專利名稱：：多尺度自適應(yīng)對(duì)比度變換的醫(yī)學(xué)圖像增強(qiáng)方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于圖象處理方法，涉及一種圖像增強(qiáng)處理方法，特別涉及一種對(duì)醫(yī)學(xué)圖像(包括x射線圖像，CT掃描圖像)的增強(qiáng)處理方法，用于增強(qiáng)骨骼，臟器，軟組織和病灶等細(xì)節(jié)和邊緣信息的醫(yī)學(xué)圖像增強(qiáng)方法。
背景技術(shù)：
：X射線(簡(jiǎn)稱X線)具有穿透物體的能力，有感光、熒光和電離作用及熱效應(yīng)，還對(duì)生物細(xì)胞組織具有抑制、損傷甚至壞死的生物效應(yīng)。X線醫(yī)學(xué)影像設(shè)備是通過(guò)x射線穿透路徑上人體各個(gè)生理組織部位對(duì)x射線吸收量的累加值成像的.人體內(nèi)各個(gè)生理組織疊加在一起，部分組織結(jié)構(gòu)的由于吸收量小，和X射線吸收量大的組織疊加后，就無(wú)法在X射線醫(yī)學(xué)圖像上顯示出來(lái)了。19世紀(jì)70年代以后由于物理學(xué)、電子學(xué)和計(jì)算機(jī)等學(xué)科的迅速發(fā)展，一方面X線機(jī)得到進(jìn)一步發(fā)展，發(fā)明了抗散射格柵、造影劑和影像增強(qiáng)器等技術(shù)，另一方面許多新型的X線影像診斷新技術(shù)應(yīng)運(yùn)而生，如X線計(jì)算機(jī)輔助斷層攝影(X線CT)、數(shù)字減影血管造影(DSA)、計(jì)算機(jī)放射攝影(CR)和數(shù)字放射攝影(DR)等。計(jì)算機(jī)放射攝影和數(shù)字化處理與傳統(tǒng)X放射攝影具有以下優(yōu)點(diǎn)(1)當(dāng)曝光不足或曝光過(guò)量時(shí)，可以使用數(shù)字化窗口/等級(jí)處理來(lái)自動(dòng)補(bǔ)償，曝光程度不再是至關(guān)重要的了。但是這并不意味著，降低劑量沒(méi)有缺陷當(dāng)曝光處于一個(gè)較低的量級(jí)時(shí)，噪音將更加突出。(2)計(jì)算機(jī)放射攝影和數(shù)字化處理可以允許局部對(duì)比度增強(qiáng)。但是系統(tǒng)成像過(guò)程中圖像板中的磷粒子使得x射線存在散射，和掃描過(guò)程中激光掃描儀的激光在穿過(guò)圖像板深部時(shí)也存在著散射，從而使圖像模糊，降低了圖像分辨率，影響圖像質(zhì)量，從而影響醫(yī)生診斷準(zhǔn)確性.所以醫(yī)學(xué)影像需要進(jìn)行圖像增強(qiáng)處理，來(lái)增強(qiáng)圖像中骨骼，臟器，軟組織和病灶等細(xì)節(jié)和邊緣信息。目前醫(yī)學(xué)影像增強(qiáng)的處理技術(shù)主要包括以下三種1、對(duì)比度增強(qiáng)的方法對(duì)比度增強(qiáng)技術(shù)可以把圖像進(jìn)行窗口/等級(jí)調(diào)整。但是，如果在灰度變化大的區(qū)域附近，細(xì)微特征仍然不能顯示出來(lái)，那么還需要進(jìn)一步改進(jìn)圖像的對(duì)比度。2、自適應(yīng)直方圖均衡的方法在光滑影像區(qū)域應(yīng)用急劇升降的梯度曲線和在對(duì)應(yīng)具有較寬灰度范圍的區(qū)域內(nèi)應(yīng)用柔和的梯度曲線，自適應(yīng)直方圖均衡技術(shù)正是通過(guò)這種方法增強(qiáng)對(duì)比度的。自適應(yīng)直方均衡技術(shù)可以在圖像的每一個(gè)位置上，自動(dòng)調(diào)節(jié)曲線的形狀，以適應(yīng)局部灰度分布。3、模糊校正的方法這種特殊的空間頻率帶濾波技術(shù)可選擇性地加強(qiáng)圖像特定范圍內(nèi)的圖像特征。同樣，這里有兩種技術(shù)邊緣增強(qiáng)和幅度壓縮。