基于多尺度帶限的自適應(yīng)直方圖均衡和數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué) X 射線圖像對(duì)比度增強(qiáng)算法

伍世賓 王 玥 謝耀欽

(中國科學(xué)院深圳先進(jìn)技術(shù)研究院深圳518055)

基于多尺度帶限的自適應(yīng)直方圖均衡和數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué) X 射線圖像對(duì)比度增強(qiáng)算法

伍世賓 王 玥 謝耀欽

(中國科學(xué)院深圳先進(jìn)技術(shù)研究院深圳518055)

醫(yī)學(xué)X射線圖像是臨床上應(yīng)用最廣泛的影像之一。由于需要采用低劑量的X射線進(jìn)行成像，而X射線圖像存在一個(gè)本質(zhì)的缺陷，就是低對(duì)比度。所以，在臨床應(yīng)用中，往往需要對(duì)圖像對(duì)比度進(jìn)行增強(qiáng)處理。根據(jù)X射線圖像特性，文章提出了基于多尺度帶限的自適應(yīng)直方圖均衡和數(shù)學(xué)形態(tài)學(xué)的X射線圖像對(duì)比度增強(qiáng)算法。首先，采用拉普拉斯高斯金字塔變換把圖像分解成高頻和低頻的不同尺度子波段圖像；然后對(duì)每塔層高頻子圖像應(yīng)用對(duì)比度帶限的自適應(yīng)直方圖均衡進(jìn)行處理，相應(yīng)的各塔層低通子圖像使用數(shù)學(xué)形態(tài)學(xué)進(jìn)行增強(qiáng)處理；最后，各塔層經(jīng)過增強(qiáng)處理的高頻和低頻系數(shù)，通過拉普拉斯高斯金字塔的逆變換重構(gòu)出對(duì)比度增強(qiáng)的圖像。增強(qiáng)圖像再經(jīng)全局非線性算子進(jìn)行對(duì)比度的增益調(diào)整，獲得自然的視覺效果。實(shí)驗(yàn)結(jié)果表明該算法有效地增強(qiáng)了醫(yī)學(xué)X射線圖像的對(duì)比度，并通過圖像對(duì)比度評(píng)價(jià)標(biāo)準(zhǔn)和對(duì)比度改進(jìn)索引度量算法來分析及對(duì)比了算法的性能。

多尺度分析；數(shù)學(xué)形態(tài)學(xué)；拉普拉斯高斯金字塔；對(duì)比度增強(qiáng)

1 引 言

圖像是信息可視化的重要手段。圖像增強(qiáng)的主要目的是按照人們主觀上、視覺上對(duì)理想圖像的要求，對(duì)現(xiàn)存的圖像進(jìn)行后處理，以達(dá)到實(shí)際的應(yīng)用要求。醫(yī)學(xué)圖像能以直觀的形式給醫(yī)生提供輔助診斷和治療信息。特別對(duì)有經(jīng)驗(yàn)的臨床醫(yī)生和放療專家來說，他們能從這些圖像中得到很多有用的信息。在數(shù)字X射線成像系統(tǒng)中，由于人體結(jié)構(gòu)和組織的復(fù)雜性，以及受成像設(shè)備和獲取條件等多種因素的影響，掃描出來的醫(yī)學(xué)X射線圖像質(zhì)量較差，甚至出現(xiàn)偽跡、圖像動(dòng)態(tài)范圍寬、對(duì)比度不高、邊緣細(xì)節(jié)模糊等，這些都影響了醫(yī)生和放療物理師的臨床診斷效率和準(zhǔn)確性[1]。為了提高醫(yī)生對(duì)人體某組織或器官的病灶區(qū)域的診斷準(zhǔn)確率，常常需要對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)的后處理，以增強(qiáng)圖像的視覺效果，突出感興趣對(duì)象區(qū)域或邊緣。此外，由于醫(yī)學(xué)圖像的特殊性，改進(jìn)圖像質(zhì)量應(yīng)該以不丟失圖像細(xì)節(jié)、不引入過大的噪聲、避免導(dǎo)致細(xì)節(jié)失真為前提。因此，圖像增強(qiáng)技術(shù)處理已經(jīng)成為醫(yī)學(xué)圖像實(shí)際應(yīng)用中不可或缺的一項(xiàng)工作。圖像增強(qiáng)主要包括提高圖像分辨率、提高圖像對(duì)比度和信號(hào)分析方法。在醫(yī)學(xué)圖像處理中，單一像素運(yùn)算或卷積算子很難滿足實(shí)際的臨床應(yīng)用，各種圖像增強(qiáng)技術(shù)的有機(jī)結(jié)合，已經(jīng)成為圖像增強(qiáng)研究的主流。

醫(yī)學(xué)影像領(lǐng)域中，X射線被廣泛用來獲取人體內(nèi)部某組織或器官的圖像，有助于放療師和臨床醫(yī)生識(shí)別人體內(nèi)部的組織和器官。由于高劑量的X射線會(huì)對(duì)人體的正常組織和器官造成損傷，成像過程使用X射線的劑量較低，因此，X射線圖像對(duì)比度低，人體組織和器官的邊緣不清晰，這嚴(yán)重影響了醫(yī)生對(duì)病人的正確診斷。Sundaram等[2]介紹了由于乳房X射線圖像的對(duì)比度低，醫(yī)生對(duì)乳癌的誤診率達(dá)10%。

傳統(tǒng)的圖像增強(qiáng)的方法主要有灰度變換、直方圖均衡、直方圖規(guī)定化、局部算子濾波器及反銳化掩膜等，其中，直方圖均衡被廣泛用于增強(qiáng)圖像對(duì)比度強(qiáng)[3]。這些方法在增強(qiáng)圖像的同時(shí)不可避免地放大了噪聲。隨著科學(xué)技術(shù)的快速發(fā)展，GPU技術(shù)被廣泛應(yīng)用于數(shù)據(jù)處理，計(jì)算機(jī)的計(jì)算能力越來越強(qiáng)大，涌現(xiàn)出許多針對(duì)某一模態(tài)的醫(yī)學(xué)圖像增強(qiáng)算法。而多尺度變換技術(shù)對(duì)圖像進(jìn)行分解與重構(gòu)最為流行，并在醫(yī)學(xué)圖像增強(qiáng)應(yīng)用中取得了很好的效果。目前，最常用的圖像多尺度變換技術(shù)是拉普拉斯高斯金字塔變換和小波變換[4]。Lin等[5]和Wei等[6]陳述了基于自適應(yīng)直方圖和小波變換的算法，以用于X射線圖像增強(qiáng)。Kother Mohideen等[7]使用了多小波和硬閾值方法對(duì)乳房X射線圖像進(jìn)行去噪和增強(qiáng)處理。Harish Kumar等[8]提出了基于形態(tài)學(xué)和小波變換的乳房X射線圖像增強(qiáng)算法。Martin Stahl等[9]設(shè)計(jì)了基于拉普拉斯金字塔非線性多尺度方法，以用于數(shù)字X射線圖像增強(qiáng)。然而，小波變換在增強(qiáng)復(fù)雜的組織或器官結(jié)構(gòu)時(shí)會(huì)帶來人為的偽影[4,10]。為了克服這一問題，我們的算法中的多尺度變換使用拉普拉斯高斯金字塔變換技術(shù)。我們提出的算法主要由三大部分組成：首先，利用拉普拉斯高斯變換把原X射線圖像分解成不同尺度的高頻和低頻子圖像；其次，使用對(duì)比度帶限的自適應(yīng)直方圖均衡增強(qiáng)高頻波段的系數(shù)，低通波段的子圖像被數(shù)學(xué)形態(tài)學(xué)運(yùn)算處理；最后，經(jīng)過處理的高和低波段子圖像通過拉普拉斯高斯逆變換重構(gòu)出與原X射線圖像大小相同的增強(qiáng)圖像，再利用非線性的算子調(diào)整重構(gòu)的增強(qiáng)圖像的對(duì)比度。

2 材料與方法

2.1 多尺度圖像變換

圖1 多尺度分解流程圖Fig.1. Flowchart of multiscale decomposition

多尺度分析方法是隨著計(jì)算機(jī)視覺和圖像處理技術(shù)的快速發(fā)展而產(chǎn)生和發(fā)展起來的新興學(xué)科，有著嚴(yán)密的數(shù)學(xué)理論支撐，是一種應(yīng)用非常廣泛的方法，可以用于圖像增強(qiáng)、分割和配準(zhǔn)等。多尺度圖像分解方法采用不同尺度下核函數(shù)模板卷積或插值的方式，對(duì)圖像進(jìn)行線性尺度空間信號(hào)分解[11]。傳統(tǒng)的單一尺度的處理方法，無論是空間域還是頻率域都是一種全局變換、全局處理，無法表達(dá)圖像的時(shí)頻、空間頻域等性質(zhì)[12]。多尺度圖像分解過程具有可逆性，因此，使用有效、適當(dāng)?shù)南禂?shù)運(yùn)算算法或通過控制一系列增益系數(shù)，可以獲得對(duì)原圖像的增強(qiáng)效果。圖像的線性尺度空間分解過程如圖1所示。

圖中 I0是原始輸入圖像，Gi(i＝0,1,2,3,…,N)為高斯濾波函數(shù)，“*”代表卷積運(yùn)算，I0和G0進(jìn)行卷積運(yùn)算(即低通濾波處理)后產(chǎn)生0級(jí)圖像I1，由此，

I1與輸入圖像I0的差，得到該級(jí)圖像的信號(hào)殘差D0：

重復(fù)該過程，可以依次得到：

在圖像分解過程中，Gi一般都采用低通濾波函數(shù)，這樣中間過程得到的每一級(jí)圖像Di是圖像的高頻信息，即是邊緣和細(xì)節(jié)信息。換句話說，每次分解過程都可以看作為將待分解圖像分解成高頻和低頻信息的過程，保存每一次分解得到的成分系數(shù)，就可以重構(gòu)出原始輸入圖像，重構(gòu)的圖像可表示為：

因此，加上增強(qiáng)處理的重構(gòu)結(jié)果可表示為：

式中(i＝0,1,2,3,…,N)是增強(qiáng)系數(shù)。

多尺度圖像分解方法的逆過程如圖2所示。

在本文中，我們采用拉普拉斯高斯金字塔變換作為多尺度分析算法。拉普拉斯高斯金字塔算法由Burt和Aedlson于1983年共同提出[4,10]。拉普拉斯高斯金字塔方法分解與重構(gòu)圖像的過程如圖3所示。在多尺度每次分解過程中，所得到的圖像均下采樣為每次輸入圖像的 1/2。圖3中↑代表下采樣，↓代表上采樣。塔型算法的具體描述如下：

圖2 多尺度重構(gòu)流程圖Fig.2. Flowchart of multiscale reconstruction

圖3 拉普拉斯高斯金字塔變換流程圖Fig.3. Flowchart of the LapLacian Gaussian pyramid transform

輸入圖像經(jīng)過高斯低通濾波和降采樣獲得g1(下一次分解的輸入圖像)，輸入圖像減去子圖像 g1可以通過插值和卷積運(yùn)算(上采樣)產(chǎn)生與輸入圖像大小相同的圖像的差得到b0，b0的生成過程等同于高通濾波處理，b0是圖像的邊緣和細(xì)節(jié)信息。重復(fù)該過程可以獲得gk與bk層的子圖像，直到獲得最后一層子圖像gL。重構(gòu)過程如圖3的右邊部分所示。顯然，對(duì)比度增強(qiáng)的過程出現(xiàn)在bL-1與b’L-1、gL與g’L之間。

2.2 帶限自適應(yīng)直方圖均衡

直方圖均衡是基于灰度運(yùn)算的統(tǒng)計(jì)方法，也是最常用的直方圖量化方法。直方圖均衡是獲得對(duì)比度增強(qiáng)的標(biāo)準(zhǔn)方法，它調(diào)整灰度級(jí)范圍使其均勻分布，以累加變換函數(shù)分布為基礎(chǔ)，產(chǎn)生一幅灰度分布具有均勻概率密度的增強(qiáng)圖像。假設(shè)灰度級(jí)為L的數(shù)字圖像，以圖像中每個(gè)灰度級(jí)的象素值除以象素的總數(shù)得到圖像歸一化的灰度直方圖，其離散函數(shù)定義如下：

