16bit灰度图像映射到8bit显示
2015-10-17 09:58
411 查看
图像显示和打印面临的一个问题是:图像的亮度和对比度能否充分突出关键部分。这里所指的“关键部分”在 CT 里的例子有软组织、骨头、脑组织、肺、腹部等等。
技术问题:
o 显示器往往只有 8-bit, 而数据有 12- 至 16-bits。
o 如果将数据的 min 和 max 间 (dynamic range) 的之间转换到 8-bit 0-255 去,过程是个有损转换, 而且出来的图像往往突出的是些噪音。
针对这些问题,研究人员先提出一些要求 (requirements),然后根据这些要求提出了一些算法。这些算法现在都很成熟。
要求一:充分利用 0-255 间的显示有效值域
要求二:尽量减少值域压缩带来的损失
要求三:不能损失应该突出的组织部分
算法分析:
A. 16-bit 到 8-bit 直接转换:
computeMinMax(pixel_val, min, max); // 先算图像的最大和最小值
for (i = 0; i < nNumPixels; i++)
disp_pixel_val[i] = (pixel_val[i] - min)*255.0/(double)(max - min);
这个算法必须有,对不少种类的图像是很有效的:如 8-bit 图像,MRI, ECT, CR 等等。
B. Window-leveling 算法: W/L 是专门为 CT 设计的。原理很简单:CT 图像里不同组织的密度 (用 Hounsfield 单位) 是在固定的值域, 与具体设备和成像软件没有关系。因此,要看头颅时, 我们只需将头颅的值域转换到 0-255 就行了。
CT W/L 不讲头颅值域的 min 和 max, 而说 max - min (即 window_width) 和 (max+min)/2 (即 window_center)。
我们还可以用原来的公式,只是 min 和 max 的算法不一样。
// 先算图像的最大和最小值
min = (2*window_center - window_width)/2.0 + 0.5;
max = (2*window_center + window_width)/2.0 + 0.5;
for (i = 0; i < nNumPixels; i++)
disp_pixel_val[i] = (pixel_val[i] - min)*255.0/(double)(max - min);
请注意,CT 图像必须先转换成 Hounsfield 值再做 window-level。 这个转换包括将多余高位 bits 变成 0 (clipping), 和用 recale slope 和 rescale intercept 来做单位转换。
HU[i] = pixel_val[i]*rescale_slope + rescale_intercept
C.非线性转换
我刚刚说的是将 min 和 max 间的数值线性转换到 0-255 之间。 如果 max - min 出来是个很大的数值,比如说 25500, 那就说每 100 原始密度会压缩成一个显示灰度。 这样的损失可能会很大。
因为人眼对灰度地反应式是非线性的,非线性转换可以解决一些问题。 常用算法有 log 和 gamma 两种。gamma 比较好调 gamma 值,因此用得比较多。
for (i = 0; i < nNumPixels; i++)
disp_pixel_val[i] = 255.0 * pow(pixel_value[i]/(max-min), 1.0/gamma);
D. 有效值域:CT 的 Window-level 有标准的定义,请参看 “Practical CT Techniques", by Wladyslaw Gedroyc and Sheila Rankin, Springer-Verlag。最常用到的有 WW = 400, WL = 40 (实用许多部位);
WW = 100, WL = 36 (头);WW = 3200, WL = 200 (骨头),等等。
补充几点:
o 在做任何转换时要注意有效灰度域外的数值的处理。
最好先用 int 而非 unsigned char 来算,再转入矩阵,以避免 overflow 和 underflow。
double dFactor = 255.0/(double)(max - min);
int nPixelVal;
for (i = 0; i < nNumPixels; i++)
{
nPixelVal = (int) ((pixel_val[i] - min)*dFactor);
if (nPixelVal < 0)
disp_pixel_val[i] = 0;
else if (nPixelVal > 255)
disp_pixel_val[i] = 255;
else
disp_pixel_val[i] = nPixelVal;
}
o 做 window-level 时要注意 min 和 max 之外原始数据的处理
double dFactor, min, max;
int nPixelVal;
min = (2*window_center - window_width)/2.0 + 0.5;
max = (2*window_center + window_width)/2.0 + 0.5;
dFactor = 255.0/(double)(max - min);
for (i = 0; i < nNumPixels; i++)
{
if (pixel_val[i] < min)
{
disp_pixel_val[i] = 0;
continue;
}
if (pixel_val[i] > max)
{
disp_pixel_val[i] = 255;
continue;
}
nPixelVal = (int)((pixel_val[i] - min)*dFactor);
if (nPixelVal < 0)
disp_pixel_val[i] = 0;
else if (nPixelVal > 255)
disp_pixel_val[i] = 255;
else
disp_pixel_val[i] = nPixelVal;
}
技术问题:
o 显示器往往只有 8-bit, 而数据有 12- 至 16-bits。
o 如果将数据的 min 和 max 间 (dynamic range) 的之间转换到 8-bit 0-255 去,过程是个有损转换, 而且出来的图像往往突出的是些噪音。