邊緣增強(qiáng)如果只是強(qiáng)調(diào)有細(xì)密紋理的結(jié)構(gòu)和邊緣，通常參考“邊緣增強(qiáng)”技術(shù)。邊緣增強(qiáng)技術(shù)的特點(diǎn)是濾波器中心的直徑小。幅度壓縮例如肩部和下肢檢測(cè)中，如果由于占優(yōu)勢(shì)的灰度覆蓋圖像，將導(dǎo)致小的或中等圖像的特征變得看不太清楚了，那么應(yīng)用具有大中心直徑的空間頻率濾波技術(shù)會(huì)獲得較好的效果。加強(qiáng)大幅度灰度變化，將減少導(dǎo)致對(duì)比度改善的動(dòng)態(tài)范圍。幅度壓縮技術(shù)同樣也可看作是動(dòng)態(tài)范圍的壓縮。現(xiàn)存圖像增強(qiáng)技術(shù)都是以特征尺寸為基礎(chǔ)，存在一定的缺陷。操作都是調(diào)節(jié)由濾波器中心直徑?jīng)Q定的某個(gè)空間頻率帶。邊緣增強(qiáng)濾波器可以強(qiáng)調(diào)有細(xì)密紋理的圖像細(xì)節(jié)。結(jié)果，像暗淡的小細(xì)節(jié)等中等尺寸的低對(duì)比度圖像就看不太清楚了，并且可能非常模糊。為一種特定的檢測(cè)類型選擇最佳的中心直徑不是件容易的事情。對(duì)于同一個(gè)圖像，不同的比例(即使非常接近)下，可能有許多臨界結(jié)構(gòu)。如果強(qiáng)調(diào)一定尺寸的圖像，那么得到的效果與掩飾另一個(gè)尺寸下的圖像精細(xì)特征是相似的。另一個(gè)關(guān)于條帶濾波器的問(wèn)題是在高對(duì)比度邊緣附近，例如骨界面組織或金屬植入物的邊緣，圖像中有波浪狀影像生成。這些波浪狀影像對(duì)醫(yī)生的診斷有不良影響；在某些情況中，這些影像在正常的膠片上可以作為某種病理證明，在另外一些情況中，這些波浪狀影像可能隱藏了一些細(xì)微的病變。關(guān)于這種基本局部增強(qiáng)技術(shù)的許多改進(jìn)技術(shù)是專門(mén)針對(duì)如何抑制這些波浪狀影像而誕生的。
發(fā)明內(nèi)容本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提出一種可以較好的滿足人眼視覺(jué)主觀要求，增強(qiáng)效果優(yōu)于傳統(tǒng)單一尺度方法，且運(yùn)算時(shí)間短的多尺度自適應(yīng)對(duì)比度變換的醫(yī)學(xué)圖像增強(qiáng)方法。為了實(shí)現(xiàn)以上目的，本發(fā)明方法主要包括以下步驟1、利用拉普拉斯金字塔分解變換，將醫(yī)學(xué)圖像分解成金字塔形狀排列的分辨率逐步降低的圖像集合，即不同的細(xì)節(jié)層次圖像來(lái)分別代表不同尺度的細(xì)節(jié)，一系列的細(xì)節(jié)層次圖像系數(shù)值表達(dá)了各自尺度上的細(xì)節(jié)。2、對(duì)分解得出的分層系數(shù)做調(diào)整，包括a)采用對(duì)比度變換方法增強(qiáng)每層圖像整體的對(duì)比度，對(duì)比度變換通過(guò)非線性曲線做映射處理，該曲線的函數(shù)表示為其中x代表細(xì)節(jié)層次圖像上的系數(shù)，即分解圖像得到各層邊緣圖像的系數(shù)，y為對(duì)應(yīng)的變換后細(xì)節(jié)層次圖像的系數(shù)；b)采用邊緣系數(shù)調(diào)整和動(dòng)態(tài)范圍壓縮的方法增強(qiáng)細(xì)節(jié)層次圖像局部區(qū)域的對(duì)比度，具體是在細(xì)節(jié)層次圖像邊緣微弱時(shí)，細(xì)節(jié)層次圖像系數(shù)乘以放大因子aek調(diào)整小尺度的系數(shù)，當(dāng)細(xì)節(jié)層次圖像灰度跨越全圖像的灰度范圍時(shí)，分層圖像系數(shù)乘以壓縮因子alk；放大因子aek，計(jì)算方法aek=fe(1-k/ne),0≤k≤neaek=1,k≥ne,]]>其中，fe(fe＞1)控制調(diào)整參數(shù)的幅度值，ne為需要邊緣系數(shù)調(diào)整的細(xì)節(jié)層次圖像層數(shù)；壓縮因子alk計(jì)算方法alk=1,k<L-nlalk=fl(L-k-n1-1),L-nl≤k<L,]]>其中，L為圖像分解的總層數(shù)，nl為需要灰度動(dòng)態(tài)范圍壓縮的層數(shù)。