眼底图像亮度校正后,依然存在渗出物和其他部分对比不明显的问题。尤其是小渗出物的边缘特性比较偏弱。
采用多尺度顶帽变换的方法进行图像对比度增强,
取亮度校正后的图像的对比度最高的绿色通道灰色图I_g。
增强公式:I_end = I_g+I_wr+I_wd-(I_br+I_bd)
其中:
增强最优亮区域算子 I_wr= max(I_g - I_g_top) ; 增强最优亮细节算子I_wd= max(I_g_top - I_g_top_p1)
减弱最优暗区域算子I_br =max(I_g_close - I_g) ; 减弱最优暗细节算子 I_bd= max(I_g_close_p1 - I_g_close)
I_g_top 是绿色通道图像 I_g的尺度1的顶帽操作后的结果图像。
I_g_top_p1 是绿色通道图像 I_g_top的尺度2的顶帽操作后的结果图像。
I_g_close 是 绿色通道图像 I_g的尺度1的闭操作后的结果图像。
I_g_close_p1 是绿色通道图像 I_g_close的尺度2的闭操作后的结果图像。
尺度选择半径从 4 ~11到的8个圆盘。
通过以上多尺度顶帽变换方式,扩大了图像中亮区域和暗区域的对比度,有效增强视网膜血管和渗出物病灶。
与 CLAHE 方法增强的效果对比,可看到CLAHE 增强后的图像的边缘处出现了较大面积的高亮度区域,干扰渗出物的检测。
代码如下: