Microsoft Word - 15.doc


Mathematical Problems of Computer Science 35, 109--115, 2011. 

 
109 

 

 
 

Segmentation of Mammography Images Enhanced by 
Histogram Equalization 

 
Armen Sahakyan 

 
Institute for Informatics and Automation Problems of NAS of RA 

e-mail: armensahakyan@gmail.com 
 

Abstract 
The mammography is the most effective procedure for an early diagnosis of the breast 
cancer. In this paper, a technique for detecting masses in mammographic images will be 
presented. Image enhancement techniques, based on histogram equalization, are shown 
and used before image segmentation. Threshold technique is proposed for an image 
segmentation which is a very critical task in any image processing. Enhancement 
methods are implemented on a mammogram and accordingly, a comparison between the 
methods for better threshold is carried out. 

 
Keywords: mammography, image enhancement, histogram equalization, image segmentation, 

threshold 
 

References: 
 
[1] L.-M. Wun, R. M. Merrill, and E. J. Feuer, "Estimating Lifetime and Age-Conditional 
Probabilities of Developing Cancer," Lifetime Data Analysis, vol. 4, pp. 169-186, 1998. 
[2] "WHO Cancer Facts," http://www.who.int/cancer/en/, 2009. 
[3]  Swanson, G. M. (1992).  Breast cancer in the 1990's. Journal of American Medical Women’s 
Association, v. 47, p. 140-148.  
[4] D. E. Stewart, et al., "Attributions of cause and recurrence in long-term breast cancer 
survivors," Psycho-Oncology, vol. 10, pp. 179-183, 2001.  
[5] H. D. Cheng and H. Xu, "A novel fuzzy logic approach to mammogram contrast 
enhancement," Information Sciences, vol. 148, pp. 167-184, 2002. 
[6] Shapiro, Linda G. & Stockman, George C. (2002). "Computer Vision". Prentice Hall. ISBN 
0-13-030796-3 
[7] I. Larrabide, A. A. Novotny, R. A. Feij´oo, and E. Taroco, "A medical image enhancement 
algorithm based on topological derivative and anisotropic diffusion," in Proceedings of the 
XXVI Iberian Latin-American Congress  on Computational Methods in Engineering, Guarapari, 
Esp´ırito Santo, Brazil, 2005. 
[8] R. C. Gonzalez and R. E. Woods, Digital Image Processing, 3 ed.: Pearson Prentice Hall, 
2007. 
[9] W. K. Pratt,  Digital Image Processing. John Wiley & Sons, New York, 2001.  
[10] J. Alex Stark, “Adaptive Image Contrast Enhancement Using Generalizations of  Histogram 
Equalization”  IEEE Trans. On Image Processing, vol. 9, no. 5, pp. 889-896, May 2000.  



 110 

[11] Jin, Yinpeng; Fayad, Laura M.; Laine, Andrew F., “Contrast enhancement by multiscale 
adaptive histogram equalization”,  Proc. of Wavelets: Applications in Signal and Image 
Processing IX, vol. no. 4478, pp. 206-213, Dec. 2001. 
[12] S. M. Pizer, et al., "Adaptive histogram equalization and its variations," Computer Vision, 
Graphics, and Image Processing, vol. 39, pp. 355-368, 1987. 
 
 
 
 
 

Մամոգրաֆիկ պատկերների սեգմենտացիայի բարելավվումը 
հիստոգրամային հավասարեցման եղանակով  

Ա. Սահակյան 
Ամփոփում 

 
Մամոգրաֆիան կրծքի քաղցկեղի վաղ ախտորոշման համար արդյունավետ 
եղանակներից է: Աշխատանքում ներկայացվում է մամոգրաֆիկ պատկերներում 
կուտակումների հայտնաբերման մեթոդը: Ուսումնասիրվում են հիստոգրամային 
հավասարեցման վրա հիմնված պատկերների բարելավման մեթոդներ: Այս 
մեթոդները օգտագործվում են մինչ պատկերի սեգմենտավորումը, որի համար 
առաջարկվում է շեմային մեթոդը: Բերված են իրական մամոգրամների 
բարելավվման փորձնական արդյունքները և շեմային արդյունքների 
համեմատությունը: