Способ и устройство для улучшения распознаваемости различных структур на изображениях, полученных в проходящих лучах

011562 Настоящее изобретение относится к способу улучшения распознаваемости различных структур на изображениях, полученных в проходящих лучах, а также к используемому с этой целью устройству обработки изображений. В медицинской диагностике большое значение имеет обработка изображений в проходящих лучах,таких, например, как рентгеновские снимки. Кости, имплантаты или иные аналогичные структуры обычно заметно выделяются на фоне окружающих мягких тканей и поэтому легко распознаются. И наоборот,структуры мягких тканей, например сухожилия или кровеносные сосуды, обычно отображаются на изображениях в проходящих лучах весьма неотчетливо. Однако для многочисленных картин заболевания успех зависит также, и во многом, от распознаваемости структуры мягких тканей. Кроме того, зачастую трудно отличить друг от друга однотипные ткани. Так, например, малые кости, наложенные на изображении в проходящих лучах на более крупную кость, обычно практически не удается различить невооруженным глазом; сказанное относится и к структурам мягких тканей. Поэтому в подобных случаях врачи,основываясь только на анализе изображений в проходящих лучах, обычно вовсе не могут поставить диагноз либо ставят лишь весьма предположительный диагноз. Определенное улучшение качества распознавания изображений в проходящих лучах обеспечила технология их оцифровывания. С использованием известных методов обработки изображений, например метода усиления контрастности в пределах выбранных фрагментов изображения, при определенных условиях можно обеспечить более четкое выделение на нем, например, структур мягких тканей. Однако этим методом обычно не удается сделать четко различимым сухожилие, расположенное на кости. Меньшие колебания уровня составляющих сигнала изображения, представляющих сухожилие, не могут значительно выступать собственно на интенсивном фоне, соответствующем уровню сигнала, представляющему кость. Используемый экран хотя и отображает малые колебания уровня сигнала в лучшем случае в виде колебаний интенсивности, однако последние настолько малы, что их практически невозможно обнаружить невооруженным глазом. Исходя из вышеизложенного, в основу настоящего изобретения положена задача разработки способа и устройства для улучшения распознаваемости структур различных типов на изображениях в проходящих лучах. Указанная задача решается с помощью способа, охарактеризованного в п.1 формулы изобретения, а также с помощью устройства, охарактеризованного в п.12 формулы. В основе настоящего изобретения лежит тот факт, что в большинстве случаев структуры, распознаваемость которых необходимо улучшить, более или менее четко отличаются по своим размерам и тонкости от остальных структур, отображенных на изображении в проходящих лучах. Поскольку более мелкие и тонкие структуры отображаются в спектре Фурье более высокими частотами по сравнению с более крупными структурами, путем изменения соотношения весовых коэффициентов высокочастотных и низкочастотных составляющих сигнала изображения в спектре Фурье можно добиться усиления контрастности изображения либо для мелких и тонких, либо для крупных и грубых структур. В зависимости от того, являются ли плохо распознаваемые структуры более тонкими или более грубыми по сравнению с хорошо распознаваемыми структурами, соотношение весовых коэффициентов составляющих сигнала изображения в функции частоты изменяют в пользу либо высокочастотных, либо низкочастотных составляющих. В соответствии с изобретением сильнее взвешиваемые составляющие сигнала изображения определяют таким образом, чтобы длины периодов, соответствующих этим частотам, были приблизительно вдвое больше среднего размера структур, распознаваемость которых необходимо улучшить. Это обеспечивает наиболее отчетливое выделение структур, которые вначале были трудноразличимы. В случае выполнения особенно простой фильтрации согласно п.2 формулы изобретения распределение интенсивности в частотной области лишь умножается на функцию фильтрации. Используя центральные значения частоты и профильные функции для задания взвешиваемых частотных диапазонов согласно пп.3 и 4 формулы изобретения, можно оказывать целенаправленное влияние на фильтрацию, используя сравнительно небольшое число параметров. В соответствии с п.5 формулы изобретения в качестве профильной функции наиболее подходит гауссова функция, поскольку она имеет свойство оставаться таковой даже при обратном преобразовании Фурье. Тогда фильтрацию можно представить в пространственной области как свертку распределения интенсивности гауссовой функцией. Тем самым, предотвращается обусловленное фильтрацией размывание на изображении тех мест, на которых резко меняется распределение интенсивности и на которых вследствие этого имеет место особо высокая контрастность. Вопрос о том, какие именно частоты или частотные диапазоны изменять их весовыми коэффициентами, определяется средним размером структур, распознаваемость которых необходимо улучшить. Средний размер структур или соответствующие диапазоны частот можно либо жестко задать, либо свободно выбирать согласно п.6 формулы изобретения с помощью исполнительных органов в устройстве обработки изображений или посредством панели управления (пользовательского интерфейса) ЭВМ верхнего уровня. Таким образом, путем изменения соответствующих параметров фильтрации лечащий врач может целенаправленно улучшать распознаваемость интересующих его структур на самых разнообразных изображениях в проходящих лучах.-1 011562 Кроме того, возможно также автоматическое определение частотных диапазонов при осуществлении адаптивного способа согласно п.7 формулы изобретения. При этом структуры, распознаваемость которых необходимо улучшить, можно выбирать, например,согласно п.8 или 9 формулы изобретения. Дополнительная высокочастотная фильтрация по п.10 формулы изобретения, например с использованием гауссова фильтра по п.11 формулы, приводит к увеличению разности между уровнями сигнала и шума, поскольку уровень составляющих сигнала изображения, отображающих структуры изображения,повышается относительно уровня высокочастотных фоновых шумов. Подобная фильтрация выполняется с учетом того факта, что, как показывает практика, при получении обычно отображаемых изображений амплитуды Фурье уменьшаются с увеличением частоты f. Представленные выше предпочтительные варианты и преимущества способа относятся соответственно и к предлагаемому в изобретении устройству обработки изображений. Другие отличительные особенности и преимущества изобретения более подробно рассмотрены ниже на примере варианта его осуществления со ссылкой на прилагаемые чертежи, на которых показано: фиг. 1 - рентгеновский снимок, на котором различимы пальцевая фаланга и структуры мягких тканей; фиг. 2 - принципиальная схема предлагаемого в изобретении устройства обработки изображений; фиг. 3 - одномерное периодическое распределение интенсивности I(х) в пространственной области; фиг. 4 - распределение F(f) интенсивности в частотной области, полученное в отношении показанного на фиг. 3 одномерного распределения интенсивности I(х) в пространственной области; фиг. 5 - отфильтрованное распределение интенсивности F'(f) в частотной области, полученное путем фильтрации показанного на фиг. 4 распределения интенсивности F(f) в частотной области; фиг. 6 - распределение интенсивности I'(х) в пространственной области, полученное обратным преобразованием Фурье показанного на фиг. 5 отфильтрованного распределения интенсивности F'(f) в частотной области; фиг. 7 - распределение интенсивности F(f) в частотной области, полученное в отношении одномерного распределения интенсивности в пространственной области с двумя профильными функциями g1(f) иg2(f); фиг. 8 - отфильтрованное распределение интенсивности F'(f) в частотной области, полученное путем фильтрации показанного на фиг. 7 распределения интенсивности F(f) в частотной области. На фиг. 1 показан типичный рентгеновский снимок 10 пальца 12, состоящего из нескольких пальцевых фаланг 14, а также окружающей их мягкой ткани 16. Пальцевые фаланги 14, отличающиеся более высокой плотностью от мягкой ткани 16, с высокой контрастностью выделяются на ее фоне, а отдельные структуры мягких тканей, такие, например, как сухожилия 18, практически не различимы на рентгеновском снимке 10. По этой причине диагностирование состояния подобных структур мягкой ткани 16 по рентгеновскому снимку 10 отличается значительной ненадежностью. Даже в том случае, когда полученный обычным путем рентгеновский снимок 10 оцифровывается на сканере и отображается с высокой контрастностью на экране монитора, структуры 18 мягких тканей попрежнему остаются трудноразличимыми. Причина этого заключается в очень высоком уровне составляющих сигнала изображения, отображающих пальцевые фаланги 14 или иную твердую ткань высокой плотности. Малые колебания уровня сигнала, представляющие интересующие врача структуры 18 мягких тканей, практически не обнаруживаются на фоне высоких уровней сигналов, характеризующих пальцевые фаланги 14. Экран монитора с высокой разрешающей способностью хотя и способен при определенных условиях также отображать малые колебания уровня сигнала как колебания интенсивности,однако они настолько малы, что практически не различимы невооруженным глазом. То же самое относится, однако, и к фотопластинам с фотостимулируемым люминесцентным слоем (к ФСЛ-пластинам),запоминающим в неявном виде рентгеновский снимок, который не требует его проявления химическим методом, а считывается оптомеханическим методом