本发明公开了图像中组织均衡的方法及装置，其方法包括以下步骤：计算图像的一个掩模图像，得到每一个像素点的局部灰度分布，并获取整个图像的均衡程度参数；基于掩模图像和整个图像的均衡程度参数自动设定图像中每个像素点的均衡程度系数；基于掩模图像和图像中每个像素点的均衡程度系数对图像中每个像素点进行均衡计算，得到均衡化后的图像。采用本发明可对每个像素点采用不同的均衡程度参数处理，同时对均衡后的图像采用对比度放大系数对图像局部对比度进行增强，充分保持图像的原有信息。
1.一种图像中组织均衡的方法，其特征在于，包括以下步骤：
S4：获取图像中每个像素点的均衡程度系数，基于该系数对图像中每个像素点进行不同程度的均衡化处理，得到均衡化后的图像； S5：输出组织均衡后的图像；
计算图像的一个掩模图像，得到每一个像素点的局部灰度分布，并获取整个图像的均衡程度参数； 基于掩模图像和整个图像的均衡程度参数自动设定图像中每个像素点的均衡程度系数； 基于掩模图像和图像中每个像素点的均衡程度系数对图像中每个像素点进行均衡计算，得到均衡化后的图像。
2.根据权利要求1所述的图像中组织均衡的方法，其特征在于，所述方法还包括： S2：提取图像中感兴趣区域，作为组织均衡的输入图像。
3.根据权利要求1或2所述的图像中组织均衡的方法，其特征在于，所述方法还包括： S3：对图像进行自适应判断，决定是否需要进行组织均衡，是则执行步骤S4，否则执行步骤S5。
4.根据权利要求1所述的图像中组织均衡的方法，其特征在于，所述步骤S5还包括对均衡化后的图像进行窗宽窗位自适应调整。
5.根据权利要求1所述的图像中组织均衡的方法，其特征在于，所述 步骤S4还包括： 基于掩模图像和均衡化前的图像计算图像中每个像素点的对比度放大系数，其中，所述对比度放大系数与图像中每个像素点的均衡程度系数的函数是相关的，并通过该对比度放大系数对组织均衡后的图像进行局部的对比度增强。
6.根据权利要求1或5所述的图像中组织均衡的方法，其特征在于，所述整个图像的均衡程度参数是通过预先设定在系统中的。
7.根据权利要求1所述的图像中组织均衡的方法，其特征在于，所述整个图像的均衡程度参数是系统基于均一度量参数自动设定的；所述均一度量参数是基于图像局部均值和方差的表现形式。
8.根据权利要求5所述的图像中组织均衡的方法，其特征在于，所述整个图像的均衡程度参数是系统通过基于均一度量参数自动设定的；所述均一度量参数是基于图像局部均值和方差的表现形式。
9.根据权利要求7或8所述的图像中组织均衡的方法，其特征在于，所述均一度量参数的确定方法为： 计算掩模图像中每一行中所有局部灰度分布的均值称为灰度行均值； 对图像中每个像素点计算其邻域内的灰度方差，根据灰度方差求出图像的每一行中所有灰度方差的均值称为方差行均值； 将整幅图像中最大的灰度行均值减去最小的灰度行均值，得出整幅图像的灰度均值的差值；对所有方差行均值求平均，得出整幅图像的平均方差； 将整幅图像的灰度值的差值比上整幅图像的平均方差得出图像的均一度量参数。
10.根据权利要求7或8所述的图像中组织均衡的方法，其特征在于，所述均一度量参数的确定方法为：以图像整体的均值除以图像整体的方差。
11.根据权利要求7或8所述的图像中组织均衡的方法，其特征在于，所述基于均一度量参数自动设定整个图像的均衡程度参数的方法为： αmax=h(A)
其中，αmax是整个图像的均衡程度参数，函数h是幂函数，它的值域为[0,CD]，CD表示最大的组织均衡程度参数，为0到1之间任意小数，A为均一度量参数。
12.根据权利要求1所述的图像中组织均衡的方法，其特征在于，所述基于掩模图像和整个图像的均衡程度参数自动设定图像中每个像素点的均衡程度系数的方法为： α(x,y)=f(M(x,y)-DM)·αmax其中，α(x,y)是图像中每个像素点的均衡程度系数；f(M(x,y)-DM)是值域在[0,1]区间内的函数，是由图像局部灰度分布M(x,y)和图像的目标亮度DM决定的；αmax是整个图像的均衡程度参数；DM是图像的目标亮度，为整幅图像的灰度均值或者均值的函数。
13.根据权利要求12所述的图像中组织均衡的方法，其特征在于，所述函数f(M(x,y)-DM)的具体表达式为： 其中，M(x,y)是图像局部灰度分布；DM是图像的目标亮度，为整幅图像的灰度均值或者均值的函数；λ为足够大常数。
14.根据权利要求1所述的图像中组织均衡的方法，其特征在于，所述计算图像的一个掩模图像，得到每一个像素点的局部灰度分布，其中每 一个像素点的局部灰度分布特征为该像素点在其n*n的邻域内所有像素点的灰度值的中值。
15.根据权利要求1所述的图像中组织均衡的方法，其特征在于，所述计算图像的一个掩模图像，得到每一个像素点的局部灰度分布，其中每一个像素点的局部灰度分布特征为该像素点在其n*n的邻域内所有像素点的灰度值的均值。
16.根据权利要求1所述的图像中组织均衡的方法，其特征在于，所述基于掩模图像和图像中每个像素点的均衡程度系数对图像中每个像素点进行均衡计算的公式为： g(x,y)=α[DM-M(x,y)]+I(x,y) 其中，g(x,y)是均衡化处理后的图像中某一点的灰度值；I(x,y)是均衡化处理前的图像中某一点的灰度值；DM是目标亮度，为整幅图像的灰度均值或者均值的函数；M(x,y)是图像局部灰度分布；α是图像中每个像素点的均衡程度系数。
17.根据权利要求5所述的图像中组织均衡的方法，其特征在于，所述基于掩模图像和均衡化前的图像计算图像中每个像素点的对比度放大系数的方法为： β=1+φ(α)×w
其中，β为图像中每个像素点的对比度放大系数；φ(α)定义为： Cβ表示β的处理系数，为正数，且φ(α)≥0；函数w定义为：w=Ψ(I(x,y),M(x,y))，且w的值域为0到1。
18.根据权利要求17所述的图像中组织均衡的方法，其特征在于，所述函数w的具体表达式为： 其中，M(x,y)是图像局部灰度分布；I(x,y)是均衡化处理前的图像中某一点的灰度值；λ为足够大常数。
19.根据权利要求5所述的图像中组织均衡的方法，其特征在于，所述通过对比度放大系数对组织均衡后的图像进行局部的对比度增强的方法为： g(x,y)=α[DM-M(x,y)]+M(x,y)+[I(x,y)-M(x,y)]×β 其中，g(x,y)是均衡化处理后的图像中某一点的灰度值；I(x,y)是均衡化处理前的图像中某一点的灰度值；DM是目标亮度，为整幅图像的灰度均值或者均值的函数；M(x,y)是图像局部灰度分布；α是图像中每个像素点的均衡程度系数；β为图像中每个像素点的对比度放大系数。
20.一种图像中组织均衡的装置，其特征在于，包括：
用于通过组织均衡算法和组织均衡程度系数，对输入的图像中每个像素点基于其邻域信息采用不同程度的均衡化处理，得到均衡化后的图像的图像组织均衡模块； 用于显示、传输或者打印图像的图像输出模块； 其中，所述图像获取模块、图像组织均衡模块、图像输出模块依次连接； 所述图像组织均衡模块具体包括： 用于计算图像的一个掩模图像，得到每一个像素点的局部灰度分布的掩模图像计算模块； 用于获取整个图像的均衡程度参数的整个图像均衡程度参数确定模块； 用于基于掩模图像和整个图像的均衡程度参数自动设定图像中每个像素点的均衡程度系数的均衡化系数计算模块； 用于基于掩模图像和图像中每个像素点的均衡程度系数对图像中每个像素点进行均衡计算，并通过对比度放大系数对组织均衡后的图像进行局部的对比度增强的图像组织均衡化计算模块； 用于设定图像的目标亮度的目标亮度确定模块；
其中，所述掩模图像计算模块和整个图像均衡程度参数确定模块连接均衡化系数计算模块；所述均衡化系数计算模块连接图像组织均衡化计算模块；所述图像灰度计算模块连接图像组织均衡化计算模块； 其中，所述目标亮度为整幅图像的灰度均值或者均值的函数；所述对比度放大系数与图像中每个像素点的均衡程度系数的函数是相关的。
21.根据权利要求20所述的图像中组织均衡的装置，其特征在于，所述装置还包括：用于基于图像分割去掉无效图像区域数据，并针对感兴趣区域进行亮度映射处理的经过图像处理模块，所述图像处理模块的输入端连接图像获取模块，输出端连接图像组织均衡模块。
22.根据权利要求20所述的图像中组织均衡的装置，其特征在于，所述装置还包括： 用于将图像显示在屏幕上的图像显示模块； 用于将图像进行归档和打印的图像PACS和打印模块，
其中，所述图像显示模块和图像PACS和打印模块分别连接至窗宽窗位自适应调整模块。
23.根据权利要求20所述的图像中组织均衡的装置，其特征在于，所述图像组织均衡模块还包括： 用于基于掩模图像和均衡化前的图像计算图像中每个像素点的对比度放大系数的对比度放大系数计算模块， 其中，所述掩模图像计算模块、均衡化系数计算模块和图像灰度计算模块均连接对比度放大系数计算模块；所述对比度放大系数计算模块连接图像组织均衡化计算模块。
24.根据权利要求23所述的图像中组织均衡的装置，其特征在于，所述图像组织均衡模块还包括： 用于计算均一度量参数的均一度量参数计算模块，
其中，所述均一度量参数计算模块输入端连接掩模图像计算模块，输出端连接整个图像均衡程度参数确定模块。
图像中组织均衡的方法和装置
技术领域
[0001] 本发明涉及一种DR(Digital Radiography，直接数字化X射线)诊断成像领域，尤其涉及的是一种图像中组织均衡自适应的方法和装置。
背景技术
[0002] DR成像中图像可能出现X射线曝光不足或曝光过度等造成图像局部过亮或是过暗的情况，从而导致纹理不清，影响诊断。因此，我们在DR图像处理中加入组织均衡，将图像中过亮或过暗的部分进行适当调节，在保持其原有特征、不加入噪声的前提下，使其适当变暗或变亮，最终达到在图像中能清晰显示各部分组织结构的目的。
[0003] 通常组织均衡算法大多数是基于图像的亮度直方图进行均衡，有更进一步的方法是采用自适应的直方图均一化。该类方法只考虑图像直方图，不考虑局部信息对比，容易丢失图像局部对比度信息。部分文献采用亮度映射的方法，对整幅图像进行亮度线性或者非线性的映射，该类方法和基于直方图方法类似，没有考虑局部对比度信息，在组织均衡过程中的变化，造成信息丢失。现有技术还给出了基于图像曝光参数等确定图像增强补偿权重，基于补偿系数和图像像素点亮度生成掩模图像，原始图像除以掩模图像获得增强后图像。该方法依赖于输入曝光参数生成权重，而且没有考虑图像的局部细节，可能会丢失部分图像信息。另外还有采用多尺度的方法对图像进行噪声抑制和增强，但该方法比较复杂，对参数依赖较大。
[0004] 因此，现有技术还有待于改进和发展。
发明内容
[0005] 本发明的目的在于提供一种图像中自适应组织均衡的方法和装置，旨在解决现有的组织均衡方法在对图像进行均衡处理时，不考虑局部信息对比，容易丢失图像局部对比度信息的问题。
[0006] 本发明的技术方案如下：
[0007] 本发明提供的成像系统的自适应组织均衡方法包括以下具体步骤：
[0008] 步骤S1：通过图像采集系统获取图像；
[0009] 步骤S2：提取图像中感兴趣区域，作为组织均衡的输入图像；
[0010] 其具体包括基于图像分割去掉无效图像区域数据，并针对感兴趣区域进行亮度映射等处理。
[0011] 步骤S3：基于输入图像自适应判断是否需要进行组织均衡，需要则执行步骤S4，不需要则执行步骤S5；
[0012] 步骤S4：获取组织均衡程度参数，基于该参数对整幅图像进行均衡化处理，同时对不同亮暗区域采用不同程度的均衡化处理，并基于均衡化程度对图像局部对比进行增强，等到均衡化后的图像；
[0013] 步骤S5：对图像进行窗宽窗位自适应调整，并输出图像。
[0014] 本发明实施例提供的图像中自适应组织均衡的装置包括：图像获取模块，图像处理模块，图像组织均衡模块，窗宽窗位自适应调整模块，图像显示模块，图像PACS和打印模块。所述图像PACS为Picture Archiving and Communication Systems，图像归档和通信系统。所述图像获取模块，图像处理模块，图像组织均衡模块，窗宽窗位自适应调整模块依次连接，所述窗宽窗位自适应调整模块分别连接图像显示模块，图像PACS传递和打印模块。
[0015] 本发明的有益效果：本发明通过提出一种全新的自适应组织均衡方法和装置，基于输入图像自适应判断是否需要进行组织均衡处理，以及所需要组织均衡程度参数α，基于该参数对整幅图像进行均衡化，且针对不同亮暗区域采用不同的均衡程度参数处理，同时基于均衡化程度采用对比度放大系数β对图像局部对比度进行增强，充分保持图像的原有信息。
附图说明
[0016] 图1是本发明中实施例提供的装置的原理框图；
[0017] 图2是图1中的图像组织均衡模块的原理框图；
[0018] 图3是本发明中实施例提供的组织均衡方法的流程图；
[0019] 图4是本发明中实施例提供的对图像进行均衡计算的方法流程图；
[0020] 图5是本发明中实施例提供的均衡程度函数曲线图；
[0021] 图6是本发明中实施例提供的噪声抑制函数曲线图。
具体实施方式
[0022] 为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。
[0023] 请参阅图1，本发明实施例提供的图像中组织均衡自适应的装置包括：图像获取模块，图像处理模块，图像组织均衡模块，窗宽窗位自适应调整模块，图像显示模块，图像PACS(Picture Archiving and Communication Systems，图像归档和通信系统)和打印模块。所述图像获取模块、图像处理模块、图像组织均衡模块、窗宽窗位自适应调整模块依次连接，所述窗宽窗位自适应调整模块分别连接图像显示模块、图像PACS和打印模块。
[0024] 图像获取模块用于获取图像数据，图像处理模块用于基于图像分割去掉无效图像区域的数据，并针对感兴趣区域进行亮度映射等处理。所述感兴趣区域为医生所要观察的指定区域。所述图像组织均衡模块通过组织均衡算法对输入的图像中各部分组织进行亮度的优化调整使得在同一窗宽、窗位中有更多有效图像信息能够直接呈现。所述窗宽窗位自适应调整模块用于对图像进行自适应的窗宽、窗位调整，然后将图像传输到图像显示模块进行显示，或者将图像传送到图像PACS和打印模块进行归档和打印。
[0025] 请参阅图2，所述图像组织均衡模块具体包括：用于计算图像的一个掩模图像，得到每一个像素点的局部灰度分布的掩模图像计算模块；用于获取整个图像的均衡程度参数的整个图像均衡程度参数确定模块；用于基于掩模图像和整个图像的均衡程度参数自动设定图像中每个像素点的均衡程度系数的均衡化系数计算模块；用于基于掩模图像和图像中每个像素点的均衡程度系数对图像中每个像素点进行均衡计算，并通过对比度放大系数对组织均衡后的图像进行局部的对比度增强的图像组织均衡化计算模块；用于设定图像的目标亮度的目标亮度确定模块；用于计算均衡化前的图像灰度值的图像灰度计算模块。
[0026] 其中，所述掩模图像计算模块和整个图像均衡程度参数确定模块连接均衡化系数计算模块；所述均衡化系数计算模块连接图像组织均衡化计算模块；所述图像灰度计算模块连接图像组织均衡化计算模块。
[0027] 所述图像组织均衡模块还包括：用于基于掩模图像和均衡化前的图像计算图像中每个像素点的对比度放大系数的对比度放大系数计算模块，其中，所述掩模图像计算模块、均衡化系数计算模块和图像灰度计算模块均连接对比度放大系数计算模块；所述对比度放大系数计算模块连接图像组织均衡化计算模块。
[0028] 在上述的整个图像均衡程度参数确定模块中的整个图像的均衡程度参数是通过预先设定的，不是通过系统自动设定的。当需要通过系统自动设定整个图像的均衡程度参数时，上述图像组织均衡模块还包括：用于计算均一度量参数的均一度量参数计算模块。其中，所述均一度量参数计算模块输入端连接掩模图像计算模块，输出端连接整个图像均衡程度参数确定模块。此时，所述的整个图像均衡程度参数确定模块根据均一度量参数自动设定整个图像的均衡程度参数。
[0029] 请参阅图3，本发明提供的组织均衡自适应的方法包括以下具体步骤：
[0030] 步骤S1：通过图像采集系统获取图像；
