Métodos de mejora de nitidez para imágenes de bajo contraste basadas en diferencias no locales
Palabras clave:
non-local, SSIM (structural similarity index measure), sharpening, low contrast.Resumen
Varios fenómenos, tales como el ruido cuántico y la dispersión,
existentes en el proceso de obtención de imágenes con rayos
X industriales, así como la complejidad estructural de la pieza
radiografiada, pueden dar como resultado imágenes de rayos
X industriales borrosas y de bajo contraste, lo que origina
dificultades en el análisis de las imágenes de rayos X. Este
estudio propuso un algoritmo mejorado de ajuste adaptativo
para aumentar el contraste y la calidad de estas imágenes
de rayos X. Se estableció una relación de características no
locales entre los píxeles de la imagen y el entorno por medio
de un modelo de filtrado no local basado en el modelo de
medición del índice de similitud estructural (SSIM). Se calculó
la semejanza estructural de los píxeles basados en bloque
en el área de la ventana de búsqueda. El peso mejorado se
combinó con el enfoque de la imagen resultando una gran
mejora. La capacidad del algoritmo para conservar los bordes se
verificó mediante pruebas de imagen. Finalmente, el algoritmo
propuesto contribuyó a mejorar la calidad del contraste de las
imágenes mediante experimentos de simulación. Los resultados
demuestran que las características en diferencias no locales
basadas en zonas anexas reflejan ricos detalles de las imágenes.
Las imágenes de rayos X, de mayor nitidez con el algoritmo
propuesto se caracterizan por sus excelentes efectos visuales y
sus ricos detalles, con valores de entropía de información (IE) de
2,1464, 4,2453 y 3,7283 y similitudes estructurales de 0,9521,
0,9238 y 0,9534. Los pesos calculados por el SSIM indican que
existe una gran similitud estructural entre la imagen nítida
y la original. Las imágenes procesadas por el algoritmo de
contrastado basado en diferencias no locales presentan detalles
valiosos, a la vez que mantienen eficazmente los valores de los
parámetros objetivos. Este estudio proporciona referencias para
mejorar la calidad de las imágenes de bajo contraste.