為取得較好的效果ne取3，nl取5，fe取1.7，fl取1.4。3、利用拉普拉斯金字塔分解逆變換，將調(diào)整系數(shù)后的各個(gè)細(xì)節(jié)層次圖像再合成原圖像增強(qiáng)后的圖像。本發(fā)明與現(xiàn)存的諸多醫(yī)學(xué)圖像算法相比，具有如下特點(diǎn)1、細(xì)節(jié)放大用于對(duì)比度增加的多尺度法拋棄了以特征尺寸為基礎(chǔ)的普通范例選擇性增強(qiáng)。取而代之的，多尺度法帶來(lái)了細(xì)節(jié)放大或細(xì)節(jié)增強(qiáng)的概念。圖像特征，例如邊緣、組織結(jié)構(gòu)、斑點(diǎn)或較大結(jié)構(gòu)可以被增強(qiáng)或淡化。如果被加強(qiáng)，這些圖像特征便具有好的對(duì)比度，如果被淡化，這些圖像特征的對(duì)比度就會(huì)比較低。這種判定的標(biāo)準(zhǔn)與圖像特征的尺寸或直徑(以mm或像素計(jì))無(wú)關(guān)。如果加強(qiáng)微弱細(xì)小的圖像特征，可以有效地改善圖像的可識(shí)別性，但同時(shí)減弱了圖像中最清楚部分的可識(shí)別性；而后者的加強(qiáng)不會(huì)影響其它部分。這就是多尺度法對(duì)比度加強(qiáng)技術(shù)的基本原理對(duì)比度的均衡與特征尺寸無(wú)關(guān)。2、與空間頻率帶濾波技術(shù)有關(guān)的差異本方法和空間頻率帶濾波技術(shù)之間的兩點(diǎn)差異(a)帶濾波須調(diào)到特征尺寸的特有范圍，本方法沒(méi)有這樣的要求；(b)與帶濾波不同，本方法以最清晰的圖像部分為代價(jià)，加強(qiáng)微弱細(xì)小的圖像特征。本發(fā)明的核心思想是以最清晰的圖像部分為代價(jià)，加強(qiáng)微弱細(xì)小的圖像特征。本發(fā)明提出的多尺度對(duì)比度增強(qiáng)方法是一種非常有效的醫(yī)學(xué)圖像增強(qiáng)方法，任意大小的低對(duì)比度區(qū)域可見(jiàn)度都可以得到較大的提高，且不會(huì)產(chǎn)生谷粒效應(yīng)。本發(fā)明方法可以較好的滿足人眼視覺(jué)主觀要求，增強(qiáng)效果優(yōu)于傳統(tǒng)單一尺度方法，且運(yùn)算時(shí)間短，該方法在醫(yī)學(xué)影像的增強(qiáng)處理上具有廣闊的應(yīng)用前景，可以作為圖像分析的預(yù)處理。圖1為本發(fā)明中圖像金字塔示意圖；圖2為本發(fā)明中拉普拉斯金字塔分解變換與逆變換示意圖。具體實(shí)施例方式下面結(jié)合附圖詳細(xì)描述本發(fā)明基于多尺度自適應(yīng)對(duì)比度變換的醫(yī)學(xué)圖像快速增強(qiáng)方法。本發(fā)明方法主要包括3個(gè)步驟(1)拉普拉斯金字塔分解變換；(2)對(duì)細(xì)節(jié)層次每層系數(shù)的調(diào)整，包括對(duì)比度變換增強(qiáng)圖像整體的對(duì)比度和邊緣系數(shù)調(diào)整、動(dòng)態(tài)范圍壓縮改善局部區(qū)域的對(duì)比度；(3)拉普拉斯金字塔分解逆變換。下面逐一對(duì)各步驟進(jìn)行說(shuō)明。步驟一拉普拉斯金字塔分解變換圖像金字塔(如圖1所示)以多尺度來(lái)解釋圖像的一種有效但概念簡(jiǎn)單的結(jié)構(gòu)就是圖像金字塔。