- 相關(guān)推薦
基于人眼視覺(jué)特性的多尺度DR圖像增強(qiáng)方法
【摘要】 為了在增強(qiáng)對(duì)比度的同時(shí)又能較好地表現(xiàn)細(xì)節(jié)，我們提出了一種基于人眼視覺(jué)特性的多尺度圖像增強(qiáng)方法，該方法在對(duì)數(shù)域進(jìn)行圖像的高低頻分離，并對(duì)兩部分分量分別進(jìn)行直方圖均衡和局部增強(qiáng)處理。此方法結(jié)合了直方圖均衡和局部增強(qiáng)算法的優(yōu)點(diǎn)，增強(qiáng)后的DR圖像效果較好。
【關(guān)鍵詞】 DR醫(yī)學(xué)圖像;變換域;局部增強(qiáng);直方圖均衡;Retinex
A Multi-scale Image Enhancement Method
based on Human Visual PropertiesYU Dai, BAO Xudong
(Laboratory of Image Science and Technology, Southeast University, Nanjing 210096)
Abstract：In order to enhance the image contrast as well as to represent the image details, we propose a new multi-scale contrast enhancement algorithm which separates the low frequency signals and the high frequency signals of the image in logarithmic domain, processes them separately by using HE method and local contrast enhancement. This method integrates HE and local contrast enhancement and finally produces a visually comfortable result image.
Key words：Medical image;Ttransform domain; Local enhancement;Histogram equalization; Retinex
1 引 言
數(shù)字X線攝影(DR)圖像在醫(yī)學(xué)診斷中有著廣泛應(yīng)用，能夠幫助醫(yī)生發(fā)現(xiàn)病灶、提高診斷正確率。但由于人體結(jié)構(gòu)和組織的復(fù)雜性，以及數(shù)字X線成像系統(tǒng)中X線散射、電器噪聲、光量子噪聲等各種不利因素的影響，使得DR圖像成像效果不盡如人意，影響醫(yī)學(xué)診斷的正確性。因此，對(duì)DR圖像進(jìn)行處理是必不可少的。[1]
未經(jīng)處理的DR圖像有如下特點(diǎn)：信息量大，對(duì)比度低，細(xì)節(jié)豐富但湮沒(méi)不可分辨。另外，圖像常常伴有較為明顯的椒鹽噪聲。因此，對(duì)于DR圖像的圖像增強(qiáng)算法，要求能夠在提高圖像的動(dòng)態(tài)范圍、增強(qiáng)對(duì)比度的同時(shí)，盡可能抑制噪聲的放大。
直方圖均衡是圖像增強(qiáng)處理最為常用的方法之一，是將給定圖像的直方圖分布映射成為均勻分布的直方圖，從而提高圖像的動(dòng)態(tài)范圍，增強(qiáng)圖像對(duì)比度。但直方圖均衡存在一些缺陷，例如當(dāng)圖像灰度集中于某個(gè)灰度值時(shí)，經(jīng)過(guò)直方圖均衡的圖像會(huì)出現(xiàn)“洗白”的效果，見(jiàn)圖1。另外，基于直方圖的圖像增強(qiáng)方法利用的是圖像的灰度統(tǒng)計(jì)信息，并未考慮到圖像灰度在空間上相關(guān)性。
局部對(duì)比度增強(qiáng)方法，能夠顯著提高圖像局部的對(duì)比度，但同時(shí)對(duì)于噪聲有放大作用，且對(duì)全局對(duì)比度的提高沒(méi)有顯著作用。
綜合以上考慮，我們提出一個(gè)結(jié)合局部增強(qiáng)和全局直方圖均衡的算法。主要原理是在不同尺度上提取圖像細(xì)節(jié)予以增強(qiáng)[2-3]，并根據(jù)Retinex理論對(duì)圖像照明分量用直方圖均衡方法進(jìn)行處理，最后對(duì)上述高低頻分量進(jìn)行混合，使之在圖像動(dòng)態(tài)范圍得以改善的同時(shí)也能增強(qiáng)局部對(duì)比度，最終得到較好的視覺(jué)效果。
2 算法與分析
2.1 Retinex模型
按照Retinex圖像理論[4-5]，一般自然景物的圖像f(i,j)可以用照明函數(shù)I(i,j)和反射函數(shù)R(i,j)的乘積來(lái)表示，照明函數(shù)描述景物照明，與景物無(wú)關(guān);反射函數(shù)R(i,j)包含景物的細(xì)節(jié)，與照明無(wú)關(guān)�；谠撃Ｐ�，定義理想的圖像f(i,j)為：
f(i,j)=R(i,j)×I(i,j)
利用對(duì)數(shù)函數(shù)，可以將兩者分開(kāi)，同時(shí)也符合人眼主觀亮度近似為客觀亮度的對(duì)數(shù)這一視覺(jué)特性。
ln〔f(i,j)〕=ln〔R(i,j)〕+ln〔I(i,j)〕
一般認(rèn)為，照明分量的頻譜落在空間低頻區(qū)域，通常具有變化緩慢的特性;而反射分量的頻譜落在空間高頻區(qū)域，隨著圖像細(xì)節(jié)不同在空間上迅速變化。若物體受到照明度明暗不均時(shí)，圖像上對(duì)應(yīng)照度暗的部分，其細(xì)節(jié)就較難分辨。
2.2 局部增強(qiáng)技術(shù)
醫(yī)學(xué)X光圖像大多存在對(duì)比度不足的缺陷，但僅僅利用全局信息的增強(qiáng)技術(shù)往往不能夠達(dá)到很好的對(duì)比度增強(qiáng)效果。
局部增強(qiáng)技術(shù)是解決該問(wèn)題的途徑之一。一般認(rèn)為，窗口中心的像素灰階與窗口鄰域中所有的像素灰度值相關(guān)[6]。本研究利用局部窗口中像素灰度均值作為基準(zhǔn)，計(jì)算窗口中心像素灰度與均值的差，并按照一定的拉伸函數(shù)對(duì)差值進(jìn)行拉伸，從而增強(qiáng)局部對(duì)比度。
y(m,n)=u(m,n)+A(x(m,n)-u(m,n));
其中，u(m,n)表示局部均值，A表示增益系數(shù)。增益系數(shù)的選擇對(duì)于圖像處理效果也有較大影響。若選擇常數(shù)作為增益因子，在灰度陡然變化的邊緣部分往往會(huì)出現(xiàn)偽影，且無(wú)法控制噪聲的放大。所以，一般將增益因子看成是關(guān)于原始圖像的函數(shù)，找到合適的增益函數(shù)較為困難[7]。
經(jīng)過(guò)多次實(shí)驗(yàn)，我們采用了冪函數(shù)形式的增益函數(shù)y=bxa，見(jiàn)圖2。
圖2 歸一化增益函數(shù)圖像
Fig 2 Normalized gain function figure職稱(chēng)論文
通過(guò)對(duì)a值的選擇，可以按不同的曲線對(duì)歸一化差值進(jìn)行拉伸。選擇a=0.8的曲線(圖中紅色曲線所示)，使差值較小的部分拉伸幅度較大，而差值較大部分拉伸幅度較小。利用這樣的增益函數(shù)，使許多被湮沒(méi)的細(xì)節(jié)得以顯現(xiàn)。
2.3 算法思路與基本步驟
本研究的主要思路，在對(duì)數(shù)域上[8]對(duì)圖像在大、中、小三個(gè)尺度下進(jìn)行高頻/低頻信息的分離，使原圖中各個(gè)尺寸的結(jié)構(gòu)和細(xì)節(jié)顯現(xiàn)在不同尺度下，并在不同尺度下實(shí)行局部對(duì)比度拉伸，從而凸顯細(xì)節(jié)。
在此基礎(chǔ)上，結(jié)合Retinex理論，將最大尺寸下分離出的低頻圖像看成是原圖像的照明分量，對(duì)該部分圖像進(jìn)行直方圖均衡，使其有較為均衡的灰度分布。
最后對(duì)各個(gè)尺度下的分量進(jìn)行混合，映射到灰階域。基本步驟如下：
(1)對(duì)圖像進(jìn)行一次中值濾波，旨在消除圖像中明顯的椒鹽噪聲。
(2)利用對(duì)數(shù)變換ln(·)將原圖像x(i,j)轉(zhuǎn)換到對(duì)數(shù)域T(i,j)。
T(i,j)=ln〔x(i,j)+1〕;
(3)在對(duì)數(shù)域上，利用均值濾波器實(shí)現(xiàn)低通濾波，得到圖像的低頻部分。
LPL{T(i,j)｝=1L×L∑i+L2m=i-L2∑j+L2n=j-L2T(m,n)
相應(yīng)的，得到圖像高頻分量：
HPL{T(i,j)｝=T(i,j)-LPL{T(i,j)｝
高頻分量往往體現(xiàn)了圖像的細(xì)節(jié)。考慮到醫(yī)學(xué)DR圖像中信息豐富、結(jié)構(gòu)復(fù)雜，通過(guò)控制濾波窗口大小，分別在大、中、小三個(gè)尺度上提取圖像細(xì)節(jié)，并按一定增益系數(shù)進(jìn)行局部對(duì)比度增強(qiáng)，以凸顯不同尺度的細(xì)節(jié)。
T′(i,j)=LPL{T(i,j)｝+AL×HPL{T(i,j)｝+
LPM{T(i,j)｝+AM×HPM{T(i,j)｝+
LPS{T(i,j)｝+AS×HPS{T(i,j)｝
(4)結(jié)合Retinex理論，可以將大窗口濾波下的低頻分量看成是濾去圖像細(xì)節(jié)的照明部分，對(duì)這一部分進(jìn)行修正——直方圖均衡，使圖像照明分量有更為均衡的灰度分布，則
T″(i,j)=LP″L+AL×HPL{T(i,j)｝+
LPM{T(i,j)｝+AM×HPM{T(i,j)｝+
LPS{T(i,j)｝+AS×HPS{T(i,j)｝
(5)對(duì)這三通道增強(qiáng)結(jié)果平均，最后利用指數(shù)變換將結(jié)果變換到灰階域，得到最終的增強(qiáng)結(jié)果。
流程見(jiàn)圖3。
圖3 算法整體流程圖
Fig 3 Flow chart of the algorithm
3 實(shí)驗(yàn)結(jié)果與分析
圖4所示是人體側(cè)脊DR圖像在不同處理方法下的效果圖。圖4(a)為原始圖像;4(b)為基于直方圖均衡方法處理后的效果圖;4(c)為多尺度的局部增強(qiáng)算法處理后的效果圖;4(d)是本研究論述的算法處理后的效果圖�？梢钥闯�，基于直方圖均衡方法處理后的圖像有明顯的動(dòng)態(tài)范圍增大，但細(xì)節(jié)丟失嚴(yán)重，有“洗白”現(xiàn)象發(fā)生，無(wú)法清晰看到側(cè)脊形態(tài)和細(xì)節(jié)，不利于醫(yī)生診斷。而圖4(c)中多尺度局部增強(qiáng)算法的使用，明顯增強(qiáng)了圖像局部對(duì)比度，對(duì)于細(xì)節(jié)部分表現(xiàn)良好，但圖像整體偏暗，人工處理痕跡明顯，失去DR圖像真實(shí)感，視覺(jué)上有所欠缺。
而圖4(d)，對(duì)比((b)、(c)圖像，可以發(fā)現(xiàn)，本研究論述的方法結(jié)合了直方圖均衡方法和局部增強(qiáng)兩種方法的優(yōu)點(diǎn)，提高圖像動(dòng)態(tài)范圍的同時(shí)，局部對(duì)比度也顯著提高，凸顯圖像細(xì)節(jié)。
圖4(a)原圖;(b)基于直方圖均衡處理效果圖;(c)多尺度局部對(duì)比度增強(qiáng)效果圖;(d)本文論述算法處理后的效果圖。
Fig 4 (a) Original image; (b) Enhancement result by HE method; (c) Enhancement result by multi-scale local enhancement method; (d) Enhancement result by the proposed method of our article
通過(guò)濾波器窗口大小的選擇，可以對(duì)不同尺度細(xì)節(jié)加以提取增強(qiáng)。醫(yī)學(xué)圖像具有其復(fù)雜性，不同部位細(xì)節(jié)尺度不同，應(yīng)對(duì)圖像進(jìn)行分析后，確定細(xì)節(jié)大小，再?zèng)Q定濾波器窗口大小。圖5中胸片(局部)的大中小濾波窗口分別選擇為S=11，M=21，L=121。最大的濾波窗口一般選擇較大尺寸，將該尺度下的濾波后圖像作為照明分量。可以看出，選擇合適的濾波器窗口，可以使不同尺度的細(xì)節(jié)，如胸骨、肺紋理都得到增強(qiáng)。
需要指出的是，窗口越大，均值濾波耗費(fèi)的時(shí)間越長(zhǎng)。該算法需要在三個(gè)尺度上進(jìn)行濾波，即使使用了均值濾波的快速算法，依然需要較長(zhǎng)時(shí)間，以秒為單位計(jì)。另外，增益函數(shù)的選擇也較為困難，本研究中增益函數(shù)是在多次實(shí)驗(yàn)的經(jīng)驗(yàn)積累下確定的，不具有自適應(yīng)性。這兩部分需要進(jìn)一步實(shí)驗(yàn)探究。
圖5(a)為原圖，圖5(b)為用本文方法處理后的圖像。從圖中可以看出不同尺度的細(xì)節(jié)都得到較好的增強(qiáng)。
4 結(jié)論
本研究論述了一種基于人眼視覺(jué)特性的多尺度圖像增強(qiáng)方法。在多尺度上進(jìn)行局部增強(qiáng)，并在Retinex理論基礎(chǔ)上，結(jié)合直方圖均衡處理算法對(duì)圖像進(jìn)行處理，處理后的圖像結(jié)合兩種算法的優(yōu)點(diǎn)，有較好的視覺(jué)效果，是一種適合于醫(yī)學(xué)DR圖像的增強(qiáng)算法。
【參考文獻(xiàn)】
[1]楊詞銀.基于人眼視覺(jué)特性的數(shù)字X線醫(yī)學(xué)圖像增強(qiáng)方法的研究[D].中國(guó)科學(xué)院博士學(xué)位論文，2003.
[2]Boccignone, Picariello.Multiscale contrast enhancement of medical images[C].Proceedings of the 1997 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP '97).
[3]Eli Peli.Contrast in complex images[J].J Opt Soc Am,1990，(7)：10.
[4]Land E and McCann J.Lightness and the retinex theory[J].J Opt Soc Am，1971，61：1-11.
[5]肖燕峰.基于Retinex理論的圖像增強(qiáng)恢復(fù)算法研究[D].上海交通大學(xué)碩士論文, 2007.
[6]Zeyun Yu and Bajaj C,A fast and adaptive method for image contrast enhancement[C].International Conference on Image Processing, 2004.[7]Go Tanaka, Noriaki Suetake and Eiji Uchino.Image enhancement based on multiple parametric sigmoid functions[C].International Symposium on Intelligent Signal Processing and Communication Systems,2007.
[8]Agaian S,Silver B, and Panetta K A.Transform coefficient histogram-based image enhancement algorithms using contrast entropy[J].IEEE Transactions on Image Processing,2007，16(3)：741-758.
[9]Jian Lu, Dennis M. Healy and John B. Weaver.contrast enhancement of medical image using multiscale edge representation[J].Optical Engineering,1994,33：2151-2161.
【基于人眼視覺(jué)特性的多尺度DR圖像增強(qiáng)方法】相關(guān)文章：
一種基于區(qū)域特性選擇與加權(quán)平均相結(jié)合的遙感圖像融合方法11-22
基于單目視覺(jué)的夜間車(chē)輛檢測(cè)方法研究03-07
紅外圖像增強(qiáng)算法研究03-07
基于對(duì)象形狀色調(diào)指數(shù)的高分辨率圖像可變尺度分割11-22
基于典型相關(guān)分析方法的尺度不變特征變換誤匹配剔除03-17
基于內(nèi)容的圖像檢索研究11-20