Improved method of adaptive histogram equalization for color fundus images
DOI:
https://doi.org/10.31649/1681-7893-2025-49-1-82-88Keywords:
histogram equalization, CLAHE, contrast, fundus, cumulative distribution function (CDF), intensity histogramAbstract
The paper investigates the improvement of the visualization quality of color fundus images using the contrast-limited adaptive histogram equalization (CLAHE) method. The method is applied to the R, G, B channels of images from the HRF database. The results showed an increase in the average contrast, and visual analysis confirmed better visibility of fundus vessels while preserving local details. The proposed approach is effective for image preprocessing in medical diagnostics. The proposed CLAHE method by separately processing the R, G, B channels has demonstrated its effectiveness in enhancing the contrast of fundus images, as evidenced by an increase in the average contrast by 4.4% and better visibility of retinal vessels, especially in the green channel, and also helps to make abnormal structures such as neoplasms or hemorrhages more visible. However, the method causes a shift in the color balance, which may affect the diagnostic value of the images, and also enhances chromatic aberration at its borders.
References
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
Downloads
-
PDF (Українська)
Downloads: 3
Published
How to Cite
Issue
Section
License
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).