сканирования перед отображением на экране монитора. Поэтому с целью улучшения распознаваемости структур 18 мягких тканей оцифрованный рентгеновский снимок 10 проходит предварительную обработку в устройстве 20 обработки изображений,принципиальная схема которого показана на фиг. 2. В состав устройства 20 обработки изображений входит запоминающее устройство MEM, в котором можно сохранять цифровые данные изображения, полученные сканером SCAN. Цифровые данные изображения воспроизводят значения интенсивности I(х, у) для каждой точки P=(х, у) изображения, причем каждую точку P изображения можно кодировать, например, 16-битовым кодом, что позволяет различать более чем 65000 значений яркости. Запоминающее устройство MEM связано с блоком преобразования Фурье FT, с помощью которого можно подвергать преобразованию Фурье цифровые данные изображения, считанные из запоминающего устройства MEM. Распределение интенсивности F(fx, fy) в частотной области (частотное распределение интенсивности), полученное блоком преобразования Фурье FT, представляет собой комплексную функцию в частотной области, определенной координатами fx и fy, и в наглядном представлении имеет значение амплитудного спектра плотности.-2 011562 Кроме того, в состав устройства 20 обработки изображений входит блок фильтрации FIL, способный фильтровать распределение интенсивности F(fx, fy) в частотной области таким образом, чтобы изменялись весовые коэффициенты различных диапазонов частот. Функции этого блока более подробно описаны ниже со ссылкой на фиг. 3-6. Наконец, устройство 20 обработки изображений содержит блок обратного преобразования ФурьеFT-1, который преобразует отфильтрованное блоком фильтрации FIL распределение интенсивностиF'(fx, fy) в частотной области обратно в пространственную область, с получением модифицированного распределения интенсивности I'(х, у) в пространственной области (пространственного распределения интенсивности). К выходу 22 устройства 20 обработки изображений можно подключить монитор 24, на который можно выводить для отображения модифицированное распределение интенсивности I'(х, у) в пространственной области. Фильтрация распределения интенсивности F(fx, fy) в частотной области в блоке фильтрации более подробно описана ниже со ссылкой на фиг. 3-6. На фиг. 3 для координаты х показано распределение интенсивности I(х) в пространственной области, при этом для упрощения это распределение принято периодическим. Распределение интенсивностиI(х) представляет собой взаимное наложение крупного косинусоидального распределения интенсивности с периодом P1 и мелкого косинусоидального распределения интенсивности с периодом Р 2. B этом упрощенном примере крупное распределение интенсивности отображает в данном случае принятую косинусоидальной форму костей, а мелкое распределение интенсивности отображает также принятую косинусоидальной форму косинусоидальных структур мягких тканей, которые расположены сверху в направлении просвечивания и характеристические размеры которых заметно меньше, чем у костей. При этом длина полупериода, т.е. возвышение функции косинуса, соответствует характеристическому размеру соответствующей структуры. Как показано на фиг. 3, мелкое распределение интенсивности, соответствующее структурам мягких тканей, выступает фоном перед сравнительно высоким уровнем сигнала крупного распределения интенсивности, соответствующего кости, таким образом, что относительно небольшие колебания мелкого распределения интенсивности оказываются едва различимыми в случае отображения показанного на фиг. 3 суммарного распределения I(х, у) интенсивности на экране монитора. На фиг. 4 показано распределение интенсивности F(f) в частотной области для показанного на фиг. 3 распределения I(х) интенсивности в пространственной области. Наряду с компонентой, отражающей постоянную составляющую распределения интенсивности I(х) на частоте f=0, распределение интенсивности F(f) в частотной области имеет компоненту со значением f1 и компоненту со значением f2, при этом меньшая частота f1 представляет составляющую крупного распределения интенсивности в пространственной области, а большая частота f2 представляет составляющую мелкого распределения интенсивности в пространственной области. Фильтрацию распределения интенсивности F(f) в частотной области выполняют теперь таким образом, чтобы амплитуды компонент со значением f1 уменьшались, а амплитуды составляющих со значением f2 увеличивались. Этого результата можно достичь, например, посредством следующих операций: где r1 и r2 - коэффициенты усиления, причем r11 и r21. Полученное путем фильтрации отфильтрованное распределение интенсивности F'(f) в частотной области показано на фиг. 5. Сравнение фиг. 4 и 5 показывает, что весомость составляющих сигнала изображения на частоте f1 и составляющих сигнала изображения