[0031] 步骤S2：提取图像中感兴趣区域，作为组织均衡的输入图像；
[0032] 其具体包括基于图像分割去掉无效图像区域数据，并针对感兴趣区域进行亮度映射等处理。
[0033] 步骤S3：基于输入图像自适应判断是否需要进行组织均衡，需要则执行步骤S4，不需要则执行步骤S5；
[0034] 步骤S4：获取图像中每个像素点的均衡程度系数，基于该系数对图像中每个像素点进行不同程度的均衡化处理，得到均衡化后的图像；
[0035] 步骤S5：输出组织均衡后的图像。
[0036] 请参阅图4，步骤S4具体包括以下步骤：
[0037] 步骤S100：计算图像的一个掩模图像，得到每一个像素点的局部灰度分布，并获取整个图像的均衡程度参数；
[0038] 计算图像的一个掩模图像来表示图像的局部区域(即邻域)内的灰度分布：M(x，y)是图像局部区域的灰度分布，可以是一个n×n掩模内的中值，或者均值；同样该掩模也可以是图像多尺度下采样后的低尺度图像。
[0039] 步骤S200：基于掩模图像和整个图像的均衡程度参数自动设定图像中每个像素点的均衡程度系数；
[0040] 步骤S300：基于掩模图像和图像中每个像素点的均衡程度参数对图像中每个像素点进行均衡计算，得到均衡化后的图像；
[0041] 步骤S400：基于掩模图像和均衡化前的图像计算图像中每个像素点的对比度放大系数，并通过该系数对组织均衡后的图像进行局部的对比度增强。
[0042] 对于步骤S100，所述整个图像的均衡程度参数是通过预先设定在系统中的，或是系统基于均一度量参数自动设定的。
[0043] 所述均一度量参数的确定方法为：
[0044] 步骤a100：计算掩模图像中每一行中所有局部灰度分布的均值称为灰度行均值；
[0045] 步骤a200：对图像中每个像素点计算其邻域内的灰度方差，根据灰度方差求出图像的每一行中所有灰度方差的均值称为方差行均值；
[0046] 计算每一个像素点的局部灰度分布和灰度方差后，根据局部灰度分布M(x，y)和灰度方差S(x，y)求出每一行中所有局部灰度分布的均值称为灰度行均值，记作Mmid(x，y)，求出每一行中所有灰度方差的均值称为方差行均值，记作Smid(x，y)。
[0047] 求出每一行中所有局部灰度分布的均值称为灰度行均值，相当于对整幅图像以行为单位进行平滑处理。例如对于一个N*N大小的图像，其某一行中每一个像素点的平均灰度值为M1(x，y)、M2(x，y)、M3(x，y)、......、MN(x，y)，该行中所有像素点的均值Mmid(x，y)为：[M1(x，y)+......+MN(x，y)]/N。
[0048] 步骤a300：将整幅图像中最大的灰度行均值减去最小的灰度行均值，得出整幅图像的灰度均值的差值；对所有方差行均值求平均，得出整幅图像的平均方差；
[0049] 利用将整幅图像中最大的灰度行均值减去最小的灰度行均值，得出整幅图像的灰度均值的差值，记作ΔMmid，并对所有方差行均值Smid(x，y)求平均，得出整幅图像的平均方差，记作
[0050] 步骤a400：将整幅图像的灰度值的差值比上整幅图像的平均方差得出图像的均一度量参数。
[0051] 将整幅图像的灰度值的差值ΔMmid比上整幅图像的平均方差 得出图像的均一度量参数A，即
[0052] 图像均一度参数可以是图像整体均值除以图像的方差；还可以是图像局部均值中最大值减去最小值除以局部方差的均值，所有基于图像局部均值和方差的表示形式均可。
[0053] 本发明提供的组织均衡算法可以简单表示为如下公式：
[0054] g(xy)＝α[DM-M(x，y)]+M(x，y)+[I(x，y)-M(x，y)]×β...............(1)[0055] 其中，g(x，y)是处理后的图像中某一点的灰度值；I(x，y)是处理前的图像中某一点的灰度值；DM是目标亮度，可以设定为整幅图像的灰度均值，或者均值的函数；M(x，y)是图像局部区域的亮暗分布即局部灰度分布，可以是一个n×n掩模内的中值，或者均值；α是组织均衡程度参数即均衡化系数，它取得越大，整个图像的灰度就向DM靠得越近，也就是会使得暗的地方更亮，亮的地方更暗；β是对比度放大系数，其意义在于适量增加局部对比度，补偿均衡化时带来的细节纹理的损失。
