CN112184601B - 利用改进clahe算法增强在近红外光源下的静脉图像的方法 - Google Patents
利用改进clahe算法增强在近红外光源下的静脉图像的方法 Download PDFInfo
- Publication number
- CN112184601B CN112184601B CN202010942408.6A CN202010942408A CN112184601B CN 112184601 B CN112184601 B CN 112184601B CN 202010942408 A CN202010942408 A CN 202010942408A CN 112184601 B CN112184601 B CN 112184601B
- Authority
- CN
- China
- Prior art keywords
- histogram
- image
- vein
- infrared light
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000003462 vein Anatomy 0.000 title claims abstract description 42
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 22
- 238000000638 solvent extraction Methods 0.000 claims abstract description 3
- 230000006835 compression Effects 0.000 claims description 12
- 238000007906 compression Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,包括以下步骤:步骤1:分块;步骤2:计算直方图;步骤3:计算剪切阈值clip Limit:步骤4:像素点重分配;得到经重分配处理后的直方图h'(x);步骤5:直方图均衡;步骤6:像素点预输出灰度值重构;步骤7:像素点输出灰度值重构。本发明改进CLAHE图像对比度增强算法后图像可以更好的强调暗区域或亮区域,在近红外光源下的静脉图像中可以更好的强调静脉区域的特征。
Description
技术领域
本发明涉及一种利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,特别是引入正弦函数幂指数函数来调整灰度值重映射分布的方法。
背景技术
目前对于静脉图像的研究大多都是通过近红外光源照射静脉区域再采取滤波及增强对比度的方法来突出静脉的结构特征。
直方图均衡化是最常用的图像增强对比度的方法。直方图均衡化主要分为全局方法和局部方法两类。全局增强方法主要是通过修改图像直方图分布达到对比度增强的目的;而局部增强方法主要是预先定义一个局部对比度,然后增强该局部对比度达到增强图像细节的效果经典的局部直方图均衡技术包括对比度受限自适应直方图均衡化(contrastlimited adaptive histogram equalization,CLAHE)、子块重叠直方图均衡化、子块部分重叠直方图均衡化。其中,CLAHE方法结合了自适应直方图均衡化和对比度受限两项技术的优点,特别适用于低对比度图像,而且实现过程不复杂。
一般的全局直方图均衡化算法存在直方图均衡化结果不是很“均衡”的问题,均衡化后图像的灰度级减少,某些细节将会消失;某些图像经过均衡化后对比度会不自然的过分增强,因此增强的效果并不是很理想。局部方法综合考虑像素点的位置和灰度信息,处理效果往往优于全局方法。经典的局部直方图均衡技术包括对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)、子块重叠直方图均衡化、子块部分重叠直方图均衡化。其中,CLAHE方法结合了自适应直方图均衡化和对比度受限两项技术的优点,特别适用于低对比度图像,而且实现过程不复杂。但是CLAHE方法对于在近红外光源下的静脉图像中进行处理时并不能较好的强调暗区域即静脉,导致图像灰度值均匀则不能很好的突出静脉特征。
因此,需要对现有技术进行改进。
发明内容
本发明要解决的技术问题是提供一种高效的利用改进CLAHE算法增强在近红外光源下的静脉图像的方法。
为解决上述技术问题,本发明提供一种利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,包括以下步骤:
步骤1:分块;将输入图像划分为c*r个大小相等的不重叠子块,每个子块含有的像素数为M;
步骤2:计算直方图;用h(x)表示子块的直方图,x代表灰度级,取值范围是[0,L-1],L为可能出现的灰度级数;
步骤3:计算剪切阈值clip Limit:
式中:norm Clip Limit是对比度增强幅度值;
步骤4:像素点重分配;得到经重分配处理后的直方图h'(x);
步骤5:直方图均衡;对经重分配处理后的直方图h'(x)进行直方图均衡化处理,均衡结果用f(x)表示;
步骤6:像素点预输出灰度值重构;根据均衡结果f(x),得到各子块各像素点的灰度值,作为参考点,计算预输出图像中各点的灰度值g;
步骤7:像素点输出灰度值重构。
作为对本发明利用改进CLAHE算法增强在近红外光源下的静脉图像的方法的改进:
在步骤4中:
对每个子块,使用对应的剪切阈值clip Limit对子块的直方图h(x)进行剪切,将剪切下来的像素总差值均匀地重新分配到直方图的各灰度级中,有:
avgBincr=totalE/L
式中,total E是指超过剪切阈值clip Limit的像素总差值;avg BIncr是指直方图中平均每个灰度级增加的像素值;
重复上述分配过程,直至将所有被剪切的像素点分配完毕。
