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

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

利用改进CLAHE算法增强在近红外光源下的静脉图像的方法

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。