工业内窥镜图像对比度增强算法简单介绍

近几年来，计算机图像处理已经应用到几乎所有与成像有关的领域，在内窥镜检测领域显得尤为突出，它是利用计算机对数字图像进行一系列操作，从而获得预期结果。而在对图像处理过程中，则需要运用图像增强技术以改善图像的质量，增强对某一种信息的辨识能力，以便更好的应用于现代社会的各个领域。而实际应用中则有太多情况都有可能导致图像品质变差，使图像传递的信息无法被正常读取和识别。例如，在采集图像过程中由于光照强度环境或物体表面反光等原因造成的图像整体光照不均等等。因此研究有效地图像增强算法成为推动图像分析和图像理解应用领域发展的关键内容之一。  根据人眼对颜色的心理感觉，设计在HSI颜色空间上基于小波分析的医学彩色内窥镜图像增强方法。在增强亮度分量的同时，也可以对饱和度分量进行细微调节。该方法可以抑制噪声，使细节得到增强，也可以使处理后的图像更加清晰且色泽鲜明。同时基于MATLAB的开放式，可用其对有噪图像或退化图像进行去噪或还原、增强图像以获得更高清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配。图像增强是图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了重要的作用。随着图像技术研究的不断进步和深入研究，新的图像增强方法不断涌现。随着交互式图像增强技术的广泛应用，人们可以主观的控制图像增强效果，同时利用直方图均衡技术的图像增强也有了许多新的进步：例如动态分层直方图均衡算法、多层直方图结合亮度保持的均衡算法等等。这些算法通过进行图像分割，在子层图像内进行均衡处理，解决了直方图均衡过程中出现的对比度过拉伸问题，并且可以控制子层灰度的映射范围。

从数学角度看，图像的直方图函数是每个图像与图像的灰度值的统计特性，它是每个灰度级的图像出现的统计概率;而从图形上看，它的二维图中，通常横坐标表示图像中各个像素点的灰度级，纵坐标则是各个灰度级上图像各个像素点出现的概率。在实践中，图像可能不需要有整个直方图的均匀分布，而是希望有目的地增强某个灰度级分布范围内的图像。 这个算法的原理来自于文章《Optimized contrast enhancement for real-time image and video dehazing》，作者是韩国人。这个算法也是基于大气散射模型： 和现在一些常见的去雾文章有明显的不同的是，这篇文章的并不是基于暗通道原理的，也不是把重点强调在透射率图的细化上，而是提出了一种新的得到粗透射率图的方法。并且文章分别讲到了静态图像和视频图像的去雾，这里我只研究了静态图的去雾。对于透射率图，文章提出了一个cost function，这个cost function是基于以下两点考虑的：

1、对于有雾图像，其整体的对比比较低，因此去雾后的对比度要尽量的高；

2、 由于对比度得到增强，可能会导致部分像素的调整值超出了0和255的范围，这样就会造成信息的损失以及视觉上的瑕疵。因此提出了一个信息量损失的计算公式；