余成波，孔慶達(dá)，田桐

　　（重慶理工大學(xué) 遠(yuǎn)程測試與控制研究所，重慶 400054）

       摘要：針對角膜內(nèi)皮細(xì)胞圖像由于非均勻光照造成的明暗不均問題，提出一種基于限制對比度自適應(yīng)直方圖均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)與同態(tài)濾波進(jìn)行組合的角膜內(nèi)皮細(xì)胞圖像增強(qiáng)新方法。CLAHE方法提高了圖像的局部對比度，不損傷圖像細(xì)節(jié)，同時(shí)避免圖像噪聲隨圖像對比度增大而放大。同態(tài)濾波方法增強(qiáng)圖像暗部細(xì)節(jié)，提升圖像的分辨率。實(shí)驗(yàn)結(jié)果表明本文方法對角膜內(nèi)皮細(xì)胞圖像的分辨率和對比度增強(qiáng)有顯著的效果。

　　關(guān)鍵詞：圖像增強(qiáng)；自適應(yīng)直方圖均衡化；同態(tài)濾波

　　中圖分類號(hào)：TP391.4文獻(xiàn)標(biāo)識(shí)碼：ADOI： 10.19358/j.issn.1674-7720.2017.04.015

　　引用格式：余成波，孔慶達(dá)，田桐.基于CLAHE與同態(tài)濾波的細(xì)胞圖像增強(qiáng)新方法［J］.微型機(jī)與應(yīng)用，2017,36（4）：51-52,62.

0引言

　　重慶市高校優(yōu)秀成果轉(zhuǎn)化資助項(xiàng)目（KJZH14213）在對角膜內(nèi)皮細(xì)胞圖像病變的分析中，使角膜內(nèi)皮細(xì)胞圖像能夠清晰地展現(xiàn)出細(xì)胞的形態(tài)特點(diǎn)是角膜內(nèi)皮細(xì)胞圖像處理算法的關(guān)鍵。在實(shí)際的采集過程中由于曝光不均勻、噪聲等難以避免的因素影響，常常使采集到的圖像明暗不均、噪點(diǎn)過多、細(xì)胞輪廓模糊不清，為了使采集得到的圖像清晰可辨，應(yīng)該對圖像進(jìn)行前期的預(yù)處理。目前一般的細(xì)胞圖像增強(qiáng)方法包括直方圖均衡化、單尺度Retinex圖像增強(qiáng)算法［1］等。直方圖均衡化［2］(Histogram Equalization,HE)是圖像增強(qiáng)領(lǐng)域中常用的一種方法，通過觀察圖像的直方圖能夠看到圖像灰度范圍、對比度的變化等，從而利用直方圖來調(diào)整圖像的對比度。它的主要思想是把原圖中灰度比較密集的區(qū)域轉(zhuǎn)化成在全部灰度范圍內(nèi)的均勻分布［3］。算法的核心用到了累積分布函數(shù)變換的數(shù)學(xué)理論［4］。直方圖均衡化雖然改善了圖像的對比度，但是直方圖均衡化的方法也有缺點(diǎn)，該方法屬于圖像全局處理方法，對光照不均勻的圖像進(jìn)行處理時(shí)會(huì)使暗部更暗，亮部更亮，圖像細(xì)節(jié)損失嚴(yán)重，因此對角膜內(nèi)皮細(xì)胞圖像的處理是有缺陷的。文獻(xiàn)［1］中提出采用單尺度Retinex圖像增強(qiáng)算法對于彩色細(xì)胞圖像的去霧、增強(qiáng)和色彩校正效果比較好，但是算法較復(fù)雜，且在處理灰度圖像時(shí)使圖像的邊緣部分細(xì)節(jié)有缺失，無法滿足要求。

　　上述方法對角膜內(nèi)皮細(xì)胞圖像的增強(qiáng)效果并不理想，本文提出了采用CLAHE方法結(jié)合同態(tài)濾波來進(jìn)行圖像增強(qiáng)的方法，在抑制圖像噪聲放大的同時(shí)，圖像光線較暗區(qū)域的細(xì)節(jié)不會(huì)損失，使細(xì)胞的輪廓清晰可見［5］。

1角膜內(nèi)皮細(xì)胞圖像增強(qiáng)流程

　　圖1本文圖像增強(qiáng)的過程圖像采集過程中的非均勻照射以及噪聲影響，使采集到的圖片會(huì)出現(xiàn)明暗不均問題，為了使圖像邊緣細(xì)節(jié)能夠清晰顯示，對原細(xì)胞灰度圖像進(jìn)行圖像增強(qiáng)，本文提出如圖1所示的方法。

　　本文的圖像增強(qiáng)流程概述：

　?。?）采用CLAHE方法，局部動(dòng)態(tài)地增強(qiáng)圖像對比度，保留圖像細(xì)節(jié)和形態(tài)特征，并抑制噪聲的放大。

　?。?）對上述處理后的圖像采用同態(tài)濾波方法，增強(qiáng)圖像細(xì)節(jié)，平滑圖像，降低圖像噪聲，提升圖像的分辨力，得到增強(qiáng)后的圖像。

2限制對比度自適應(yīng)直方圖均衡化方法

　　自適應(yīng)直方圖均衡化方法(Adaptive Histogram Equalization, AHE)不同于普通的直方圖均衡算法,該方法通過計(jì)算圖像局部直方圖來分配亮度，最后達(dá)到改善圖像對比度的目的［6］。自適應(yīng)直方圖均衡化使圖像的局部對比度增強(qiáng)，獲得更多的圖像細(xì)節(jié)，但是該方法也有缺點(diǎn)，在圖像處理的過程中無法抑制圖像噪聲的增強(qiáng)。

　　限制對比度自適應(yīng)直方圖均衡化方法［7］（Contrast Limited Adaptive Histogram Equalization, CLAHE)是對自適應(yīng)直方圖均衡化方法的改進(jìn)。該算法先通過如圖2所示的方式截取直方圖，然后再求解轉(zhuǎn)化函數(shù)達(dá)到抑制圖像中噪聲放大的目的，同時(shí)繼承了對比度自適應(yīng)直方圖均衡化算法的優(yōu)點(diǎn)，使圖像的細(xì)節(jié)和輪廓更加清晰。因此本文采用了該算法來對細(xì)胞圖像進(jìn)行增強(qiáng)，CLAHE方法的具體實(shí)現(xiàn)步驟如下［8］：

　?。?）將圖像分為M×N個(gè)不疊加子區(qū)域。

　?。?）計(jì)算每塊區(qū)域的灰度直方圖，并使每個(gè)區(qū)域上的灰度級(jí)得到相同的像素?cái)?shù)，即平均像素?cái)?shù)：

　　式(1)中，Ngray是子區(qū)域中灰度級(jí)的數(shù)量；Nx是子區(qū)域x軸方向的像素?cái)?shù)；Ny是子區(qū)域y軸方向的像素?cái)?shù)。

　　（3）將直方圖中大于K的像素?cái)?shù)截取掉（K為截取系數(shù)），并求出截取部分的像素總數(shù)∑Nv，截取過程如圖2所示，再運(yùn)用∑NvNgray求出截取到的像素總數(shù)分配到每個(gè)灰度級(jí)的像素?cái)?shù)。

　?。?）分別對每塊區(qū)域得到的裁剪后的新直方圖進(jìn)行直方圖均衡化，并使用變換函數(shù)得到新的灰度值。

　　3CLAHE處理后的結(jié)果分析

　　光學(xué)顯微鏡獲得角膜內(nèi)皮細(xì)胞圖像后，運(yùn)用本文CLAHE方法進(jìn)行圖像處理，與文獻(xiàn)［4］中的普通的直方圖均衡化方法和文獻(xiàn)［1］中單尺度Retinex圖像增強(qiáng)算法的結(jié)果進(jìn)行了對比分析，實(shí)驗(yàn)結(jié)果如圖3所示，以上方法均基于MATLAB R2008a實(shí)現(xiàn)。

　　對圖3(b)和(d)進(jìn)行比較可以發(fā)現(xiàn)：直方圖均衡化后的圖像對比度增強(qiáng)，但是圖3(b)右側(cè)部分出現(xiàn)明顯的暗影，細(xì)節(jié)幾乎全部缺失，而限制對比度自適應(yīng)直方圖均衡化［9］后的圖像細(xì)節(jié)和輪廓比普通的直方圖均衡化后的圖像效果更佳。圖3(c)雖然也能夠突出細(xì)胞的邊緣紋路，但是對于消除光照影響明顯不如本文方法。

4同態(tài)濾波方法

　　同態(tài)濾波［10］方法是一種圖像頻域處理方法，該方法的原理是對圖像的灰度范圍進(jìn)行調(diào)整，消除圖像上照明不均的問題，在不損失亮區(qū)的圖像細(xì)節(jié)的情況下，增強(qiáng)暗區(qū)的圖像細(xì)節(jié)，對于明暗不均的圖像來說非常適用。

　　照明函數(shù)fi(x,y)和反射函數(shù)fr(x,y)的乘積就構(gòu)成了圖像函數(shù)f(x,y)，可以用下式表示：

　　f(x,y)=fi(x,y)fr(x,y)(2)

