基于直方图的算法

直方图是图像最基本的统计特征，反映图像在亮度范围内的分布。在直方图中，横坐标是0～255的亮度值，0显示为黑色，255显示为白色；纵坐标是对应亮度值的像素个数占图像像素总数目的比例。彩色图像有红、绿、蓝三个通道，每个通道的亮度值都在0～255。图4-17展示了彩色眼底图像及其在三个通道的直方图，直方图中0亮度像素对应眼底图像的黑色背景区域。红色通道的亮度集中在100～200的范围，绿色通道的亮度集中在75～175的范围，蓝色通道的亮度集中在75～150的范围，三个通道的亮度值区间和分布情况各不相同。

图4-17　彩色眼底图像及三通道的直方图

限制对比度自适应直方图均衡化（CLAHE）是应用最广泛的眼底图像增强方法。CLAHE增强后的眼底图像及各通道的直方图见图4-18。与原始图像相比，增强后图像的直方图近似于正态分布，在原本的主要亮度区间中分布得更均匀。图像的血管更加清晰，但血管周围显示绿色，出现了色彩失真。为了解决CLAHE增强眼底图像时出现的色彩失真及细节损失问题，已有很多学者对此进行研究。2013年，Setiawan等用CLAHE方法增强RGB颜色模型中的绿色通道，再将其与原始的红色通道、蓝色通道相融合得到增强后的眼底图像。这种方法有一定的增强效果，但是破坏了颜色信息。结合眼底图像的灰度对比度和动态范围较低的特点，2014年，Jintasuttisak等使用CLAHE中的瑞利变换增强非线性色彩-饱和度-强度（nonlinear hue-saturationintensity，iNHSI）颜色模型中的强度分量，以保持眼底图像的颜色信息。2016年，Shamsudeen等研究了用CLAHE增强眼底图像时能提供最大的灰度对比度和最好的图像质量所需要处理的颜色模型、通道和直方图规范化。作者将瑞利直方图、均匀直方图和指数直方图规范分别应用于RGB模型和HSV模型的分量通道，并对增强后图像点质量进行定性评估。结果表明，均衡RGB模型的绿色通道，并使用指数直方图进行规范化是增强眼底图像的最佳选择。2018年，Mei Zhou等对HSV颜色空间的值通道进行伽马校正得到亮度增益矩阵，分别增强RGB颜色模型的三通道，再通过CLAHE提高Lab颜色空间的亮度通道。

图4-18　CLAHE增强后的彩色眼底图像及三通道的直方图