（生物医学工程专业论文）图像增强与复原方法在x射线图像处理中的应用.pdf

大连理 ：大学硕十学位论文 a p p l i c a t i o no fi m a g ee n h a n c e m e n ta n dr e s t o r a t i o nt e c h n i q u ei n x r a d i o g r a p h i ct e s t i n g a b s t r a c t i nt h i sp a p e r , f i r s t l y , w ei n t r o d u c et h ea p p l i c a t i o no fx - r a yr a d i o g r a p h ys y s t e mi n i n d u s t r i a ln d t ( n o nd e s t r u c t i v et e s t i n g ) t h e n , w es y s t e m a t i c a l l ya n a l y z et h ef a c t o r sw h i c h d e g r a d et h ei m a g eq u a l i t y , a f t e rt h a t , w eu s em e t h o d so fi m a g ee n h a n c e m e n ta n di m a g e r e s t o r a t i o nt op r o c e s st h ed i g i t a li m a g e , a n dt h er e s u l t sa r ed e e p l ya n a l y z e d a tl a s tw e i i i t n ) d u c ct h ef e a t u r ea n db a s i cp r i n c i p l e so f p a r a l l e la l g 嘶t h mt oi n c r e a s et h es p e e do f i m a g e p r o c e s s i n g i nt h ei m a g ee n h a n c e m e n ts e c t i o n , w ef i r s ta n a l y z et h ef e a t u r e so fo a u s s i a nw h i t en o i s e a n di m p u l s en o i s e t h a nw ei n t r o d u c et w od i f f e r e n ts t a n d a r d sf o rp r a c t i c a li m a g ep r o c e s s i n g a n ds i m u l a t i n ge x p e r i m e n tr e s p e c t i v e l y a f t e rt h a t , w e 啪t w oc l a s s i cf i l t e rt op l o c c s $ t h e i m a g em i x e dw i t hd i f f e r e n tn o i s ea n ds a t i s f i e dr e s u l t a tl a s tw e 啪t h es l m d ( s i n g l e i n s t r u c t i o nm u l t i p l ed a t a ) t e c h n o l o g yt or e p r o g r a mt h ef i l t e r e x p e r i m e n tr e s u l ts h o w st h a t t h es p e e do f i m a g ep r o c e s s i n gh a sb e e ni n c r e a s e dc o n s i d e r a b l y i nt h ei m a g er e s t o r a t i o ns e c t i o n , w ef i r s ti n t r o d u c es c w r a lc o n c e p t i o n so fi m a g e r e s t o r a t i o ni n c l u d i n gt h em o r b i d i t yo fi m a g er e s t o r a t i o n , n o r m a l i z a t i o np r o c e s s i n ga n d m o d u l a t i o nt r a n s f e rf u n c t i o n ( m t f ) t h e nw ea n a l y z et h ef a c t o r so fi m a g ed e g r a d a t i o na n d m o d e lo fd e g r a d a t i o n i no u