《Heliyon》：Image clarity measurement using the multiscale top-hat transform with geodesic reconstruction
编辑推荐：
图像清晰度的客观量化对于医学成像、显微术、矿物图像分析、图像增强和图像融合具有重要意义。尽管已有多种清晰度测量方法被提出，但其中许多方法对细微局部变化和退化成像条件的敏感性有限。本研究提出一种基于多尺度顶帽变换与测地重建的新型图像清晰度测量方法，称为MCMTH
图像清晰度的客观量化对于医学成像、显微术、矿物图像分析、图像增强和图像融合具有重要意义。尽管已有多种清晰度测量方法被提出，但其中许多方法对细微局部变化和退化成像条件的敏感性有限。本研究提出一种基于多尺度顶帽变换与测地重建的新型图像清晰度测量方法，称为MCMTH。该方法利用来自三个公共数据库（眼底图像、胸部X光片和矿物图像）共180幅图像进行了评估。实验考虑了三种场景：平滑处理、高斯噪声后平滑处理以及对比度增强。在平滑和噪声后平滑实验中，MCMTH在三个代表性样本中均取得了最高的平均归一化判别指数。在对比度增强实验中（评估了全部180幅图像），与所评估的基于形态学的测量方法相比，MCMTH也展现出较强的判别性能。所提出的度量指标可支持医学和工业图像分析工作流中的图像清晰度评估，并可能在未来的工作中扩展到更广泛的图像质量评估场景。
论文解读文章
一、研究背景与问题
图像清晰度的客观量化是图像分析领域的一项基础性任务，其应用广泛涉及医学成像、显微术、矿物图像分析、图像增强及图像融合等方向。尽管学界已提出多种清晰度测量指标，如标准差（STD）、熵（E）、空间频率（SF）、平均梯度（MG）和线性模糊指数（LIF），但这些传统方法普遍存在对缺乏丰富纹理或高噪声水平图像的敏感度不足等问题。例如，LIF在眼底图像平滑实验中未能正确反映清晰度随平滑程度增加而下降的趋势。此外，现有基于数学形态学的方法，如Bai等人提出的多尺度顶帽变换清晰度测量方法，虽然在提取图像细节方面有所改进，但在保持几何结构和对局部变化的敏感性方面仍面临挑战。因此，开发一种能够更稳健、更精确地量化图像清晰度，尤其适用于医学和矿物图像分析的新方法具有重要的研究意义。
二、研究内容与结论
研究人员提出了一种基于多尺度顶帽变换与测地重建的图像清晰度测量方法，命名为MCMTH。该方法通过结合多尺度特征提取与测地重建技术，旨在更好地保留图像细节并提升清晰度测量的准确性。研究使用了来自三个公共数据库（DRIVE眼底图像库40张、Open-i胸部X光片40张、矿物学数据库100张）共计180张图像进行验证。实验设计了三种场景：平滑处理（均值滤波和中值滤波）、高斯噪声后平滑处理以及对比度增强。结果表明，在平滑和噪声后平滑实验中，MCMTH在三个代表性样本中均获得了最高的平均归一化判别指数（D）。在对比度增强实验中，与基于形态学的其他测量方法（如MCM）相比，MCMTH同样表现出更强的判别能力。该方法的计算成本主要与像素数呈近似线性关系，测地重建过程是主要的计算瓶颈。研究的重要意义在于，MCMTH为医学和工业图像分析工作流提供了一种更有效的清晰度评估工具，并有望在未来扩展到更广泛的图像质量评估场景。
三、关键技术方法概述
研究人员采用的核心技术方法包括：数学形态学运算（膨胀、腐蚀、开运算、闭运算）、多尺度顶帽变换（白色顶帽变换WTH用于提取亮特征，黑色顶帽变换BTH用于提取暗特征）、测地重建（通过迭代测地膨胀和侵蚀实现重建，包括开运算重建和闭运算重建）。具体流程为：首先，在不同尺度下利用开运算重建和闭运算重建分别获得白色顶帽变换和黑色顶帽变换的重建版本；然后，对多尺度的亮特征图和暗特征图分别求和，得到最终的特征集F_RWI和F_RBI；再选择两者中最大值较大的一个作为最终特征图CFIE；最后，取CFIE所有像素的平均值作为MCMTH清晰度值。参数设置方面，采用圆盘形结构元素（初始半径为1），尺度数n=3。
四、研究结果
5.1 参数选择与敏感性分析：通过比较不同形状的结构元素（圆盘、对角线、垂直线、水平线）对25张矿物图像的影响，发现圆盘形结构元素在多数图像上表现最佳，平均MCMTH值最高（21.624）。因此，后续实验统一采用初始半径为1的圆盘形结构元素和3个尺度。
5.4 第一实验（平滑实验）：对原始图像分别进行一次和两次中值滤波、一次和两次均值滤波，生成四个平滑版本。以眼底图像为例，MCMTH值从原始的4.711依次下降至0.531（中值1次）、0.291（中值2次）、0.183（均值1次）、0.100（均值2次），正确反映了清晰度损失。计算各测量指标的归一化判别指数D，MCMTH的均值最高（D=0.9414），优于MCM（D=0.8768），表明其对平滑操作的响应最强。
5.5 第二实验（噪声后平滑实验）：先对图像添加高斯噪声，再进行平滑处理。MCMTH在该场景下同样在三个代表性样本中取得最高的平均D值，证明其在噪声条件下的鲁棒性和判别能力。
5.6 第三实验（对比度增强实验）：使用全局均衡化、TCOEI、MTHT和GRMMCE四种算法对全部180张图像进行对比度增强。MCMTH与基于形态学的其他测量方法进行比较，结果显示MCMTH在所有增强方法下均表现出最强的判别性能。
五、讨论与结论
讨论部分：研究指出，MCMTH值反映了通过多尺度形态学程序提取的局部亮暗结构的强度，数值越高表示对局部结构变化的响应越强。但高频变化（包括噪声引入的成分）也可能导致MCMTH值升高，这是该方法的一个潜在局限。参数选择（结构元素形状、尺寸、尺度数）会显著影响结果，圆盘形结构元素因其各向同性而优于线性结构元素。未来工作可考虑将MCMTH扩展到更广泛的图像质量评估场景。
研究结论：研究人员提出了一种基于多尺度顶帽变换与测地重建的图像清晰度测量方法MCMTH。该方法在平滑、噪声后平滑和对比度增强三类实验中均展现出优于传统测量指标（如STD、E、MG、SF、LIF）和同类形态学方法（MCM）的判别能力。MCMTH能够有效支持医学和工业图像分析工作流中的清晰度评估需求。
