(新疆第二医学院,新疆 克拉玛依,834000)
摘 要
本文提出了一种基于Retinex算法的直方图均衡化方法,用于增强医学图像的视觉效果。该算法结合了Retinex算法和直方图均衡化技术,处理医学图像时能考虑颜色和亮度信息,增强对比度和清晰度。实验选取有噪声、灰度不均、类型差异的医学图像,采用MATLAB进行预处理后从空域、频域及结合方向出发进行图像增强实验。实验结果和主观对比表明,基于Retinex算法的直方图均衡化方法增强效果最佳。
关键词:直方图均衡化;MATLAB;图像增强;Retinex算法;频域;空域
在数字图像处理领域,图像增强技术是一种使用各种算法和技术来改善图像的视觉效果、增强图像的细节表现、提高图像的质量的技术。数字图像增强技术在众多生产应用领域均有广泛应用,由于对图像成像质量有着较高的要求,则此时就需要计算机软件系统对图像进行进一步增强处理[1]。
常用医学图像的来源主要依赖于医学图像数据库、部分期刊杂志以及各级医院检查的结果资料等。而其中医学图像数据库是一个极为宝贵的资源,其中蕴含了大量的医学图像数据,这些数据来自各种不同的研究机构和医疗机构,经过严格的筛选和整理,具有极高的权威性和参考价值。本文从常用的医学数据库中选取了较为合适的几张图片,具体如图1. 1所示。其中图为左下肺占位、图为右下支气管扩张左下肺占位、图为两肺结节、
图1. 1图像原始图
在空域图像增强的框架下,算法的核心在于对图像的每个像素点实施精细操作。通过调整像素点的灰度或色彩属性,算法旨在增强图像的视觉冲击力,并有效提取关键图像特征。图像在空域中的增强可以用下列公式(3-1)来表示。
(3-1)
其中是原始图像,也称为输入图像,
是处理后的图像,也称为输出图像,
是一种特殊算法,若
定义为每个点
上,则
是一种点运算,若
定义在点
周围的领域上,则
是一种模板运算[2]。
2.1.1.平滑空间滤波器
(1)线性滤波器
平滑线性滤波器也称为均值滤波器,是一种空域局部处理算法,它用滤波器模板确定的邻域内像素的平均灰度值代替图像里的每个像素的灰度值降低了图像灰度的尖锐化,起到模糊作用。
假设图像为,以3×3的邻域模板为例,其邻域像素如图3. 1所示。以
为
邻域内像素坐标的集合,
为邻域中像素灰度值的个数,则处理后的结果为:
(3-2)
图像处理后,噪声方差减少为1/N,但图像变得有些不清晰,特别是黑白交界处的轮廓。
(2)非线性滤波器
非线性滤波器以稳健统计学、数学形态学等为理论基础,融合信息论、统计估计理论、自适应理论随机噪声理论以及计算机技术等学科的知识,能够在很好地保护细节的同时、去除信号中的噪声[3]。是用邻域内的局部中值替代图像中的像素灰度值,其公式可表示为:
(3-3)
中值滤波器功能基于medfilt2函数,在使用时可以对不同尺寸的模板进行多次尝试。
2.1.2.直方图均衡化
直方图均衡化主要用于增强动态范围比较小的图像,它的主要思想是把原始图像的直方图变换成为均匀分布的直方图,从而增强其灰度值的动态范围,以达到增强对比度的效果[4]。具体来说,直方图均衡化通过将原始图像的灰度直方图从比较集中的某个灰度区间变为在全部灰度范围内的均匀分布,从而增强了局部的对比度。具体步骤如下:
统计原始图像的直方图:
(3-3)
其中,表示第
级灰度,
表示的是
的像素个数,
表示的是图像的像素总数。
计算直方图的累计分布曲线:
(3-4)
以累计分布函数为变换函数对原始图像修正。
2.2.频域的图像增强算法的原理
2.2.1.高通滤波器
高通滤波器是通过让高频成分通过、衰减低频成分,从而得到图像锐化的效果[5]。这种方法可以增强图像的细节和边缘信息,同时削弱模糊部分。在频域图像增强中,使用高通滤波器的主要目的是消除模糊并突出图像的边缘。通过让高频成分通过并削弱低频成分,可以增强图像的细节和边缘信息,高通滤波器是基于低通滤波器使用的,高通滤波器的公式如下所示:
(3-5)
其中是高通滤波器的传递函数,而
是低通滤波器的传递函数。
