图像是我们获取信息的一种重要的手段, 一副很好的医学图像能够为我们提供很多的辅助诊断信息。但图像一般都会出现退化或者细节过于模糊, 很难用肉眼获取有用的信息。因此, 我们首先要用计算机对医学图像进行处理。突出我们感兴趣的内容, 为进一步分析和计算做好铺垫。
图像增强的意义是增强图像的视觉效果或者突出局部特征, 这对于后期的计算机对图像的数据分析或者医务人员很有帮助。图像增强不会加强图像自己的所含的图像信息, 但是可以突出某些特定的局部信息, 这样可以为进一步的图像分割、边缘提取等作铺垫。特别是CT图像, 图像通过增强很容易进行对图像进行边缘界定、位置信息提取、计算机辅助治疗等。
一、数字图像灰度直方图的定义
数字图像的直方图定义为该图像中灰度级分布的统计表。直方图的横坐标是灰度级, 纵坐标是图像中具有该灰度级的像素概率。
二、数字图像灰度直方图均衡化
一般的图像, 其灰度信息比较密集, 在直方图上分布在比较窄的区域, 所以图像不太清晰, 我们很难用肉眼观察到图像的细节。我们可以通过直方图变换, 把图像的灰度级变得相对均匀, 把图像的分布区域拉开我们就可以从图像中获取我们的细节信息或者感兴趣的部分。
(一) 直方图均衡化的数学原理:
直方图均衡化实际是对图像的灰度均衡分配, 也就是对图像进行非线性扩展, 把图像中的灰度重新分配, 这样能保证一定灰度范围的灰度值量能大致相等。这样就能使原始直方图中的灰度突出部分的对比度进行了增强, 凹陷部分的对比度进行了削弱, 最终会产生大致平衡的图形效果。
缺点:1) 变换后图像的部分细节会消失。2) 对于有些图像会过分进行增强, 会使图像显得很不自然。直方图均衡化我们退图像对比度进行调整的一种有效的方法, 该方法可以用来加强某些图像区域的对比度。这样处理后, 我们会发现亮度能很好的在直方图上反映出来。通过处理, 我们在不影响整张图像的对比度的前提下可以加强图像局部区域的对比度。
用r和s分别表示原始图像和均衡化后图像的归一化灰度变量, 0≤r, s≤1。根据数学推导, 在直方图均衡化中, 灰度的变换函数是原始图像灰度的累积分布函数 (连续情形) :
其中, p (r) 是原始图像灰度的概率密度函数。
对离散灰度图像, 原始图像的灰度概率函数为:
其中, rk表示原始图像的第k个归一化灰度级, 0≤rk≤1, 0≤k≤L-1, nk表示原始图像中灰度级为rk的像素个数, 上述正变换与逆变换分别变成:
(2) 数字图像灰度直方图均衡化步骤
1) 对输入图像 (原始图像) 的灰度值归一化;
2) 计算输入图像个灰度级的概率;
3) 计算输入图像灰度的累积分布函数, 并将该累积分布函数作为均衡后输出图像的归一化灰度值 (级) ;
4) 量化步骤三中的归一化灰度级反尺度化为灰度值;
5) 得到均衡后的输出图像;
(3) 直方图均衡化实验结果:
三、结论
经过大量的医学图像处理后的效果图进行对比, 我们可以得到我们图像设备处理后的模糊的图像经过该方法处理后, 图像的清晰度得到了改善。主要是因为经过均衡化后我们扩大了图像的灰度级范围, 也就是扩大了图像的灰度之间的间隔。这样的结果也就是有可能有些不同的灰度经过处理得到相同的灰度, 这样有可能出现很清晰的边缘效果。
摘要：图像增强主要是把模糊的图像变的更加清晰, 或者把我们需要的特征部分凸显出来, 抑制我们不太感兴趣的部分。一般的医学图像都是从CT设备中扫描出来的或者有些医学图像保存过久, 从而导致图像质量严重退化, 甚至图像失真。有时候很清晰的图像, 但细微的细节, 用肉眼也很难直接进行诊断。我们为了凸显出我们感兴趣的细节部分, 需要对图像进行处理, 图像处理之前要对图像进行图像增强, 凸显出我们感觉有用的边缘信息, 消除或者抑制不太重要的部分, 从而能得到对我们有用的参照图像。
关键词：图像增强,直方图均衡化,概率分布函数
参考文献
[1] 黄展鹏.基于分段直方图均衡化技术的图像增强[J].电脑知识与技术:学术交流, 2008, 2 (6) :1292-1293.
[2] 武英.基于双直方图均衡的自适应图像增强算法[J].计算机工程, 2011, 37 (4) :244-245.
[3] 张俊华, 杨根, 徐青.基于分段线性变换的图像增强, 全国图象图形学学术会议.2008.