作为对本发明利用改进CLAHE算法增强在近红外光源下的静脉图像的方法的进一步改进:
在步骤4中:
用h'(x)表示h(x)经重分配处理后的直方图,则有
作为对本发明利用改进CLAHE算法增强在近红外光源下的静脉图像的方法的进一步改进:
在步骤6中:
使用双线性插值技术计算预输出图像中各点的灰度值g。
作为对本发明利用改进CLAHE算法增强在近红外光源下的静脉图像的方法的进一步改进:
在步骤7中:
根据步骤6中得到的预输出图像中各点的灰度值g,通过正弦函数幂指数函数对g值进行重映射得到最终图像中各像素点灰度输出值f,达到静脉图像进一步增强突出了静脉区域的效果,有:
式中α为暗区域的压缩程度系数,图像灰度值重映射时控制暗区域的区域映射程度;β为亮区域的压缩程度系数,图像灰度值重映射时控制亮区域的区域映射程度;通过正弦函数幂指数函数图像特征,利用α与β参数的调节强调整幅图像的亮/暗区域特征。
作为对本发明利用改进CLAHE算法增强在近红外光源下的静脉图像的方法的进一步改进:
对比度增强幅度值norm Clip Limit为4-15。
作为对本发明利用改进CLAHE算法增强在近红外光源下的静脉图像的方法的进一步改进:
暗区域的压缩程度系数α=1.8,亮区域的压缩程度系数β=1.9。
本发明的技术方案是:在CLAHE图像增强的基础上灰度值重映射时引入正弦函数幂指数函数来调整灰度值重映射分布的方法;包括以下步骤:
步骤一:得到CLAHE所统计的各子块区域的灰度映射图。
步骤二:设置暗区域的压缩程度系数α,图像灰度值重映射时控制暗区域的区域映射程度。
步骤三:设置亮区域的压缩程度系数β,图像灰度值重映射时控制亮区域的区域映射程度。
步骤四:引入正弦函数幂指数函数反应图像增强后灰度值的重映射,式中g为原CLAHE算法处理后预输出灰度值。
经改进后的静脉图像结果对比如图3所示,图3中的a为原图,图3中的b为经典直方图均衡化后处理结果,图3中的c为有插值CLAHE处理结果,图3中的d为本发明改进了的CLAHE最终处理结果,改进后的CLAHE避免了直方图均衡化中某些细节将会消失及其对比度会不自然的过分增强,对于CLAHE处理后静脉区域特征较不佳的问题进行了解决,达到了强调静脉区域特征的效果。
本发明利用改进CLAHE算法增强在近红外光源下的静脉图像的方法的技术优势为:
改进CLAHE图像对比度增强算法后图像可以更好的强调暗区域或亮区域,在近红外光源下的静脉图像中可以更好的强调静脉区域的特征。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细说明。
图1是CLAHE算法。(a)直方图剪切;(b)CLAHE重分配后的直方图;
图2是改进CLAHE算法图像对比度增强流程图;
图3是经改进后的静脉图像;a为原图,b为经典直方图均衡化后处理结果,c为有插值CLAHE处理结果,d为改进了的CLAHE最终处理结果。
具体实施方式
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此。
实施例1、利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,如图1-3所示,
本发明通过在利用CLAHE均衡化对图像灰度值重映射时的调节来进行强调亮暗区域可控的图像增强方法来使得近红外光源下的静脉图像静脉区域特征更加明显。
CLAHE通过限制局部直方图的高度来限制局部对比度的增强幅度,从而限制噪声的放大及局部对比度的过度增强。首先将图像分为若干子块,然后对每个子块进行直方图“剪切”(见图1中的(a)),再对每个子块进行直方图均衡(见图1中的(b)),最后对每个像素通过插值运算得到变换后的灰度值,从而实现对比度受限自适应图像增强。
如图2所示为改进CLAHE算法流程图,具体实现主要包括以下7个步骤:
步骤1:分块。将输入图像划分为c*r个大小相等的不重叠子块,每个子块含有的像素数为M。子块越大,增强效果越明显,但图像细节丢失越多。
步骤2:计算直方图。用h(x)表示子块的直方图,x代表灰度级,它的取值范围是[0,L-1],L为可能出现的灰度级数级数为256。
步骤3:计算剪切阈值clip Limit:
式中:norm Clip Limit是对比度增强幅度值,它决定了对比度增强的幅度,通过实验确定,一般取值4-15之间。
步骤4:像素点重分配。对每个子块,使用对应的剪切阈值clip Limit对子块的直方图h(x)进行剪切,将剪切下来的像素总差值均匀地重新分配到直方图的各灰度级中,有:
avgBincr=totalE/L
式中,total E是指超过剪切阈值clip Limit的像素总差值。avg BIncr是指直方图中平均每个灰度级增加的像素值。
重复上述分配过程,直至将所有被剪切的像素点分配完毕,如图1中的(b)所示。若用h'(x)表示h(x)经重分配处理后的直方图,则有
步骤5:直方图均衡。对经重分配处理后的直方图h'(x)进行直方图均衡化处理,均衡结果用f(x)表示。
步骤6:像素点预输出灰度值重构。根据均衡结果f(x),得到各子块中心像素点的灰度值,将它们作为参考点,采用双线性插值技术,计算预输出图像中各点的灰度值g。
步骤7:像素点输出灰度值重构。根据步骤6中得到的预输出图像中各点的灰度值g,通过正弦函数幂指数函数对g值进行重映射得到最终图像中各像素点灰度输出值f,达到静脉图像进一步增强突出了静脉区域的效果,有:
式中α为暗区域的压缩程度系数,图像灰度值重映射时控制暗区域的区域映射程度。β为亮区域的压缩程度系数,图像灰度值重映射时控制亮区域的区域映射程度。通过正弦函数幂指数函数图像特征,利用α与β参数的调节强调整幅图像的亮/暗区域特征。通过在近红外环境光源照射下实验取得α=1.8,β=1.9更能突出静脉区域特征。
最后,还需要注意的是,以上列举的仅是本发明的若干个具体实施例。显然,本发明不限于以上实施例,还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (5)
1.利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,其特征在于:包括以下步骤:
步骤1:分块;将输入图像划分为c*r个大小相等的不重叠子块,每个子块含有的像素数为M;
步骤2:计算直方图;用h(x)表示子块的直方图,x代表灰度级,取值范围是[0,L-1],L为可能出现的灰度级数;
步骤3:计算剪切阈值clip Limit:
式中:norm Clip Limit是对比度增强幅度值;
步骤4:像素点重分配;得到经重分配处理后的直方图h'(x);
步骤5:直方图均衡;对经重分配处理后的直方图h'(x)进行直方图均衡化处理,均衡结果用f(x)表示;
步骤6:像素点预输出灰度值重构;根据均衡结果f(x),得到各子块各像素点的灰度值,作为参考点,计算预输出图像中各点的灰度值g;
步骤7:像素点输出灰度值重构;
在步骤4中:
对每个子块,使用对应的剪切阈值clip Limit对子块的直方图h(x)进行剪切,将剪切下来的像素总差值均匀地重新分配到直方图的各灰度级中,有:
avgBincr=totalE/L
式中,total E是指超过剪切阈值clip Limit的像素总差值;avg BIncr是指直方图中平均每个灰度级增加的像素值;
重复上述分配过程,直至将所有被剪切的像素点分配完毕;
在步骤4中:
用h'(x)表示h(x)经重分配处理后的直方图,则有
2.根据权利要求1所述的利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,其特征在于:
在步骤6中:
使用双线性插值技术计算预输出图像中各点的灰度值g。
3.根据权利要求2所述的利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,其特征在于:
在步骤7中:
根据步骤6中得到的预输出图像中各点的灰度值g,通过正弦函数幂指数函数对g值进行重映射得到最终图像中各像素点灰度输出值f,达到静脉图像进一步增强突出了静脉区域的效果,有:
式中α为暗区域的压缩程度系数,图像灰度值重映射时控制暗区域的区域映射程度;β为亮区域的压缩程度系数,图像灰度值重映射时控制亮区域的区域映射程度;通过正弦函数幂指数函数图像特征,利用α与β参数的调节强调整幅图像的亮/暗区域特征。
4.根据权利要求3所述的利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,其特征在于:
对比度增强幅度值norm Clip Limit为4-15。
5.根据权利要求4所述的利用改进CLAHE算法增强在近红外光源下的静脉图像的方法,其特征在于:
暗区域的压缩程度系数α=1.8,亮区域的压缩程度系数β=1.9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010942408.6A CN112184601B (zh) | 2020-09-09 | 2020-09-09 | 利用改进clahe算法增强在近红外光源下的静脉图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010942408.6A CN112184601B (zh) | 2020-09-09 | 2020-09-09 | 利用改进clahe算法增强在近红外光源下的静脉图像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184601A CN112184601A (zh) | 2021-01-05 |
CN112184601B true CN112184601B (zh) | 2023-10-27 |
Family
ID=73920291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010942408.6A Active CN112184601B (zh) | 2020-09-09 | 2020-09-09 | 利用改进clahe算法增强在近红外光源下的静脉图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184601B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283076B (zh) * | 2021-12-08 | 2024-03-29 | 凌云光技术股份有限公司 | 一种基于透射率和clahe算法的图像处理方法 |
CN114092361B (zh) * | 2022-01-20 | 2022-06-07 | 浙江芯昇电子技术有限公司 | 一种优化clahe的图像局部对比度增强方法 |
CN114463208A (zh) * | 2022-01-25 | 2022-05-10 | 润建股份有限公司 | 基于限制对比度自适应直方图均衡方法的建维监控视频图像增强方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504177A (zh) * | 2016-09-30 | 2017-03-15 | 广东技术师范学院 | 一种彩色图像的低嵌入率压缩感知通用隐写分析方法 |
CN106651818A (zh) * | 2016-11-07 | 2017-05-10 | 湖南源信光电科技有限公司 | 基于改进的直方图均衡化低照度图像增强算法 |
CN108389163A (zh) * | 2018-01-22 | 2018-08-10 | 西安工程大学 | 一种基于暗光彩色图像的自适应增强方法 |
