对于寻求二维沿边缘不连续特征的最优稀疏表达来说,Curvelet变换是一个值得研究的方法。二维图像的主要特征由边缘所刻画,这时,小波变换并不是最优的或者说最“稀疏”的函数表示方法,它只能检测“过”边缘的不连续,不能充分利用图像本身所具有的几何特征。为了有效地检测、表示和处理这些特征,以Curvelet变换为代表的一类多尺度几何分析方法被提出。把图像做Curvelet分解,可以得到不同尺度、不同方向的Curvelet系数,这些系数代表了图像的所有特征信息,对它们进行表示和处理,可以用来进行图像去噪、融合和增强等。成像时,因为人体组织各器官、组织对比度很低,医学影像设备成像往往视觉效果很差,需要增强。为了增强对比度差的医学影像,以x光图像为例,基于数学定义严谨的多尺度几何分析方法Curvelet变换,给出了一种灵活的非线性增强函数,对部分系数进行增强。首先,估计待增强图像噪声,然后对x光图像进行Curvelet分解,再在各精细尺度上对Curvelet系数按所给的增强函数进行映射,大系数保持不变,中小系数被放大,根据需要对小系数进行衰减以抑制噪声,最后根据修正后的Curvelet系数重建图像。引入Canny边缘检测算子,对增强后的结果图像进行边缘检测,作为对图像增强效果的客观评价手段。比较对比度受限自适应直方图均衡(CLAHE)、小波变换等增强方法的结果,实验表明,根据所提出的增强函数,Curvelet变换能有效增强x光图像边缘对比度,细节清晰,噪声小,与传统方法比较,具有更好的直观视觉效果和边缘检测结果。