FR2653961A1 - Procede de traitement d'une image pour en ameliorer les contrastes. - Google Patents

Abstract

Pour améliorer le contraste d'une image, notamment d'une image radiologique, dont la dynamique est occupée par des grandes structures au détriment du contraste affecté à des petites structures, on effectue un filtrage de l'image à traiter pour en produire un masque flou. Le masque flou est révélateur des grandes structures de l'image. On soustrait ensuite, en une combinaison linéaire, le masque flou de l'image à traiter et on obtient une image dite de combinaison linéaire dans laquelle la représentation des petites structures est favorisée. L'obtention de l'image de masque flou passe par une opération de convolution effectuée sur l'image à traiter. Le noyau de convolution doit être défini sur une emprise large d'un voisinage. Pour ne pas conduire à des calculs trop importants, on modifie l'allure du noyau de convolution en en conservant une forme clairsemés (16, 17) et non plus dense. L'emprise (74) du voisinage est cependant maintenue la même. On montre que sous réserve de respecter une certaine isotropie du noyau clairsemé, on obtient des images non dégradées. On peut également accentuer la résolution des petites structures en faisant passer l'image dans un autre filtre de petit support.

Description

La présente invention a pour objet un procédé de traitement d'une image pour en améliorer les contrastes.

Elle est utilisable notamment dans le domaine médical où les images concernées sont des images de structures internes tissulaires de corps humain sous examen, obtenues à l'issue de protocoles d'acquisition de type radiologique, RMN, scintigraphique, ou même ultrasonore.

Elle pourrait s'appliquer néanmoins à d'autres domaines où des défauts de contraste constatés dans les images se présentent sous une même allure que celle du domaine médical et qui pourraient donc subir un traitement comparable.

Les défauts d'allure des images à étudier dans le domaine médical concernent essentiellement la netteté et le contraste des structures qu'elles représentent. La netteté est un problème de bruit d'image. Elle peut être améliorée par tous les procédés visant à réduire le bruit notamment en détection. Par contre, les problèmes de constraste peuvent se présenter même lorsque l'acquisition a été techniquement de bonne qualité. Les problèmes de contraste sont essentiellement liés à la nature du phénomène physique à représenter par l'image.

Pour expliquer les choses simplement, on peut se référer à un exemple d'image radiologique. Dans une image radiologique, on distingue deux familles de structures : d'une part les tissus, d'autre part les os.

Les valeurs des grandeurs physiques mesurées correspondant à chacune de ces structures sont fortement différenciées. Ainsi, on pourra admettre que, sur une dynamique de valeur 1, la valeur de la grandeur physique mesurée pour les os est de l'ordre de 0,9 tandis que la grandeur physique mesurée pour les tissus est de l'ordre de 0,1. Hormis les cas de représentation des fractures où la visualisation des os est nécessaire, l'occupation de la dynamique par des valeurs mesurées pour ces deux types de structure est préjudiciable à la mise en évidence des altérations subies (des affections) par les organes et tissus. Par exemple, entre un tissu humain non cancéreux et un tissu humain cancéreux, la valeur mesurée est peu différenciée. En simplifiant, on peut admettre qu'elle passe ainsi de 0,100 à 0,105.Compte tenu de ce que la dynamique est utilisée pour montrer toute l'image, on se rend compte que la révélation de ces tissus cancéreux n'est pas efficace. Ils ne sont pas faciles à discerner des tissus sains. Dans un autre exemple, en angiographie un problème se pose lorsqu'on veut regarder des petits vaisseaux peu opacifiés.

On connaît des solutions à ce problème consistant, par un fenêtrage approprié, à réaliser des expansions de contraste. Ces expansions de contraste ont pour effet d'amplifier la dynamique dans une certaine gamme (par exemple entre 0,08 et 0,12) tout en la comprimant dans une autre gamme (par exemple au-dessus de 0,85). Cette technique d'expansion de contraste n'est cependant pas utilisable lorsqu'on ne connaît pas à priori la fenêtre de la dynamique qu'il faut favoriser. Cette technique ne permettrait par exemple pas de voir très clairement des tumeurs affectant un tissu dont la valeur de la grandeur physique mesurée oscille entre 0,400 et 0,420 si la fenêtre d'expansion est centrée sur 0,1.

