X光拍攝出的原始圖像，一般都比較模糊不清，而在醫學應用上，這些被模糊的細節又非常有用，因此，X光圖像的增強一直是人們研究的重點。下面，給大家介紹一種非常有用的增強方法：Gauss Laplacian Pyramid算法
關於該方法，已有不少文獻對其進行了介紹和闡述，但一般都比較晦澀難懂，本人做了一個比較清晰的實現步驟，以此供大家參考。而關於分解的細節圖像如何進行增強（后文會提到），不是本文介紹的重點，在這只做些基礎介紹，有更高要求的朋友，可以去查查專業文獻來實現。
先上圖，看下效果：
原始圖像
增強效果
實現步驟：
一： 圖像分解：
- 輸入原始圖像I，大小為m*n。因為該算法是金字塔分解，我們設圖像尺寸為m*n時為第一層；
- 對I進行5*5的高斯濾波，得到結果為F；
- 對F進行下采用，具體操作是將F隔行和隔列采集，得到圖像R,大小為m/2*n/2；
- 對圖像R進行5*5的高斯濾波，並將圖像插值放大尺寸至m*n，得到圖像E；
- 圖像I減去圖像E，得到細節圖像D，大小為m*n。這里需要對細節圖像進行增強處理，以使得后面重建的圖像為一增強圖像；
- 將第三步的下采樣圖像R賦值到第一步中的I，m更新為m/2，n更新為n/2，然后在順序執行1~6，直到F圖像尺寸為1*1。
二 重建部分
- 設分解的最后一層（設為k層）的下采樣圖像R尺寸為m*n，將R進行高斯濾波並上采樣得到圖像E，尺寸變為2*m * 2*n，設2*m = M，2*n = N；
- 將E和分解的第k-1層的細節圖像D（因為是第k-1層，所以其大小也為2*m * 2*n）相加，得到2*m * 2*n的增強圖像En;
- 將En賦值到第一步的R，然后順序執行1~2，並將m更新為M，n更新為N。直至加到第一層的細節圖像，得到最終的重建圖像。
需要注意的是，如果我們按照以上的分解和重建步驟來做，不對分解過程中的細節圖像做增強，那么重建后的圖像和原始輸入圖像應該是完全一樣的。
三 細節圖像增強方法
細節圖像增強方法主要分為兩部分，一個是針對分解過程中每一層的細節圖像特點，給予不同的增益權重。另外，針對細節圖像特點，要保證其在最終的重建圖像不失真要求，本人采用了指數函數對其增強：
參數a就是根據不同層設置不同的增益權重，下圖顯示的就是不同參數p的不同增強效果。
在圖像分解過程中發現，一般在第四層是個分水嶺，前三層圖像細節較小，后面開始細節相對來說比較明顯，因此可以對前三層圖像乘以一個較大的系數，而對后面幾層乘以一個相對小一點的系數。
關於細節圖像的增強，相關文獻中有很多更詳細的解釋，在此不一一介紹了。另外，大家還可以通過Gauss卷積后的圖像做下光照調整，可以使得最終的重建效果更加完美。