伪彩色处理在医学图像中的应用

当前,多数医学图像属于灰度图像,其对人眼的视觉效果不如彩色图像.为了提高图像的分辨率,根据人眼的视觉特点,结合计算机数字图像颜色模式和图像格式,采用灰度级一彩色变换方法,及基于视觉感知统计特性的伪彩色映射法,实现了使灰度图像变为伪彩色图像的目的.实验结果表明了该图像增强方法的有效性.当图像中含有极其微弱的有用的局部对比度信息时,效果尤佳.     

一种彩色图像灰度化的自适应全局映射方法

研究采用RGB颜色分量加权和的全局映射, 进行彩色到灰度的变换算法. 根据彩色像素在不同颜色分量的统计信息, 自动生成各颜色分量的灰度化权重, 同时结合主客观图像质量标准, 探索自适应的全局映射灰度化算法. 实验证明, 本文提出的新算法在多数测试图像上的灰度化效果与传统的灰度化算法效果相当, 但对具有主题色的彩色图像可以获得显著改善的灰度图像视觉效果.     

基于主色检测与灰度传播的彩色图像灰度化方法

针对已有图像灰度化方法不能同时体现原始图像的全局和局部对比度,且不能保持灰度像素的灰度值等问题,提出一种基于主色检测与灰度传播的彩色图像灰度化方法.首先提出一种基于直方图峰值的主色检测方法,用于提取输入图像中具有代表性的少量主要颜色特征;然后采用基于梯度域的主色灰度化方法将图像主色映射到灰度空间,最大程度地在灰度空间保持主色在彩色空间的视觉对比度;再利用基于局部线性嵌入的灰度传播方法,将主色灰度值和原有灰度像素的灰度值扩散到与其颜色相似的像素上;最后检查图像中是否存在没有被灰度化的彩色像素,如果存在,则使用基于梯度域的局部灰度化方法将其灰度化,得到最终的灰度图像.大量实验结果表明,该方法将全局和局部对比度保持有机结合,得到的灰度图像较好地保持了彩色图像中色彩之间的差异性,并且保持了灰度像素的灰度值.     

对比度、颜色一致性和灰度像素保持的消色算法

目的 为了解决目前消色算法中不能同时保持原始图像的对比度,颜色一致性和灰度像素特征的问题,提出一种新的优化算法,最大限度地同时保留这些视觉特性。方法 为了保持原始图像的结构和局部对比度信息,用双高斯模型构建像素对之间的误差能量项;为了保持颜色一致性,采用局部线性嵌入模型构建能量项,确保原始图像中颜色一致的像素在结果图像中也拥有一样的灰度级;为了保持灰度像素特征,先标记出原始图像中的灰度像素,并强制规定这些像素的灰度值是已知的且在消色变换的过程中始终不变,然后用双高斯模型构建出灰度像素与其他像素之间的误差能量项。线性结合这3个能量项,得到目标能量函数,再通过迭代法求解出使总能量值达到最小的灰度值,从而得到了最终的消色结果。结果 实验结果表明,本文算法能够同时较好地保持原始图像中的对比度、颜色一致性和灰度像素特征。结论 本文算法基本符合人类对图像对比度变化的感知程度,而且能够很好地保持细节信息和全局结构,可应用于数字打印、模式识别等方面,具有很大的应用价值。     

基于HSV颜色模型的广义梯度矢量流图像分割方法

采用广义梯度矢量流（Generalized gradient vector flow, GGVF）作为势能函数的Snake算法在处理灰度图像分割时具有较好的性能.但当处理彩色图像时, GGVF模型往往将彩色图像转化为灰度图像进行处理,此过程造成颜色信息丢失,因而容易受到阴影等伪边界灰度变化的干扰.本文提出了基于HSV颜色模型的GGVF,充分利用了图像的色彩信息进行图像分割.实验结果表明,该方法能够有效地区分彩色图像的真实边界与由阴影产生的伪边界,并取得较好的分割结果.     

基于主分量分析和大气散射模型的彩色图像雾霾快速去除算法

为去除彩色图像中的雾霾,提出了一种基于主分量分析(PCA)和大气散射模型的快速去除彩色图像雾霾的算法。首先,提取彩色图像三个颜色通道的主分量,并用最大主分量重构三个颜色通道,并在重构后的三个颜色通道中取最小灰度值构成最小重构映射(MRM);然后,用中值滤波器对MRM滤波,以提高估计全局大气光的准确性,接着在MRM中估计全局大气光;最后,根据大气散射模型求解介质透过率和场景辐射度(去除雾霾后的图像)。实验结果表明,所提算法在视觉效果上取得了较好的复原结果,与暗原色去雾算法和对比度受限自适应直方图均衡算法相比,所提算法运算效率更高,同时该算法简单、易于实现,能较快去除彩色图像中的雾霾。     

基于字典学习与稀疏表示的灰度图像颜色重建算法

为了充分利用参考彩色图像与待处理灰度图像的关联关系,进一步提高图像颜色重建的自动化程度,利用稀疏表示理论和字典学习方法,提出一种自动全局图像着色算法.首先利用图像亮度、特征信息、图像颜色信息之间的相关性,依据参考图像训练出一个亮度-特征-颜色的联合字典;然后利用目标灰度图像的亮度和特征信息计算出其在该字典下的稀疏表示系数;最后利用上述联合字典与计算得到的稀疏表示系数进行灰度图像的颜色信息重建.文中算法无需进行图像分割,针对整幅图像进行着色,是一种自动的全局算法.实验结果表明,该算法可以有效地对灰度图像进行着色,对于色调单一的图像,着色效果更好.     

改进的非线性全局映射灰度化方法

彩色图像灰度化的一个重要目标就是尽量保持原始彩色图像的边缘特征.基于三角级数逼近的非线性全局映射灰度化方法虽能较好地保持颜色顺序,且在很多情况下也保持了特征区分度,但在某些情况下仍会丢失或模糊边缘特征.为此,基于三角级数混合多项式逼近的思路,提出了改进的非线性全局映射灰度化方法.首先在三角级数逼近的基础上继续引入参数t和t2组合成最终的混合逼近函数,当t和t2前面的系数均为0时即为传统的灰度化方法;然后同时优化三角级数、t和t2前面的系数,以增强灰度图像的边缘特征.实验结果表明,在传统方法丢失或模糊边缘特征的情况下,采用文中方法也可以保持较好的边缘特征.     

实现人眼灰度感知信息最大化的图像增强算法

为了实现人眼感知信息最大化,结合人眼视觉系统亮度阈值特性提出一种具有目标函数的图像增强算法.首先在全局灰度映射约束条件下给出感知图像的计算方法,并以感知图像与原图像之间的互信息作为目标函数;然后采用动态规划算法实现了全局最优的灰度合并策略,以合并图像中人眼无法分辨的灰度;最后通过调整合并后灰度的取值实现目标函数最大化.实验结果表明,该算法具有良好的图像增强效果,所提目标函数合理有效.     

一种有选择的图像灰度化方法

提出了一种对彩色图像进行有选择灰度化的方法，并采用Matlab实现了该算法。该方法可以将选中的任意颜色灰度化为黑色，而与该颜色距离越远的颜色，其灰度值越高。利用该方法可以较好地提取出彩色图像中不同颜色所反映的信息，便于基于颜色的图像信息传输和处理。