工業(yè)內(nèi)窺鏡圖像對(duì)比度增強(qiáng)算法簡(jiǎn)單介紹

近幾年來(lái)，計(jì)算機(jī)圖像處理已經(jīng)應(yīng)用到幾乎所有與成像有關(guān)的領(lǐng)域，在內(nèi)窺鏡檢測(cè)領(lǐng)域顯得尤為突出，它是利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行一系列操作，從而獲得預(yù)期結(jié)果。而在對(duì)圖像處理過(guò)程中，則需要運(yùn)用圖像增強(qiáng)技術(shù)以改善圖像的質(zhì)量，增強(qiáng)對(duì)某一種信息的辨識(shí)能力，以便更好的應(yīng)用于現(xiàn)代社會(huì)的各個(gè)領(lǐng)域。而實(shí)際應(yīng)用中則有太多情況都有可能導(dǎo)致圖像品質(zhì)變差，使圖像傳遞的信息無(wú)法被正常讀取和識(shí)別。例如，在采集圖像過(guò)程中由于光照強(qiáng)度環(huán)境或物體表面反光等原因造成的圖像整體光照不均等等。因此研究有效地圖像增強(qiáng)算法成為推動(dòng)圖像分析和圖像理解應(yīng)用領(lǐng)域發(fā)展的關(guān)鍵內(nèi)容之一。  根據(jù)人眼對(duì)顏色的心理感覺(jué)，設(shè)計(jì)在HSI顏色空間上基于小波分析的醫(yī)學(xué)彩色內(nèi)窺鏡圖像增強(qiáng)方法。在增強(qiáng)亮度分量的同時(shí)，也可以對(duì)飽和度分量進(jìn)行細(xì)微調(diào)節(jié)。該方法可以抑制噪聲，使細(xì)節(jié)得到增強(qiáng)，也可以使處理后的圖像更加清晰且色澤鮮明。同時(shí)基于MATLAB的開(kāi)放式，可用其對(duì)有噪圖像或退化圖像進(jìn)行去噪或還原、增強(qiáng)圖像以獲得更高清晰度、提取特征、分析形狀和紋理以及對(duì)兩個(gè)圖像進(jìn)行匹配。圖像增強(qiáng)是圖像處理的重要組成部分，傳統(tǒng)的圖像增強(qiáng)方法對(duì)于改善圖像質(zhì)量發(fā)揮了重要的作用。隨著圖像技術(shù)研究的不斷進(jìn)步和深入研究，新的圖像增強(qiáng)方法不斷涌現(xiàn)。隨著交互式圖像增強(qiáng)技術(shù)的廣泛應(yīng)用，人們可以主觀的控制圖像增強(qiáng)效果，同時(shí)利用直方圖均衡技術(shù)的圖像增強(qiáng)也有了許多新的進(jìn)步：例如動(dòng)態(tài)分層直方圖均衡算法、多層直方圖結(jié)合亮度保持的均衡算法等等。這些算法通過(guò)進(jìn)行圖像分割，在子層圖像內(nèi)進(jìn)行均衡處理，解決了直方圖均衡過(guò)程中出現(xiàn)的對(duì)比度過(guò)拉伸問(wèn)題，并且可以控制子層灰度的映射范圍。

從數(shù)學(xué)角度看，圖像的直方圖函數(shù)是每個(gè)圖像與圖像的灰度值的統(tǒng)計(jì)特性，它是每個(gè)灰度級(jí)的圖像出現(xiàn)的統(tǒng)計(jì)概率;而從圖形上看，它的二維圖中，通常橫坐標(biāo)表示圖像中各個(gè)像素點(diǎn)的灰度級(jí)，縱坐標(biāo)則是各個(gè)灰度級(jí)上圖像各個(gè)像素點(diǎn)出現(xiàn)的概率。在實(shí)踐中，圖像可能不需要有整個(gè)直方圖的均勻分布，而是希望有目的地增強(qiáng)某個(gè)灰度級(jí)分布范圍內(nèi)的圖像。 這個(gè)算法的原理來(lái)自于文章《Optimized contrast enhancement for real-time image and video dehazing》，作者是韓國(guó)人。這個(gè)算法也是基于大氣散射模型： 和現(xiàn)在一些常見(jiàn)的去霧文章有明顯的不同的是，這篇文章的并不是基于暗通道原理的，也不是把重點(diǎn)強(qiáng)調(diào)在透射率圖的細(xì)化上，而是提出了一種新的得到粗透射率圖的方法。并且文章分別講到了靜態(tài)圖像和視頻圖像的去霧，這里我只研究了靜態(tài)圖的去霧。對(duì)于透射率圖，文章提出了一個(gè)cost function，這個(gè)cost function是基于以下兩點(diǎn)考慮的：

1、對(duì)于有霧圖像，其整體的對(duì)比比較低，因此去霧后的對(duì)比度要盡量的高；

2、 由于對(duì)比度得到增強(qiáng)，可能會(huì)導(dǎo)致部分像素的調(diào)整值超出了0和255的范圍，這樣就會(huì)造成信息的損失以及視覺(jué)上的瑕疵。因此提出了一個(gè)信息量損失的計(jì)算公式；