余成波，孔慶達，田桐

　　（重慶理工大學 遠程測試與控制研究所，重慶 400054）

       摘要：針對角膜內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直方圖均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)與同態濾波進行組合的角膜內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，同時避免圖像噪聲隨圖像對比度增大而放大。同態濾波方法增強圖像暗部細節，提升圖像的分辨率。實驗結果表明本文方法對角膜內皮細胞圖像的分辨率和對比度增強有顯著的效果。

　　關鍵詞：圖像增強；自適應直方圖均衡化；同態濾波

　　中圖分類號：TP391.4文獻標識碼：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與同態濾波的細胞圖像增強新方法［J］.微型機與應用，2017,36（4）：51-52,62.

0引言

　　重慶市高校優秀成果轉化資助項目（KJZH14213）在對角膜內皮細胞圖像病變的分析中，使角膜內皮細胞圖像能夠清晰地展現出細胞的形態特點是角膜內皮細胞圖像處理算法的關鍵。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，應該對圖像進行前期的預處理。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域轉化成在全部灰度范圍內的均勻分布［3］。算法的核心用到了累積分布函數變換的數學理論［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，圖像細節損失嚴重，因此對角膜內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，但是算法較復雜，且在處理灰度圖像時使圖像的邊緣部分細節有缺失，無法滿足要求。

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

1角膜內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明暗不均問題，為了使圖像邊緣細節能夠清晰顯示，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：

　　（1）采用CLAHE方法，局部動態地增強圖像對比度，保留圖像細節和形態特征，并抑制噪聲的放大。

　　（2）對上述處理后的圖像采用同態濾波方法，增強圖像細節，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限制對比度自適應直方圖均衡化方法

　　自適應直方圖均衡化方法(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，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。

　　限制對比度自適應直方圖均衡化方法［7］（Contrast Limited Adaptive Histogram Equalization, CLAHE)是對自適應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，然后再求解轉化函數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直方圖均衡化算法的優點，使圖像的細節和輪廓更加清晰。因此本文采用了該算法來對細胞圖像進行增強，CLAHE方法的具體實現步驟如下［8］：

　　（1）將圖像分為M×N個不疊加子區域。

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

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

　　（3）將直方圖中大于K的像素數截取掉（K為截取系數），并求出截取部分的像素總數∑Nv，截取過程如圖2所示，再運用∑NvNgray求出截取到的像素總數分配到每個灰度級的像素數。

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

　　3CLAHE處理后的結果分析

　　光學顯微鏡獲得角膜內皮細胞圖像后，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圖像增強算法的結果進行了對比分析，實驗結果如圖3所示，以上方法均基于MATLAB R2008a實現。

　　對圖3(b)和(d)進行比較可以發現：直方圖均衡化后的圖像對比度增強，但是圖3(b)右側部分出現明顯的暗影，細節幾乎全部缺失，而限制對比度自適應直方圖均衡化［9］后的圖像細節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同態濾波方法

　　同態濾波［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整，消除圖像上照明不均的問題，在不損失亮區的圖像細節的情況下，增強暗區的圖像細節，對于明暗不均的圖像來說非常適用。

　　照明函數fi(x,y)和反射函數fr(x,y)的乘積就構成了圖像函數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；fr(x,y)表示了景物的細節，與照明無關。

　　同態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。

　　（1）對數變換

　　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）

　　（3）將F(u,v)乘上同態濾波函數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）

　　（4）對傅里葉求反變換得

　　gln(x,y)=giln(x,y)+grln(x,y)（6）

　　（5）求指數變換得到同態濾波后的圖像

　　g(x,y)=exp(gi(x,y)gr(x,y))（7）

　　通過上述同態濾波過程可以壓縮照明函數的灰度范圍，同時增強反射函數的頻譜成分，實驗結果如圖4所示。

　　從圖4可以看出，通過本文CLAHE方法處理過的圖像經過同態濾波后明顯變得更平滑，細節更清楚，圖像的整體亮度變高，細胞的形態特征的分辨率更高。

5結論

　　本文在對角膜內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皮細胞圖像依次采用如下方法:(1)限制對比度自適應直方圖均衡化算法，局部動態地提升了圖像的對比度，突出了圖像的細節顯示；(2)同態濾波算法，提高圖像暗部的亮度，同時不損傷圖像的細節并使圖像更平滑，提高了圖像的分辨率。實驗結果表明本文的方法能夠對角膜內皮細胞進行增強，在突出了細胞邊緣細節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判別提供有效的支持，對于醫學細胞圖像的增強也具有可行性借鑒。

參考文獻

　　［1］ 嵇曉強，程掲章，李琦，等. 細胞工廠光學顯微成像與圖像處理［J］. 光學學報，2015,44(7)：150157.

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

　　［3］ 沈晶, 劉海波, 周長健. 數字圖像處理典型案例詳解［M］.北京: 機械工業出版社, 2012.

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

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

　　［6］ 楊驥，楊亞東，梅雪，等. 基于改進的限制對比度自適應直方圖的視頻快速去霧算法［J］. 計算機工程與設計， 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.

　　［8］ 許志遠，王庸凱，孫康等. 基于CLAHE的DSP實時去霧系統［J］. 沈陽大學學報(自然科學版)， 2014,26(4): 296299.

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

　　［10］ 劉剛，王立香，董延. MATLAB數字圖像處理［M］. 北京: 機械工業出版社，2010.