Teknik Peningkatan Kontras ialah suatu proses yang dilakukan untuk meningkatkan kualiti sesuatu imej supaya mudah untuk dikenalpasti dan dianalisis terutamanya dalam bidang perubatan. Ia merujuk kepada sebarang teknik yang dapat memperbaiki atau mengubah paras kelabu atau data imej, sama ada untuk tujuan penafsiran imej atau untuk menjalani proses-proses peningkatan imej yang seterusnya. Jenis-jenis imej yang terlibat ialah imej sinar-X pada bahagian dada, imej sinar-X pada bahagian payudara, dan imej ultrabunyi. Projek ini juga melibatkan teknik-teknik peningkatan kontras berautomatik, iaitu penyebaran nilai-nilai paras kelabu yang sebelum ini dimasukkan oleh pengguna akan dikesan secara automatik melalui histogram bagi imej tersebut. Ia kemudiannya terus diimplementasi ke dalam teknik- teknik peningkatan kontras yang berkaitan. Teknik-teknik yang diimplementasikan secara automatik ini adalah Teknik Regangan Kontras, Teknik Regangan Cerah dan Teknik Regangan Gelap. Namun begitu, bagi Teknik Regangan Cerah dan Gelap, faktor mampatan dan faktor regangan masih perlu ditentukan oleh pengguna untuk kesesuaian pada imej yang akan dihasilkan nanti. Selain itu, kod aturcara bagi dua teknik peningkatan kontras tambahan juga telah dihasilkan, iaitu bagi Teknik Penuras Kuwahara dan Teknik Penuras Simetri Kejiranan Terdekat. Kedua-dua teknik ini menggunakan implementasi yang berbeza dan keluaran yang diperoleh juga adalah berbeza.
______________________________________________________________________________________
Contrast Enhancement Technique is a process to enhance the quality of images to make the medical images become easier to identify and analyze especially in medical field. All the techniques are use to correct or change the gray scale or the data of the images for interpretation or to apply another process of the image enhancement. The types of the images which involve in this project are chest X-ray, mammogram, and ultra-sound images. This project involve Automated Contrast Enhancement Technique, which is gray level value of the images is automatically detected through the histogram of the images. Then, the gray level is automatically apply to the contrast enhancement techniques. The techniques which are used this automatically detection are Contrast Stretching, Bright Stretching and Dark Stretching. Even though the gray level is automatically detected, the user still need to put in the stretch and compression factor for the Bright and Dark stretching techniques to obtain better images. Besides that, two contrast enhancement techniques, which the code are newly produced in this project are Kuwahara Filter and Symmetric Nearest Neighbour Filter (SNNF). Both of the techniques use the different implementation and the output of the images are also different.