θμ) = ∑i ∑j | i - j| p 3 p ( i , j| d ,θμ) q (8)
(2)
1 0 0
3 l
1 1 1 L
得 : α = 0 1 0 1 1 - 2 M (3)
β
6
1 - 1 0 S
0 0 1
2
最后 ,获得了颜色信息的图像要回归为用 RGB 来显示 ,为上述的逆过程 :
1 0 0
L
1 1 1 3
l
M = 1 1 - 1 0 1 0 α (4)
YAO Shu2yi , L UO Li2min
( Department of Biological Science and Medical Engineering , Southeast University , Nanjing Jiangsu ,210096 , China)
Abstract :A novel approach is presented to grey - level medical image pseudo - color enhancement based on texture statistical feature , in order to advance the validity and visual rationality. Its color mapping theory is to implement color transfer between images using texture statist2i cal feature information gained by co - occurrence matrix , by virtue of color visible human project(VHP) source image ; instead of general one to - one or multi - to - one mapping function constructed by experience between grey - level and color model. Experimental results show the feasibility of this algorithm. Use of higher dimension and higher power statistical features improve veracity and validity of color mapping.
关键词 :医学图像 ;颜色空间 ;颜色映射 ;纹理分析 ;共生矩阵 中图分类号 :R318 文献标识码 :A 文章编号 :167226278 (2005) 0420223204
Medical Image Color Mapping Approach Based On Texture Statistical Feature
熵:
f 2 ( d ,θμ) = - ∑i ∑j p| i , j| d ,θμ 3 log2 p ( i , j| d ,θμ)
(9)
能量 : f 3 ( d ,θμ) = ∑i ∑j p ( i , j| d ,θμ) 2
(10)
逆差矩 :
f 4 ( d ,θρ)
=
∑i
∑j
p ( i , j| d ,θμ) 1 + | i - j| 2