圖像金字塔最初用于機(jī)器視覺(jué)和圖像壓縮，一幅圖像的金字塔是一系列金字塔形狀排列的分辨率逐步降低的圖像集合。金字塔的底部是待處理圖像的高分辨率表示，而頂部是低分辨率的近似。當(dāng)向金字塔的上層移動(dòng)時(shí)，尺寸和分辨率就降低。因?yàn)榛A(chǔ)級(jí)J的尺寸是2J×2J或N×N(J＝log2N)，中間級(jí)j的尺寸是2j×2j，其中0≤j≤J.完整的金字塔由J+1個(gè)分辨率級(jí)組成，由2J×2J到20×20，但大部分金字塔只有P+1級(jí)，其中j＝J-P，…，J-2，J-1，J且1≤P≤J。也就是說(shuō)，通常限制它們只使用P級(jí)來(lái)減少原始圖像近似值的尺寸。多尺度增強(qiáng)的基本想法是將圖像分解成不同的細(xì)節(jié)層次圖像來(lái)分別代表不同尺度的細(xì)節(jié)和近似，而后直接在這些細(xì)節(jié)層次圖像上改進(jìn)對(duì)比度。多尺度金字塔結(jié)構(gòu)算法的圖像分解是按照流程如圖2所示。其中，LP表示低通濾波。LP低通濾波器采用特定的5×5低通模板濾波，濾波器模板如下如圖2，將原始圖像通過(guò)濾波采樣得到第一層細(xì)節(jié)圖像g1，將g1通過(guò)濾波采樣得到g2，依次通過(guò)迭代方式得到g3、g4……gL將第i層細(xì)節(jié)圖像gi插值濾波后得到的圖像與上一層L-1圖像進(jìn)行代數(shù)相減可得到第i層殘差圖像bi，照此方法可得級(jí)數(shù)為L(zhǎng)-1的一組殘差圖像b0，b1，b2，b3……bL-1。先對(duì)原始圖像作下采樣，中間的結(jié)果再作插值回到原始圖像尺寸，并且在作采樣之前和插值之后平滑處理，得出的圖像按象素從原圖中減去，這時(shí)得到的差值就是多尺度塔狀層系數(shù)。后面的細(xì)節(jié)層次圖像做類似計(jì)算。這樣，圖像的尺寸在兩維方向上逐次減半，直到下采樣圖像的尺寸小于模板大小。細(xì)節(jié)在分解過(guò)程中越來(lái)越少，一系列的分層系數(shù)差值表達(dá)了各自尺度上的細(xì)節(jié)，在頻域內(nèi)，各個(gè)尺度就對(duì)應(yīng)著原始頻譜的各個(gè)頻段，各個(gè)分層的頻段是有重疊部分。步驟二對(duì)細(xì)節(jié)每層系數(shù)的調(diào)整多尺度像增強(qiáng)要對(duì)分解得出的細(xì)節(jié)層次圖像系數(shù)做調(diào)整，這些調(diào)整包括對(duì)比度補(bǔ)償和邊緣系數(shù)調(diào)整、動(dòng)態(tài)范圍壓縮操作。在各層的邊緣圖像中，小的系數(shù)代表細(xì)微的細(xì)節(jié)，它們需要被增強(qiáng)來(lái)提高對(duì)應(yīng)細(xì)節(jié)的可見(jiàn)度，同時(shí)那些大的系數(shù)代表那些較強(qiáng)的邊緣，它們很大程度上影響整個(gè)動(dòng)態(tài)范圍，適當(dāng)?shù)谋粔褐?，也不?huì)影響它們的可見(jiàn)度，卻提高了圖像的整體對(duì)比度。a.對(duì)比度變換增強(qiáng)圖像整體的對(duì)比度對(duì)比度補(bǔ)償通過(guò)一條非線性曲線做映射處理，曲線如下其中，x代表細(xì)節(jié)層次圖像上的系數(shù)，即分解圖像得到各層邊緣圖像的系數(shù)，y為對(duì)應(yīng)的變換后分層圖像的系數(shù)。先將x規(guī)范化到[-1，1]范圍上，因子a用來(lái)調(diào)整結(jié)果圖輸出的動(dòng)態(tài)范圍和原始圖像一致。系數(shù)p控制曲線的彎曲程度，為了滿足要求(1)所有的邊緣都得到增強(qiáng)；(2)信號(hào)弱的邊緣的增強(qiáng)幅度大于信號(hào)強(qiáng)的邊緣，則要求p＜1。多尺度對(duì)比度補(bǔ)償增強(qiáng)全圖的所有細(xì)節(jié)信息，而不是只是在原圖尺度上。