式中，n 是圖像總的像素?cái)?shù)，nk是對(duì)應(yīng)rk灰度層的像素?cái)?shù)。

假設(shè)Pr(r)和Ps(s)分別是原圖像和均衡后的圖像的概率密度函數(shù)，根據(jù)直方圖的定義和累計(jì)密度函數(shù)，可得到公式：

假設(shè)0sL—1，根據(jù)直方圖函數(shù)與灰度變換函數(shù)可推導(dǎo)出公式：

通常，公式(9)是灰度映射函數(shù)。

目前，根據(jù)實(shí)際應(yīng)用要求，有很多改進(jìn)的直方圖算法，如修正直方圖均衡、自適應(yīng)直方圖均衡和帶限的自適應(yīng)直方圖均衡等。本文根據(jù)醫(yī)學(xué)X 射線圖像的特性采用了對(duì)比度帶限的自適應(yīng)直方圖均衡處理高頻系數(shù)，這不但可有效增強(qiáng)圖像的對(duì)比度，而且極大地限制了噪聲的放大。

2.3 數(shù)學(xué)形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)起源于集合理論，也稱圖像代數(shù)，是以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具[13]。形態(tài)運(yùn)算的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀，達(dá)到圖像分析和識(shí)別的目的。形態(tài)學(xué)以膨脹和腐蝕基本運(yùn)算為基礎(chǔ)，引出了其它常用的開、閉運(yùn)算等。開運(yùn)算和閉運(yùn)算都能平滑圖像的輪廓，其中，根據(jù)形態(tài)的結(jié)構(gòu)元素大小，開運(yùn)算是削弱狹窄的部分，去掉孤立點(diǎn)，而閉運(yùn)算一般可融合缺口和細(xì)長的部分，填補(bǔ)輪廓上的縫隙，去掉小洞。開、閉運(yùn)算的分別由公式(10)和公式(11)所示：

式中，I 代表輸入圖像，SE 是結(jié)構(gòu)元。

在實(shí)際圖像處理應(yīng)用中，形態(tài)學(xué)的開與閉運(yùn)算是配對(duì)使用來達(dá)到目的，常用的兩種形態(tài)學(xué)運(yùn)算的組合是頂帽(Top-hat,HT)和底帽(Bottom-hat, BH)變換，其運(yùn)算公式分別如(12)和(13)所示。

由上可有，TH 變換可以有效地增強(qiáng)小細(xì)節(jié)信息，與之對(duì)應(yīng)，BH變換可以豐富特征、紋理信息。為了增強(qiáng)X射線圖像的局部對(duì)比度，我們同時(shí)利用了 TH 和 BH 變換，其計(jì)算公式如(14)所示。

2.4 方法原理

傳統(tǒng)的圖像增強(qiáng)技術(shù)不能自適應(yīng)復(fù)雜特征的圖像。全局變換或調(diào)整算子的圖像增強(qiáng)算法往往會(huì)得到不理想的結(jié)果，至少圖像內(nèi)的局部特征和細(xì)節(jié)信息得不到凸顯。為了解決此問題，我們提出了基于多尺度帶限的自適應(yīng)直方圖均衡和數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué)X射線圖像對(duì)比度增強(qiáng)算法，該方法不但可以增強(qiáng)邊緣和局部細(xì)節(jié)信息，而且有效抑制了噪聲的放大。算法的實(shí)施過程如下描述：

首先，采用拉普拉斯高斯金字塔變換把輸入圖像分解成不同尺度的高頻和低頻的子圖像。目前，各種圖像濾波技術(shù)，包括灰度算子、中值濾波、邊緣增強(qiáng)算子、頻域增強(qiáng)算子、空間頻域?yàn)V波器和各向異性自適應(yīng)融合濾波器等，都是通過去噪以達(dá)到增強(qiáng)的效果。然而，這些技術(shù)適合圖像全局特征增強(qiáng)。在醫(yī)學(xué)影像的臨床應(yīng)用中，往往需要增強(qiáng)圖像中局部特征和邊緣。而數(shù)學(xué)形態(tài)學(xué)運(yùn)算可以滿足此要求。因此，我們使用數(shù)學(xué)形態(tài)學(xué)運(yùn)算處理所有塔層的低通子圖像，以增強(qiáng)圖像對(duì)比度，豐富圖像信息、壓制噪聲、平滑圖像。

