基于人眼视觉特性的多尺度DR图像增强方法(2)

　　医学X光图像大多存在对比度不足的缺陷，但仅仅利用全局信息的增强技术往往不能够达到很好的对比度增强效果。

　　局部增强技术是解决该问题的途径之一。一般认为，窗口中心的像素灰阶与窗口邻域中所有的像素灰度值相关[6]。本研究利用局部窗口中像素灰度均值作为基准，计算窗口中心像素灰度与均值的差，并按照一定的拉伸函数对差值进行拉伸，从而增强局部对比度。

　　y(m,n)=u(m,n)+A(x(m,n)-u(m,n));

　　其中，u(m,n)表示局部均值，A表示增益系数。增益系数的选择对于图像处理效果也有较大影响。若选择常数作为增益因子，在灰度陡然变化的边缘部分往往会出现伪影，且无法控制噪声的放大。所以，一般将增益因子看成是关于原始图像的函数，找到合适的增益函数较为困难[7]。

　　经过多次实验，我们采用了幂函数形式的增益函数y=bxa，见图2。

　　图2 归一化增益函数图像

　　Fig 2 Normalized gain function figure职称论文

　　通过对a值的选择，可以按不同的曲线对归一化差值进行拉伸。选择a=0.8的曲线(图中红色曲线所示)，使差值较小的部分拉伸幅度较大，而差值较大部分拉伸幅度较小。利用这样的增益函数，使许多被湮没的细节得以显现。

　　2.3 算法思路与基本步骤

　　本研究的主要思路，在对数域上[8]对图像在大、中、小三个尺度下进行高频/低频信息的分离，使原图中各个尺寸的结构和细节显现在不同尺度下，并在不同尺度下实行局部对比度拉伸，从而凸显细节。

　　在此基础上，结合Retinex理论，将最大尺寸下分离出的低频图像看成是原图像的照明分量，对该部分图像进行直方图均衡，使其有较为均衡的灰度分布。

　　最后对各个尺度下的分量进行混合，映射到灰阶域。基本步骤如下：

　　(1)对图像进行一次中值滤波，旨在消除图像中明显的椒盐噪声。

　　(2)利用对数变换ln(·)将原图像x(i,j)转换到对数域T(i,j)。

　　T(i,j)=ln〔x(i,j)+1〕;

　　(3)在对数域上，利用均值滤波器实现低通滤波，得到图像的低频部分。

　　LPL{T(i,j)｝=1L×L∑i+L2m=i-L2∑j+L2n=j-L2T(m,n)

　　相应的，得到图像高频分量：

　　HPL{T(i,j)｝=T(i,j)-LPL{T(i,j)｝

　　高频分量往往体现了图像的细节。考虑到医学DR图像中信息丰富、结构复杂，通过控制滤波窗口大小，分别在大、中、小三个尺度上提取图像细节，并按一定增益系数进行局部对比度增强，以凸显不同尺度的细节。

　　T′(i,j)=LPL{T(i,j)｝+AL×HPL{T(i,j)｝+

　　LPM{T(i,j)｝+AM×HPM{T(i,j)｝+