余成波，孔慶達，田桐

　?。ㄖ貞c理工大學(xué) 遠程測試與控制研究所，重慶 400054）

       摘要：針對角膜內(nèi)皮細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)濾波進行組合的角膜內(nèi)皮細胞圖像增強新方法。CLAHE方法提高了圖像的局部對比度，不損傷圖像細節(jié)，同時避免圖像噪聲隨圖像對比度增大而放大。同態(tài)濾波方法增強圖像暗部細節(jié)，提升圖像的分辨率。實驗結(jié)果表明本文方法對角膜內(nèi)皮細胞圖像的分辨率和對比度增強有顯著的效果。

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

　　中圖分類號：TP391.4文獻標(biāo)識碼：ADOI： 10.19358/j.issn.1674-7720.2017.04.015

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

0引言

　　重慶市高校優(yōu)秀成果轉(zhuǎn)化資助項目（KJZH14213）在對角膜內(nèi)皮細胞圖像病變的分析中，使角膜內(nèi)皮細胞圖像能夠清晰地展現(xiàn)出細胞的形態(tài)特點是角膜內(nèi)皮細胞圖像處理算法的關(guān)鍵。在實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、噪點過多、細胞輪廓模糊不清，為了使采集得到的圖像清晰可辨，應(yīng)該對圖像進行前期的預(yù)處理。目前一般的細胞圖像增強方法包括直方圖均衡化、單尺度Retinex圖像增強算法［1］等。直方圖均衡化［2］(Histogram Equalization,HE)是圖像增強領(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，該方法屬于圖像全局處理方法，對光照不均勻的圖像進行處理時會使暗部更暗，亮部更亮，圖像細節(jié)損失嚴(yán)重，因此對角膜內(nèi)皮細胞圖像的處理是有缺陷的。文獻［1］中提出采用單尺度Retinex圖像增強算法對于彩色細胞圖像的去霧、增強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使圖像的邊緣部分細節(jié)有缺失，無法滿足要求。

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

1角膜內(nèi)皮細胞圖像增強流程

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

　　本文的圖像增強流程概述：

　?。?）采用CLAHE方法，局部動態(tài)地增強圖像對比度，保留圖像細節(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，增強圖像細節(jié)，平滑圖像，降低圖像噪聲，提升圖像的分辨力，得到增強后的圖像。

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,該方法通過計算圖像局部直方圖來分配亮度，最后達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，獲得更多的圖像細節(jié)，但是該方法也有缺點，在圖像處理的過程中無法抑制圖像噪聲的增強。

　　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。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)達到抑制圖像中噪聲放大的目的，同時繼承了對比度自適應(yīng)直方圖均衡化算法的優(yōu)點，使圖像的細節(jié)和輪廓更加清晰。因此本文采用了該算法來對細胞圖像進行增強，CLAHE方法的具體實現(xiàn)步驟如下［8］：

　　（1）將圖像分為M×N個不疊加子區(qū)域。

　?。?）計算每塊區(qū)域的灰度直方圖，并使每個區(qū)域上的灰度級得到相同的像素數(shù)，即平均像素數(shù)：

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

　?。?）將直方圖中大于K的像素數(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，再運用∑NvNgray求出截取到的像素總數(shù)分配到每個灰度級的像素數(shù)。

　?。?）分別對每塊區(qū)域得到的裁剪后的新直方圖進行直方圖均衡化，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)皮細胞圖像后，運用本文CLAHE方法進行圖像處理，與文獻［4］中的普通的直方圖均衡化方法和文獻［1］中單尺度Retinex圖像增強算法的結(jié)果進行了對比分析，實驗結(jié)果如圖3所示，以上方法均基于MATLAB R2008a實現(xiàn)。

　　對圖3(b)和(d)進行比較可以發(fā)現(xiàn)：直方圖均衡化后的圖像對比度增強，但是圖3(b)右側(cè)部分出現(xiàn)明顯的暗影，細節(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)的圖像細節(jié)的情況下，增強暗區(qū)的圖像細節(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)表示了景物的細節(jié)，與照明無關(guān)。

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

　?。?）對數(shù)變換

　　lnf(x,y)=lnfi(x,y)+lnfr(x,y)（3）

　　（2）傅里葉變換

　　F(u,v)=FI(u,v)+FR(u,v)（4）

　?。?）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）

　?。?）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，同時增強反射函數(shù)的頻譜成分，實驗結(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，細節(jié)更清楚，圖像的整體亮度變高，細胞的形態(tài)特征的分辨率更高。

5結(jié)論

　　本文在對角膜內(nèi)皮細胞進行增強處理的過程中，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，局部動態(tài)地提升了圖像的對比度，突出了圖像的細節(jié)顯示；(2)同態(tài)濾波算法，提高圖像暗部的亮度，同時不損傷圖像的細節(jié)并使圖像更平滑，提高了圖像的分辨率。實驗結(jié)果表明本文的方法能夠?qū)悄?nèi)皮細胞進行增強，在突出了細胞邊緣細節(jié)的同時也消除了圖像的噪點，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)細胞圖像的增強也具有可行性借鑒。

參考文獻

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

　?。?］ 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.

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

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

　?。?］ 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新方法［J］. 紅外技術(shù)，2012,34(4):225228.

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

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

　?。?］ 許志遠，王庸凱，孫康等. 基于CLAHE的DSP實時去霧系統(tǒng)［J］. 沈陽大學(xué)學(xué)報(自然科學(xué)版)， 2014,26(4): 296299.

　?。?］ 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: 機械工業(yè)出版社，2010.