直方图均衡化图像增强算法

摘要  本文结合局部对比度增强，给出了一个改进的直方图均衡化图像增强算法。该算法对图像进行增强处理, 取得了较好的处理效果。

关键词　图像增强;直方图均衡化;局部对比度增强;算法

 

1  引言:

图像增强是图像处理的最基本手段, 它往住是各种图像与处理时的预处理过程。

图像增强就是增强图像中用户感兴趣的信息，其主要目的有两个：一是改善图像的视觉效果，提高图像成分的清晰度；二是使图像变得更有利于机处理。图像增强的一般分为空间域和变换域两大类。空间域方法直接对图像像素的灰度进行处理。变换域方法在图像的某个变换域中对变换系数进行处理，然后通过逆变换获得增强图像。直方图均衡化算法是图像增强空域法中的最常用、最重要的算法之一。它以概率作基础, 运用灰度点运算来实现直方图的变换, 从而达到图像增强的目的。

2  直方图均衡化基本概念简介:

 (1) 传统的直方图均衡化图像增强算法:

反映数字图像的概貌性描述，例如图像的灰度范围，灰度的分布，整幅图像的平均亮度和阴暗对比度等，并可由此得出进一步处理的重要依据。直方图均衡化也叫直方图均匀化，就是把给定图像的直方图分布改变成均匀分布的直方图，它是一种常用的灰度增强算法。

  

这种变换概括起来包括三个主要步骤:

(1) 求出原图像直方图

(2) 根据原直方图求出灰度值变换表

将图像的原始直方图变换为接近均匀分布的直方图, 就称之为直方图均衡化。

具体应用直方图均衡化算法对某些图像进行处理的过程中, 我们发现, 经典的直方图均衡化处理后的图像, 有可能存在下述的不足:

(1)输出图像的实际灰度变化范围很难达到图像格式所允许的最大灰度变化范围。

(2)输出图像的灰度分布直方图虽然接近均匀分布, 但其值与理想值1/n仍有可能存在较大的差异, 并非是最佳值。   

(3)输出图像的灰度级有可能被过多地合并。由于灰度的吞噬也易造成图像信息的丢失。

(2) 已有的一种改进的直方图均衡化图像增强算法:

                      具体的实现过程如下:

(4) 由灰度映射表的对应关系, 修正原始图像的灰度级。同样按照经典直方图均衡化的三个步骤，进行图像灰度级的变换。我们令此时的灰度映射函数为 。

用此种改进的算法对图像进行处理可以得到比传统算法更好的效果，但是前述的三个仍然有一定程度的存在。

(3) 局部对比度增强法：

从而实现了细节增强, 也可以看到这种只 起到窗内局部对比度增强作用, 并没有调节整幅图像动态范围。通过上面的讨论可以看到, 局部对比度增强法能强化局部图像细节, 不能改善整幅图像动态范围, 而直方图均衡法虽能改善整幅图像的动态范围但是以牺牲图像细节为代价。因此我们考虑将这两种方法结合起来，从而可以弥补各自的不足。

 

3 提出了一种新的改进算法：

 通过上面的讨论可以看到, 局部对比度增强法能强化局部图像细节, 不能改善整幅图像动态范围, 而直方图均衡法虽能扩大视觉的动态范围但是以牺牲图像细节为代价, 若能将这两种方法结合起来, 就可充分发挥两者之长处。比较上述两方法的优缺点, 提出了一种新的直方图均衡法：我们将改进后的直方图均衡算法和局部对比度增强法结合起来。它能同时满足图像增强的两种要求: 调节动态范围,增强局部对比度,前者使图像外貌较好, 后者能增强图像细节。

 

具体算式如下：

          

般使 在图像细节处值较大，而在背景噪声区域值趋于0。

把这个算法于图像处理中,用MATLAB编程实现,取得了较好的效果:

            图1                                     图2

           

   图3                                       图4

   图1、图2分别是原始图像和原始图像的直方图,图3、图4分别是我们提出的算法处理后的图像和其直方图。可以看出，经过新的算法增强后的图像效果比传统的直方图均衡化效果更好。

4  结论

    改进后的算法可以比传统的直方图均衡化图像增强算法获得更好的效果，还可以考虑将传统的直方图均衡化方法用其他更好的方法改进,再和局部对比度增强法结合起来,这也可以作为进一步的工作。