[发明专利]利用改进CLAHE算法增强在近红外光源下的静脉图像的方法

说明书

本发明提供一种利用改进CLAHE算法增强在近红外光源下的静脉图像的方法，包括以下步骤：步骤1：分块；步骤2：计算直方图；步骤3：计算剪切阈值clip Limit：步骤4：像素点重分配；得到经重分配处理后的直方图h'(x)；步骤5：直方图均衡；步骤6：像素点预输出灰度值重构；步骤7：像素点输出灰度值重构。本发明改进CLAHE图像对比度增强算法后图像可以更好的强调暗区域或亮区域，在近红外光源下的静脉图像中可以更好的强调静脉区域的特征。

技术领域

本发明涉及一种利用改进CLAHE算法增强在近红外光源下的静脉图像的方法，特别是引入正弦函数幂指数函数来调整灰度值重映射分布的方法。

背景技术

目前对于静脉图像的研究大多都是通过近红外光源照射静脉区域再采取滤波及增强对比度的方法来突出静脉的结构特征。

直方图均衡化是最常用的图像增强对比度的方法。直方图均衡化主要分为全局方法和局部方法两类。全局增强方法主要是通过修改图像直方图分布达到对比度增强的目的；而局部增强方法主要是预先定义一个局部对比度，然后增强该局部对比度达到增强图像细节的效果经典的局部直方图均衡技术包括对比度受限自适应直方图均衡化(contrastlimited adaptive histogram equalization，CLAHE)、子块重叠直方图均衡化、子块部分重叠直方图均衡化。其中，CLAHE方法结合了自适应直方图均衡化和对比度受限两项技术的优点，特别适用于低对比度图像，而且实现过程不复杂。

一般的全局直方图均衡化算法存在直方图均衡化结果不是很“均衡”的问题，均衡化后图像的灰度级减少，某些细节将会消失；某些图像经过均衡化后对比度会不自然的过分增强，因此增强的效果并不是很理想。局部方法综合考虑像素点的位置和灰度信息，处理效果往往优于全局方法。经典的局部直方图均衡技术包括对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization，CLAHE)、子块重叠直方图均衡化、子块部分重叠直方图均衡化。其中，CLAHE方法结合了自适应直方图均衡化和对比度受限两项技术的优点，特别适用于低对比度图像，而且实现过程不复杂。但是CLAHE方法对于在近红外光源下的静脉图像中进行处理时并不能较好的强调暗区域即静脉，导致图像灰度值均匀则不能很好的突出静脉特征。

因此，需要对现有技术进行改进。

发明内容

本发明要解决的技术问题是提供一种高效的利用改进CLAHE算法增强在近红外光源下的静脉图像的方法。

为解决上述技术问题，本发明提供一种利用改进CLAHE算法增强在近红外光源下的静脉图像的方法，包括以下步骤：

步骤1：分块；将输入图像划分为c*r个大小相等的不重叠子块，每个子块含有的像素数为M；

步骤2：计算直方图；用h(x)表示子块的直方图，x代表灰度级，取值范围是[0，L-1]，L为可能出现的灰度级数；

步骤3：计算剪切阈值clip Limit：

式中：norm Clip Limit是对比度增强幅度值；

步骤4：像素点重分配；得到经重分配处理后的直方图h'(x)；

步骤5：直方图均衡；对经重分配处理后的直方图h'(x)进行直方图均衡化处理，均衡结果用f(x)表示；

步骤6：像素点预输出灰度值重构；根据均衡结果f(x)，得到各子块各像素点的灰度值，作为参考点，计算预输出图像中各点的灰度值g；

步骤7：像素点输出灰度值重构。

作为对本发明利用改进CLAHE算法增强在近红外光源下的静脉图像的方法的改进：

在步骤4中：