一種基于人眼視覺特性的醫(yī)學(xué)圖像增強(qiáng)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，具體涉及一種基于人眼視覺特性的醫(yī)學(xué)圖像增強(qiáng) 方法。
【背景技術(shù)】
[0002] 醫(yī)學(xué)圖像增強(qiáng)處理需要解決的主要是亮度調(diào)節(jié)和彩色細(xì)節(jié)增強(qiáng)問題，而常規(guī)的圖 像增強(qiáng)方法存在很多不足之處，難以實(shí)現(xiàn)醫(yī)學(xué)圖像增強(qiáng)的目的。Retinex算法以實(shí)現(xiàn)顏色 恒定性為初衷，利用人眼視覺特性對圖像進(jìn)行亮度調(diào)整和彩色細(xì)節(jié)增強(qiáng)，通過計(jì)算各像素 間的相對明暗關(guān)系獲得該像素點(diǎn)的顏色，具有良好的高動態(tài)范圍壓縮效果對于醫(yī)學(xué)圖像同 樣具有良好的表現(xiàn)。Retinex算法自從1963年提出到現(xiàn)在，國內(nèi)外研究者先后提出了基 于變分模型的Retinex、隨機(jī)路徑Retinex、金字塔迭代Retinex、視網(wǎng)膜受域中心/環(huán)繞 Retinex以及其他各種改進(jìn)方法，已成為真實(shí)影像再現(xiàn)算法中一個重要的分支。
[0003] 雖然Retinex算法是一種優(yōu)秀的圖像增強(qiáng)算法，但它同時(shí)也存在很多缺陷，比如 在對數(shù)域的亮度壓縮無法滿足不同光照的亮度變化，適應(yīng)能力不高。多尺度疊加導(dǎo)致計(jì)算 復(fù)雜，速度慢。對RGB三個通道的色彩分量分別處理，容易引起彩色量化噪聲，產(chǎn)生光暈和 白化等現(xiàn)象，對圖像增強(qiáng)產(chǎn)生不同程度的影響。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于解決上述現(xiàn)有技術(shù)中存在的難題，提供一種基于人眼視覺特性 的醫(yī)學(xué)圖像增強(qiáng)方法，有效解決圖像明暗不均的問題，并且增強(qiáng)圖像局部細(xì)節(jié)，同時(shí)能夠保 持原圖的色彩表現(xiàn)。
[0005] 本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：
[0006] -種基于人眼視覺特性的醫(yī)學(xué)圖像增強(qiáng)方法，包括：
[0007] S1，輸入需要增強(qiáng)的醫(yī)學(xué)圖像，將其從RGB空間轉(zhuǎn)換到HSV空間，得到亮度分量 ￥(義，7)，色調(diào)分量11(1，7)以及飽和度分量8(1，7);
[0008] S2,根據(jù)圖像亮度直方圖累積分布函數(shù)定義自適應(yīng)修正函數(shù)，獲得調(diào)節(jié)參數(shù)k和 c ；
[0009] S3,根據(jù)亮度分量v(x，y)和調(diào)節(jié)參數(shù)k和c，利用修正后的TAN函數(shù)計(jì)算得到調(diào) 整后的亮度分量V (x，y);
[0010] S4,根據(jù)進(jìn)行亮度調(diào)整后的圖像均值f判斷是否需要對參數(shù)c進(jìn)行微調(diào)，如果是， 則進(jìn)行微調(diào)得到新的參數(shù)C'，并用C'代替C，然后返回S3,如果否，則進(jìn)入S5 ;
[0011] S5,對局部細(xì)節(jié)增強(qiáng)得到局部細(xì)節(jié)增強(qiáng)后的亮度分量V" (x，y);
[0012] S6,將V" (X，y)和SI得到的色調(diào)分量和飽和度分量一起轉(zhuǎn)化為RGB得到輸出圖 像。
[0013] 所述Sl中將其從RGB空間轉(zhuǎn)換到HSV空間是這樣實(shí)現(xiàn)的：
[0014] 設(shè)（r，g，b)分別是一個顏色的紅、綠和藍(lán)坐標(biāo)，它們是取值在0到1之間的實(shí)數(shù)； 設(shè)max為r，g和b中的最大者，設(shè)min為r，g和b中的最小者，得到：
[0017] V = max，h、s、V分別表示色調(diào)分量h(x，y)、飽和度分量s (X，y)和亮度分量v(x， y)。
[0018] 所述S2是這樣實(shí)現(xiàn)的：
[0019] 根據(jù)圖像亮度直方圖累積分布函數(shù)定義自適應(yīng)修正函數(shù)：
