局部直方图均衡化算法研究及其应用

郑州大学硕士学位论文局部直方图均衡化算法研究及其应用姓名：蔡超峰申请学位级别：硕士专业：电路与系统指导教师：徐力平20050520郑辩太擎嫒ｌ：学键论文搀舞∞弱年５嚣撼要本文主要研究了局部直方图均衡化（ＬＡＨＥ）及其修正算法在尘肺ｘ线图像增强中的应用。

尘肺病是我国最主要的一种职业病。

目前，医学界尚无将其彻底治愈的办法。

尘肺ｘ线检查是确定尘肿和分期的主要诊断方法。

然而，一方面尘肺Ｘ线图像具有动态范围宽、细节丰富和对比度差的特点：另一方面尘肺早期病变特征并不是十分明显。

这些因素给尘肺的早期诊断带来了难度。

借助于数字图像处理技术，对尘肺ｘ线图像进行对比度增强处理，突出尘肺病灶，从而有助于降低尘肺早期诊断的漏诊率。

直方图均衡化（ＨＥ）是一种最常用的图像对比度增强技术，它能够在很大程度上增强图像的视觉效果，帮助人们识别图像中隐藏的信息。

当我们感兴趣的信息包含在图像中相对较小且灰度分布比较均匀的区域时，ＨＥ并不能给出令人满意的结果。

ＬＡＨＥ对ＨＥ做了一些修正，取得了比较好的结果。

但是ＬＡＨＥ只有一个控制参数：相关区域（矩形窗）的大小Ⅳ，这显然还不够灵活。

小窗口在增强图像中细节的同时削弱了图像的整体轮廓，而大窗口能使图像的整体轮廓更加清晰，但却模糊了图像中的细节。

论文结合尘肺Ｘ线图像的特点对ＬＡＨＥ进行了两方面的修正。

一方面，仍然保持相关区域为大小固定的矩形窗，通过改变相关区域内直方图的构造方法来解决这个问题。

另一方面，保持局部直方图的构造方法不变，通过自适应的改变相关区域的大小来解决这个问题。

最后我们给出采用ＬＡＨＥ及其修正算法对尘肺ｘ线图像进行对比度增强处理的结果，并比较了各种算法的优劣。

关键词：图像增强，直方图，局部直方图均衡化，尘肺Ｉｌ郑州大学硕士学位论文目录２００５年５月ＡｂｓｔｒａｃｔＴｈｉｓｐａｐｅｒｆｏｃｕｓｅｓｏｎｔｈｅｓｔｕｄｙｏｆＬｏｃａｌＡｒｅａＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ（ＬＡＨＥ）ａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｓｉｎｐｎｅｕｍｏｃｏｎｉｏｓｉｓＸ－ｒａｙｆｉｌｍｓｅｎｈａｎｃｅｍｅｎｔｓ．