на частоте f2 изменилась в пользу составляющей сигнала изображения на более высокой частоте f2. На фиг. 6 показано модифицированное распределение интенсивности I'(х), полученное обратным преобразованием Фурье из отфильтрованного распределения интенсивности F'(f) в частотной области. Как показано на этом чертеже, в данном случае колебания мелкого распределения интенсивности, отображающие структуры мягких тканей, отличаются большей амплитудой по сравнению с амплитудой перед фильтрацией и поэтому значительно отчетливее выделяются на фоне колебаний крупного распределения интенсивности, отображающих кости. Рассмотренный выше пример, поскольку он ограничен косинусоидальными структурами только в одном измерении, представляет собой весьма грубое упрощение, которое, тем не менее, особенно наглядно отражает сущность фильтрации. На реальных же изображениях или снимках отображенные структуры имеют любую конфигурацию, изменяющуюся в широких пределах, вследствие чего распределение интенсивности в частотной области, полученное преобразованием Фурье, представляет собой непрерывную по частоте функцию. Если тогда увеличивать или уменьшать только амплитуды на отдельных частотах, что имеет место в описанном выше примере, то результат этих действий отразится на окончательно полученном отфильтрованном изображении неощутимо.-3 011562 По этой причине в предпочтительном варианте весовые коэффициенты составляющих сигнала изображения определяются не только для отдельных дискретных частот, но и для частотных диапазонов(интервалов). Каждый частотный диапазон, весовой коэффициент которого должен быть изменен, определяется с использованием профильной функции. Наиболее пригодной для применения в качестве профильной функции является гауссова функция, поскольку она обладает свойством сохранять вид гауссовой функции и после обратного преобразования Фурье. Таким образом, определение весовых коэффициентов составляющих сигнала изображения путем умножения распределения интенсивности в частотной области на гауссову функцию соответствует в пространственной области свертке распределения I(х, у) интенсивности гауссовой функцией. В свою очередь, результатом этого преобразования является то, что места, на которых распределение интенсивности резко изменяется и которые тем самым отличаются особо высокой контрастностью, после фильтрации не выглядят расплывающимися в пространстве. На фиг. 7 показано распределение интенсивности F(f) в частотной области для любого, т.е. составленного не из косинусоидальных распределений, одномерного распределения интенсивности в пространственной области. Штриховой линией обозначены первая g1(f) и вторая g2(f) профильные функции,которыми в обоих случаях являются заданные уравнением гауссовы функции с центральными значениями соответственно fZ1 и fZ2 и расстояниями соответственноw1 и w2 между центральным значением и точкой перегиба. Расстояния w1 и w2 представляют собой меру ширины колоколообразных профильных функцийg1(f) и g2(f). B этом примере фильтр действует таким образом, чтобы для частот, находящихся на профильной кривой g1(f) вокруг центрального значения fZ1, амплитуды Фурье уменьшались. Для тех же частот, что находятся на профильной кривой g2(f) вокруг центрального значения fZ2, амплитуды Фурье увеличиваются. При этом фильтрация распределения интенсивности F(f) в частотной области выполняется, в частности, согласно уравнению где TF(f) - функция фильтрации, заданная уравнением При этом коэффициенты усиления r1 и r2 показывают степень изменения амплитуд Фурье в частотных диапазонах, заданных профильными функциями. В представленном примере r10, поскольку вокруг меньшей частоты fZ1 амплитуды Фурье должны быть уменьшены. Для коэффициента же усиления r2 действует условие r20, что приводит к увеличению амплитуд Фурье. Влияние проиллюстрированной на фиг. 7 фильтрации на распределение интенсивности F(f) в частотной области показано на фиг. 8. Для частот, находящихся в пределах фильтрующих профилей g1(f) иg2(f), амплитуды Фурье соответственно уменьшены и увеличены путем фильтрации с использованием функции TF(f) фильтрации. Таким образом, на изображении, показанном на экране 24 монитора, крупные структуры пальцевых фаланг 14 отступают на второй план по сравнению с мелкими структурами, такими как сухожилия 18, благодаря чему последние становятся для врача более различимыми. Из уравнений (2)-(4) следует, что в представленном примере фильтрация распределения интенсивности F(f) в частотной области с использованием профильных функций определяется парами значений(fZj, wj). При этом центральные значения fZj предпочтительно выбирать, как и в примере, рассмотренном выше со ссылкой на фиг. 3-6, таким образом, чтобы длины полупериода, соответствующие этим частотам fZj, были примерно того же порядка, что размеры тех