基于对比度受限自适应直方图均衡的乳腺图像增强

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 173-175.

基于对比度受限自适应直方图均衡的乳腺图像增强

刘轩¹,刘佳宾²

1.北京航空航天大学机械工程及自动化学院，北京 100083
2.首都医科大学宣武医院放射科，北京 100053

收稿日期:2007-07-18 修回日期:2007-10-29 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 刘轩

Mammary image enhancement based on contrast limited adaptive histogram equalization

LIU Xuan¹,LIU Jia-bin²

1.School of Mechanical Engineering and Automation，Beihang University，Beijing 100083，China
2.Department of Radiology，Xuanwu Hospital，Capital University of Medical，Beijing 100053，China

Received:2007-07-18 Revised:2007-10-29 Online:2008-04-01 Published:2008-04-01
Contact: LIU Xuan

摘要/Abstract

摘要： 采用对比度受限自适应直方图均衡对乳腺图像进行增强，有效地增强了乳腺图像中的细节，如钙化点、乳导管等组织；并通过对算法中相关参数研究，得到应用于乳腺图像增强的参数优选值，以求获得较好的增强效果，为医师分析影像提供方便。通过与灰度直方图均衡的结果进行比较得出：对比度受限自适应直方图均衡为乳腺数字图像增强的有效方法，在计算机辅助乳腺诊断方面有较高应用价值。

关键词: 图像增强, 对比度受限自适应直方图均衡, 乳腺X线照片, 钙化点

Abstract: Mammary images are enhanced by algorithm of Contrast Limited Adaptive Histogram Equalization（CLAHE）.Details of mammograph，such as calcifications breast，duct and other tissues in mammary image are enhanced effectively.Parameters of algorithm are optimized to improve the enhancement so that diagnostician can analyze image expediently.Comparing with the result of histogram equalization，it is shown that CLAHE is an effective algorithm to enhance mammary image and it is valuable in computer-aided mammary diagnosis.

Key words: image enhancement, contrast limited adaptive histogram equalization, mammograph, calcification

刘轩¹,刘佳宾². 基于对比度受限自适应直方图均衡的乳腺图像增强[J]. 计算机工程与应用, 2008, 44(10): 173-175.

LIU Xuan¹,LIU Jia-bin². Mammary image enhancement based on contrast limited adaptive histogram equalization[J]. Computer Engineering and Applications, 2008, 44(10): 173-175.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[3]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[4]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[5]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[6]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[7]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[8]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[9]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[10]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[11]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[12]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.
[13]	王永鑫1，2，刁鸣1，韩闯2. 基于同态滤波的水下图像增强与色彩校正模型[J]. 计算机工程与应用, 2018, 54(11): 30-34.
[14]	程欢. 基于DEM图像增强的航海雷达回波模拟[J]. 计算机工程与应用, 2018, 54(10): 186-191.
[15]	王涛1，王佰玲2. 非均匀光照条件下的彩色人脸图像增强[J]. 计算机工程与应用, 2017, 53(5): 164-169.