[0021] 其中Ca表示灰度級為a的圖像累計(jì)分布，Cb表示灰度級為b的圖像累計(jì)分布，這 里a、b分別表示暗區(qū)域和亮區(qū)域所占的比例；Ca和C b均小于1，滿足k < 0. 5 [0022] T1、1~2分別為明、暗統(tǒng)計(jì)閾值。
[0023] 取 a = 50, b = 200,取 In T2分別為 0· 2、0· 8。
[0024] 所述S3中的修正后的TAN函數(shù)如下：
[0026] 其中 0<k<0.5,0彡c彡 mk;v 隨為 255, m A k 相關(guān)。
[0027] 所述S4中的根據(jù)進(jìn)行亮度調(diào)整后的圖像均值I"判斷是否需要對參數(shù)c進(jìn)行微調(diào)， 如果是，則進(jìn)行微調(diào)得到新的參數(shù)c'是這樣實(shí)現(xiàn)的：
[0028] 圖像均值I:是通過將圖像中的每個像素點(diǎn)的亮度累加，再除以像素點(diǎn)的個數(shù)得 到；
[0030] 其中，1~3與T 4分別為判定圖像整體過暗和過亮的閾值。
[0031] T3與 T 4分別為 100 和 180。
[0032] 所述S5是這樣實(shí)現(xiàn)的：
[0033] 將下面的算子與V (X，y)卷積計(jì)算得到V" (X，y):
[0035] 所述S6是這樣實(shí)現(xiàn)的：
[0036] 設(shè)（h，s，v)分別是一個顏色的色調(diào)、飽和度和亮度坐標(biāo)，它們是在取值在0到1之 間的實(shí)數(shù)；
[0043] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明方法引入了修正的TAN函數(shù)非線 性自適應(yīng)曲線和改進(jìn)的0N/0FF雙拮抗側(cè)抑制模型，形成一種適合醫(yī)學(xué)圖像的增強(qiáng)算法，有 效地解決了圖像明暗不均的問題，并且增強(qiáng)了圖像局部細(xì)節(jié)，同時(shí)能夠保持原圖的色彩表 現(xiàn)，與同類圖像增強(qiáng)算法相比較，本方法計(jì)算簡便、普適性好，視覺效果優(yōu)秀，符合醫(yī)學(xué)圖像 增強(qiáng)的特殊需求。
【附圖說明】
[0044] 圖1改進(jìn)的0N/0FF雙拮抗側(cè)抑制模型
[0045] 圖2本發(fā)明方法的步驟框圖
[0046] 圖3本發(fā)明實(shí)施例中的原圖
[0047] 圖4經(jīng)過本發(fā)明方法處理后的圖。
【具體實(shí)施方式】
[0048] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)描述：
[0049] 本發(fā)明以圖像增強(qiáng)為目的，首先提出一種非線性全局映射模型，引入TAN函數(shù)并 加以改進(jìn)來模擬瞳孔的亮度調(diào)節(jié)機(jī)制，根據(jù)圖像的統(tǒng)計(jì)特性自適應(yīng)調(diào)整圖像的整體亮度水 平。之后依據(jù)視覺通路的側(cè)抑制競爭機(jī)制，提出了一種改進(jìn)的雙拮抗側(cè)抑制響應(yīng)模型，對亮 度調(diào)整后的圖像進(jìn)行局部區(qū)域細(xì)節(jié)的增強(qiáng)，提高圖像對比度。
[0050] 本發(fā)明方法如圖2所示，包括：
[0051] 由于RGB顏色空間具有較高的色彩相關(guān)性，因此先將圖像（即需要增強(qiáng)的醫(yī)學(xué)圖 像）從RGB空間轉(zhuǎn)換到彩色相關(guān)性較小的HSV空間，得到亮度分量V (X，y)，色調(diào)分量h (X， y)以及飽和度分量s (X，y)，且僅處理亮度分量。
[0052] 從RGB空間轉(zhuǎn)換到彩色相關(guān)性較小的HSV空間的方法具體如下：
[0053] 設(shè)（r，g，b)分別是一個顏色的紅、綠和藍(lán)坐標(biāo)，它們是在取值在0到1之間的實(shí) 數(shù)。設(shè)max為r，g和b中的最大者。設(shè)min為r，g和b中的最小者，可以得到：
[0057] 為了能自適應(yīng)調(diào)整圖像的整體亮度水平，這里引入具有靈活映射能力的TAN函 數(shù)，并且可以通過調(diào)節(jié)參數(shù)k和c對該函數(shù)輸出修正，式子為：
[0059] 使用本發(fā)明時(shí)，將亮度分量v(x，y)代入上式，并利用下面的k和c獲得ν' (X， y)，ν' (X，y)表示計(jì)算調(diào)整后的亮度分量。
[0060] 其中0<k<0.5,0彡c$mk。V_-般設(shè)為255，mAk相關(guān)（在上式中，只要 保證當(dāng)v(x，y)取值在（〇，1)時(shí)，得到W (X，y)的值也在（〇，1)之