CLAHE的实现和研究

CLAHE算法对于医学图像，特别是医学红外图像的增强效果非常明显。

CLAHE  https://en.wikipedia.org/wiki/Adaptive_histogram_equalization

中文方面非常好的资料 限制对比度自适应直方图均衡化算法原理、实现及效果

在OpenCV中已经实现了CLAHE,但是它在使用过程中，存在参数选择的问题。为了从根本上搞明白，我参考了网络上的一些代码

主要是来源http://blog.csdn.net/abcd1992719g/article/details/25483395

实现了基于OpenCV的CLAHE实现和研究。从最基本的开始做，分别实现HE算法，AHE算法，CLHE算法和CLAHE算法。素材分别采用了手部和手臂的红外图片，同时调用OpenCV生成代码和自己编写代码进行比对。

调用代码和实现效果:

);
    Mat dst ;
}

原始图像

GOCLAHE效果

OpenCV CLAHE效果

HE算法：Mat eaualizeHist_GO(Mat src)

{
    ] };
    ] .};
     ;i;j;i  ; i)  
            C[i] .0f ] .0f ;i ;j   ;
        }  
    }  
    return HT_GO;
}

 

AHE算法:

Mat aheGO(Mat src,)
{
    Mat AHE_GO ][] };
    ][] .};
    ;i;j ; k  ; k)  
                    C2[num][k] .0f ] .0f ;i;j  ;
                }  
            } 
        }
    }
    return AHE_GO;
}

CLHE算法：

)
{
    ] };
    ] .};
     ;i;j;  
     ;  
     ; k  ; k;  
     ; k  ; k;i  ; i)  
            C[i] .0f ] .0f ;i ;j   ;
        }  
    }  
    return CLHE_GO;
}

CLAHE不包括插值算法：

Mat claheGoWithoutInterpolation(Mat src, )
{
    Mat CLAHE_GO ][] };
    ][] .};
    ;i;j;  
             ;  
             ; k  ; k;  
             ; k  ; k ; k  ; k)  
                    C2[num][k] .0f ] .0f ;i;j  ;
                }  
            } 
        }
    
     }  
    return CLAHE_GO;
}

CLAHE算法：

Mat claheGO(Mat src,)
{
    Mat CLAHE_GO ][] };
    ][] .};
    ;i;j;  
             ;  
             ; k  ; k;  
             ; k  ; k ; k  ; k)  
                    C2[num][k] .0f ] .0f  ; i  ; j  )  
            {  
                ;  
                CLAHE_GO.at);  
            } ))){  
                );  
                CLAHE_GO.at);  
            })) ){  
                ;  
                CLAHE_GO.at);  
            })) ))){  
                ;  
                CLAHE_GO.at);  
            }  
             )  
            {  
                ;  
                ))).0f);  
            }))){  
                ;  
                ))).0f);  
            } ){  
                );  
                ;  
                )).0f);  
            })) ){  
                );  
                ;  
                )).0f);  
            }  
            ));  
                )).0f)).0f);  
            }  
            ) );         
        }  
    }  
  return CLAHE_GO;
}

原始图像

GOCLAHE效果

OpenCV CLAHE效果

从结果上来看，GOCLAHE方法和OpenCV提供的CLAHE方法是一样的。

再放一组图片

代码实现之后，留下两个问题：

集中在这段代码

;  
             ;  

1、在进行CLAHE中CL的计算，也就是限制对比度的计算的时候，参数的选择缺乏依据。在原始的《GEMS》中提供的参数中， fCliplimit  = 4  , uiNrBins  = 255.但是在OpenCV的默认参数中，这里是40.就本例而言，如果从结果上反推，我看10比较好。这里参数的选择缺乏依据；

2、CLHE是可以用来进行全局直方图增强的，那么这个时候，这个average 如何计算，肯定不是width * height/255,这样就太大了，算出来的LIMIT根本没有办法获得。

但是就实现血管增强的效果而言，这些结果是远远不够的。一般来说，对于CLAHE计算出来的结果，进行Frangi增强或者使用超分辨率增强？结果就是要把血管区域强化出来。