Pour remédier à ces problèmes, une autre solution a été imaginée. Dans celle-ci, on a reconnu que, par chance, les structures qui étaient fortement différenciées les une des autres étaient de tailles très différentes. Ainsi l'ensemble des tissus mous de même que les os conduisent dans les images à des structures de grande taille. Au contraire, les structures qui sont faiblement différenciées de leur environnement sont en général de petite taille. Pour simplifier, on peut dire que dans une image un os, qui est par ailleurs fortement différencié, occupe une part notable de l'image. Plutôt que de faire porter alors le traitement d'amélioration de contraste sur la valeur de la grandeur physique, on a alors fait porter ce traitement d'image sur la taille de ces structures.

On a ainsi, à partir des images acquises, créé des images floues de ces images acquises. Comme on le comprend simplement, une image floue perd les détails mais conserve les grandes structures. Dans cette autre solution on soustrait l'image floue de l'image acquise telle quelle. Ainsi on ne voit plus apparaître que les petites structures. En pratique, plutôt que de faire une soustraction brutale, on préfère faire une combinaison linéaire des images acquises et floues qui laisse subsister dans l'image de combinaison linéaire en filigrane, la présence des grandes structures de manière à permettre le repérage des petites structures par rapport aux grandes
La mise en oeuvre de cette technique nécessite donc la production d'une image floue dite masque flou de l'image acquise.L'obtention du masque flou peut être acquise en remplaçant la valeur de la grandeur physique, en chaque point d'image, par la somme des valeurs des grandeurs physiques des points d'image qui sont situés dans un voisinage de ce point d'image. Une approche analogique de cette solution consiste alors à filtrer un signal temporel représentatif de cette image (par exemple d'un signai vidéo qui servirait pour représenter l'image). On comprend facilement que les basses fréquences de ce signal temporel représentent les grandes structures, tandis que les hautes fréquences représentent les petites structures. En conséquence, en faisant passer un tel signal vidéo dans un filtre passe bas, on obtient un autre signal vidéo représentatif du masque flou.

Il est alors facile de soustraire le signal vidéo avant filtrage du signal vidéo filtré, de manière à obtenir une image dont les contrastes vont mettre maintenant plus facilement en valeur les petites structures que les grandes structures Au besoin, le signal vidéo résultant de la combinaison linéaire du signal vidéo tel quel et du signal vidéo filtré peut être lui-même affecté par le passage au travers d'un filtre favorisant les fréquences hautes de manière à encore amplifier le contraste affecté aux petites structures. En effet, les petites structures donnent lieu dans un tel signal vidéo à des changements de la valeur de la grandeur physique faibles certes, mais fréquents du fait que ces structures sont petites. Cette dernière amplification conduit cependant à augmenter le bruit dans l'image mais on tolère cette situation.

La technique ainsi présentée est efficace car elle est très rapide et qu'elle souscrit naturellement aux exigences de travail en temps réel qu'on rencontre lorsqu'on veut visualiser une image acquise à un rythme élevé : par exemple, 25 images par seconde en mode télévision. Elle présente cependant un inconvénient en ce sens qu'elle n'est pas très souple.

En effet, les filtres analogiques mis en oeuvre sont des filtres réalisés sous forme matérielle et, si on veut modifier leur action, il est nécessaire d'intervenir sur des boutons de réglage reliés à des organes électroniques analogiques. Cette solution, outre qu'elle n'est pas pratique, est par ailleurs peu stable les organes électroniques en question vieillissent et se dérèglent au cours du temps. Elle n'est aussi pas très industrielle car elle nécessite une phase de calibration en sortie de fabrication.

Une solution plus élégante consisterait à utiliser une expression des signaux sous une forme numérisée et à effectuer les traitements d'amélioration de contraste au moyen de logiciels. On a dans ce cas des filtres parfaits du point de vue théorique et qui présentent l'avantage par ailleurs d'être facilement réglables à partir du clavier d'un ordinateur. Ainsi en envoyant une instruction de modification d'un ou de plusieurs des paramètres du filtrage on peut en modifier les effets.

La solution numérique présente cependant l'inconvénient, par rapport à la solution analogique, de ce qu'elle n'est pas suffisamment rapide.

En effet, on peut admettre que l'obtention d'une image floue doive se faire en attribuant à chaque point de l'image la somme des valeurs des grandeurs physiques des points d'image d'un voisinage assez grand de ce point. En pratique il est nécessaire d'organiser un flou sur un voisinage de l'ordre de 5 % : si on a une image de 512 fois 512 points d'image, chaque point d'image doit recevoir une information correspondant à ce qui se passe pour ses 1000 voisins. Ceci conduit à un voisinage de 31 par 31 points d'image autour de chaque point d'image. On choisit 31 parce que 31 est le premier nombre impair inférieur à 32, lui même puissance de 2.

En prenant des nombres qui sont des puissances de 2, on est assuré d'utiliser au mieux les ressources informatiques à mettre en oeuvre pour effectuer le traitement d'image.

Etant donné que l'on ne veut pas éliminer complètement les grandes structures de l'image à montrer, parce qu'on veut faire une combinaison linéaire qui soit différente d'une soustraction pure et simple, on est alors amené à additionner en chaque point d'image, à une fraction de la valeur de la grandeur physique de ce point d'image, les valeurs des grandeurs physiques des 1000 points d'image voisins de ce point d'image, chacune de ces 1000 valeurs étant elle-même pondérée par un coefficient. Ceci conduit donc pour chaque point d'image, à un nombre très important d'opérations de multiplication-addition. Compte tenu du nombre important de points d'image dans une image, et du rythme temps réel auquel il faut souscrire, la mise en oeuvre de cette technique s'avère en fin de compte irréalisable.Elle conduirait à devoir disposer de matériels informatiques avec une mémoire centrale et une puissance énormes.

Le problème à résoudre est donc de proposer une solution de type numérique, parce qu'elle est plus souple à l'utilisation qu'une solution de type analogique, mais qui soit moins exigeante en terme de matériel à mettre en oeuvre ou en terme de temps de calcul.

L'invention a pour objet d'apporter une solution à ce problème en remarquant que le voisinage des points d'image, s'il doit être grand, c'est-à-dire s'il doit concerner celui englobant les 1000 points entourant un point d'image, n'a pas besoin d'être dense. On a découvert qu'il suffit en effet de prendre un voisinage clairsemé, mais de même emprise que le grand voisinage recherché. On choisit des points d'image dans ce voisinage, de telle façon qu'ils fassent une part sensiblement égale et symétrique aux différentes régions entourant le point d'image traité. On montrera alors que, au lieu d'effectuer N2 opérations de multiplication/ accumulation (N = 31), on aura plus à n'en effectuer que 2N - 1, ou encore mieux 2N - 1 additions et 2 multiplications, ce qui conduit à un gain de vitesse de traitement dans un facteur 30 par rapport à la solution théorique.Sous réserve de respecter une certaine isotropie et une taille suffisante pour le support, ou l'emprise du voisinage, on a pu constater que la simplification ne résultait pas en une dégradation significative de l'image de combinaison linéaire.

L'invention a donc pour objet un procédé de traitement d'une image, notamment de type radiologique, cette image étant définie par une collection de points d'image à distribuer sur la surface de l'image et affectés, chacun, d'au moins une valeur d'une grandeur physique à montrer, cette image comportant des petites structures et des grandes structures, les petites structures présentant, par rapport à leur environnement dans l'image, un plus faible contraste de la valeur de leur grandeur physique que celui présenté par les grandes structures, ce procédé comportant les étapes suivantes:: -on effectue le produit de convolution de l'image à traiter par un un opérateur de flou de manière à obtenir un masque flou de cette image, cet opérateur de flou étant défini sur un voisinage de convolution, à au moins deux dimensions et d'emprise donnée, -on effectue, point d'image par point d'image, une combinaison linéaire de l'image à traiter et du masque flou de cette image, et -on représente une image correspondant à l'image de combinaison linéaire, caractérisé en ce que, pour effectuer le produit de convolution, -on utilise une version numérique de l'image à traiter, -on remplace un voisinage dense, à N.M po#ints d'images selon ces deux dimensions, par un voisinage clairsemé moins dense, mais dont les points d'image sont répartis régulièrement sur la même emprise donnée, afin de réduire l'ampleur des calculs de convolution et d'accélérer le traitement.

L'invention sera mieux comprise à la lecture de la description qui suit et à l'examen des figures qui l'accompagnent. Celles-ci ne sont données qu'à titre indicatif et nullement limitatif de l'invention. Les figures montrent:
- Figure 1 : un exemple d'un mode d'acquisition temps réel d'une image radiologique sur laquelle doivent être appliqués les traitements de l'invention ;
- Figures 2a et 2b : l'allure d'un signal vidéo représentatif de l'image respectivement avant et après traitement selon l'invention
- Figures 3 : un diagramme représentant le traitement à appliquer à l'image à traiter ;
- Figure 4 : une mémoire d'image, et, à la lecture les cellules mémoires concernées par le traitement selon l'invention pour un point d'images
- Figures Sa à 5b :des exemples de supports de noyaux de convolution utilisables dans le procédé de traitement selon l'invention ;
- Figure 6 : un mode de réalisation pratique du traitement correspondant au noyau de la figure Sa.

La figure 1 montre un mode d'acquisition en temps réel d'une image radiologique. Cette image doit être traitée selon l'invention. La figure 1 est donnée à titre d'exemple. Elle pourrait être transposée à des cas où le mode d'acquisition est de type ultrasons ou même dans le cas général lorsque les images sont des images vidéo classiques. L'invention peut également trouver son application dans des protocoles d'acquisition de type
RMN ou de tomodensitométrie dans lesquels la visualisation d'images se fait en temps différé par rapport à l'acquisition. Dans ceux-ci cependant, dans le but de réaliser des animations, on cherche à faire défiler devant un observateur une succession d'images pour rendre compte des déplacements d'une structure mobile ou tout simplement pour rendre compte d'une structure à trois dimensions qui est explorée.Dans ce cas également le traitement doit être en temps réel.

L'installation représentée comporte un tube à rayons X 1 émettant un rayonnement X 2 en direction d'un patient 3 porté par un panneau porte patient 4. A l'opposé du patient 3 par rappport au tube 1, on a disposé un intensificateur d'images radiologiques 5 relié à une caméra qui délivre un signal vidéo 10. Ce signal vidéo est soumis par un processeur de traitement 7 au traitement selon l'invention et le signal vidéo traité 8 peut être visualisé sur un moniteur de visualisation 9. Le signal vidéo dont il est question ici sera, dans l'invention, un signal numérique et non pas un signal analogique. Cependant, dans le but de mieux faire comprendre les effets de l'invention, une représentation analogique de ce signal est montrée.

La figure 2a montre un tel signal vidéo d'image 10 avant traitement. Ce signal 10 est représenté par un trait continu. On distingue également sur cette figure, en tirets, une composante basse fréquence 11 de ce signal, ainsi que, en pointillés, une composante moyenne fréquence 12 de ce signal. Le signal 10 comporte enfin des oscillations 13 très petites à haute fréquence.

Selon ce qui a été indiqué précédemment, on a admis que la composante 11 représentait en fait le dessin d'une grande structure (par exemple un os) dont la quantité d'informations apportée, pour le praticien, est faible en ce qui concerne la discrimination d'une structure pathologique. Par contre, les composantes hautes fréquences 13 représentent la présence des petites structures. Les variations sont très rapides dans le temps et donc sont significatives de petites structures.

La quantité d'informations de ces petites structures est grande en ce qui concerne la discrimination des structures pathologiques (sténoses en angiographie, tumeurs..).

On observe d'une part que la révélation de la grande structure 11 occupe toute la dynamique de 0 à 1 du signal vidéo représenté sur la figure 2a. On remarque par ailleurs que les altérations haute fréquence se situent à n'importe quel endroit sur le signal vidéo 10 de sorte qu'il est assez hasardeux de choisir à priori une fenêtre 14 de dimensions réduites pour laquelle on chercherait à augmenter le contraste.

La théorie développée jusqu'à présent consiste à extraire un signal tel que le signal 11 et à le soustraire du signal 10. L'extraction du signal 11, compte tenu qu'il comporte essentiellement des basses fréquences, revient à faire passer le signal 10 à travers un filtre passe bas. En effectuant la soustraction signal 10 - signal 11, on peut obtenir un signal qui est essentiellement révélateur des hautes fréquences 13. Comme on l'a dit précédemment, plutôt que de faire une soustraction pure, on préfère faire une combinaison linéaire du signal 10 et du signal 11, de manière à laisser subsister quand même une contribution des grandes structures, de manière à permettre le repérage des petites structures par rapport aux grandes structures.En ayant fait ce traitement, on aboutit au signal 15 représenté sur la figure 2b, où, pour l'essentiel, on constate que la représentation des grandes structures n'occupe plus toute la dynamique possible. Il devient alors envisageable d'amplifier le signal 15 de façon à favoriser les petites structures les hautes fréquences. Au besoin, l'amplification peut être effectuée avec un passage supplémentaire dans un filtre passe haut.