针对这些问题,研究人员先提出一些要求 (requirements),然后根据这些要求提出了一些算法。这些算法现在都很成熟。
要求一:充分利用 0-255 间的显示有效值域
要求二:尽量减少值域压缩带来的损失
要求三:不能损失应该突出的组织部分
算法分析:
A. 16-bit 到 8-bit 直接转换:
computeMinMax(pixel_val, min, max); // 先算图像的最大和最小值
for (i = 0; i < nNumPixels; i++)
disp_pixel_val[i] = (pixel_val[i] - min)*255.0/(double)(max - min);
这个算法必须有,对不少种类的图像是很有效的:如 8-bit 图像,MRI, ECT, CR 等等。
B. Window-leveling 算法: W/L 是专门为 CT 设计的。原理很简单:CT 图像里不同组织的密度 (用 Hounsfield 单位) 是在固定的值域, 与具体设备和成像软件没有关系。因此,要看头颅时, 我们只需将头颅的值域转换到 0-255 就行了。
CT W/L 不讲头颅值域的 min 和 max, 而说 max - min (即 window_width) 和 (max+min)/2 (即 window_center)。
我们还可以用原来的公式,只是 min 和 max 的算法不一样。
// 先算图像的最大和最小值
min = (2*window_center - window_width)/2.0 + 0.5;
max = (2*window_center + window_width)/2.0 + 0.5;
for (i = 0; i < nNumPixels; i++)
disp_pixel_val[i] = (pixel_val[i] - min)*255.0/(double)(max - min);
请注意,CT 图像必须先转换成 Hounsfield 值再做 window-level。 这个转换包括将多余高位 bits 变成 0 (clipping), 和用 recale slope 和 rescale intercept 来做单位转换。
HU[i] = pixel_val[i]*rescale_slope + rescale_intercept
C.非线性转换
我刚刚说的是将 min 和 max 间的数值线性转换到 0-255 之间。 如果 max - min 出来是个很大的数值,比如说 25500, 那就说每 100 原始密度会压缩成一个显示灰度。 这样的损失可能会很大。
因为人眼对灰度地反应式是非线性的,非线性转换可以解决一些问题。 常用算法有 log 和 gamma 两种。gamma 比较好调 gamma 值,因此用得比较多。
for (i = 0; i < nNumPixels; i++)
disp_pixel_val[i] = 255.0 * pow(pixel_value[i]/(max-min), 1.0/gamma);
D. 有效值域:CT 的 Window-level 有标准的定义,请参看 “Practical CT Techniques", by Wladyslaw Gedroyc and Sheila Rankin, Springer-Verlag。最常用到的有 WW = 400, WL = 40 (实用许多部位);
WW = 100, WL = 36 (头);WW = 3200, WL = 200 (骨头),等等。
补充几点:
o 在做任何转换时要注意有效灰度域外的数值的处理。
最好先用 int 而非 unsigned char 来算,再转入矩阵,以避免 overflow 和 underflow。
double dFactor = 255.0/(double)(max - min);
int nPixelVal;
for (i = 0; i < nNumPixels; i++)
{
nPixelVal = (int) ((pixel_val[i] - min)*dFactor);
if (nPixelVal < 0)
disp_pixel_val[i] = 0;
else if (nPixelVal > 255)
disp_pixel_val[i] = 255;
else
disp_pixel_val[i] = nPixelVal;
}
o 做 window-level 时要注意 min 和 max 之外原始数据的处理
double dFactor, min, max;
int nPixelVal;
min = (2*window_center - window_width)/2.0 + 0.5;
max = (2*window_center + window_width)/2.0 + 0.5;
dFactor = 255.0/(double)(max - min);
for (i = 0; i < nNumPixels; i++)
{
if (pixel_val[i] < min)
{
disp_pixel_val[i] = 0;
continue;
}
if (pixel_val[i] > max)
{
disp_pixel_val[i] = 255;
continue;
}
nPixelVal = (int)((pixel_val[i] - min)*dFactor);
if (nPixelVal < 0)
disp_pixel_val[i] = 0;
else if (nPixelVal > 255)
disp_pixel_val[i] = 255;
else
disp_pixel_val[i] = nPixelVal;
}
相关文章推荐
- 使用C++实现JNI接口需要注意的事项
- 关于指针的一些事情
- c++ primer 第五版 笔记前言
- share_ptr的几个注意点
- Microsoft Windows Vista 简体中文企业版 MVL DVD IMG 32-bit(1.9GB)
- li中插入img图片间有空隙的解决方案
- img的onload的另类用法
- Lua中调用C++函数示例
- Lua教程(一):在C++中嵌入Lua脚本
- Lua教程(二):C++和Lua相互传递数据示例
- C++联合体转换成C#结构的实现方法
- C++编写简单的打靶游戏
- C++ 自定义控件的移植问题
- C++变位词问题分析
- C/C++数据对齐详细解析
- C++基于栈实现铁轨问题
- C++中引用的使用总结
- 使用Lua来扩展C++程序的方法
- C++中调用Lua函数实例
- Lua和C++的通信流程代码实例