其次，直方圖均衡可以豐富圖像的細(xì)節(jié)信息和銳化邊緣，圖像的細(xì)節(jié)和邊緣信息是高頻成分，而且，高頻波段也包含噪聲。因此，我們采用帶限的自適應(yīng)直方圖均衡增強(qiáng)高頻子波段系數(shù)，不但可以增強(qiáng)特征信息、圖像對(duì)比度和豐富細(xì)節(jié)信息與圖像邊緣，而且有效地壓制了噪聲的放大。與自適應(yīng)直方圖均衡相比，帶限的自適應(yīng)直方圖均衡提高了計(jì)算效率，實(shí)現(xiàn)噪聲可控。而與傳統(tǒng)直方圖均衡和修正直方圖均衡相比較，帶限的自適應(yīng)直方圖均衡可以更好地增強(qiáng)局部特征、邊緣和對(duì)比度。

最后，由于拉普拉斯高斯金字塔變換具有可逆性，我們利用其逆變換把分別被帶限的自適應(yīng)直方圖均衡和數(shù)學(xué)形態(tài)學(xué)處理的高頻、低頻系數(shù)，來重構(gòu)出與輸入圖像相同大小的增強(qiáng)圖像。此外，采用了一個(gè)全局非線性的增益調(diào)整算子對(duì)其進(jìn)行處理，使得增強(qiáng)圖像更加自然和平滑。本文算法的框架如圖 4 所示。

圖4 本文算法的流程圖Fig.4. Flowchart of the proposed method

3 實(shí)驗(yàn)與結(jié)果分析

本文分別使用了5幅胸片X射線影圖(來源：谷歌圖片搜索)和5幅乳房X射線影像(來源：深圳安健醫(yī)療器設(shè)公司)來測試提出算法的可靠性和穩(wěn)定性，本文中實(shí)驗(yàn)結(jié)果只展示了其中各一幅的增強(qiáng)結(jié)果，算法的實(shí)施、執(zhí)行在MatLab2012a。通過把實(shí)驗(yàn)結(jié)果與基于拉普拉斯非線性多尺度處理方法[9]的結(jié)果作比較，來驗(yàn)證提出算法的先進(jìn)性和臨床的實(shí)用價(jià)值。而算法的優(yōu)越性和魯棒性等則通過視覺效果和性能度量指標(biāo)兩個(gè)方面來分析和評(píng)價(jià)。

3.1 對(duì)比度評(píng)價(jià)標(biāo)準(zhǔn)

Sundaram[14]提出了圖像對(duì)比度的計(jì)算方法，其計(jì)算公式如下：

式中，M和N分別為圖像的長和寬，是增強(qiáng)的圖像，公式(15)的值越大表明圖像的對(duì)比度越好。

3.2 對(duì)比度改進(jìn)因子

對(duì)比度增強(qiáng)的量化度量可以用對(duì)比度改進(jìn)因子來描述，其公式如下表示[15-19]：

式中，和分別是增強(qiáng)圖像和原始圖像。C是局部區(qū)域?qū)Ρ榷鹊钠骄?，因此，原始圖像的CII值等于1。在局部窗口中，每個(gè)像素局部對(duì)比度的計(jì)算是(Xmax—Xmin)／(Xmax+Xmin)。我采用了最優(yōu)化的對(duì)比度計(jì)算方法，其計(jì)算公式如下表示：

式中，mf是前景亮度均值，相應(yīng)的mb是背景亮度均值。在實(shí)驗(yàn)中，我們使用5×5的局部窗口。CII 的值越大表示圖像的質(zhì)量越好。

如圖5所示，本文算法有效地改進(jìn)胸片X射線圖像的對(duì)比度，增強(qiáng)和保護(hù)了圖像的細(xì)節(jié)、邊緣信息。胸片X射線圖像中脊椎內(nèi)的金屬絲變得清晰可見，胸部肋骨顯著增強(qiáng)，視覺效果良好。然而，基于拉普拉斯金字塔非線性多尺度算法對(duì)胸片X射線圖像的對(duì)比度雖有所改進(jìn)，增強(qiáng)圖像很平滑，但圖像的細(xì)節(jié)、邊緣很模糊，且不清晰，視覺效果差，影響臨床醫(yī)生的視覺診斷。

根據(jù)表1描述，本文算法在增強(qiáng)對(duì)比度和對(duì)比度改進(jìn)因子都優(yōu)與基于拉普拉斯金字塔非線性多尺度算法。依據(jù)度量結(jié)果的分析，本文算法更適合用于增強(qiáng)胸片X射線圖像的對(duì)比度。

