本发明涉及无损检测，尤其涉及一种高动态范围工业x射线图像自动增强混合方法。
背景技术：
1、x射线检测技术是一种非接触、无损的光学检测方法，广泛应用于医疗诊断、航空航天、安全检查、工业检测等领域。
2、x射线成像技术由胶片射线照相技术发展至计算机射线照相技术（cr）以及数字成像技术（dr）。其中，dr技术是如今使用最为广泛的x射线检测技术，也是未来的主要发展方向。然而，在x射线图像成像过程中，由于x射线的量子噪声、散射现象等因素导致x射线图像中包含大量噪声。同时，由于光源功率限制、不同材料对x射线的吸收差异以及被测工件的结构复杂性，导致x射线图像的空间对比度及细节对比度较低。
3、本专利发明人在实现本发明实施例技术方法的过程中，至少发现现有技术中存在如下技术问题：
4、传统x射线图像采用均值滤波滤除高斯噪声，采用中值滤波滤除椒盐噪声，这种方法会导致图像的一些细节信息的损失，而在工业检测中，图像的边缘细节包含着工件重要的缺陷、损伤信息。
5、最近，基于最小二乘的滤波算法被广泛用于高斯噪声的滤除。例如，各向异性扩散法、全变分法(total variation, tv)等。其中，各向异性扩散法通过在边缘处停止扩散来增强图像细节，但是模糊了噪声边缘；tv法能很好的一致噪声，但是容易导致楼梯伪影的问题。
6、最近双边滤波和非局部均值滤波(non-local means, nlm)因其在滤除噪声的同时能够有效地保护图像的边缘细节的优点得到广泛应用。其中，双边滤波是一种非线性滤波，该滤波器通过将每个像素的邻域值加权后取代当前像素值来实现滤波效果，但双边滤波效率比较低。而nlm滤波使用通过判断为最相似的像素的加权平均值来更新像素，但nlm滤波效果差。
7、另外，由于工业x射线检测图像通常为14或16位的图像，是一种高动态范围（hdr）图像，将其直接在计算机显示器中显示时通常表现为一种低光图像，将呈现出较暗的图像，不便于检测人员对产品缺陷的检测与判别，因此在终端显示时需要将其压缩为低动态范围图像（ldr），这一过程称之为色调映射。现有的色调映射方法为全局色调映射方法，使用一个单一的空间不变的映射函数对所有像素进行变换，该方法较为简单，但是容易导致图像细节的丢失。
8、综上，现有被测工件的x射线图像存在对比度低、细节不突出的缺点，无法满足实际检测需求，不利于产品缺陷的检测与判别。
技术实现思路
1、本发明实施例提供一种高动态范围工业x射线图像自动增强混合方法，解决了现有被测工件的x射线图像存在对比度低、细节不突出的缺点，无法满足实际检测需求，不利于产品缺陷的检测与判别的问题。
2、本发明实施例提供了一种高动态范围工业x射线图像自动增强混合方法，包括：
3、步骤s1：将汽车铸件的高动态范围工业x射线图像分解为基础层和细节层；降低所述基础层的对比度；将降低对比度后的基础层和所述细节层合并以进行压缩，得到压缩后的x射线图像，以消除图像噪声；
4、步骤s2：将压缩后的x射线图像通过高频强调滤波，以突出图像中汽车铸件缺陷的细节，高频强调滤波的表达式为：
5、；
6、式中，和表示傅里叶变换和傅里叶逆变换， f(u,v)是上述压缩后的x射线图像 j的傅里叶变换，k表示增强系数，k值大小为控制细节增强程度，为频域高通滤波器， iout2 (x,y)表示高频强调滤波后的输出图像；
7、采用高斯高通滤波器时，表达式如下：
8、；
9、式中， d0表示截止频率处在距频率矩形中心距离，d表示滤波器的频率；
10、步骤s3：对滤波后的x射线图像进行子步骤1至子步骤6的处理，获得最终的高对比度图像；
11、子步骤1：将输入图像分成大小为 m 行 n 列的子块；
12、子步骤 2：计算每个子块的直方图；
13、子步骤 3：计算裁剪阈值t，公式如下：
14、；
15、其中，为裁剪系数；和分别为每个子块x方向和y方向上的像素数量，l为每个子块的灰度级数；
16、子步骤4：对每个子块的灰度直方图进行裁剪，将裁剪部分的像素进行重新分配；
17、假设原始直方图超出裁剪阈值t的像素总数为s，则得到：
18、；
19、其中， h(x)表示被处理图像的原始直方图；
20、于是，转换后直方图h’(x)表示为：
21、；
22、；
23、其中， a表示转换系数；
24、子步骤 5：对子步骤4中像素重新分配后的子块进行直方图均衡化操作；
25、子步骤 6：为克服各子块衔接处的不连续性问题，采用双线性插值进行像素点灰度级数重构。
26、可选的，所述将所述高动态范围工业x射线图像分解为基础层和细节层，具体包括：
27、将所述高动态范围工业x射线图像分解为基础层和细节层，其中，基础层通过对原始hdr图像的对数进行导向滤波后得到，其表达如下：
28、；
29、式中， pi表示原始图像的对数图像； ii表示输入的原始hdr图像 i的每个像素的强度；
30、根据导向滤波器的线性模型，将基础层的每个像素 basei表示为：
31、；
32、式中，和分别表示在窗口中的传递细节的比例因子和调整强度的偏置因子，利用对数图像 pi本身作为导向图像，则和可通过下式给出：
33、；
34、；
35、式中，和分别为输入图像在窗口中的平均值和方差，表示窗口中的 pi的均值，为滤波器窗口的像素数量，为正则化参数；
36、获取细节层 detaili：
37、。
38、可选的，所述降低所述基础层的对比度，具体包括：
39、对基础层的对比度进行调节，需要计算压缩因子：
40、；
41、其中，ccontrast表示对比度系数，base为基础图像。
42、可选的，所述将降低对比度后的基础层和所述细节层合并以进行压缩，得到压缩后的x射线图像，具体为：
43、设置对比度系数，则可得到最终的压缩后图像 ji：
44、。
45、可选的，所述窗口半径大小r=3，所述正则化参数。
46、可选的，截止频率处在距频率矩形中心距离，增强系数k=1.5。
47、可选的，所述裁剪系数，所述行数m=4，所述列数n=4。
48、本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
49、通过本发明的一种高动态范围工业x射线图像自动增强混合方法对典型的汽车铸件的x射线图像进行处理与分析，首先，按照步骤s1对汽车铸件的高动态范围工业x射线图像进行压缩，具有更复杂的计算，能够保留更多的图像细节，能够进行去噪和增强细节，与双边滤波法相比，不仅具有更高效的滤波效率，而且能很好地保持图像梯度信息；然后，按照步骤s2对压缩后的x射线图像进行滤波，能够使用频域滤波法实现图像的增强，能够有效地增强图像的主边缘信息，便于汽车铸件缺陷的检测；最后，采用子步骤s1至子步骤s6拓宽图像灰度级范围，能够提高图像对比度。试验结果表明：本发明能够在提升x射线图像对比度的同时，能够有效突出图像中汽车铸件缺陷的细节，与现有vi3软件处理结果相比，具有更高的对比度和细节增强效果，有利于工业缺陷检测与判别。
1.一种高动态范围工业x射线图像自动增强混合方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述将所述高动态范围工业x射线图像分解为基础层和细节层，具体包括：
3.如权利要求2所述的方法，其特征在于，所述降低所述基础层的对比度，具体包括：
4.如权利要求3所述的方法，其特征在于，所述将降低对比度后的基础层和所述细节层合并以进行压缩，得到压缩后的x射线图像，具体为：
5.如权利要求2所述的方法，其特征在于，所述窗口半径大小r=3，所述正则化参数。
6.如权利要求1所述的方法，其特征在于，截止频率处在距频率矩形中心距离，增强系数k=1.5。
7.如权利要求1所述的方法，其特征在于，所述裁剪系数，所述行数m=4，所述列数n=4。