CN110852955A (zh) * | 2018-08-21 | 2020-02-28 | 中南大学 | 一种基于图像强度阈值和自适应切割的图像增强方法 |
-
2020
- 2020-09-09 CN CN202010942408.6A patent/CN112184601B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504177A (zh) * | 2016-09-30 | 2017-03-15 | 广东技术师范学院 | 一种彩色图像的低嵌入率压缩感知通用隐写分析方法 |
CN106651818A (zh) * | 2016-11-07 | 2017-05-10 | 湖南源信光电科技有限公司 | 基于改进的直方图均衡化低照度图像增强算法 |
CN108389163A (zh) * | 2018-01-22 | 2018-08-10 | 西安工程大学 | 一种基于暗光彩色图像的自适应增强方法 |
CN110852955A (zh) * | 2018-08-21 | 2020-02-28 | 中南大学 | 一种基于图像强度阈值和自适应切割的图像增强方法 |
Non-Patent Citations (2)
Title |
---|
手掌静脉图像增强算法研究;黎蔚 等;微电子学与计算机;第27卷(第7期);全文 * |
高分辨率视频图像实时增强***的设计;孔壮 等;视频应用与工程;第39卷(第20期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112184601A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112184601B (zh) | 利用改进clahe算法增强在近红外光源下的静脉图像的方法 | |
Stark | Adaptive image contrast enhancement using generalizations of histogram equalization | |
CN107527333B (zh) | 一种基于伽马变换的快速图像增强方法 | |
CN112365424B (zh) | 基于局部自适应clahe的红外图像去噪增强方法、装置、***与计算机可读存储介质 | |
Arici et al. | A histogram modification framework and its application for image contrast enhancement | |
CN108205804B (zh) | 图像处理方法、装置及电子设备 | |
Deng et al. | The study of logarithmic image processing model and its application to image enhancement | |
Parthasarathy et al. | An automated multi scale retinex with color restoration for image enhancement | |
EP1323132B1 (en) | Image sharpening by variable contrast stretching | |
CN107730475A (zh) | 图像增强方法及*** | |
JP4456819B2 (ja) | デジタル画像鮮鋭化装置 | |
CN114092361B (zh) | 一种优化clahe的图像局部对比度增强方法 | |
US7809208B2 (en) | Image sharpening with halo suppression | |
CN104268843A (zh) | 基于直方图修饰的图像自适应增强方法 | |
RU2342701C1 (ru) | Способ комплексирования цифровых многоспектральных полутоновых изображений | |
JP2019016117A (ja) | 画像調整装置、局所的コントラスト量計算装置、方法、及びプログラム | |
KR100477702B1 (ko) | 비디오 신호에 대해 시간에 따라 변화하는 비선형 변환을이용한 적응적 콘트라스트 개선 방법 | |
KR20060091043A (ko) | 매핑 함수에 기반한 이미지 처리 방법 및 장치 | |
Premkumar et al. | An efficient approach for colour image enhancement using Discrete Shearlet Transform | |
CN112419195A (zh) | 一种非线性变换的图像增强方法 | |
CN111144419B (zh) | 基于分块自适应同态滤波的历史文档图像二值化方法 | |
CN110111280A (zh) | 一种多尺度梯度域引导滤波的低照度图像增强算法 | |
CN115994875A (zh) | 用于改善数字图像质量的方法和*** | |
Zhu et al. | Image enhancement using fuzzy intensity measure and adaptive clipping histogram equalization | |
Murahira et al. | Modified histogram equalization for image contrast enhancement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |