圖像增強方法研究

[摘 要] 本文簡要介紹圖像增強的概念和圖像增強技術分類，從圖像的灰度直方圖處理方法、直方圖均衡化處理方法和基于特征的增強方法三方面對圖像增強方法進行討論。

[關鍵詞] 圖像增強 灰度直方圖 直方圖均衡化 小波變換 數(shù)學形態(tài)學

數(shù)字圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息，使得圖像更符合某些特定的需要。圖像增強技術主要分為兩大類：空間域處理法和變換域處理法?？臻g域方法是直接對圖像數(shù)據(jù)進行處理，增強過程是對每個像素點或者對較小的子圖像進行處理，如線性對比度拉伸、Unsharp Masking(UM)、自適應增強算法、直方圖均衡化以及在直方圖均衡基礎上的各種改進算法。變換域方法是在圖像的變換域中進行的，即圖像數(shù)據(jù)通過某種變換轉換到其它空間，對變換的數(shù)據(jù)進行處理后，再轉換回圖像空間以得到所需的效果，一般采用的變換方法有傅立葉變換、離散余弦變換和小波變換等，基于小波變換的自適應增強方法、Retinex以及基于Curvelet變換的增強方法等都屬于這個范疇。

一、圖像的灰度直方圖處理方法

在空間域對圖像進行增強處理的方式有許多種，如增強對比度和動態(tài)范圍壓縮等等，但這些處理方式都是針對原始圖像的每一個像素直接對其灰度進行處理的，其處理過程主要是通過增強函數(shù)對像素的灰度級進行運算并將運算結果作為該像素的新灰度值來實現(xiàn)的。通過改變選用的增強函數(shù)的解析表達式就可以得到不同的處理效果，這類處理方法比較靈活方便，處理效果也不錯，但對于某些灰度分布很密集或對比度很弱的圖像，雖然也能起到一定的增強效果，但并不明顯。采用灰度直方圖變換方法可以將原始圖像密集的灰度分布變得比較疏散，從而拉大圖像的對比度并在視覺上達到明顯增強的效果，使一些原本不易觀察到的細節(jié)能變得清晰可辨。圖像的灰度直方圖處理是通過改變原始圖像各像素在各灰度級上的概率分布來實現(xiàn)的。

二、直方圖均衡化處理方法

直方圖均衡化處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內的均勻分布。這種方法通常用來增加許多圖像的局部對比度，尤其是當圖像的有用數(shù)據(jù)的對比度相當接近的時候。通過這種方法，亮度可以更好地在直方圖上分布，對于背景和前景都太亮或者太暗的圖像非常有用。該方法尤其是可以帶來X光圖像中更好的骨骼結構顯示以及曝光過度或者曝光不足照片中更好的細節(jié)。

這種方法的一個主要優(yōu)勢就是它是一個相當直觀的技術并且是可逆操作，如果已知均衡化函數(shù)，那么就可以恢復原始的直方圖，并且計算量也不大。這種方法的一個缺點是它對處理的數(shù)據(jù)不加選擇，它可能會增加背景噪聲的對比度并且降低有用信號的對比度。

三、基于特征的增強方法

隨著圖像增強技術的發(fā)展，基于特征的圖像增強方法對于一些醫(yī)學圖像，例如在鉬靶X線圖像中增強腫塊和鈣化點有更好的效果。主要包括兩種方法，一種方法是增強懷疑區(qū)域（感興趣區(qū)域），另一種方法是去除背景組織。

小波變換是一種線性時頻展開方法，在小波分解和重建鉬靶X線圖像過程中，按需要改變有關的小波參數(shù)，可以增強圖像中感興趣的部分，抑制不需要的信號。數(shù)學形態(tài)學是一種比較成功的估算背景的方法。文獻開創(chuàng)性地提出了一種基于數(shù)學形態(tài)學的non-flat “ball-shapped”三維結構元素，并將其用于鉬靶X線圖像增強，取得了良好的效果。文獻[2]設計了一個去除背景紋理，增強腫塊的數(shù)學形態(tài)學圖像增強算法，算法首先采用兩個white top-hat算子增強圖像，其形狀結構元素分別是扁平結構元素（flat）和對稱結構元素(symmetric)，再應用對比度拉伸運算進一步增強圖像。

參考文獻：

[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