銳化的邊緣增強(qiáng)了，同時(shí)低對(duì)比度的區(qū)域也得到增強(qiáng)，這樣，在骨骼增強(qiáng)的同時(shí)軟組織也可以依稀可見(jiàn)。從實(shí)例中可以看出，相對(duì)于單一尺度邊緣增強(qiáng)，多尺度圖像對(duì)比度補(bǔ)償可以取得很好的視覺(jué)效果同時(shí)沒(méi)有“谷粒效應(yīng)”。b.邊緣系數(shù)調(diào)整、動(dòng)態(tài)范圍壓縮改善局部區(qū)域的對(duì)比度。對(duì)比度補(bǔ)償是增強(qiáng)處理的基本模式，在大多數(shù)檢查區(qū)域中就可以這么操作，但是有的區(qū)域(如手足)圖像邊緣很微弱，就需要著重增強(qiáng)，在相應(yīng)尺度的邊緣系數(shù)上乘以一個(gè)放大因子aek；相反，有的區(qū)域(如肩膀、腹部)灰度跨越全圖的灰度范圍，需要選擇適當(dāng)?shù)膲嚎s因子alk，對(duì)這些區(qū)域的灰度范圍進(jìn)行壓縮，否則影響其他區(qū)域的顯示。乘以aek調(diào)整小尺度的系數(shù)做邊緣系數(shù)調(diào)整，aek如下公式所示aek=fe(1-k/ne),0≤k≤neaek=1k≥ne---(2)]]>其中，fe(fe＞1)控制調(diào)整參數(shù)的幅度，ne指定需要邊緣系數(shù)調(diào)整的細(xì)節(jié)層次圖像層數(shù)。層數(shù)增加時(shí)，調(diào)整系數(shù)aek以的速率遞減，而且只在頻譜高端的ne層內(nèi)進(jìn)行，后續(xù)的層中aek保持1。有了這個(gè)漸變系數(shù)的調(diào)整，就有可以使灰度變化劇烈區(qū)域的“谷粒效應(yīng)”最小化。同樣，乘以alk在大尺度上做動(dòng)態(tài)范圍壓縮alk如下公式所示alk=1,k<L-n1alk=fl(L-knl-1),Ln1≤k<L---(3)]]>其中，L是圖像分解的層數(shù)總數(shù)，nl指定需要灰度動(dòng)態(tài)范圍壓縮的層數(shù)，alk在層數(shù)增加時(shí)按照由1開(kāi)始以的速率遞減。范圍壓縮的幅度由參數(shù)fl(fl≥1)來(lái)控制。實(shí)驗(yàn)中，選取經(jīng)驗(yàn)值取得較好的效果ne取3，nl取5，fe取1.7，fl取1.4，得出aek和alk在層數(shù)為10層圖像上的分布，如表1所示。表1各層調(diào)整系數(shù)<tablesid="table1"num="001"><tablewidth="687">層數(shù)012345678aekalk1.711.424411.19351111110.934910.874110.817210.7640aek·alk1.71.42441.1935110.93490.87410.81720.7640</table></tables>由于多尺度系數(shù)調(diào)整對(duì)比度變換圖像增強(qiáng)算法是針對(duì)整個(gè)圖像在多個(gè)尺度上對(duì)細(xì)節(jié)信息進(jìn)行增強(qiáng)，并且考慮到小尺度上的局部邊緣微弱和大尺度上動(dòng)態(tài)范圍過(guò)大，因而不光在整體圖像的對(duì)比度上得到提高，而且在局部范圍上也取得理想的效果。步驟三拉普拉斯金字塔分解逆變換逆變換過(guò)程實(shí)際上就是分解的一個(gè)逆過(guò)程，如圖2。將最底層的細(xì)節(jié)圖像gL插值濾波后與上一層的殘差圖像進(jìn)行相加運(yùn)算得到新的細(xì)節(jié)圖像gL-1’，以此方法，依次得到gL-2’、gL-3’……g0’。當(dāng)g0’插值濾波后再與b0’進(jìn)行相加運(yùn)算得到最終所需要的圖像。即從最大尺度上開(kāi)始，即從最后得出的近似圖像開(kāi)始，插值調(diào)整圖像到上一層的尺寸上去，然后和當(dāng)前層的細(xì)節(jié)信號(hào)做加法。