　　0<fi(x,y)<∞，0<fr(x,y)<1

　　式中，fi(x,y)表示了景物的照明，與景物無關(guān)；fr(x,y)表示了景物的細(xì)節(jié)，與照明無關(guān)。

　　同態(tài)濾波方法就是基于式(2)對兩個(gè)相乘的分量分別進(jìn)行濾波，該方法的過程步驟如下。

　　（1）對數(shù)變換

　　lnf(x,y)=lnfi(x,y)+lnfr(x,y)（3）

　?。?）傅里葉變換

　　F(u,v)=FI(u,v)+FR(u,v)（4）

　　（3）將F(u,v)乘上同態(tài)濾波函數(shù)H(u,v)得

　　GIn(u,v)=H(u,v)F(u,v)=H(u,v)FI(u,v)+H(u,v)FR(u,v)（5）

　?。?）對傅里葉求反變換得

　　gln(x,y)=giln(x,y)+grln(x,y)（6）

　　（5）求指數(shù)變換得到同態(tài)濾波后的圖像

　　g(x,y)=exp(gi(x,y)gr(x,y))（7）

　　通過上述同態(tài)濾波過程可以壓縮照明函數(shù)的灰度范圍，同時(shí)增強(qiáng)反射函數(shù)的頻譜成分，實(shí)驗(yàn)結(jié)果如圖4所示。

　　從圖4可以看出，通過本文CLAHE方法處理過的圖像經(jīng)過同態(tài)濾波后明顯變得更平滑，細(xì)節(jié)更清楚，圖像的整體亮度變高，細(xì)胞的形態(tài)特征的分辨率更高。

5結(jié)論

　　本文在對角膜內(nèi)皮細(xì)胞進(jìn)行增強(qiáng)處理的過程中，針對非均勻光照情況下采集到的角膜內(nèi)皮細(xì)胞圖像依次采用如下方法:(1)限制對比度自適應(yīng)直方圖均衡化算法，局部動(dòng)態(tài)地提升了圖像的對比度，突出了圖像的細(xì)節(jié)顯示；(2)同態(tài)濾波算法，提高圖像暗部的亮度，同時(shí)不損傷圖像的細(xì)節(jié)并使圖像更平滑，提高了圖像的分辨率。實(shí)驗(yàn)結(jié)果表明本文的方法能夠?qū)悄?nèi)皮細(xì)胞進(jìn)行增強(qiáng)，在突出了細(xì)胞邊緣細(xì)節(jié)的同時(shí)也消除了圖像的噪點(diǎn)，能為病變觀察、后期圖像分割及形態(tài)判別提供有效的支持，對于醫(yī)學(xué)細(xì)胞圖像的增強(qiáng)也具有可行性借鑒。

參考文獻(xiàn)

　?。?］ 嵇曉強(qiáng)，程掲章，李琦，等. 細(xì)胞工廠光學(xué)顯微成像與圖像處理［J］. 光學(xué)學(xué)報(bào)，2015,44(7)：150157.

　　［2］ GONZALEZ R C, WOODS R E, EDDINS S L. Digital image processing using MATLAB［M］. 北京：電子工業(yè)出版社，2005.

　　［3］ 沈晶, 劉海波, 周長健. 數(shù)字圖像處理典型案例詳解［M］.北京: 機(jī)械工業(yè)出版社, 2012.

　?。?］ 暢博. 紅外圖像增強(qiáng)和目標(biāo)檢測跟蹤技術(shù)研究［D］. 成都：電子科技大學(xué), 2014.

　　［5］ 胡竇明，趙海生，李云川，等. 一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法［J］. 紅外技術(shù)，2012,34(4):225228.

　　［6］ 楊驥，楊亞東，梅雪，等. 基于改進(jìn)的限制對比度自適應(yīng)直方圖的視頻快速去霧算法［J］. 計(jì)算機(jī)工程與設(shè)計(jì)， 2015,36(1): 221226.

　?。?］ BENGIO S, WESTON J, GRANGIER D,Label embedding trees for large muliticlass tasks［C］. Neural Information Processing System, 2010: 163171.

　　［8］ 許志遠(yuǎn)，王庸凱，孫康等. 基于CLAHE的DSP實(shí)時(shí)去霧系統(tǒng)［J］. 沈陽大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2014,26(4): 296299.

　　［9］ ZUIDERVELD K. Contrast limited adaptive histogram equalization［M］. Pittsburgh: Academic Press Professional, Inc., 1994.

　?。?0］ 劉剛，王立香，董延. MATLAB數(shù)字圖像處理［M］. 北京: 機(jī)械工業(yè)出版社，2010.