Dans la suite de l'exposé, le signal 10 est le signal à traiter, le signal 11 est le signal de masque flou de l'image. Le signal 15 est le signal résultant de la combinaison linéaire de l'image à traiter et de l'image de masque flou. Si on appelle f l'expression algébrique du signal 10 (en fonction du lieu xy dans l'image du point d'image concerné, ou en fonction du temps t quand il s'agit d'un signal vidéo) et si on appelle g le signal de combinaison linéaire, on peut écrire
g = a.f + b. (h*f).

Dans cette expression, a et b sont les coefficients de la combinaison linéaire, h représente un opérateur masque flou et * représente l'opération de convolution.

On peut écrire encore l'expression de g sous la forme suivante
g = a.f(i.j) + b.S f(i-k,j-l).h(k,l)
k,l quand il s'agit d'un cas discret, comme dans celui de l'invention, où le traitement sera fait sous forme numérique au lieu d'être analogique. Ceci peut encore s'écrire
g = a.f(i.j.) + b.E f(i.j) .h(i-k,j-l)
k,l
Cette seconde expression est plus adaptée à une solution informatique. La signification physique du filtre représenté par l'opérateur h de masque flou ainsi représenté est la suivante.On remplace chaque valeur de la grandeur physique affectée à un élément d'image de l'image à traiter par la somme de toutes les valeurs des grandeurs physiques affectées aux éléments d'image situés dans un voisinage, d'emprise donnée, autour de cet élément d'image. Au préalable, compte tenu de la combinaison linéaire évoquée, on multiplie chacune de ces valeurs de grandeur physique dans ces points d'image par un coefficient b. Par ailleurs, on multiplie les valeurs des points d'image de l'image à traiter par un coefficient a, et on additionne les résultats de ces deux opérations pour constituer la valeur à réprésenter du signal de combinaison linéaire.

La figure 3, dans sa partie gauche, montre le traitement ainsi effectué. L'opérateur h correspond donc à l'opération de multiplication-addition des valeurs des grandeurs physiques sur le voisinage du point d'image concerne. Ainsi qu'il a été indiqué plus haut, il est nécessaire de choisir un voisinage suffisamment grand de manière à éliminer correctement les composantes hautes fréquences pour produire le signal du masque flou de l'image qui contienne le moins possible ces composantes.

On comprend en effet, en appliquant la théorie de
Shannon, que les hautes fréquences spatiales, dont la période spatiale est supérieure à la moitié de la largeur du voisinage, vont substituer dans le signal de masque flou. Au moment de la combinaison linéaire, elles seront éliminées.

Dans l'invention, on met en oeuvre un tel système avec un opérateur de masque flou, comme celui qui vient d'être décrit, et dont l'emprise du domaine est également grande, par exemple de 31 x 31 éléments d'image. Cependant, plutôt que de prendre en considération tous les éléments d'image du domaine dans son expression dense, on n'en prend qu'une partie dans une expression clairsemée. On s'est rendu compte en effet que différents groupes de points d'image donnent des résultats acceptables. Cependant, ils ne donnent ces résultats acceptables que si l'on respecte une certaine isotropie de la distribution des points et une taille suffisante de l'emprise.

Dans l'invention, cf. figure 4, plutôt que de choisir tous les éléments d'image voisins d'un point d'image, on préfère ne choisir que ceux qui sont disposés par exemple sur les bras et les montants d'une croix. Ceci conduit au respect de l'emprise, qui est alors la même que si on avait pris tous les éléments d'image du domaine dans son expression dense. Ceci constitue par ailleurs une bonne répartition isotropique du noyau de convolution. Enfin, par le nombre réduit d'éléments d'image que l'on va considérer, on réduit de manière importante le nombre d'opérations de muîtiplication/accumulation à effectuer. Si la taille de l'emprise du voisinage est de N fois N élements d'image, le nombre d'éléments d'image contenus dans cette emprise dans son expression dense est de N2, alors qu'avec la croix de l'invention on se propose de n'en prendre que 2N - 1. Le nombre des opérations est réduit en correspondance.

Les figures Sa à 5d donnent d'autres exemples de l'expression clairsemée du noyau. Plutôt que de prendre en considération des éléments d'image situés sur les médianes 16 et 17 de l'emprise, on peut choisir de prendre en considération les diagonales 18 et 19 de la figure 5b. Ou encore, on peut admettre les éléments d'image qui se trouvent sur les contours fermés et concentriques 20, 21, 22, 23 de la figure 5c, ou encore, sur le dessin en spirale 24 de la figure 5d. Ces contours et ce dessin possèdent tous la propriété d'être inscrits dans la même emprise 25 du domaine de convolution qui a été jugé suffisamment grande pour éliminer efficacement les composantes à haute fréquence spatiale du signal à traiter, de manière à ne produire qu'un signal de masque flou seul.

Compte tenu que les images à traiter sont préalablement numérisées dans un convertisseur analogique numérique 71, le processeur de traitement 7 utilise des mémoires d'image. Des mémoires d'images sont des mémoires dont le mode de lecture est organisé pour convenir à la visualisation d'une image. Le processeur de traitement peut être suivi en aval d'un convertisseur numérique analogique (non représenté) pour permettre la visualisation d'un signal vidéo classique. La lecture des mémoires d'image se fait de préférence selon un mode d'adressage séquentiel plutôt que selon un mode d'adressage aléatoire. On peut ainsi mieux respecter les contraintes de temps réel imposées par ailleurs.Comme on le comprendra par la suite, les répartitions des points d'image utiles sur les médianes 16 et 17 ou sur les diagonales 18, 19 sont préférées, parce qu'elles souscrivent mieux aux impératifs de lecture séquentielle de la mémoire d'image que les autres. Cependant, cette raison mise à part les autres profils conviennent aussi.

Ce qu'il est important de respecter est une répartition relativement symétrique, par rapport aux points d'image à considérer, des éléments d'image pris en compte dans le domaine de convolution. Dans cet esprit, l'emprise du domaine pourrait être de N x M points d'image. En particulier si l'image de départ n'est pas carree.

La figure 3, en relation avec le tableau ci-dessous

permet de mieux comprendre l'opération de convolution.

Dans le tableau représenté, la première matrice représente l'opération identité. Elle correspond à la branche basse 26 de la combinaison linéaire de la partie gauche de la figure 3a. Par contre, la deuxième matrice représente l'opérateur de convolution simplifiée selon l'invention. Il correspond à la branche haute 27. La matrice identité ne possède que des zéros, en tous ses termes, sauf un 1 au terme central. La matrice de convolution selon l'invention comporte des zéros en tous ses termes, sauf des 1 dans des endroits clairsemés situés sur les profils des figures Sa à 5d. L'opérateur identité revient à considérer l'élément d'image seul, l'opérateur de convolution concerne le filtrage basse fréquence. Les coefficients a et b représentent les coefficients de pondération de la combinaison linéaire.

Plutôt que de ne prévoir que des 1 dans les termes choisis de la matrice de convolution, il est possible d'utiliser des coefficients du type e-(x). Ceci permet par ailleurs d'éliminer, en radiologie des effets de diffusés dans les images.

Normalement, Si l'opérateur de convolution avait été dense (s'il avait possédé des 1 partout), les coefficients a et b auraient dû souscrire aux conditions suivantes : a aurait dû être plus grand que 0 parce qu'on ne doit pas inverser, avec l'opération, le contraste de l'image, et b aurait dû être inférieur à 0, parce qu'en fait, le masque flou est soustrait de l'image. Par ailleurs, compte tenu de ce qu'il faut conserver le niveau moyen de la valeur de la grandeur physique de l'image, on aurait été conduit à retenir des valeurs a et b telles que
a + b.N2 = 1.

Dans le cas présent, compte tenu de ce que l'opérateur de convolution n'est plus dense, il faut que l'on ait
b = (1 - a)/(2N - 1).

Ceci assure alors la conservation du niveau moyen de la grandeur physique de l'image.

On peut combiner l'opération de convolution et l'opération de combinaison linéaire de manière à aboutir directement au résultat en utilisant alors un opérateur unique représenté par le tableau 2 ci-dessous.

Dans celui-ci, a vaut b et p vaut a t b. On constate qu'on peut ainsi réaliser l'opération totale de filtrage et de combinaison linéaire au moyen d'une seule convolution dont par ailleurs le nombre des opérations de multiplication/accumulation est réduit. En effet, il est ici réduit à 2N - 1.

Cependant, si on utilise l'expression du tableau 1 telle quelle, on va montrer qu'on peut réaliser l'opération avec 2N - 1 additionneurs et seulement 2 multiplieurs. Les opérations de convolution et d'addition ou de multiplication sont effectuées par des circuits intégrés électroniques présentés dans des boîtiers disponibles sur le marché. Compte tenu du coût, de l'encombrement, et de la vitesse de calcul des boîtiers de convolution d'une part et des boîtiers d'addition et de multiplication d'autre part, la deuxième solution peut être préférée.

La mise en oeuvre de la deuxième solution est schématiquement représentée sur le diagramme de la figure 6. On y distingue la mémoire dtimage 72 du processeur de traitement 7 ainsi qu'un opérateur spécialisé 73 selon l'invention. On a représenté dans cette mémoire d'image l'emprise 74 du domaine de convolution retenu pour pondérer la valeur de la grandeur physique stockée dans un élément d'image 75 de cette mémoire d'image 72. La mémoire d'image est lue de manière séquentielle : c'est-à-dire ligne par ligne.

Compte tenu de la particularité du traitement impliqué et du mode de lecture ligne par ligne, le contenu d'informations stocké dans les cellules mémoire de la mémoire est envoyé dans des registres à décalage tel que 76 constituant des lignes à retard.

Au moyen d'un additionneur 77 rebouclé sur lui-même, on peut additionner au fur et à mesure les valeurs des éléments d'image contenus sur la médiane 16 du noyau de convolution. On additionne ainsi N valeurs de la grandeur physique stockée en mémoire. Lorsqu'une N + unième est appliquée à l'entrée de l'additionneur 77, on en retranche la valeur de la première. De cette façon, l'additionneur 77 délivre en permanence (en temps réel) un résultat correspondant à l'addition des N dernières valeurs délivrées.

Avec les lignes à retard, on s'arrange pour que le résultat de l'additionneur 77 soit présenté à l'entrée d'un circuit d'addition 78 comprenant plusieurs étages en même temps que toutes les valeurs de grandeur physique des éléments d'image situés sur la médiane 17.

Dans l'hypothèse retenue où le voisinage est un voisinage à 31 éléments d'image, le premier étage de l'additionneur 78 comporte 15 additionneurs. Les 15 additionneurs additionnent 2 à 2 les résultats délivrés par les lignes à retard 76 correspondant aux différentes lignes de lecture de la mémoire 72. A un étage suivant du circuit 78, les résultats de ces 15 additionneurs sont additionnés 2 à 2 entre eux et avec le résultat délivré par une ligne en retard placée en aval de l'additionneur 77. Ils sont ainsi combinés 2 à 2 dans 8 autres additionneurs. Les résultats délivrés par ces 8 autres additionneurs sont ensuite additionnés 2 à 2 dans 4 autres additionneurs puis dans 2 autres additionneurs, et enfin dans un damier additionneur. De cette façon, on a utilisé 30 additionneurs. Le résultat délivré par le circuit d'addition 78 est appliqué à l'entrée d'un multiplieur 79. Ce multiplieur 79 multiplie ce résultat par b. Dans le même temps, un multiplieur 80 multiplie par a la valeur de la grandeur physique stockée dans l'élément d'image 75. Les résultats des deux multiplieurs 79 et 80 sont appliqués aux entrées d'un dernier additionneur 81 dont la sortie est reliée au moniteur 9 par l'intermédiaire d'un convertisseur numérique analogique non représenté.

La solution ainsi présentée permet d'une part d'avoir un nombre limité d'additionneurs, en pratique 2N, et un nombre très limité de multiplieurs, en pratique 2. Le matériel nécessaire pour mettre en oeuvre l'invention est donc peu important. En outre, le traitement en temps réel est ainsi simplement réalisé.

En effet, le retard à l'affichage dû au calcul ainsi présenté n'est pas perceptible à l'oeil humain.

Du deuxième tableau présenté ci-avant, on montre que les opérations de constitution du masque flou par filtrage (branche 27 figure 3) et de pondération addition (branche 26 figure 3) peuvent être réalisées par une opération de convolution unique. On peut choisir de réaliser l'invention en utilisant des boitiers convolueurs programmés avec des coefficients a et p où a = b et p = a + b.

D'une manière préférée, on a découvert qu'on obtenait de bons résultats en choisissant pour a et b les valeurs données par le tableau 3 suivant, alors que
N valait 15 (au lieu de 31).

a = 1.5 b = -0.017
2 -0.034
2.5 -0.052
3 -0.068
4 -0.103
5 -0.138
10 -0.310
De manière à effectuer l'amplification sélective des signaux haute fréquence comme vu précédemment, on procède d'une manière identique pour traiter le signal de combinaison linéaire ainsi produit. On crée alors un deuxième masque flou, mais dont le domaine de convolution est alors bien plus petit. Par exemple, on se contente d'un voisinage de 5 éléments d'image par 5 éléments d'image autour de chacun des éléments d'image.

Le deuxième masque flou d'image ainsi constitué est alors représentatif des composantes 12 de fréquence moyenne de l'image. En soustrayant à nouveau ces composantes de fréquence moyenne de l'image de combinaison linéaire préalablement calculée, on renforce automatiquement la contribution des signaux de haute fréquence. Ceci concerne les petites structures qui sont en gros plus petites que 3 éléments d'image.

Dans ce cas, compte tenu de ce que le voisinage est peu important, chaque élément d'image peut être confronté à ses 24 voisins. Il n'est pas nécessaire d'utiliser une expression clairsemée de ce voisinage. On peut le prendre en entier. La figure 3, dans sa partie droite, montre le signal m obtenu en faisant subir à l'image g de combinaison linéaire, un traitement de convolution du même type mais avec d'autres coefficients a' et b' et sur une emprise du domaine de convolution plus faible, par exemple 5 par 5.

On a décrit jusqu'ici un masque flou à deux dimensions pour représenter des images visibles.

Cependant, dans des acquisitions de type tomodensitométrique ou RMN, on arrive à une connaissance en volume du corps étudié. On peut alors vouloir, pour des mêmes raisons de défauts de présentation d'image, effectuer des traitements comparables pour tous les points d'image du volume image. Dans ce cas, le domaine de convolution sera un domaine à trois dimensions. Son expression clairsemée revient (en prenant une troisième médiane élevée perpendiculairement aux médianes 16 et 17 de la figure 5a) à ne considérer que 3 N - 1 élements d'image au lieu de N3. Le gain en vitesse ou en matériel est alors de l'ordre de de 1000.

Claims (8)

REVENDICATIONS

1-Procédé de traitement d'une image (10), notamment de type radiologique, cette image étant définie par une collection de points (75) d'image à distribuer sur la surface (72) de l'image et affectés, chacun, d'au moins une valeur d'une grandeur physique à montrer, cette image comportant des petites structures (13) et des grandes structures (11), les petites structures présentant, par rapport à leur environnement dans l'image, un plus faible contraste de la valeur de leur grandeur physique que celui présenté par les grandes structures, ce procédé comportant les étapes suivantes:: -on effectue le produit de convolution (h) de l'image à traiter par un un opérateur de flou de manière à obtenir un masque flou de cette image, cet opérateur de flou étant défini sur un voisinage de convolution, à au moins deux dimensions et d'emprise donnée (25), -on effectue, point d'image par point d'image, une combinaison linéaire (a, b, 81) de l'image à traiter et du masque flou de cette image, et -on représente (9) une image correspondant à l'image de combinaison linéaire, caractérisé en ce que, pour effectuer le produit de convolution, -on utilise une version numérique (71) de l'image à traiter, -on remplace un voisinage dense, à N.M points d'images selon ces deux dimensions, par un voisinage clairsemé (16, 17) moins dense, mais dont les points d'image sont répartis régulièrement sur la même emprise donnée, afin de réduire l'ampleur des calculs de convolution et d'accélérer le traitement.

2-Procédé selon la revendication 1, caractérisé en ce que N=M, et en ce que le voisinage clairsemé ne comporte que 2N-1 points d'image.

3-Procédé selon l'une quelconque des revendications 1 ou 2, caractérisé en ce que les points d'images du voisinage sont répartis selon des médianes (16, 17) de l'emprise.

4-Procédé selon l'une quelconque des revendications 1 ou 2, caractérisé en ce que les points d'images du voisinage sont répartis selon des diagonales (18, 19) de l'emprise.

5-Procédé selon l'une quelconque des revendications 1 ou 2, caractérisé en ce que les points d'images du voisinage sont répartis selon une spirale (24) qui s'inscrit dans l'emprise.

6-Procédé selon l'une quelconque des revendications 1 ou 2, caractérisé en ce que des points d'images du voisinage sont répartis selon des contours fermés concentriques (20-23) qui s'inscrivent dans l'emprise.

7-Procédé selon l'une quelconque des revendications 1 à 6, caractérisé en ce qu'on effectue en outre sur l'image de combinaison linéaire un autre produit de convolution par un autre opérateur de flou (h'), cet autre opérateur étant défini sur un voisinage d'emprise plus faible que celle du premier voisinage

8-Procédé selon l'une quelconque des revendications 1 à 7, caractérisé en ce que l'opération de convolution (4) et de combinaison linéaire (a, b, 81) sont réalisées par une convolution unique de support en forme de croix comportant deux valeurs a etss, de coefficients, a étant le coefficient des branches de la croix, et p le coefficient du centre de la croix.