Удосконалений метод адаптивної гістограмної еквалізації кольорових зображень очного дна
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
Альтернативна назва
Improved method of adaptive histogram equalization for color fundus images
Анотація
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.
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.
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.
Опис
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Андрікевич С. А., Тужанський С. Є. Удосконалений метод адаптивної гістограмної еквалізації кольорових зображень очного дна // Оптико-електроннi iнформацiйно-енергетичнi технологiї. 2025. № 1 (49). С. 82–88. URI: https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/786.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (11)
- 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