re x p e r i m e n tw ea d a p tt h eg a u s sd e g r a d a t i o nf u n c t i o nc o m b i n e d w i t l lw i e n e ff i l t e r , l e a s t - s q u a r ef i l t e ra n da d a p t i v er e c o v e r yf i l t e rt ot h ei m a g ew i t hf l a w s r e s u l t ss h o wt h a ti ti sa ne f f e c t i v em e t h o df o ri m a g ep r o c e s s i n g , w h i c hb u i l d sag o o d f o u n d a t i o nf o rf u t u r er e s e a r c h i nt h ed e s i g no f x - r a yd e t e c t e ds y s t e m , t h ed e s i g np a t t e r n si ns o r w a r ea r c h i t e c t u r ed e s i g n i si n t r o d u c e d ，t h ec o l i n p o n 钮t sw h i c hc o m p o s et h ex - r a yi m a g ec o l l e c t i o ns y s t e ms o f t w a r ea r c a n a l y z e d ，a l la p p r o p r i a t em o d e li sc h o s e dt op a c k a g et h es y s t e ma l g o r i t h ma n dd e v e l o p m e n t l i b r a r y e n h a n c et h ee n c a p s u l a t i o no ft h ea l g o r i t h m , a n di n c r e a s et h ee x p a n s i b i l i t yo ft h e s y s t e m k e yw o r d s ：x - r a yd i g i t a lr a d i o g r a p h y ；i m a g ee n h a n c i n g ；i m a g ed e g r a d a t i o n ；i m a g e r e s t o r a t i o n ；s i m d ；d e s i g np a t t e r n s - i i i - 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名： 大连理下大学硕士学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名： 导师签名：盘! 垒 年月门 图像增强与复原方法在x 射线图像处理中的应_ l j 1 绪论 1 1x 射线成像在工业无损检测中的应用 x 光探伤是工业无损检测的主要方法之一，应用十分广泛。x 光探伤电视是用摄像 机取代x 光探伤中的x 光软片，用监示器显示探伤图，不仅可以节省大量的x 光软片， 而且可以在生产线上构成自动探伤系统。如图1 1 所示是一种简化的工业探伤系统结构 图1 1 1 图1 1x 射线探伤系统 f i g 1 1xr a yd e t e c t i n gs y s t e m x 射线工业电视取代了原始x 射线探伤中的胶片，可以在线实时检测，提高了检 测效率。采用x 射线无损探伤计算机辅助评判系统进行在线检测与分析，就可以有效地 克服人工评定中因为眼睛疲劳、经验差异而引起的漏判与误判，从而使在线检测工作客 观化、规范化与智能化1 2 4 随着电子技术的飞速发展，x 射线无损检测方法“x 射线工业电视”已经应用到冶 金焊缝质量的无损检测当中。其检测结采已作为焊缝缺陷分析和冶金质量评定的重要判 定依据。由x 光光源发出的x 射线透过工件，在荧光屏上转换成可见光，形成一个明 暗变化的二维图像。若在工件中有空洞或裂纹等缺陷时，透过的x 光就多，则在荧光屏 上形成亮点。此图像经反射镜由摄像机拾取反射镜的作用是避免x 光直射摄像机，减少 干扰摄像机将光信号变换为电信号，经由处理器放大处理后送至监示器显示探伤图像。 但是，x 光探伤电视的分辨率却低于x 光软片探伤的分辨率。造成这一结果的原因很多， 其主要原因是由x 光所激发的二次射线造成的。x 光的二次散射使荧光屏产生大量的随 机噪声，使图像的分辨率下降。消除x 光二次散射的有效方法是使用铅箔或滤线器( 用 图像增强与复原方法在x 射线图像处理中的应用 铅条平行密排而成) ，通常放置在工件与荧光屏之间。实验表明，这种方法大大的提高 了图像的分辨率。x 光探伤电视图像的计算机图像系统使其图像质量得到了明显的改 善，应用领域更加广泛。目前，在冶金、航空、汽车及石油等领域的无损检测和自动生 产线的无损检测都具有十分重要的意义 5 - 1 0 。 1 2x 射线图像处理的方法 1 2 1 图像增强技术的应用 在6 0 年代早期，人们就开始研究x 射线检测中的图像处理技术，到8 0 年代中期， 在获取图像的途径上，全面开发了胶片数字化系统和数字射线成像技术，并使其得到了 实际应用f l ”。在此期间，主要的问题是如何获得高分辨率的灰度图像。人们从电视系统 中可获得的数字化图像阵列达到了1 0 2 4 x 1 0 2 4 x 8 或1 0 b i t s 。随着电路的发展，大大提高 了计算机的运算速度、存储容量和显示分辨率，电荷耦合器件( c c d ) 的发展又为数字成 像技术注入了新的活力，使数字化图像阵列达到了1 0 2 4 x 1 0 2 4 x 1 0 b i t s 或更高，并具有较 高的信噪比，在此期间图像处理算法也层出不穷。 图像增强技术【1 2 ”1 即是使处理过的图像看上去比未处理的图像更加能够显示图像 的固有特征，它可以改善人或机器对一幅图像的视觉效果，目前还没有一种准则来定义 所谓的“优质图像”标准，这是因为还没有一种统一的图像增强的理论来衡量所谓的“优 质图像”，这必须根据某种准则对实际对象采取不同方法。在对x 射线数字图像进行处 理时，由于所检测的缺陷类型不同、位置不同、尺寸不同、成像条件不同等等诸因素的 影响，造成图像的视觉是千差万别的，因此，图像增强技术是针对特定图象的处理技术。 一般来说，图像增强技术可用来处理图像对比度、图像边缘特征、灰度分布不均或高斯 噪声、椒盐噪声等等。 在图像增强技术中，常用点处理技术，如灰度反转、灰度拉伸、按函数要求的直方 图修正等等，另外，还通过参考某像素邻域的灰度来校正该像素的灰度。如果有噪声的 像素位置是己知的，那么就可以对其邻域像素来加权平均用以取代该噪声的灰度。而实 际上，这种信息一般是未知的。因此，这种平均化方法可以用掩模窗去处理整幅图像， 这种运算是用窗与图像进行卷积，因此可在空间域或频率域中处理，它们对噪声的处理 往往是有效的。 对于降质x 射线数字图像的增强处理，本文分别采用了以下两种方法提高图像质 量： ( 1 ) 使用模糊加权均值滤波器分别对高斯噪声、椒盐噪声污染图像和混合噪声污染 图像进行滤波处理： 大连理j ：大学硕士学位论文 ( 2 ) 使用分类均值加权中值滤波器分别对高斯噪声、椒盐噪声污染图像和混合噪声 污染图像进行滤波处理： 1 2 2 图像复原技术的应用 x 射线数字成像过程中的“退化”指由于成像系统各种因素的影响，从而引起图像 的降质。图像复原是图像退化的逆过程，它通过把退化过程加以估计，建立退化的数学 模型后，补偿退化过程中造成的失真，以便获得未经干扰退化的原始图像或原始图像的 最优估值，从而改善图像质量。人们对图像复原的研究起始于2 0 世纪6 0 年代末期 1 5 - 2 0 1 ， 到了7 0 年代末期已经形成了较为成熟的一门图像处理技术。美国科学家h c a n d r e w s 和b r h u n t 对本领域发展作出了杰出的贡献，他们的专著【2 l 】全面论述了图像复原的理 论、方法和应用，至今一直为人们所采用。 图像复原包括消除以下两个方面的图像降质因素： ( 1 ) 系统降质因素，如光学散焦、大气湍流和运动模糊。在x 射线数字成像中的系 统降质因素，有由于x 射线源尺寸有限大小造成的图像几何不清晰度以及由于试件缺 陷方位与x 射线方向有一定偏角造成的几何畸变等； ( 2 ) 由噪声所引起的图像统计规律上的降质因素，如量子起伏噪声、x 射线散射噪 声和量化噪声等。在x 射线数字成像中，散射对图像的降质是最为突出的因素之一 在图像复原过程中为消除这两种形式的降质因素所设计的滤波器通常是相冲突的。 因为消除随机噪声一般是低通过程，因此很难保证图像的细节( 通常含有较强的高频成 分) 信息不受损失。因而，高性能的滤波器是这两方面的合理折衷。图像复原的质量在 很大程度上取决于以下两方面的因素： ( 1 ) 成像系统建模应尽可能准确，包括对系统的线性与非线性分析和系统空间移交 性的分析，用理论和实验方法确定各个环节以及系统的点扩散函数，另外还要考虑到系 统统计规律所引起的降质因素，如研究随机噪声的统计特征，设计滤波器参数。 ( 2 ) 根据观察者或视觉系统确定图像质量准则。 由上所述可知，图像复原所需要解决的问题主要包括良好的图像复原模型的建立、 模型参数的确定和快速有效的复原算法研究 图像复原模型是描述理想图像和退化图像之间关系的数学表达式，描述准确与否直 接影响复原结果。一般假定退化过程是线性的，点扩散函数( p s f ) 可以是空间移变或移 不变的。噪声主要包括成像器件噪声和量化噪声，成像器件的噪声可以是加性的或乘性 的，在大多数情况下独立于图像信号，可以认为是加性的。量化噪声属于零均值高斯白 图像增强与复原方法在x 射线图像处理中的应用 噪声，独立于图像信号。在实际图像复原中，绝大多数情况下，假定复原模型中的噪声 是零均值高斯白噪声。 