CT图像增强算法

刘 芳，舒甜督

(长春工业大学 数学与统计学院，吉林 长春 130012)

0 引 言

医学CT (Computed Tomography) 图像由于其扫描速度快、适用范围广的优点成为医疗诊断中一种非常重要的工具。然而，CT图像结构复杂、对比度较低、病变区域与其周围正常组织间的差异不显著，使得对某些病灶的观察和检测变得困难，因此需要通过一些图像增强技术对CT图像加以处理。图像增强处理技术对于实际问题有着重要的现实意义，已成为医学图像实际应用中至关重要的一个环节[1-2]。

常用的图像增强技术有同态滤波 (Homomorphic Filtering, HF)[3]、直方图均衡化 (Histogram Equalization, HE)[4]、对比度受限自适应直方图均衡化 (Contrast Limited Adaptive Histogram Equalization, CLAHE)[5]和直方图拉伸 (Histogram Stretch, HS) 等。HF是一种基于亮度成像模型的滤波方法，结合了图像空域特征和频域特征，能够增强图像暗部细节，提升图像分辨率，其原理简单且增强效果佳，因而在各领域应用广泛。HE是增强图像对比度最简单、应用最普遍的图像增强算法之一。但经典的HE算法往往会引起大量灰度级合并，增强后图像的局部区域细节下降，存在块状效应明显，以及背景与目标轮廓模糊不清等问题。 CLAHE方法是自适应直方图均衡化方法的改进，有着对比度受限优势，提高图像局部对比度的同时不损伤图像细节，也避免图像噪声随图像对比度增大而放大，适用于低对比度图像。HS是通过对图像的对比度拉伸达到对比度增强的目的，适用于处理灰度集中在较暗或较亮的区域而导致图像偏暗或偏亮的图像，而且HS只是线性拉宽对比度，因而对图像的整体增强效果不如HE。……