[0056] 当β取1时，即不对图像的局部对比度进行增强，此时的表达式如下：
[0057] g(x，y)＝α[DM-M(x，y)]+I(x，y)。
[0058] 公式(1)对于不均匀的图像有很好的增强效果。但是其缺点是在对比度增强过程中，对比度放大系数β不可调，导致在整体增强的同时，不能针对局部图像进行微调。为了解决上述问题，需要对上述算法进行调整。
[0059] 组织均衡程度参数α和对比度放大系数β的确定是整个算法的核心，不同的参数表示不同的均衡程度。现有的技术中这两个参数都被设定为常数，即整场的压缩比例相同。本发明提出根据图像局部特性进行自适应调节局部均衡化的权重。同时在对图像进行组织均衡前，针对整个图像进行计算得到图像中组织均衡程度的指标，即图像的均一度量参数A，基于该参数A设定整个图像的组织均衡程度参数α。
[0060] 通过上述方法得出图像的均一度量参数A后，即可利用该参数A确定图像的组织均衡程度参数α的最大值αmax即整个图像的均衡程度参数。参见图5，在本发明中αmax是参数A的幂函数形式，记作αmax＝h(A)，其中均衡程度函数h是幂函数，它的值域为[0，CD]，CD表示最大的组织均衡程度参数，可以为0到1之间任意小数。
[0061] 为了对不同亮度区域采用不同程度的均衡处理，则根据局部均值M(x，y)与目标亮度DM间的关系自适应确定每一个像素点的均衡程度参数α，其自适应方法的公式如下：
[0062] α(x，y)＝f(M(x，y)-DM)·αmax
[0063] 其中，α(x，y)是图像中不同区域的均衡程度；f(M(x，y)-DM)是值域在[0，1]区间内的函数，是由图像局部灰度分布M(x，y)和目标亮度DM确定的；αmax是图像的组织均衡程度参数的最大值。
[0064] f(M(x，y)-DM)为值域在[0，1]区间内的函数，且是由图像局部灰度分布M(x，y)和目标亮度DM确定的。本实施例给出如下两种函数形式，例如：
[0065]
[0066] 或者f(M(x，y)-DM)＝1-e-λ|M(x，y)-DM|，
[0067] 其中λ均为足够大常数。
[0068] 在图像组织均衡中，均衡化程度参数越大，细节纹理的损失就越多，所以采用参数β来放大图像的局部对比度。对比度放大系数β与α(x，y)的函数是相关的，β的确定公式为：
[0069] β＝1+φ(α)×w
[0070] 其中，φ(α)可定义为： Cβ表示β处理系数，该系数为正数。因为α≥0，所以φ(α)≥0，即φ(α)×w表示为对增量部分有一个加权(β＝1时表示局部对比度不变)。其中，噪声抑制函数w可定义为：
[0071] w＝Ψ(I(x，y)，M(x，y))，
[0072] 且w的值域为[0，1]，即w与局部对比度成正比。w表示在局部图像中只有细节纹理部分才需要放大对比度，平滑部分几乎不做处理。如图3所示为本实施例提供的w的一种取值曲线示意图。w＝Ψ(I(x，y)，M(x，y))函数的取值方法，可以是如下几种类似的满足定义条件的任意形式：
[0073]
[0074] 或w＝Ψ(I(x，y)，M(x，y))＝1-e-λ|f(x，y)-M(x，y)|，
[0075] 其中λ均为足够大常数。
[0076] 通过上述组织均衡处理，使得图像亮度整体向目标亮度DM靠近，缩小图像的整体动态范围，使得在一定的窗宽窗位下能够看到更多有效信息，同时基于均衡系数的局部对比增强能够保证局部纹理信息。
[0077] 最后运用组织均衡程度参数α和对比度放大系数β对图像进行组织均衡，并同时基于均衡化程度采用对比度放大系数对图像局部对比度进行增强，充分保持图像的原有信息。
[0078] 应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。本发明不但应用于DR图像，也可以应用于其他任何图像的亮度、颜色的均衡处理。
