Удосконалений метод адаптивної гістограмної еквалізації кольорових зображень очного дна
DOI:
https://doi.org/10.31649/1681-7893-2025-49-1-82-88Ключові слова:
гістограмна еквалізація, CLAHE, контрастність, очне дно, функція кумулятивного розподілу (CDF), гістограма інтенсивностейАнотація
У роботі досліджено підвищення якості візуалізації кольорових зображень очного дна методом адаптивної гістограмної еквалізації з обмеженням контрасту (CLAHE). Метод застосовано до R, G, B каналів зображень із бази даних HRF. Результати показали зростання середнього контрасту, а візуальний аналіз підтвердив кращу видимість судин очного дна при збереженні локальних деталей. Запропонований підхід є ефективним для попередньої обробки зображень у задачах медичної діагностики. Запропонований метод застосування CLAHE шляхом окремої обробки каналів R, G, B продемонстрував свою ефективність для підвищення контрастності зображень очного дна, що підтверджується зростанням середнього контрасту на 4.4% та кращою видимістю судин сітківки, особливо в зеленому каналі, а також допомагає зробити більш помітними аномальні структури, такі як новоутворення чи крововиливи. Однак метод спричиняє зсув колірного балансу, що може впливати на діагностичну цінність зображень, а також підсилює хроматичну аберацію на його границях.
histogram equalization, CLAHE, contrast, fundus, cumulative distribution function (CDF), intensity histogram
Посилання
Pavlov, S. V., Vovkotrub, D. V., Dovgalyuk, R. Yu., & Khani, A.-Z. Information technologies for improving the quality of biomedical images. Information technologies and computer engineering. 2012 No. 21(2). P. 41-48 https://itce.vntu.edu.ua/index.php/itce/article/view/52
Pavlov S. V., Saldan Y. R., Zlepko S. M., Azarov O. D., Tymchenko L. I., Abramenko L. V. Methods for preprocessing tomographic images of the fundus. Information technologies and computer engineering. 2019. No. 2. P. 4-12. http://ir.lib.vntu.edu.ua//handle/123456789/30520
Karas O.V., Tymchyk S.V., Saldan Yu.R., Mominzhanova K., Moiseyev D.V. Analysis of fundus images based on machine learning, Opt-el. inf-energ. tech. 2024. No. 47, issue 1, pp. 140–147 https://doi.org/10.31649/1681-7893-2024-47-1-140-147
Reza, Ali M.. “Realization of the Contrast Limited Adaptive Histogram Equalization (CLAHE) for Real-Time Image Enhancement.” Journal of VLSI signal processing systems for signal, image and video technology, Vol. 38 (2004): P.35-44. https://link.springer.com/article/10.1023/B:VLSI.0000028532.53893.82
O. V. Komenchuk and O. B. Mokin, “ANALYSIS OF PRE-PROCESSING METHODS OF PANORAMIC DENTAL X-RAY IMAGES FOR IMAGE SEGMENTATION PROBLEMS”, Bulletin of the Ukrainian Institute of Dental Medicine. 2023. No. 5, pp. 41–49, http://ir.lib.vntu.edu.ua//handle/123456789/38640
Romanyuk O. N., Pavlov, S. V., Bobko, O. L., Zavalnyuk, E. K., Reshetnik, O. O. (2024). Big data analysis in computer graphics. Optical-Electronic Information and Energy Technologies, 47(1), 50-57. https://ir.lib.vntu.edu.ua//handle/123456789/43075
Mishra, Akshansh. "Contrast limited adaptive histogram equalization (CLAHE) approach for enhancement of the microstructures of friction stir welded joints." arXiv preprint arXiv:2109.00886 (2021). https://arxiv.org/pdf/2109.00886
Babyuk N. P., Pavlov S. V., Kolisnyk P. F., Lunin Ya. Features of computer analysis of biomedical images of conjunctival microcirculation. Optical-Electronic Information and Energy Technologies. 2021. No. 2: pp. 53-65. http://ir.lib.vntu.edu.ua//handle/123456789/36182
OpenCV Team. (n.d.). OpenCV: Open Source Computer Vision Library. OpenCV. Retrieved March 26, 2025, from https://opencv.org/
Matplotlib Developers. (n.d.). Matplotlib Pyplot Tutorial. Matplotlib. Retrieved March 26, 2025, from https://matplotlib.org/stable/tutorials/introductory/pyplot.html
Dataset Ninja. Visualization Tools for High Resolution Fundus Dataset. Dataset Ninja; 2025. Accessed February 10, 2025. https://datasetninja.com/high-resolution-fundus
##submission.downloads##
-
PDF
Завантажень: 3
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