структур, отображение которых на изображении необходимо выделить или ослабить путем фильтрации. Если такие типичные размеры структур одинаковы для всех возможных вариантов применения, то центральные значения fZj, а также значения ширины wj профиля можно жестко задать в устройстве 20 обработки изображений. Однако в предпочтительном варианте врач может выбирать эти параметры по своему усмотрению, используя органы 26, 28 управления, предусмотренные в устройстве 20 обработки изображений, для улучшения распознаваемости структур мягких тканей. В зависимости от увеличения, типа и расположения костей, с одной стороны, а также типа исследуемых структур мягких тканей - с другой, такие характеристические размеры в разных случаях могут весьма различаться, благодаря чему подстройка, выполняемая при визуальном анализе изображения на экране 24 монитора, обычно может обеспечить получение наилучших результатов. В другом варианте осуществления изобретения, альтернативном рассмотренному выше, составляющие сигнала изображения, изменяемые посредством их весовых коэффициентов, также могут определяться устройством 20 обработки изображений самостоятельно в процессе осуществления адаптивного способа. С этой целью лечащий врач должен указать, какие структуры мягких тканей необходимо представить более отчетливо. Для этого врач выбирает и помечает участок соответствующей структуры мягкой ткани, предпочтительно краевой участок. На фиг. 1 в качестве примера показана обозначенная позицией 30 метка или выделение, которую врач может создать, например, курсором на экране монитора,-4 011562 используемом для отображения рентгеновского снимка 10, и которая представляет собой в показанном примере две точки и соединяющую их линию 32. Далее устройство 20 обработки изображений выполняет для множества диапазонов частот рассмотренный выше процесс фильтрации и в каждом случае проверяет, насколько за счет этого повышается контрастность вдоль линии 32 между точками в пределах метки 30. Тогда для отображения выводится модифицированное распределение интенсивности, полученное в результате той фильтрации, при выполнении которой была достигнута наивысшая контрастность. В описанных выше примерах исходили из того, что за счет фильтрации в одном лишь частотном диапазоне амплитуды Фурье увеличиваются и в одном лишь частотном диапазоне амплитуды Фурье уменьшаются. Однако результат улучшения распознаваемости зависит только от соотношения амплитуд,так что в принципе для улучшения распознаваемости достаточно и одной из указанных выше мер. С другой стороны, для искомого улучшения качества изображения также может оказаться целесообразным изменять амплитуды Фурье более чем в двух частотных диапазонах. Для индекса j в уравнениях (2)-(4) это означает, что он может принимать не только значения 1 и 2, но и большие значения. Для упрощения раскрытия изобретения пример, рассмотренный выше со ссылкой на фиг. 7 и 8, ограничен описанием одномерного распределения I(х) интенсивности. Для обработки изображений приведенные выше уравнения должны быть преобразованы для применения их к двумерному пространству. Тогда уравнение (3) с учетом уравнений (2) и (4) можно записать в виде Кроме того, функцию TF(fx, fy) фильтрации можно также умножить еще на одну профильную функцию, чтобы увеличить разность между уровнями сигнала и шума. Если в качестве этой профильной функции используется, например, гауссова функция с центральным значением частоты fZ=0 и ширинойw, соответствующей частоте, при которой высокочастотная составляющая сигнала изображения переходит в шум, то составляющие сигнала изображения усиливаются по отношению к уровню шума. Такой выбор профильной функции учитывает то, что у часто формируемых на практике изображений при повышении частоты f амплитуды Фурье уменьшаются, вследствие чего на высоких частотах в большинстве случаев преобладает постоянно присутствующий шумовой сигнал. Очевидно, что приведенные выше описание и пояснения варианта осуществления изобретения носят исключительно иллюстративный характер и, в частности, не ограничивают объем изобретения только улучшением распознаваемости структур мягких тканей. Как указано выше, описанным выше образом можно повысить распознаваемость и различимость не только структур мягких тканей относительно твердых тканей, таких, например, как кости, но и однотипных структур ткани относительно друг друга,если они отличаются друг от друга размерами. ФОРМУЛА ИЗОБРЕТЕНИЯ 1. Способ улучшения распознаваемости различных структур (18) на изображениях (10), полученных в проходящих лучах, с применением устройства (20) обработки изображений, включающий следующие стадии: а) изображение (10), полученное в проходящих лучах и имеющееся в электронной форме, сохраняют в памяти в виде распределения интенсивности в пространственной области; б) выполняют преобразование Фурье для определения распределения интенсивности в частотной области; в) распределение интенсивности в частотной области фильтруют путем изменения соотношения весовых коэффициентов высокочастотных и низкочастотных составляющих сигнала изображения, причем сильнее взвешиваемые составляющие сигнала изображения определяют с учетом среднего размера тех структур, распознаваемость которых необходимо улучшить; г) в отношении отфильтрованного распределения интенсивности в частотной области выполняют обратное преобразование Фурье, в результате чего получают модифицированное распределение интенсивности в пространственной области, в котором эти структуры лучше распознаются,отличающийся тем, что сильнее взвешиваемые составляющие сигнала изображения определяют таким образом, чтобы длины периодов распределения интенсивности в пространственной области, соответствующих этим частотам, были приблизительно вдвое больше среднего размера структур, распознаваемость которых необходимо улучшить. 2. Способ по п.1, отличающийся тем, что отфильтрованное распределение интенсивности в частотной области F'(fx, fy) задано выражением где F(fx, fy) - распределение интенсивности в частотной области, полученное на основе распределения интенсивности в пространственной области;TF(fx, fy) - функция фильтрации для взвешивания составляющих сигнала изображения. 3. Способ по п.1 или 2, отличающийся тем, что функцию фильтрации задают по меньшей мере одним центральным значением частоты и по меньшей мере одной профильной функцией, изменяющей весовые коэффициенты составляющих сигнала изображения в зависимости от расстояния до центрального значения частоты. 4. Способ по пп.2 и 3, отличающийся тем, что функция фильтрации TF(fx, fy) задана выражениемrj - весовой коэффициент для центрального значения частоты fZj; awj - параметр ширины, являющийся мерой ширины профильной функции. 5. Способ по п.4, отличающийся тем, что профильная функция g(fx, fy, fZj, wj) является гауссовой функцией, заданной выражением 6. Способ по одному из пп.3-5, отличающийся тем, что по меньшей мере одно центральное значение частоты и по меньшей мере одну профильную функцию задают с использованием исполнительных органов (26, 28), предусмотренных в устройстве (20) обработки изображений. 7. Способ по одному из пп.3-5, отличающийся тем, что после выполненного оператором выбора структуры, распознаваемость которой необходимо улучшить, на полученном в проходящих лучах изображении адаптивно задают по меньшей мере одно центральное значение частоты и по меньшей мере одну профильную функцию таким образом, чтобы повысить контрастность этой структуры. 8. Способ по п.7, отличающийся тем, что структуру выбирают путем задания точки на контуре структуры и направления, вдоль которого необходимо повысить ее контрастность. 9. Способ по п.7, отличающийся тем, что структуру выбирают путем задания в пределах этой структуры двух точек, между которыми необходимо повысить контрастность. 10. Способ по одному из предыдущих пунктов, отличающийся тем, что распределение интенсивности F(fx, fy) в частотной области дополнительно подвергают высокочастотной фильтрации. 11. Способ по п.10, отличающийся тем, что используют высокочастотный фильтр в виде гауссова фильтра с центральным значением частоты, равным 0. 12. Устройство обработки изображений для улучшения распознаваемости различных структур (18) на изображениях (10), полученных в проходящих лучах, содержащее: а) запоминающее устройство (MEM) для сохранения в нем имеющегося в электронной форме изображения (10), полученного в проходящих лучах, в виде распределения интенсивности в пространственной области; б) блок (FT) преобразования Фурье для определения распределения интенсивности в частотной области путем выполнения преобразования Фурье; в) фильтр (FIL) для фильтрации распределения интенсивности в частотной области путем изменения соотношения весовых коэффициентов высокочастотных и низкочастотных составляющих сигнала изображения, выполненный с возможностью определения сильнее взвешиваемых составляющих сигнала изображения с учетом среднего размера тех структур, распознаваемость которых необходимо улучшить; г) блок (FT-1) обратного преобразования Фурье для выполнения обратного преобразования Фурье в отношении отфильтрованного распределения интенсивности в частотной области с получением модифицированного распределения интенсивности в пространственной области, в котором эти структуры лучше распознаются,отличающееся тем, что определение сильнее взвешиваемых составляющих сигнала изображения выполняется таким образом, чтобы длины периодов распределения интенсивности в пространственной области, соответствующих этим частотам, были по крайней мере приблизительно вдвое больше среднего размера структур, распознаваемость которых необходимо улучшить.