插值和加法重復(fù)進(jìn)行直到恢復(fù)原圖大小。如果分解過(guò)程中的采樣和反變換中的插值是對(duì)應(yīng)的話，結(jié)果應(yīng)該和原圖是一致的。權(quán)利要求1.多尺度自適應(yīng)對(duì)比度變換的醫(yī)學(xué)圖像增強(qiáng)方法，其特征在于該方法主要包括以下步驟(1)利用拉普拉斯金字塔分解變換，將醫(yī)學(xué)圖像分解成金字塔形狀排列的分辨率逐步降低的圖像集合，即不同的細(xì)節(jié)層次圖像來(lái)分別代表不同尺度的細(xì)節(jié)，一系列的細(xì)節(jié)層次圖像系數(shù)值表達(dá)了各自尺度上的細(xì)節(jié)；(2)對(duì)分解得出的分層系數(shù)做調(diào)整，包括a.采用對(duì)比度變換方法增強(qiáng)每層圖像整體的對(duì)比度，對(duì)比度變換通過(guò)非線性曲線做映射處理，非線性曲線的函數(shù)表示為y(x)=ax|x||x|p,]]>其中x代表細(xì)節(jié)層次圖像上的系數(shù)，即分解圖像得到各層邊緣圖像的系數(shù)，y為對(duì)應(yīng)的變換后細(xì)節(jié)層次圖像的系數(shù)；b.采用邊緣系數(shù)調(diào)整和動(dòng)態(tài)范圍壓縮的方法增強(qiáng)細(xì)節(jié)層次圖像局部區(qū)域的對(duì)比度，具體是在細(xì)節(jié)層次圖像邊緣微弱時(shí)，細(xì)節(jié)層次圖像系數(shù)乘以放大因子aek調(diào)整小尺度的系數(shù)，當(dāng)細(xì)節(jié)層次圖像灰度跨越全圖像的灰度范圍時(shí)，分層圖像系數(shù)乘以壓縮因子alk；放大因子aek，計(jì)算方法aek=fe(1-k/ne),0≤k≤neaek=1,k≥ne,]]>其中，fe(fe＞1)控制調(diào)整參數(shù)的幅度值，ne為需要邊緣系數(shù)調(diào)整的細(xì)節(jié)層次圖像層數(shù)；壓縮因子alk計(jì)算方法alk=1,k<L-nlalk=fl(L-k-nl-1),L-nl≤k<L,]]>其中，L為圖像分解的總層數(shù)，nl為需要灰度動(dòng)態(tài)范圍壓縮的層數(shù)；(3)利用拉普拉斯金字塔分解逆變換，將調(diào)整系數(shù)后的各個(gè)細(xì)節(jié)層次圖像再合成原圖像增強(qiáng)后的圖像。全文摘要本發(fā)明涉及一種對(duì)醫(yī)學(xué)圖像圖像增強(qiáng)處理方法?，F(xiàn)存圖像增強(qiáng)技術(shù)都是以特征尺寸為基礎(chǔ)，存在一定的缺陷。本發(fā)明方法步驟包括將醫(yī)學(xué)圖像分解成金字塔形狀排列的分辨率逐步降低的圖像集合；對(duì)分解得出的分層系數(shù)做調(diào)整，包括增強(qiáng)每層圖像整體的對(duì)比度和增強(qiáng)細(xì)節(jié)層次圖像局部區(qū)域的對(duì)比度；將調(diào)整系數(shù)后的各個(gè)細(xì)節(jié)層次圖像再合成原圖像增強(qiáng)后的圖像。本發(fā)明提出的多尺度對(duì)比度增強(qiáng)方法是一種非常有效的醫(yī)學(xué)圖像增強(qiáng)方法，任意大小的低對(duì)比度區(qū)域可見(jiàn)度都可以得到較大的提高，且不會(huì)產(chǎn)生谷粒效應(yīng)。本發(fā)明方法可以較好的滿足人眼視覺(jué)主觀要求，增強(qiáng)效果優(yōu)于傳統(tǒng)單一尺度方法，且運(yùn)算時(shí)間短。文檔編號(hào)G06T5/00GK101030298SQ20071006769公開(kāi)日2007年9月5日申請(qǐng)日期2007年3月29日優(yōu)先權(quán)日2007年3月29日發(fā)明者李軼,范影樂(lè),龐全申請(qǐng)人:杭州電子科技大學(xué)