基于Canny算子与加权引导滤波的Retinex医学图像增强方法

简介：
本文提出了一种结合Canny算子和加权引导滤波技术的新型Retinex算法，专门用于提升医学图像的质量，增强了图像细节及对比度，为医疗诊断提供了更清晰的视觉信息。 医学图像处理与分析在疾病成像诊断中对医生确定病变区域具有重要作用。然而，由于人体组织密度复杂以及各种不良因素的影响，导致医学影像（尤其是X射线影像）普遍存在对比度低、动态范围窄、强度分布不均匀和边缘模糊等问题。 为解决这些问题，并结合医学图像的特点和光照估计模型，提出了一种基于Canny算子加权引导滤波的Retinex算法(CWGFR)。首先，通过使用Canny边缘检测算子准确估算出加权引导滤波器中的边缘权重，然后利用该过滤器对光照进行估计以获得入射光分量；接着根据Retinex原理计算反射光分量，即在log域上增强图像；最后通过对图像的量化处理来提高其对比度，并输出最终结果。 实验结果显示，该算法不仅提高了医学影像的对比度，还具有更强的边缘保持特性。这使得细节信息更加突出且有效减少了“光晕”伪影的影响。