2.2.2.Retinex算法
Retinex算法是一种基于科学实验和科学分析的主流图像增强方法,是由人类视觉系统发展起来的理论方法,由Edwin·H·Land于1963年首次提出[6]。它的创新之处在于它能够将图像中的反射成分与照明成分进行有效分离,这一分离过程有助于提升图像的对比度,并实现色彩的均衡化。在算法中,图像被视为由照射光和反射光组成。照射光是指进入我们眼睛的光线,而反射光是指物体表面反射的光线。它的优点在于它能够增强图像的对比度和颜色平衡,同时保持图像的自然感和真实感。
2.3.混合算法的图像增强
2.3.1.基于Retinex算法的直方图均衡化
基于Retinex算法的直方图均衡化是一种结合了Retinex算法和直方图均衡化的优点的方法
[7]。首先,我们将原始图像转换到对数域,然后对其进行直方图均衡化,以增强图像的对比度和颜色。接下来,我们将均衡化后的图像转换回实数域,并对其进行Retinex算法处理,以进一步增强图像的色彩和亮度信息。最后,我们对处理后的图像进行线性拉伸,以进一步增强图像的对比度和颜色。
本研究的核心目标在于评估和验证基于Retinex理论的直方图均衡化图像增强算法的有效性。为此,我们精心挑选了一系列具有代表性和挑战性的医学图像样本,涵盖了左下肺占位、右下支气管扩张左下肺占位以及两肺结节等多种病理类型。这些图像在经过必要的预处理步骤后,分别应用了多种图像增强技术,包括传统的线性滤波器、非线性滤波器、直方图均衡化、高通滤波器,以及本文提出的基于Retinex算法的增强方法。
为了全面而客观地评估这些算法的性能,我们采用了一组综合的评价指标,包括方差、信息熵、峰值信噪比(PSNR)和模糊系数。方差指标反映了图像灰度分布的多样性,信息熵则量化了图像所蕴含的信息丰富度。PSNR作为图像质量评价的常用指标,能够直观地反映增强前后图像质量的变化。模糊系数则用于衡量图像的清晰度,是评价图像增强效果的重要参数。
3.1.图左下肺占位
图 | 方差 | 信息熵 | 峰值信噪比 | 模糊系数 |
原始图像 | 6.67E+03 | 6.8909 | Inf | 1.0000 |
线性滤波器 | 7.80E+03 | 5.9994 | 42.0295 | 1.3905 |
非线性滤波器 | 7.54E+03 | 6.7184 | 46.419 | 1.3976 |
直方图均衡化 | 4.91E+03 | 7.6046 | 29.6779 | 2.3899 |
高通滤波器 | 6.67E+03 | 6.8942 | 43.6215 | 1.0135 |
retinex算法 | 4.73E+03 | 7.6104 | 29.376 | 2.0724 |
基于retinex算法的直方图均衡化 | 5.04E+03 | 7.8714 | 29.1307 | 3.3757 |
图3. 1 左下肺占位的各个图像增强
3.2.图右下支气管扩张左下肺占位
图 | 方差 | 信息熵 | 峰值信噪比 | 模糊系数 |
原始图像 | 7.50E+03 | 6.8462 | Inf | 1.0000 |
线性滤波器 | 6.16E+03 | 4.6212 | 36.0558 | 0.6716 |
非线性滤波器 | 6.83E+03 | 5.3196 | 55.4285 | 0.6661 |
直方图均衡化 | 5.88E+03 | 7.7249 | 27.1518 | 2.0481 |
高通滤波器 | 7.50E+03 | 6.8462 | Inf | 1.0000 |
retinex算法 | 5.38E+03 | 7.884 | 26.1347 | 2.2347 |
基于retinex算法的直方图均衡化 | 5.09E+03 | 7.9674 | 25.8243 | 3.5118 |
图3. 2 右下支气管扩张左下肺占位各个图像增强
3.3.图两肺结节
图 | 方差 | 信息熵 | 峰值信噪比 | 模糊系数 |
