Adaptive Contrast Enhancement（ACE）自适应对比度增强附MATLAB代码

最新推荐文章于 2024-06-25 16:19:07 发布

qq_41651325

最新推荐文章于 2024-06-25 16:19:07 发布

阅读量3.3k

点赞数 5

分类专栏： Bishe 文章标签：计算机视觉 matlab

本文链接：https://blog.csdn.net/qq_41651325/article/details/114916658

版权

Bishe 专栏收录该内容

2 篇文章 1 订阅

订阅专栏

ACE

一、前言
二、算法流程
三、MATLAB程序代码
四、运行结果
五、结论和不足
六、参考

一、前言

现如今的医学图像由于其成像原理的限制，图像对比度都不是很高（如下图所示），因此自适应图像增强(ACE)算法应运而生，该算法被PATRENAHALLI M. NARENDRA在《Real-Time Adaptive Contrast Enhancement》中所提到，其算法主要包含以下两个步骤：
（1）计算图像局部背景：对图像进行低通滤波（最常见的为均值滤波、高斯滤波），从而得到图像的背景信息
（2）获得增强图像：使用原始图像减去背景信息后得到图片的高频信息，对此高频信息进行倍增（倍增系数CG）再叠加到原始图像上即可得到增强后的图像
由以上阐述可以看出：该算法的核心为如何确定倍增系数CG

二、算法流程

ACE算法的原理比较简单，主要包含以下三个步骤

（1）局部背景信息的获取

这里使用窗口均值确定图像的背景信息：计算图像 $\times (2n+1)$ 大小的窗口的均值 $m_x(i,j)$ ，该窗口大小也可以为长方形，这里为了算法简便，使用半径为n的正方形，n的取值可根据实际需要进行选择，本实验中选取为20-50之间，n的取值越大，所丢失的图像细节会更多
$m_x(i,j)=\frac{1}{(2n+1)^2}\sum_{k=i-n}^{i+n} \sum_{l=j-n}^{j+n}x(k,l)$

（2）计算标准差

计算 $\times (2n+1)$ 大小的窗口的标准差
$\sigma_x^2 (i,j)= \sum_{k=i-n}^{i+n} \sum_{l=j-n}^{j+n} [x(k,l)-m_x(i,j)]^2$
其中 $\sigma_x (i,j)$ 即为标准差，该步骤为影响算法时间复杂度的关键因素，后续对算法运行时间的缩减可针对此步骤进行

（3）图像增强

使用下式对于图像进行增强
$f(i,j)=m_x(i,j)+G(i,j)[x(i,j)-m_x(i,j)]$
该式中的 $G (i, j)$ 即为前言中所提到的倍增系数CG，CG值的确定有以下两种方法

（a） $G (i, j)$ 确定方法法一

关于 $G (i, j)$ 的取值，最简单粗暴的方法就是将其置为一个常量C，可以取1-5之间，需要根据具体运行结果进行调整，则增强后的灰度 $f (i, j)$ 为
$f(i,j)=m_x(i,j)+C[x(i,j)-m_x(i,j)]$

（b） $G (i, j)$ 确定方法法二

Lee等人提出使用下式自适应确定 $G (i, j)$ 的大小
$\alpha \frac{M}{\sigma(i,j)}$
式中M可取整幅图像的均值、标准差或某一自己认为合适的值， $\alpha$ 为一常量，可以设为1；此外，在本MATLAB代码中还参考Imageshop博客中的改进方法，给 $G (i, j)$ 设定一个阈值th，大于此阈值的 $G (i, j)$ 将会被设定为此阈值

三、MATLAB程序代码

MATLAB版本ACE函数代码如下所示，该函数仅用于处理灰度图像，若需处理彩色图像，则需要对各个通道分别进行处理

%% Adaptive Contrast Enhancement（ACE）MATLAB Code  Written By bl_Cui
clc;clear;close all;
tic;
filename=['./RCC.jpg'];
I_raw=imread(filename);  %需为灰度图像，否则使用rgb2gray转为灰度图像或对各个通道单独处理
m = 20;     %均值窗口大小(2m+1)*(2m+1)
alpha = 1.5;  %alpha用于控制增益
th = 4;     %th为增益阈值
I=ACE(I_raw,m,alpha,th);
subplot(121);imshow(I_raw);
subplot(122);imshow(I);
toc;
function I=ACE(I,m,alpha,th)%2m+1 * 2m+1大小的块，阈值th,
    [s,t]=size(I);
    M=mean(mean(I));
    %M=std2(I);%可以使用图像的均方根作为M的值
    I_pad=padarray(I,[m,m],'symmetric');%对图像四周进行填充
    I_pad=double(I_pad);
    for i=m+1:s+m
        fprintf("processing: %1.2f\n",i/(s+m));%打印运行进度，1即为完成
        for j=m+1:t+m
             temp=I_pad(i-m:i+m,j-m:j+m);
             ave(i,j)=mean(mean(temp));
             var(i,j)=std2(temp);
             %方案一 ： CG值恒定为2
             %I(i,j)=ave(i,j)+2*(I_pad(i,j)-ave(i,j));
             %方案二 ： CG值可变
             G(i,j)=alpha*M/var(i,j);
             if(G(i,j)>th)
                G(i,j)=th;
             end
             I(i,j)=ave(i,j)+G(i,j)*(I_pad(i,j)-ave(i,j)); 
        end   
    end
    I=I(m+1:s+m,m+1:t+m);
end