如圖6所示，本文算法有效地改進(jìn)了乳房X射線圖像的對(duì)比度，增強(qiáng)和保護(hù)了圖像的細(xì)節(jié)、邊緣信息，乳房X射線圖像中腺體、結(jié)節(jié)變得清晰可見，視覺效果好，具有重要的臨床診斷意義。然而，基于拉普拉斯金字塔非線性多尺度算法對(duì)乳房X射線圖像的對(duì)比度雖有所改進(jìn)，增強(qiáng)圖像很平滑，但圖像的細(xì)節(jié)、邊緣很模糊，且不清晰。在某種程度上，圖像出現(xiàn)了白化現(xiàn)象，視覺效果差，很難用于臨床的視覺診斷。

表1 胸片X射線增強(qiáng)圖像對(duì)比度和對(duì)比度改進(jìn)因子的度量Table1. Enhancement evaluation of contrast and contrast improved index for Fig.5

圖6 乳房X射線圖像對(duì)比度增強(qiáng)比較Fig.6. Comparison of the enhanced mammogram contrast

表2數(shù)據(jù)顯示，本文算法在增強(qiáng)乳房X射線圖像對(duì)比度和對(duì)比度改進(jìn)因子都優(yōu)于基于拉普拉斯金字塔非線性多尺度算法。由于深圳安健醫(yī)療器設(shè)公司掃描的乳房圖像是使用16位的平板探測器，因此，圖像增強(qiáng)的計(jì)算空間大，獲得良好的度量結(jié)果。依據(jù)度量的結(jié)果分析，并與基于拉普拉斯金字塔非線性多尺度算法相比較，本文算法更有效地增強(qiáng)了乳房X射線圖像的對(duì)比度。

表2 乳房X射線增強(qiáng)圖像對(duì)比度和對(duì)比度改進(jìn)因子的度量Table2. Enhancement evaluation of contrast and contrast improved index for Fig.6

4 結(jié) 語

針對(duì)醫(yī)學(xué)X射線圖像的特點(diǎn)，我們提出了一種基于多尺度帶限自適應(yīng)直方圖均衡和數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué)X射線圖像對(duì)比度增強(qiáng)算法。算法嚴(yán)格控制局部對(duì)比度增強(qiáng)，防止增強(qiáng)過程放大噪聲。因此，本文算法在有效增強(qiáng)圖像對(duì)比度的同時(shí)也抑制了噪聲的放大，增強(qiáng)的X射線圖像在臨床實(shí)踐中起到了有意義的作用。但是，增強(qiáng)的圖像仍存在不足，在視覺效果上不夠自然。在未來的研究中，我們將進(jìn)一步改進(jìn)算法，同時(shí)，使用乳房X射線圖像的標(biāo)準(zhǔn)數(shù)據(jù)庫中的圖像測試和驗(yàn)證本文算法的魯棒性、穩(wěn)定性等，把實(shí)驗(yàn)結(jié)果與目前最新的醫(yī)學(xué)X射線圖像增強(qiáng)算法進(jìn)行比較，采用更多的度量指標(biāo)衡量算法性能的優(yōu)越性。

[1] 羅述謙, 周果宏. 醫(yī)學(xué)圖像處理與分析 [M]. 北京:科學(xué)出版社, 2003: 38-64.

[2] Sundaram M, Ramar K, Arumugam N, et al. Histogram based contrast enhancement for mammogram images [C] // Proceedings of 2011 International Conference on Signal Processing, Communication, Computing and Networking Technologies, 2011: 842-846.

[3] Rathi MS, Karode AH, Suralkar SR. Contrast enhancement and smoothing using histogram modification method [J]. International Journal of Computer Technology and Application, 2012, 3(5): 1789-1798.

[4] Dipple S, Stahl M, Wiemker R, et al. Multiscale contrast enhancement for radiographies: Laplacian pyramid versus fast wavelet transform [J]. IEEE Transactions on Medical Imaging, 2002, 21(4): 343-353.

[5] Lin J, Wei WY, Wang L, et al. Industrial X-ray image enhancement algorithm based on adaptive histogram and wavelet [C] // The 6th International Forum on Strategic Technology, 2011: 836-839.

[6] Wei J, Wang DD, Wang YW, et al. Industrial X-ray image enhancement algorithm based on AH and MSR [J]. Scientif i c Research, 2011, 3: 1040-1044.

[7] Mohideen K, Perumal A, Krishnan N, et al. Image denoising and enhancement using multiwavelet with hard threshold in digital mammographic images [J]. International Arab Journal of e-Technology, 2012, 2(1): 49-55.

[8] Kumar NH, Amutha S, Babu R. Enhancement of mammographic images using morphology and wavelet transform [J]. Computer Technology Application, 2012, 3(1): 192-198.

[9] Stahl M, Dippel S. Digital radiography enhancement by nonlinear multiscale processing [J]. Medical Physics, 2000, 27(1): 56-65.

[10] Burt PJ, Adelson EH. The Laplacian pyramid as a compact image code [J]. IEEE Transactions on Communications, 1983, 31( 4): 532-540.

[11] 張敏, 牟軒沁. 一種多尺度X射線胸片圖像增強(qiáng)算法[J].西安交通大學(xué)學(xué)報(bào),2010,44:83-87.

[12] 何祥彬. DR 的計(jì)算機(jī)控制與圖像增強(qiáng)方法研究 [D].合肥: 中國科學(xué)技術(shù)大學(xué), 2010.

[13] 趙月萍. X 射線圖像動(dòng)態(tài)降噪技術(shù)的研究 [D]. 太原: 中北大學(xué), 2011.

[14] Sundaram M, Ramar K, Arumugam N, et al. Histogram modif i ed local contrast enhancement for mammogram images [J]. Applied Soft Computing, 2011, 11(8): 5809-5816.

[15] Morrow WM, Paranjape RB. Region-based contrast enhancement of mammograms [J]. IEEE Transactions on Medical Imaging, 1992, 11(3): 392-406.

[16] Laine A, Fan J, Yang WH. Wavelets for contrast enhancement of digital mammography [J]. Engineering in Medicine and Biology Magazine, 1995, 14(5): 536-550.

[17] Laine A, Hud W, Steinbach B, et al. Mammographic image processing using wavelet processing techniques [J]. European Radiology, 1995, 5(5): 518-523.

[18] Trivedi M, Jaiswal A, Bhateja V. A new contrast improvement index based on logarithmic image processing model [J]. Advances in Intelligent System and Computing, 2013, 199: 715-723.

[19] Sakellaropoulos P, Costaridou L, Panayiotakis G. A wavelet-based spatially adaptive method for mammographic contrast enhancement [J]. Physics in Medicine and Biology, 2003, 48(6): 787-803.

Contrast Enhancement of Medical X-ray Images Based on Multiscale Limited Adaptive Histogram Equalization and Mathematical Morphology

WU Shibin WANG Yue XIE Yaoqin
( Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China )

The medical X-ray image is one of the images most widely applied in clinical applications. Because the lowdose X-ray image needed for imaging is of a low contrast, the X-ray image contrast enhancement is processed before the clinical application. A new algorithm for contrast enhancement of mammographic images was proposed in this paper. The approach was based on the multiscale transform and mathematical morphology. First of all, the Laplacian Gaussian pyramid operator was applied to transform the image into different scale sub-band images. In addition, the high-frequency subimages were equalized by contrast limited adaptive histogram equalization and low-pass sub-images were processed by the mathematical morphology. Finally, the image of enhanced contrast was reconstructed from the Laplacian Gaussian pyramid coeff i cients of high or low frequencies modif i ed by contrast limited adaptive histogram equalization and mathematical morphology respectively. The enhanced image was processed by a global non-linear operator. The experimental results show that the proposed algorithm is effective for the contrast enhancement of the medical X-ray image. The performances of the proposed algorithm were measured by contrast evaluation criterion for image and contrast improvement index.

multiscale analysis; mathematical morphology; Laplacian Gaussian pyramid; contrast enhancement

Q 334

A

2013-11-20

國家自然科學(xué)基金(51105359 及 61072031)、國家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)(2012AA02A604)、國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)子課題(2010CB732606)。

伍世賓，博士研究生，研究方向?yàn)獒t(yī)學(xué)圖像處理；王玥，碩士，研究助理，研究方向?yàn)樯镝t(yī)學(xué)電子學(xué)與圖像處理；謝耀欽(通訊作者)，博士，研究員，研究方向?yàn)獒t(yī)學(xué)影像，E-mail：yq.xie@siat.ac.cn。