原始图像 | 8.01E+03 | 6.8884 | Inf | 1.0000 |
线性滤波器 | 6.98E+03 | 4.6623 | 36.6723 | 0.6583 |
非线性滤波器 | 7.09E+03 | 5.5338 | 56.5647 | 0.6773 |
直方图均衡化 | 5.83E+03 | 7.7634 | 27.4514 | 2.1032 |
高通滤波器 | 8.01E+03 | 6.888 | 66.6051 | 1.0001 |
retinex算法 | 5.07E+03 | 7.883 | 26.2477 | 2.186 |
基于retinex算法的直方图均衡化 | 4.83E+03 | 7.9719 | 26.1011 | 3.5025 |
图3. 3两肺结节的各个图像增强
客观评价结果也表明,基于Retinex算法的直方图均衡化方法在所有评价指标上均展现出卓越的性能,尤其是在信息熵和模糊系数上,其数值明显优于其他传统方法。这一发现表明,该算法在提升图像细节表现力和增强图像清晰度方面具有显著的优势。
通过视觉对比分析,我们进一步观察到,经过基于Retinex算法的直方图均衡化处理后的图像,在保持医学图像原有诊断特征的同时,显著提高了图像的对比度和色彩平衡。图像中的细微结构和病变区域更加清晰可见,这对于提高医学图像的诊断准确性具有重要的临床价值。
综合实验数据和视觉分析结果,我们可以得出结论:所提出的基于Retinex理论的直方图均衡化图像增强算法,不仅在理论上具有创新性,而且在实际应用中展现出了卓越的性能。这一研究成果为医学图像处理领域提供了一种新的技术手段,有望在临床诊断和医学研究中发挥重要作用[8]。
本文深入探讨并验证了一种基于Retinex理论的图像增强算法,该算法融合了直方图均衡化技术,显著提升了医学图像的视觉效果和质量。在MATLAB环境下,对含噪声、灰度不均和类型多样的医学图像进行了细致的预处理与增强实验。实验结果表明,我们提出的算法在增强图像对比度和清晰度方面具有显著优势。此外,本研究还详细讨论了空域和频域图像增强算法的基本原理,以及Retinex算法在图像增强中的核心作用。Retinex算法通过分离图像的反射和照明成分,不仅显著提升了图像的对比度和颜色平衡,而且保持了图像的自然感和真实感。
综合实验结果和理论分析,我们得出结论:基于Retinex算法的直方图均衡化方法是一种高效的医学图像增强技术,对于提升图像质量、辅助医学图像分析和诊断具有重要的实际应用价值。展望未来,我们将继续优化算法,探索其在更广泛的医学图像处理领域的应用潜力,以期为医学图像分析领域带来更多创新和突破。
参考文献
[1]邹滨.基于改进Retinex图像增强算法研究[D].武汉科技大学,2021.
[2]王蓉.图像增强算法实现[D].长江大学,2014.
[3]郑刚.基于同态技术在图像增强处理中的应用研究[D].新疆大学,2005.
[4]李绍君,甘岚. 两种直方图规定化实现算法的分析[J]. 电脑知识与技术(18期):1705-1706.
[5]唐思源. 高通滤波-直方图均衡化相结合实现图像增强[J]. 科技传播, 2015, 000(007):123-123,189.
[6]刘玉红, 颜红梅. 基于Retinex理论的眼底彩色图像增强算法[J]. 中国生物医学工程学报, 2018, 037(003):257-265.
[7]倪冯俨.基于增强算法的绝缘子图像采集终端研究[D].西安科技大学,2021.DOI:10.27397/d.cnki.gxaku.2021.000821.
[8]夏靖远.基于深度学习网络的雷达目标识别技术研究[D].国防科学技术大学,2016.
作者简介:马浩然,2003.4,男,本科,新疆第二医学院,汉族,河南省鹤壁市浚县,职称无,从事图像增强研究
通讯作者:章庆勇,(1989.02.12),男,硕士研究生,中国石油大学(华东),汉族,辽宁省盖州市人,讲师,研究方向:图像处理