您好, 访客   登录/注册

图像增强方法研究

来源:用户上传      作者: 段 竹 吴 镝

  [摘 要] 本文简要介绍图像增强的概念和图像增强技术分类,从图像的灰度直方图处理方法、直方图均衡化处理方法和基于特征的增强方法三方面对图像增强方法进行讨论。
  [关键词] 图像增强 灰度直方图 直方图均衡化 小波变换 数学形态学
  
  数字图像增强是指按特定的需要突出一幅图像中的某些信息,同时削弱或去除某些不需要的信息,使得图像更符合某些特定的需要。图像增强技术主要分为两大类:空间域处理法和变换域处理法。空间域方法是直接对图像数据进行处理,增强过程是对每个像素点或者对较小的子图像进行处理,如线性对比度拉伸、Unsharp Masking(UM)、自适应增强算法、直方图均衡化以及在直方图均衡基础上的各种改进算法。变换域方法是在图像的变换域中进行的,即图像数据通过某种变换转换到其它空间,对变换的数据进行处理后,再转换回图像空间以得到所需的效果,一般采用的变换方法有傅立叶变换、离散余弦变换和小波变换等,基于小波变换的自适应增强方法、Retinex以及基于Curvelet变换的增强方法等都属于这个范畴。
  一、图像的灰度直方图处理方法
  在空间域对图像进行增强处理的方式有许多种,如增强对比度和动态范围压缩等等,但这些处理方式都是针对原始图像的每一个像素直接对其灰度进行处理的,其处理过程主要是通过增强函数对像素的灰度级进行运算并将运算结果作为该像素的新灰度值来实现的。通过改变选用的增强函数的解析表达式就可以得到不同的处理效果,这类处理方法比较灵活方便,处理效果也不错,但对于某些灰度分布很密集或对比度很弱的图像,虽然也能起到一定的增强效果,但并不明显。采用灰度直方图变换方法可以将原始图像密集的灰度分布变得比较疏散,从而拉大图像的对比度并在视觉上达到明显增强的效果,使一些原本不易观察到的细节能变得清晰可辨。图像的灰度直方图处理是通过改变原始图像各像素在各灰度级上的概率分布来实现的。
  二、直方图均衡化处理方法
  直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布,对于背景和前景都太亮或者太暗的图像非常有用。该方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。
  这种方法的一个主要优势就是它是一个相当直观的技术并且是可逆操作,如果已知均衡化函数,那么就可以恢复原始的直方图,并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择,它可能会增加背景噪声的对比度并且降低有用信号的对比度。
  三、基于特征的增强方法
  随着图像增强技术的发展,基于特征的图像增强方法对于一些医学图像,例如在钼靶X线图像中增强肿块和钙化点有更好的效果。主要包括两种方法,一种方法是增强怀疑区域(感兴趣区域),另一种方法是去除背景组织。
  小波变换是一种线性时频展开方法,在小波分解和重建钼靶X线图像过程中,按需要改变有关的小波参数,可以增强图像中感兴趣的部分,抑制不需要的信号。数学形态学是一种比较成功的估算背景的方法。文献开创性地提出了一种基于数学形态学的non-flat “ball-shapped”三维结构元素,并将其用于钼靶X线图像增强,取得了良好的效果。文献[2]设计了一个去除背景纹理,增强肿块的数学形态学图像增强算法,算法首先采用两个white top-hat算子增强图像,其形状结构元素分别是扁平结构元素(flat)和对称结构元素(symmetric),再应用对比度拉伸运算进一步增强图像。
  参考文献:
   [1]Michael Wirth, Matteo Fraschini, Jennifer Lyon, Contrast enhancement of microcalcifications in mammograms using morphological enhancement and non-flat structuring elements, Proceedings of the 17th IEEE Symposium on Computer-Based Medical Systems (CBMS’04), 2004, pp.134~139
  [2]H. Li, Y. Wang, K. J. R. Liu, S.-C. B. Lo, and M. T. Freedman, Computerized radiographic mass detection―Part I: Lesion site selection by morphological enhancement and contextual segmentation, IEEE Transactions on Medical Imaging, vol. 20, no. 4, pp. 289 301, Apr. 2001


转载注明来源:https://www.xzbu.com/3/view-1485063.htm