Γενικά, τεχνικές διόρθωσης φωτεινότητας και αντίθεσης εικόνων χρησιμοποιούνται συχνά σε εφαρμογές της ιατρικής απεικόνισης. Πιο συγκεκριμένα η χρήση τους κρίνεται απαραίτητη όταν πρέπει να συγκριθούν ιατρικά δεδομένα που έχουν αποκτηθεί σε διαφορετικές χρονικές περιόδους, κυρίως εξαιτίας των διαφορετικών μεθόδων που χρησιμοποιήθηκαν για την απόκτηση των δεδομένων αυτών. Πολλές τεχνικές έχουν δοκιμαστεί σε αυτό το πεδίο, από απλά φίλτρα διόρθωσης μέχρι πιο πολύπλοκες αναδρομικές τεχνικές. Αυτή η εργασία θα παρουσιάσει ένα συγκριτικό έλεγχο τριών τέτοιων τεχνικών και πιο συγκεκριμένα των Contrast Stretching, της Μεθόδου Robust Film Correction του Ruttimann και της Boxcar Filtering (Φίλτρο Boxcar). Οι τρεις αυτές τεχνικές εφαρμόστηκαν σε ένα σύνολο από 60 ζεύγη εικόνων χωρισμένο σε τρία υποσύνολα με σκοπό να αξιολογηθεί η απόδοση των συγκρινόμενων τεχνικών σε πλήθος εικόνων με διακυμάνσεις στα επίπεδα φωτεινότητας και αντίθεσης. Ο ποιοτικός έλεγχος πραγματοποιήθηκε με οπτική επιθεώρηση των διορθωμένων εικόνων με σκοπό να εκτιμηθούν οι διαφορές μεταξύ αυτών και των εικόνων αναφοράς. Αντίθετα, ο ποσοτικός έλεγχος πραγματοποιήθηκε με τη σύγκριση των τιμών κάποιων συγκεκριμένων μετρήσιμων χαρακτηριστικών των εικόνων, με τιμές αναφοράς που προέκυψαν βάση στατιστικής μελέτης. Τα αποτελέσματα της σύγκρισης αυτής θα εξεταστούν εκτενέστερα στην συνέχεια της εργασίας.
Contrast and brightness correction are often required in many medical imaging applications, especially when comparing medical data acquired over different time periods, due to dissimilarities in the acquisition process. Numerous methods have been proposed in this field, ranging from simple correction filters to more complicated recursive techniques. This paper presents a comprehensive comparison of three methods for correcting the contrast and brightness of medical images, namely, Contrast Stretching, Ruttimann’s Robust Film Correction and Boxcar Filtering. The three methods were applied to a total of 60 image pairs, divided into three sets, in order to evaluate the performance of the compared methods on images with different levels of contrast, brightness and combinational contrast and brightness variations. Qualitative evaluation was performed by means of visual assessment on the corrected images in order to estimate the deviations relative to the reference data. Quantitative evaluation was performed by pair-wise statistical evaluation on all image pairs in terms of specific features of merit based on widely used metrics. Following qualitative and quantitative analysis, it was deduced that the Robust Film Correction Method systematically outperformed the other two methods in comparison in most cases on average.