小波域中的图像增强

问题描述

根据本文A Direct Image Contrast Enhancement Algorithm in the Wavelet Domain for Screening Mammograms，我正在尝试在小波域中进行乳房X线图像增强。此处使用带有“ db16”小波的4级分解。为了简化和快速阅读，此图中显示了主要的增强算法：image。这是我的代码实现：

LAMBDA = 1.80

#based on eq.10 in the image
#coefficient computation
def compute(L,a,b,c):
    a_b = np.divide(a,out=np.zeros_like(a),where = b!=0)
    result = L * a_b * c
    print('max',np.max(result))
    return result

# For 4-level decomposition,C = pywt.wavedec2(img,'db16',mode='periodization',level=4)
# C =  [cA4,(cH4,cV4,cD4),(cH3,cV3,cD3),(cH2,cV2,cD2),(cH1,cV1,cD1)]
# C =  (C[0],(C[-4]),(C[-3]),(C[-2]),(C[-1]))

cA4 = C[0]
lcA4 = cA4

# for cA3,C3=(cA4,(C[-4]))
cA3=pywt.waverec2(C3,mode='periodization')
#the computation
print(1)
lcD4 = tuple([LAMBDA * v for v in C[-4]])
LC3 = (lcA4,lcD4)
lcA3 = pywt.waverec2(LC3,mode='periodization')

# for cA2,C2 = (cA3,(C[-3]))
cA2 = pywt.waverec2(C2,mode='periodization')
#the computation
print(2)
lcD3 = tuple([compute(LAMBDA,v,cA3,lcA3) for v in C[-3]])
LC2 = (lcA3,lcD3)
lcA2 = pywt.waverec2(LC2,mode='periodization')

#for cA1,C1 = (cA2,(C[-2]))
cA1 = pywt.waverec2(C1,mode='periodization')
#the computation
print(3)
lcD2 = tuple([compute(LAMBDA,cA2,lcA2) for v in C[-2]])
LC1 = (lcA2,lcD2)
lcA1 = pywt.waverec2(LC1,mode='periodization')

#for cA0
C0 = (cA1,(C[-1]))
cA0 = pywt.waverec2(C0,mode='periodization')
# the computation
print(4)
lcD1 = tuple([compute(LAMBDA,cA1,lcA1) for v in C[-1]])
LC0 = (lcA1,lcD1)
lcA0 = pywt.waverec2(LC0,mode='periodization')

enhanced_img = lcA0.astype(np.uint8)

使用以下原始图像：original-image，其中分辨率为1024x1024，最大值为242，最小值为0。
增强图像的结果是：enhanced-img，其中分辨率相同，但是如您所见，在本应为黑色的区域中存在很多失真，而（我认为）乳房区域得到了增强。

我的原因之所以推测是由于我在那些小波系数中所做的计算是结果计算的最大值，就像1e + 16一样大。但我不知道这是否正确，将其作为原因。对于计算中的零除，我在compute()的第一行中对其进行了处理，我不确定它是否正确（通过将结果设置为0以除以零）是否正确。
我问这是因为没有很多小波系数操纵/计算的示例，并且系数本身的值对我来说是个蛮好子。

我希望有人可以帮助我实现这种增强技术。
谢谢，对不起，我英语不好。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）