Ｐｎｅｕｒｎｏｃｏｎｉｏｓｉｓｉｓｏｎｅｏｆｔｈｅｍａｊｏｒｏｃｃｕｐａｔｉｏｎａｌｄｉｓｅａｓｅｓｏｆｗｈｉｃｈｎｏｃｕｒｅｓｈａｖｅｔｕｒｎｅｄｏｕｔｅｆｆｅｃｔｉｖｅｓｏｆａｒ．Ｘ－ｒａｙｆｉｌｍｅｘａｍｉｎａｔｉｏｎｉｓｎｅｃｅｓｓａｒｉｌｙａｄｏｐｔｅｄｔｏｄｉａｇｎｏｓｅａｎｄｄｉｓｃｅｒｎｐｎｅｕｍｏｃｏｎｉｏｓｉｓ．Ｈｏｗｅｖｅｒ，Ｘ－ｒａｙｆｉｌｍｆｅａｔｕｒｅｓａｌｌｅｘｃｅｓｓｉｖｅｌｙｂｒｏａｄｒａｎｇｅ，ｏｖｅｒ—ｅｘｈａｕｓｔｉｖｅｄｅｔａｉｌｓａｎｄｐｏｏｒｃｏｎｔｒａｓｔ．Ａｌｓｏ，ｉｔｉｓｎｏｔｏｂｖｉｏｕｓａｓｔｏｔｈｅｐａｔｈｏｌｏｇｉｃａｌｃｈａｎｇｅｓｏｆｅａｒｌｙｐｎｅｕｍｏｃｏｎｉｏｓｉｓｓｙｍｐｔｏｍｓ．Ｔｈｅｓｅｆａｃｔｏｒｓａｄｄｄｉｆｆｉｃｕｌｔｙｔｏｔｈｅｅａｒｌｙｄｉａｇｎｏｓｅｓｏｆｐｎｅｕｍｏｃｏｎｉｏｓｉｓ．Ｗｉｔｈｔｈｅｈｅｌｐｏｆｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ，ｔｈｅｃｏｎｔｒａｓｔｏｆｐｎｅｕｍｏｃｏｎｉｏｓｉｓＸ·ｒａｙｆｉｌｍｃａｌｌｂｅｅｎｈａｎｃｅｄ，ａｎｄｓｕｃｈｅａｒｌｙｓｙｍｐｔｏｍｓｗｉｌｌｂｅｅｍｐｈａｓｉｚｅｄｗｉｔｈｂｅａｅｒｃｌａｒｉｔｙｉｎｔｈｅｆｅｅｄｂａｃｋ．Ｔｈｅｒｅｂｙ，ｗｅａｒｅｈｏｐｉｎｇｔｏｒｅｄｕｃｅｔｈｅｍｉｓｄｉａｇｎｏｓｉｓｒａｔｅ．ＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ（ＨＥ）ａｓａｌｌｉｍａｇｅｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｉｑｕｅｉｓｗｉｄｅｌｙｕｓｅｄ．Ｂｙｉｍｐｒｏｖｉｎｇｔｈｅｖｉｓｕａｌｅｆｆｅｃｔｏｆｉｍａｇｅｓｃｏｎｓｉｄｅｒａｂｌｙ，ｉｔａｓｓｉｓｔｓｔｈｅｖｉｅｗｅｒｉｎｄｉｓｃｏｖｅｒｉｎｇｈｉｄｄｅｎｍｅｓｓａｇｅｓ．Ｈｏｗｅｖｅｒ，ｓａｔｉｓｆａｃｔｉｏｎｉｓｈａｒｄｔｏｂｅａｃｈｉｅｖｅｄｂｙＨＥｗｈｅｎｗｅａ∞ｉｎｔｅｒｅｓｔｅｄｉｎｔｈｅｉｎｆｏｒｍａｔｉｏｎｐｒｅｓｅｎｔｅｄｉｎｓｍａｌｌｅｒａｒｅａｓｗｉｔｈｒｅｌａｔｉｖｅｌｙｅｖｅｎｇｒａｙｓｃａｌｅｓ。

ＬｏｃａｌＡｒｅａＨｉｓｔｏｇｒａｍ，ａｓａｎｅｘｔｅｎｓｉｏｎｂａｓｅｄｏｎｓｔａｎｄａｒｄＨＥｔｅｃｈｎｉｑｕｅ，ｈａｓｇｉｖｅｎｐｌｅａｓｉｎｇｒｅｓｕｌｔｓ．Ｈｏｗｅｖｅｒ，ＬＡＨＥｓｈｏｗｓａｌａｃｋｏｆｆｌｅｘｉｂｉｌｉｔｙｂｅｃａｕｓｅｔｈｅｒｅｉｓｏｎｌｙｏｎｅｐａｒａｍｅｔｅｒ——ｓｉｚｅｏｆｔｈｅｒｅｃｔａｎｇｌｅｗｉｎｄｏｗ，Ｓｍａｌｌｗｉｎｄｏｗｓｈｅｌｐｉｎｃｒｅａｓｅｔｈｅｄｅｔａｉｌｃｌａｒｉｔｙｏｆｉｍａｇｅ，ｂｕｔｗｅａｋｅｎｔｈｅｏｖｅｒａｌｌｏｕｔｌｉｎｅｏｆｔｈｅｉｍａｇｅ．Ｂｉｇｗｉｎｄｏｗｓ，Ｏｉｌｔｈｅｏｔｈｅｒｈａｎｄ，ｇｉｖｅｂｅｔｔｅｒｏｕｔｌｉｎｅｂｙｓａｃｒｉｆｉｃｉｎｇｔｈｅｄｅｔａｉｌｃｌａｒｉｔｙ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅａｕｔｈｏｒｔｒｉｅｓｔｏｉｍｐｒｏｖｅＬＡＨＥｆｒｏｍｔｗｏａｓｐｅｃｔｓ．Ｏｎｔｈｅｏｎｅｈａｎｄ，ｗｅｃａｎｍｏｄｉｆｙｔｈｅｓｔｒｕｃｔｕｒｅｏｆｔｈｅｌｏｃａｌｈｉｓｔｏｇｒａｍ；ｏｎｔｈｅｏｔｈｅｒｈａｎｄ，ｗｅｃａｎａｌｓｏａｄｊｕｓｔｔｈｅｓｉｚｅｏｆｒｅｃｔａｎｇｌｅｗｉｎｄｏｗａｄａｐｔｉｖｅｌｙ．Ａｔｌａｓｔ，ｔｈｅｒｅｓｕｌｔｓｕｓｉｎｇＬＡＨＥａｎｄｉｔｓｍｏｄｉｆｉｃａｔｉｏｎｓｗｉｌｌｂｅ＃ｙｅｎａｎｄｃｏｍｐａｒｉｓｏｎｓａｍｏｎｇｔｈｅｓｅｄｉｆｆｅｒｅｎｔａｌｇｏｒｉｆｌａｍｓａｒｅｔｏｐｒｅｓｅｎｔａｓｗｅｌｌ．Ｋｅｙｗｏｒｄｓ：Ｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔ，Ｈｉｓｔｏｇｒａｍ，ＬｏｃａｌＡｒｅａＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，Ｐｎｅｕｍｏｃｏｎｉｏｓｉｓ珏ｌ型查堂型堂些墼塑重兰塑跫！盘璺塑６０郑重声明本人的学位论文是在导师指导下独立撰写并完成的，学位论文没有剽窃、抄袭等违反学术道德、学术规范的侵权行为，否则，本人愿意承担由此产生的一切法律责任和法律后果，特此郑重声明。

学位论文作者（签名）．泰趄哞７．，００５－年，月彩日郑州大学砸ｌ：学位论文第１帮绪论２００５年５，〕第１意绪论§１。

１孳｜言尘肺病（ｐｎｃｕｍｏｃｏｎｉｏｓｉｓ）是由于在职业活动中长期吸入生产性粉尘并在肺内滞留而引起的以肺组织弥漫性纤维化为主的全身性疾病。

它是我国最主要的职业病，不仅患病人数多，而且危害大，是严重导致劳动能够能力降低、致残和降低生活质量的疾病，也是国家和企业赔偿的主要职业病“１。

据中国卫生部的统计资料，自上世纪五十年代建立职业病报告制度以来，中国内地累计有十四万多人死于职业尘肺病。

目前，全国已累计报告尘肺病人五十八万多例，每年新增尘肺病例约一万例，现有尘肺病人四十四万多例。

尘肺病危害已经成为一个重大的公共卫生问题和社会问题。

由于目前尚无根治尘肺病的办法，其治疗原则主要是采取药物、营养、适当体育锻炼等综合医疗保健措施，以提高患者抗病能力、防治并发症、消除或改善症状、保护呼吸功麓、延长寿命、维护生命质量。

如果能够做到早期检查、早期诊断，使确诊为尘肺病的人员及早调离粉尘作业，并采取合理的治疗手段，就完全可以控制和减少尘肺的发病率，提高早期患者的生活质量。

尘肺ｘ线检查是对有职业暴露史的人员确定尘肺和分期的主要诊断方法ｎ３。

然而，在ｘ线成像系统中，由于人体结构和组织比较复杂，以及ｘ线散射、电子噪声和光量子噪声等各种因素的影响，使得Ｘ线图像表现为动态范围宽、细节丰富和对比度差等特点。

另外，尘肺早期病变特征并不是十分明显。

这些都给尘肺的早期诊断带来了难度。

近年来，图像处理技术得到了极大的重视和长足的进展。

图像增强作为图像处理技术中最活跃的一个分支，涌现出了许多新的理论、新的算法，并已在科学研究、医疗卫生、工业生产、通信等领域得到了广泛的应用。

借助于现代图像处理技术，对尘肺Ｘ线图像进行对比度增强处理，在不丢失图像细节、不引入过大噪声及不引起细节失真的前提条件下，突出尘肺病灶，从而有助于降低尘肺早期诊断漏诊率。

本文主要研究了ＬＡＨＥ在尘肺Ｘ线图像增强中的应用，并针对Ｘ线图像的特点，提出了相应的修正算法。

群州天掌攒士学垃论文芟１举绩论§１。

２磺究历史与现状图像增强的主要强的是改善图像的视觉效聚。

过去麓用光学和电子技术增强图像，弗取得了不错的效果。

随即各行备业对图像增强提出了更高的要求。

为了逡应鑫秘用途，黟缘增强震要采墩鑫裂；技本手段缀合处理，瑟且针对不慰熬爱途，处理手段也大相径庭。

图像增强不考虑阁像质量下降的原因，只将图像中感兴趣瀚特征蠢选择豹突遗，焉衰强不需要豹特薤。

崮予还没有关予黧像厦量黥统一稼准，所以图像增强理论麟前尚无统一的权威性定义，关于各种增强方法的评价只髓根据它在实际应用当中的效巢寐进行。

直方图均衡化（ＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，ＨＥ）是一种最早也是最常用的图像增强方法”１。

它是基于这样的原理：当图像中所有的灰度级出现的概率是一个均匀分布时，图像所暴露的信息量最大。

从信息学的角度来理解，即具有最大熵（信息量）的图像为均衡化图像“１。

经过ＨＥ处理后，图像的直方图变换成均匀分布的形式，这样就增加了图像灰度值的动态范围，从而达至０了增强图像对比度的效果。

ＨＥ简单、高效，不过它对整幅图像采用的是同一个变换，因此不能适应不同区域的对比度变化，所以当图像的不同区域有不同的对比度时，这种变换方法的结果就不是很理想。

当图像的某个较小且灰度分布相对均匀的区域中包含我们感兴趣的物体或细节时，ＨＥ可能很难帮助我们识别其中的物体或细节，甚至有时候其引入的噪声把原有的信息也给破坏了。

为了克服ＨＥ的缺点，人们又提出了现在广泛使用的自适应直方图均衡化（ＡｄａｐｔｉｖｅＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，ＡＨＥ）”。

ＡＨＥ区别于ＨＥ的地方在于它不是对整幅图像用同一个变换，而是对图像中的每一个像素根据它所在区域（称为相关区域ＣｏｎｔｅｘｔｕａｌＲｅｇｉｏｎ，ＣＲ）的直方图采用不同的变换。

因此，人们也把自适应直方图均衡化方法称为局部直方图均衡化（ＬｏｃａｌＡｒｅａＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，ＬＡＨＥ），相应地把ＨＥ称为全局直方图均衡（ＦｕｌｌＦｒａｍｅＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，ＦＦＨＥ）。

新的方法总是带来新的问题。

首先，ＬＡＨＥ的确克服了ＨＥ的缺点，对于一般的图像，只要选取合适的局部窗大小‖就完全可以得到很好的处理结果。