Розробка методики підвищення контрастності рентгенівських зображень шляхом поєднання CLAHE і гамма-корекції

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2022.258092

Ключові слова:

цифрове рентгенівське зображення, оцінка якості зображення, поліпшення зображення, підвищення контрастності

Анотація

Підвищення контрастності зображень має велике значення для візуального аналізу рентгенівських зображень. Для підвищення контрастності медичних зображень використовуються різні методи збільшення контрастності, такі як вирівнювання та зміна гістограми, гамма-корекція тощо. У роботі досліджуються адаптивні методи підвищення контрастності цифрових рентгенівських зображень. Дослідження проводилися на 1000 зображень з відкритої бази даних Kaggle. Оцінювалися комбінації послідовного застосування декількох методів підвищення контрастності зображень. Експерименти з використанням гамма-корекції зображень дозволили обрати діапазони вхідних та вихідних параметрів функції перетворення яскравості. Для отримання кращого результату перед виконанням гамма-корекції пропонується використовувати метод вирівнювання гістограми рентгенівського зображення. Досліджуються можливості адаптивного вирівнювання гістограми зображення. Проведені експерименти дозволяють запропонувати вдосконалений метод підвищення контрастності рентгенівських зображень. Поєднання алгоритму адаптивного вирівнювання гістограми з відсіканням контрасту має візуально помітний ефект поліпшення контрастності рентгенівських зображень. Підвищення контрастності підтримується об'єктивними кількісними оцінками NIQE та BRISQUE, які не потребують еталонних зображень. Особливістю даної роботи є використання об'єктивних нееталонних оцінок для визначення якості зображень. Проведені експерименти показують, що оцінка NIQE краще корелює з візуальною оцінкою змін контрастності зображень. В результаті експериментів були запропоновані рекомендації щодо вибору параметрів методів гамма-корекції та адаптивного вирівнювання гістограми, що дозволяють підвищити контрастність без посилення шумів на зображенні

Біографії авторів

Gulmira Omarova, L. N. Gumilyov Eurasian National University

Master of Technical Sciences, Senior Teacher

Department of Information Systems

Zhangeldi Aitkozha, L. N. Gumilyov Eurasian National University

Candidate of Physical and Mathematical Sciences

Department of Information Systems

Zhanna Sadirmekova, M. Kh. Dulaty Taraz Regional University

Doctor of Philosophy PhD

Department of Information Systems

Gulkiz Zhidekulova, M. Kh. Dulaty Taraz Regional University

Candidate of Technical Sciences

Department of Information Systems

Dinara Kazimova, Karaganda Buketov University

Candidate of Pedagogical Sciences, Associate Professor, Dean

Faculty of Mathematics and Information Technologies

Raikhan Muratkhan, Karaganda Buketov University

PhD

Department of Applied Mathematics and Computer Science

Aliya Takuadina, Karaganda Medical University

PhD, Associate Professor

Department of Informatics and Biostatistics

Damesh Abdykeshova, Karaganda Medical University

Master of Science

Department of Informatics and Biostatistics

Посилання

  1. Gonsales, R., Vuds, R. (2012). Tsifrovaya obrabotka izobrazheniy. Moscow: Tekhnosfera, 1104. Available at: https://en.sng1lib.org/book/2912190/7268af
  2. Yue, H., Yang, J., Sun, X., Wu, F., Hou, C. (2017). Contrast Enhancement Based on Intrinsic Image Decomposition. IEEE Transactions on Image Processing, 26 (8), 3981–3994. doi: https://doi.org/10.1109/tip.2017.2703078
  3. Jung, C., Sun, T. (2017). Optimized Perceptual Tone Mapping for Contrast Enhancement of Images. IEEE Transactions on Circuits and Systems for Video Technology, 27 (6), 1161–1170. doi: https://doi.org/10.1109/tcsvt.2016.2527339
  4. Huang, S.-C., Cheng, F.-C., Chiu, Y.-S. (2013). Efficient Contrast Enhancement Using Adaptive Gamma Correction With Weighting Distribution. IEEE Transactions on Image Processing, 22 (3), 1032–1041. doi: https://doi.org/10.1109/tip.2012.2226047
  5. Shakeri, M., Dezfoulian, M. H., Khotanlou, H., Barati, A. H., Masoumi, Y. (2017). Image contrast enhancement using fuzzy clustering with adaptive cluster parameter and sub-histogram equalization. Digital Signal Processing, 62, 224–237. doi: https://doi.org/10.1016/j.dsp.2016.10.013
  6. Liu, L., Jia, Z., Yang, J., Kasabov, N. (2015). A medical image enhancement method using adaptive thresholding in NSCT domain combined unsharp masking. International Journal of Imaging Systems and Technology, 25 (3), 199–205. doi: https://doi.org/10.1002/ima.22137
  7. Maurya, L., Mahapatra, P. K., Kumar, A. (2019). A social spider optimized image fusion approach for contrast enhancement and brightness preservation. Applied Soft Computing, 52, 575–592. doi: https://doi.org/10.1016/j.asoc.2016.10.012
  8. Kim, S. E., Jeon, J. J., Eom, I. K. (2016). Image contrast enhancement using entropy scaling in wavelet domain. Signal Processing, 127, 1–11. doi: https://doi.org/10.1016/j.sigpro.2016.02.016
  9. Lidong, H., Wei, Z., Jun, W., Zebin, S. (2015). Combination of contrast limited adaptive histogram equalisation and discrete wavelet transform for image enhancement. IET Image Processing, 9 (10), 908–915. doi: https://doi.org/10.1049/iet-ipr.2015.0150
  10. Tiwari, M., Gupta, B., Shrivastava, M. (2015). High‐speed quantile‐based histogram equalisation for brightness preservation and contrast enhancement. IET Image Processing, 9 (1), 80–89. doi: https://doi.org/10.1049/iet-ipr.2013.0778
  11. Wei, Z., Lidong, H., Jun, W., Zebin, S. (2015). Entropy maximisation histogram modification scheme for image enhancement. IET Image Processing, 9 (3), 226–235. doi: https://doi.org/10.1049/iet-ipr.2014.0347
  12. Chest X-Ray Images (Pneumonia). Available at: https://www.kaggle.com/datasets/paultimothymooney/chest-xray-pneumonia
  13. Gonsales, R., Vuds, R., Eddins, S. (2006). Tsifrovaya obrabotka izobrazheniy v srede Matlab. Moscow: Tekhnosfera, 616. Available at: https://en.sng1lib.org/book/2075428/0968c1
  14. Starovoitov, F. V., Starovoitov, V. V. (2018). Parameters of the curve of local estimate distribution as image quality measures. Sistemniy analiz i prikladnaya informatika, 3, 26–41. Available at: https://cyberleninka.ru/article/n/parametry-krivoy-raspredeleniya-lokalnyh-otsenok-kak-mery-kachestva-izobrazheniy
  15. Ma, J., Fan, X., Yang, S. X., Zhang, X., Zhu, X. (2017). Contrast Limited Adaptive Histogram Equalization Based Fusion for Underwater Image Enhancement. Preprints doi: https://doi.org/10.20944/preprints201703.0086.v1
  16. Omarova, G., Starovoitov, V. (2022). X-ray images contrast enhancement based on gamma correction. BULLETIN Series of Physics & Mathematical Sciences, 77 (1), 132–138. doi: https://doi.org/10.51889/2022-1.1728-7901.18
  17. Mittal, A., Soundararajan, R., Bovik, A. C. (2013). Making a “Completely Blind” Image Quality Analyzer. IEEE Signal Processing Letters, 20 (3), 209–212. doi: https://doi.org/10.1109/lsp.2012.2227726
  18. Mittal, A., Moorthy, A. K., Bovik, A. C. (2012). No-Reference Image Quality Assessment in the Spatial Domain. IEEE Transactions on Image Processing, 21 (12), 4695–4708. doi: https://doi.org/10.1109/tip.2012.2214050

##submission.downloads##

Опубліковано

2022-06-30

Як цитувати

Omarova, G., Aitkozha, Z., Sadirmekova, Z., Zhidekulova, G., Kazimova, D., Muratkhan, R., Takuadina, A., & Abdykeshova, D. (2022). Розробка методики підвищення контрастності рентгенівських зображень шляхом поєднання CLAHE і гамма-корекції . Eastern-European Journal of Enterprise Technologies, 3(2 (117), 18–29. https://doi.org/10.15587/1729-4061.2022.258092

Номер

Том 3 № 2 (117) (2022): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2022 Gulmira Omarova, Zhangeldi Aitkozha, Zhanna Sadirmekova, Gulkiz Zhidekulova, Dinara Kazimova, Raikhan Muratkhan, Aliya Takuadina, Damesh Abdykeshova

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.