图像复原模型中的参数，如p s f 、噪声、理想图像参数的确定可以根据实验或理论 方法识别和确定。k e i 捌由光学原理研究了光学系统模糊的p s f ，可以根据先验知识建 立参数化模型。人们早期对p s f 的估计是在频率域上进行的，如散焦、运动模糊，可以 由退化图像功率谱或倒频谱得到零点，从而确定系统的p s f 阐。这种方法的缺点是没有 考虑噪声对估计的影响并且不适应于其它退化形式。r o s e n f e l d 和k a k 证明可从理想的 线光源确定。在x 射线成像中，p s f 可从实验中估计，刘瑞根用针孔照相的方法，将针 孔放在与试件相当的位置上进行曝光确定x 射线成像的p s f 。 图像复原的方法有许许多多，可分为线性与非线性方法、迭代与非迭代方法、确定 性与统计性方法等，从复原原理上可分为基于法则的方法、约束优化法等。在本文中主 要运用了以下几种方法，即，维纳滤波克服了噪声的敏感性和奇异性，但在实际中未退 化图像的功率谱未知，因此，常用以常数代替噪声与未退化图像功率谱之比，这种粗糙 的近似会对复原结果产生一定的影响。约束最t j 、- - 乘方滤波复原法能比较好地抑制噪 声，而且最小二乘方滤波复原法的推导没有假定随机场是均匀的并且谱密度为已知，只 是确定了一个最佳准则，因此约束最小二乘方复原法在图像复原中得到了较广泛的应 用。而l a g c n d i j k 【驯等人提出的受限制自适应复原方法可以克服利用维纳复原方法和最 小二乘方复原方法时，由于降晰函数增大而在复原图象中产生的振铃式的寄生波纹，从 而改善图像的成像质量。 1 3 图像并行运算 并行计算是相对于串行计算来说的，所谓并行计算分为时间上的并行和空问上的并 行。时间上的并行就是指流水线技术，而空间上的并行则是指用多个处理器并发的执行 计算。并行计算科学中主要研究的是空间上的并行问题【2 5 1 。空间上的并行导致了两类并 行机的产生，分为：单指令流多数据流( s i m d ) 和多指令流多数据流( m n 订d ) 。因 此并行图像处理分为三种模型：流水线处理、异步并行处理和同步数据并行处理。异步 并行处理计算机既是m i m d ，而同步的并行计算机就是s i m d 系统或数据并行系统。异 步并行处理系统又可分为五类：并行向量处蛳p v p ) ，对称多处理机s m p ) ，大规模并 行处理机( m p p ，工作站机群( c o w ) ，分布式共享存储处理机( d s m ) 。在异步并行系统 中，每个处理器有它自己的控制流，执行它自己的程序。在数据并行系统中所有处理器 或p e s ( p r o c e s s i n gc l c m e n t s 一处理元1 都从中央控制处理机接收它们的命令，所有处理 器在相同时间对他们的可能是不同的局部数据执行相同的命令，或处于停止状态( 矢量 一4 一 大连理i 大学硕十学位论文 或数据并行处理) 。因此，在数据并行系统中，只有一个连续的控制流而没有独立的异 步处理，这就使编程简化了许多。因为所有p e s 是同步运行的，也就是说所有的p e s 在每一步或多或少地被同步，所以对于像信号监视器或信息传送，无需进行大量的、易 出错的同步处理t 硐。 此外，一个s i m d 系统的p e s 比一台m i m d 计算机的处理器设计要简单。m i m d 计算机的没给处理器需要完整的命令译码逻辑电路，这就意味着一个s i m d 系统的处理 元( s m m p e s ) 比m i m d 处理器占用的芯片空间少得多，而且能以非常高的集成度集成。 同样地，设计s i m d 系统可能要用大量的处理器，比m i m d 系统要用的处理器多得多。 大规模并行性的表示与用于一台并行计算机中的处理器的数量有关，我们把一个大 规模并行系统理解为一个具有1 0 0 0 或更多处理器的并行系统目前这样的集成化程度 仅能在数据并行系统中实现。与经典的异步并行处理器相比，这样的大规模并行性需要 新的程序设计技术和不同的算法。 大规模并行性在图像处理中有特别的优势一一个处理器可被每个像素所用。如果 像素的数日超过了实际现有的处理器数日，就可以用虚拟单元。虚拟处理元的概念与虚 拟存储器的概念类似。这种新观点开辟了许多新的可能性，并在许多情况下简化了图像 处理算法。一个局部的图像运算可以通过每个处理元的秉性计算而实现，且每一个处理 元独立于其它处理元，所需的数据来自于它自身的像素值和与它相邻的那些像素的值。 所有p e s 执行相同的运算，由程序员直接使各处理器同步是不盛要的。这种方法显然比 用异步并行计算机系统的类似方法容易。在异步并行计算机系统中，图像必须被分成几 个块( s e c t i o n s ，或称为数据片t i l e s ) 由各个单独的异步处理器处理，接着每一个处理器 对有它处理的那个数据片中的每一个像素按序循环处理。然而，问题出现在所处理的每 个数据片的边缘处，相邻数据片的图像数据要求存储在局部邻域内不同的处理器上。为 了解决这个问题，或者必须适当地重叠相邻的数据片，或者必须通过处理器之间的数据 交换来实现复杂的同步过程。当所有被处理的图像块必须重新组合成一个新图像时，在 图像运算的最后阶段显然需要这样的同步过程。异步并行系统数据交换比算术运算( 如 加法运算) 费时数万倍，因此，应当在程序中尽可能少使用。在数据并行系统中情况就 不同了，一次局部数据交换运算( 在一个快速网格网络上) 与一个单个的算术运算需求 的时间相同，因此这样的运算可以频繁使用。 1 4 设计模式在x 射线图像采集系统软件设计中的应用 软件中的模式起源于建筑，但是正如g a n g o f f o u r 在 a ，灰度值 b 在图像中将显示为一个亮点，相反，a 的值将显示为一个暗点。若或为零，则脉冲噪 声称为单极噪声。脉冲噪声可以是正的，也可以是负的。在幅图像中，脉冲噪声总是 数字化为最大值，负脉冲噪声以黑点出现在图像中，正脉冲噪声以一个白点出现在图 像中，对于一个8 位图像，这意味着a = 0 ( 黑) ，b = 2 5 5 ( 白) 。脉冲噪声对图像质 量影响较大，一般采用非线性滤波器可使这种噪声得到较好的抑制。 2 2 噪声的评价标准 2 2 1 仿真时使用的噪声衡量标准 衡量图像噪声水平的标准有多种，由于进行算法仿真时总是使用一幅标准图像作为 原始图像进行仿真，所以本文在进行算法仿真时使用归一化均方误差( n m s e ) 为指标 作为噪声衡量标准。 假设图像大小为m x n ，原始图像为f ( i ，_ ，) ，处理后的图像( 估计图像，作为理想 图像的估计值) 为夕( f ，) ，则可以用归一化均方误差( n m s e ) 【2 9 1 来衡量噪声： _ f - - 2 删r巾 乞if ( i ，j ) - ? o ，_ ，) n m s e = 旦号= 广_ 二 ( 1 3 ) 【厂( i _ ，) 】2 t 曲j 曲 2 2 2 处理实际图像时图像信噪比的计算 在实际的x 射线图像处理中，由于实际采集到的x 射线图像没有标准图像作为参照， 因此不适合使用( 1 3 ) 式定义的归一化均方误差来衡量图像的噪声。当给定一幅采集到的 x 射线图像时，需要估计它的信噪比，因为这个数值常常是实施图像复原算法所必须的 经验表明，图像反降晰算法适合于处理信噪比较好的降晰图像，例如信噪比高于3 0 d b 如果信噪比低于2 0 d b ，单是降晰函数辨识就会变得非常困难。 降晰图像信噪比定义为： 大连理：i ：大学硕q ：v - 位论文 s n r = 1 0 l g ( 降晰图像方差图像噪声方差)( 1 4 ) 上式中图像噪声方差可以使用2 3 节叙述的方法进行计算。因为实际的图像不大可能作 为独立同分布平稳过程来处理，而且在图像的平坦区域和棱边处显然有不同的局部方 差，因此降晰图像的方差【划定义为： 吒o ，力2 面雨蠡丽言麓 加地，+ d 一一( 2 ( 1 5 ) 其中从是图像的局部均值，按下式计算： 鹏舻面素而互毛加“) ( 1 6 ) 典型地，计算局部方差使用的窗尺寸是p = q = 2 ( 即5 x 5 窗) 。在式( 1 4 ) 中“降晰图像 的方差”通常是指图像局部方差的最大值。 2 3 实际图像噪声类型估计方法 噪声概率密度函数( p d f ) 参数一般可以从探伤系统传感器的技术说明中得知，但 对于特殊的成像系统常常有必要去估计这些参数。 当估计成像系统参数时，仅有噪声图像可以利用，常常可以从合理的恒定灰度值的 - - 4 部分估计p d f 的参数。例如，图2 1 是本文涉及的探伤系统采集到的一幅工业焊缝 实时检测图，红框圈中的两个区域是挑选出的灰度值平坦的区域。可以利用这两部分区 域图像的直方图估计这幅图像的噪声参数。 幽2 1 检擐! | 图像的平坦区域 f i g 2 1t h em o o t h a r o f t h ed e t e c t i n gi m a g e 图2 2 ，2 3 是图2 1 中的红色框中区域的截图，图2 4 ，2 5 是对应的子图像的灰度 直方图。 图像增强与复原方法在x 射线图像处理中的应用 图2 2 平坦区域a f i g 2 2t h es m o o t ha 吼a 图2 4 平坦区域a 的灰度直方图 f i g 2 a t l g r a y h i s t o g r a m o f s m o o t h a m a 图2 3 平坦区域b f i g 2 3t h e s m o o t h8 u r e ab 图2 5 平坦区域b 2 的灰度直方图 f i g 2 5t h eg r a yh i s t o g r a mo f s r a o o t ha m b 直方图的形状指出最接近的噪声p d f 匹配近似于高斯型噪声，高斯噪声p d f 可以 通过均值和方差两个参数完全确定下来。利用子图像中的数据计算噪声的均值和方差的 最简单的方法是从基本统计量出发利用下面的样本近似： = p ( 刁) ( 1 7 ) a e s o a = ( 毛一) 2 p ( 弓) ( 1 8 ) 心 其中刁是区域s 中像素的灰度值，且p ( 刁) 表示相应的归一化直方图值。 由( 1 7 ) ，( 1 8 ) 两式可得两幅子图像噪声的均值和方差，分别取其平均值作为原始测 量图像噪声的均值和方差。 2 4 基于s s e 指令集的图像处理算法优化 2 4 1s s e 指令集介绍 i n t e l 公司的单指令多数据流式扩展( s s e ，s t r e a m i n gs i m de x t e n s i o n s ) 技术能够 有效增强c p u 浮点运算的能力。s i m d ( s i n g l e i 船咖c t i o i l m u l t i p l e - d a t a ) 是一种使用单 道指令处理多道数据流的c p u 执行模式，即在一个c p u 指令执行周期内用一道指令完 成处理多个数据的操作。 具有i n t c ls s e 指令集支持的处理器有8 个1 2 8 位的寄存器，每一个寄存器可以存 放4 个( 3 2 位) 单精度的浮点数。s s e 同时提供了一个指令集，其中的指令可以允许把 大连理 大学硕十学位论文 浮点数加载到这些1 2 8 位的寄存器之中，这些数就可以在这些寄存器中进行算术逻辑运 算，然后把结果放回内存。 s s e 增加了7 0 条新的指令，同时也添加了一个状态控制字( s t a t u s c o n t r o lw o r d ) 。 s s e 指令集必须要得到操作系统的支持，支持它的操作系统必须能够保存和恢复这个处 理器的状态字。目前，只有m i c r o s o f t 的w i n d o w s 2 0 0 0 和w i n d o w s x p 支持s s e 指令集。 s s e 定义了新的指令、新的数据类型和指令范畴。 这些新添加的指令不是全部用来浮点数s i m d 操作的，在这7 0 条新指令中，有5 0 条是浮点数的s i m d 操作的，1 2 条是针对整数的s i m d 操作的，还有8 条是c a c h e 操作 ( c a c h e a b i l i t y ) 指令。 使用s s e 方式编写的图像处理算法程序理论上可以比原有程序提高至少两倍以上 的运算速度，为x 射线探伤系统图像实时处理的实现打下了良好的基础。 2 4 2 优化原则 对程序的优化，通常是指优化程序代码或程序执行速度。优化代码和优化速度实际 上是一个矛盾的统一，一般是优化了代码的尺寸，就会带来执行时间的增加，如果优化 程序的执行速度，通常会带来增加代码的副作用，很难鱼与熊掌兼得，只能在设计时掌 握一个平衡点 一般优化也应该遵循以下三条原则： ( 1 ) 等价原则：经过优化后不应改变程序运行的功能； ( 2 ) 有效原则：使优化后所产生的目标代码运行时间确实较短，占用空间确实较小； ( 3 ) 合算原则：应尽可能以较低的代价取得较好的优化效果，应当为值得优化的程 序进行优化。 如果确实需要对某些代码进行实质性的优化，那么首先要清楚哪一部分代码的执行 最浪费时间。往往最浪费时间的代码很少，大部分是大量的循环最占用时间 优化的级别常分为三类：算法级优化、语言级优化和指令级优化。 算法级优化：一个好的算法使用非常少的代码就能实现原来很复杂的操作。但这是 很难做到的，尤其是这些算法经常与实际问题有关，所以需要比较和测试才能有好的效 果 语言级优化：就是采用较少的程序语言代码来代替冗长的代码块。例如，把某些赋 值语句放到多循环的外面、使用i n l i n e 函数、使用指针、用引用代替结构赋值、使用指 针的移动代替内存拷贝、把初始化操作放在一开始而不是循环中间等等。它所遵循的原 图像增强与复原方法在x 射线幽像处理中的应用 则是“无代码”原则，减少需要执行的语句是提高速度的最直接的做法。这样的程序比 较简捷，运行效果也比较稳定。 指令级优化：指令级优化即是指使用s s e 指令进行优化。一般要深入得多，这里所 用的语言一般是汇编语言。这种方法的调试和测试比较复杂，程序不太容易懂，也更容 易出错，结果有时与硬件有关。这种方法所针对的代码数量应该比较少，仅是关键的部 分。这样的优化是以指令周期作为单位的。 以下是使用$ s e 指令集优化时的一些建谢孤】： ( 1 ) 重视分支预测算法； ( 2 ) 保证所有数据对齐； ( 3 ) 避免部分寄存器延时； ( 4 ) 调度代码，使之最大限度地配对； ( 5 ) 使用当前流行的通用编译器，以便产生一个优化的应用程序； ( 6 ) 安排代码使指令高速缓冲存储器丢失最小，并使预取指优化； ( 7 ) 对同一块存储区要避免大量存储后再装入少量的数据，也要避免在少量的存储 后再装入大量的数据。使用相同的数据长度，且地址对齐，装入和存储到同一块存储器 区。 一1 2 i 图像增强与复原方法在x 射线图像处理中的应用 3x 射线图像处理的非线性滤波器设计 3 1 图像处理非线性滤波器概述 非线性滤波器的种类繁多，每种类型只对一定应用发挥良好效果。噪声信号( 图像) 的滤波是信号( 图像) 处理的基本任务之一，过去这一任务主要由线性滤波器来完成， 但线性滤波器不能有效地抑制各种非加性高斯噪声，且不利于信号边缘等细节特征的保 持。近年来，噪声信号( 图像) 的恢复问题主要采用非线性滤波器来处理。 与线性滤波器不同，非线性滤波器很难用确定性的时间函数或者频率函数来描述， 必须用统计方法来研究，用离散数学方法来表示。因此，非线性滤波器的分类很难根据 某一标准进行科学划分。从人们的关注程度和发展背景来看，传统非线性滤波器大体上 可以分为四种类型：同态滤波器，形态滤波器，多项式滤波器和排序统计滤波器。 ( 1 ) 同态滤波器( h o m o s t a s i sf i l t e r s ) 同态滤波器【3 2 】是最早出现的一种非线性滤波器，它被用来滤除与信号关联的非加性 噪声。其原理是，首先利用非线性系统将乘性或卷积性等非线性信号组合转变成加性信 号组合，然后进行线性滤波处理，最后再利用非线性逆系统对处理后的信号进行逆变换， 从而得到晟终输出信号。目前，同态滤波器在图象处理、地震和语音信号处理等领域都 获得了普遍应用。 ( 2 ) 形态滤波器= ( m o r p h o l o g i c a lf i l t e r s ) 形态滤波器1 3 3 】是从数学形态学中发展出来的一种新型的非线性滤波器，具有并行快 速实现的特点。形态滤波理论是由麦哲劳恩( g m a t h e r o n ) 和瑟拉( j s m a ) 等人在八十年 代初创立的。形态滤波器是基于图像信号的集合结构特性，利用预先定义的结构元素对 信号进行匹配或局部修正，以达到提取信号，抑制噪声的目的。形态滤波器是对图像进 行预处理的重要技术之一。广义形态滤波器理论的提出，解决了特殊场合图像的去噪处 理问题，提高了图像质量。这个技术在遥感成像、激光成像、医学图像、水下图像等的 处理中有广泛应用，主要应用于形状识别、边缘检测、消除噪声以及图象增强等方面。 近几年来，形态滤波器在图象处理中己成为热门研究课题。 ( 3 ) 多项式滤波器( p o l y n o m i a lf i l t e r s ) 多项式滤波器剀是基于v o l t e r r a 级数表示法的一类非线性滤波器。由于沃特拉级数 是具有存储的泰勒级数，因此可利用截断形式的沃特拉级数表示非线性系统，同时应用 高阶统计学方面知识进行分析。但由于沃特拉级数在高阶时代数计算十分复杂，因此在 图像增强与复原方法在x 射线图像处理中的应用 实际应用中多项式滤波器受到了一定的限制。近年来，二次多项式滤波器( 利用二阶沃 特拉级数) 的研究成功，为其在图象处理方面的应用创造了条件。 ( 4 ) 排序统计滤波器( o r d e rs t a t i s t i cf i l t e r s ) 排序统计滤波器【3 5 1 是建立在排序统计学( o r d e rs t a t i s t i c ) 基础上，它包含了一类类型 广泛的非线性滤波器。线性滤波器在降噪的同时，常常会严重损坏信号的细节信息，而 包括中值滤波、分离中值滤波、极大极小中值滤波在内的许多排序统计滤波器在一定程 度上克服了这一缺点。 通常情况下受脉冲噪声污染的图像采用中值滤波法处理，受高斯噪声污染的图像采 用均值滤波法处理。对实际图像处理过程而言，由于图像往往会受到多种噪声的同时干 扰，因此，单独采用任何一种滤波器，其去噪效果都不能达到最好。为了去除混合噪声， 引入了混合滤波器的概念。 3 2 节和3 3 节就两种典型的混合滤波器进行了研究，分析比较了两种混合滤波器的 性能，并使用s s e 指令实现了算法的并行优化。 3 2 模糊加权均值滤波器( f w a ) 3 2 1 加权平均滤波器 所谓噪声平滑问题，就是估计当前像素的期望值，使得该估计值与其相邻像素之间 的差值在某种意义下最小的问题。实际上，加权平均滤波( 蚓是相对于以下的目标函数的 最佳方法： ，= j ( 五) 一，( ) 2 ( 3 1 ) 这里五和分别是当前像素及其相邻像素的位置，j ( 五) 和，( ) 则分别是对应像素 的灰度值。如果对目标函数，求，( 五) 的导数，并令它等于零，便得到，( 墨) 的更新方 程式： ，( 五) = 坳，( 一) 坳 ( 3 2 ) - l，j - i 这就是著名的加权平均滤波器，其中峋是对应相邻像素一的权值。显然这种方法的性 能取决于权函数。 大连理工大学硕士学位论文 3 2 2 模糊加权均值滤波器( f ) 本节研究了一种迭代式模糊加权均值滤波器【3 7 1 。该算法运用模糊数学的思想提出了 一种基于模糊隶属度的加权均值滤波器，利用模糊隶属度函数的概念对加权均值滤波器 的权值进行优化，使其在降低高斯噪声和保持图像细节等方面的能力都有所提高。 该滤波器引入了模糊理论，将滤波窗内的样本看作一个模糊集a 中的元素，窗内样 本玉根据其样本值有不同的隶属度肛，其隶属度由模糊集的隶属函数( 每) 映射而得， 其中西为样本葺与滤波输出之问的差值。 这里，隶属函数( 吐) 的定义域为【o ，+ 】、值域为【o l 】的单调减函数。当由估计器 算出的估计值导出的隶属度加权均值后所得的值等于原估计值时，达到最佳估计。 根据上述理论，具体算法描述如下： ( 1 ) 首先设滤波输出初值为滤波窗内各样本的均值，由这个初值导出各样本的隶 属度砌； ( 2 ) 对由( 1 ) 导出的模糊隶属度雎，进行加权均值，得到新的输出y t ； ( 3 ) 比较与y l 的差值是否小于预定的阈值譬，若小于该阈值，则迭代结束，输出 为m ；否则由y l 导出新的模糊隶属度h ，； ( 4 ) 依次类推，直至前后两次估计值的差小于阈值。 纽= ! 本算法中取模糊隶属函数( 工，) = 口，其中y 为滤波输出，为尺度参数。图 3 1 为模糊加权均值滤波器算法流程图 图像增强与复原方法在x 射线图像处理中的应用 图3 1f w 滤波器算法流程图 f i g 3 1f l o wc h to f f w af i l t e r 3 2 3f 姒降噪平滑性能和边缘保护能力 ( 1 ) f w a 对于高斯噪声污染的图像，由于其每一点受噪声污染程度有所不同，一次 采用局部均值方法不能有效地利用窗内的像素值。f w a 滤波采用模糊优化权值的方法， 使不同像素有不同权值，靠近滤波输出的像素值权值高，远离滤波输出的像素值权值低， 这样就可以有效地避免重污染点的干扰，同时利用迭代收敛的方法使其达到最优。实验 证明，此种权值优化后的加权均值对于高斯噪声的降噪能力优于均值滤波。 ( 2 ) f w a 对脉冲噪声有极强的抗噪能力，远远优于均值滤波。对于窗内奇异点，由 于它与未受噪声污染的原始像素相差很大，因此经迭代后得到权值非常小，以至可以将 这个像素忽略不计。因此脉冲噪声对f w a 滤波几乎没有影响。其对脉冲噪声的抑制能 力接近于中值滤波。 大连理【= 大学硕士学位论文 ( 3 ) f w a 对于混合噪声污染的图像有很好的降噪平滑能力。一方面，f w a 滤波可 以基本消除脉冲噪声的影响，另一方面，又可以对未受脉冲噪声干扰的像素给与最佳的 平滑，因此其效果优于中值滤波和均值滤波。 普通均值滤波会造成边缘模糊现象，而模糊加权均值滤波可以大大地改善这一缺 陷。当滤波窗内存在边缘时，窗内像素值主要有两个中心，其中一个占多数，另一个占 少数。当进行滤波迭代时，占多数的像素权值逐步加大，而占少数的像素权值逐步减少。 这样，就可以有效地减弱边缘模糊现象。 另外，尺度参数决定着模糊集的形状，当较小时，模糊集形状比较尖锐，从而 对脉冲噪声的消除和边缘的保护效果较好，但对高斯噪声的抑制能力就会有所下降；当 口较大时，对高斯噪声的平滑能力就会较强，但边缘保护能力就会有所下降。大量实验 证明，当口在7 0 左右时，能够比较好地满足以上两种要求 3 2 4f 叭的算法优化 基于s i m d 技术对特定算法的改造，目的是提高算法的运算速度，达到一定的应用 目的的要求。实际改造中不仅需要遵循2 4 2 节介绍的三个原则，而且需要算法在某种 程度上符合优化的运算的条件。改造过程可以大致分为算法分解、数据重排和算法重组 等几个过程，本节介绍f w a 算法改造的主要部分。 1 ) 算法分解：算法分解的主要目的是将复杂的算法分解为几个部分，分别对各个 部分进行分析，然后针对适合改造的算法部分进行改造。f w a 的算法可以分解为计算 样本均值、计算窗内各样本隶属度、计算窗内加权均值和迭代比较判断等几个部分。其 中比较判断由于每次只计算一个值，所以不适宜使用s s e 指令集优化。 ( 2 ) 数据重排：数据重排是要将分解后的算法中的数据排列成四字节对齐的形式( 依 据数据类型的不同字节长度也不同，此处使用四字节浮点数) ，便于使用s s e 指令集 进行优化。以计算样本均值为例，可以使用行滤波或列滤波作近似计算，但从读取数据 的方便性上考虑。可以将模板( 使用3 x 3 模板) 内数据排列成如图3 2 的形式： 图像增强与复原方法在x 射线| 墨l 像处理中的应用 i 。 口帆功口( 刀+ 1 )硝，l ，厅+ 刁 l 。咖+ l ，哪 面l + l ，以+ da ( n + l ，疗+ 2 ) i 。 础+ l ma ( n + 2 , n + 1 )l + 2 ，席+ 2 ) 图3 2 均值滤波的数据排列的一种方式 f i g 3 2d a t am a n g em m 孵o f a v e r a g ef i l t e r 其中，x m m 0 为多媒体寄存器，0 表示不使用寄存器的高3 2 位。这种排列方式每 次计算窗口内两行的6 个数据，对于2 5 6 级灰度图象来说，即是一个指令周期对6 个像 素进行计算，虽然每次浪费寄存器的一个高3 2 位，但这种方式可以使读取数据地址时 方便，既每次在地址上加一就可以快速的读取到下一段数据。提高了读取数据的方便性， 弥补了浪费寄存器带来的时间消耗。 ( 3 ) 算法重组：算法重组是将分解并优化后的代码重新整合考虑程序整体的效率的 过程。通过以上几步的优化后算法效率提高2 7 。 3 2 5 实验结果与讨论 表3 1 不同噪声污染f 鼢滤波输出的归一化均方误差 t a b 3 1n o r m a l i z a t i o nm e a ns q u a r ee l t o ro f d i f f e r e n tn o i s eo f f w af i l t e r 为了对f w a 滤波器的性能有一个直观的了解。对一幅分别受高斯噪声( 盯= 2 0 ) 和脉冲噪声( p = 1 0 ) 污染的图象进行3 x 3 窗f w a 滤波