图像增强-直方图均衡化

1、精选优质文档-倾情为你奉上精选优质文档-倾情为你奉上专心-专注-专业专心-专注-专业精选优质文档-倾情为你奉上专心-专注-专业图像增强 直方图均衡化 摘 要 图像增强是指按特定的需要突出一幅图像的某些信息，削弱或消除不需要信息的处理方法。处理的结果使图像更适合于人的视觉特性或机器的识别系统。本文主要采用直方图均衡化、中值滤波的方法对图像进行处理，通过对处理结果进行比较，从而加深对图像增强的理解及应用。一、图像增强 在获取图像的过程中，由于多种因素的影响导致图像无法达到令人满意的视觉效果。对原始图像做一些改善，从而实现人眼观察或者机器自动分析、识别的目的的行为，就叫做图像增强。图像增强的主要内容

2、二、直方图均衡化 1.直方图均衡化是通过累积函数对灰度值进行调整以实现对比度的增强,具体地说就是把给定图像的直方图分布改变成近似均匀分布的直方图。 2.直方图均衡化的过程如下： 计算原图像的灰度直方图； 计算原图像的灰度累积分布函数，进一步求出灰度转换表； 根据灰度转换表，将原图像各灰度级映射为新的灰度级。 3.直方图均衡化的优点：扩张了像素值的动态范围。直方图均衡化后，图像的概率密度函数近似服从均匀分布，灰度几乎是均匀的分布在整个范围内，图像明暗分明，对比度很大，图像比较清晰明亮，很好的改善了原始图的视觉效果。2.1原理及计算过程 先讨论连续图像的均衡化问题。设变量r和s代表原图像灰度和经直

3、方图修正后的的图像灰度。在图像中,像素的灰度级可作归一化处理,这样r,s的值将限定在下述范围之内:0r,s1, r=0代表黑,r=1代表白,可以对0,1区间内的任一个值进行如下变换:s=T(r)变换函数T应满足下列条件: (1)在0r1区间内Tr单值单调增加;(2)对于0r1,有0s1。 这里的第一个条件保证了图像的灰度级从黑到白的次序不变;第二个条件则保证了映射变换后的像素灰度值在允许的范围内。 从s到r的反变换可用下式表示: 可以证明上式也满足条件1和条件2。 假定随机变量s的分布函数用表示，令和分别代表随机变量r和s的概率密度函数,根据分布函数定义，则有： 根据密度函数是分布函数的导数的

4、关系，等式两边对s求导，有： 从人眼视觉特性来考虑，一幅图像的直方图如果是均匀分布的，即（归一化后k=1）时，信息量最大，感觉上图像色调比较协调。 因为，则直方图均衡化的变换函数可以由下式给出:对于灰度级为离散的数字图像，用频率来代替概率。则变换函数的离散形式可表示为： 可见，均衡后的各像素的灰度值可以由原图像的直方图算出。2.3实际举例 对下图用直方图均衡化的方法进行图像增强。对这幅绿植图，在进行灰度化处理之前，我们采取了特殊的处理方法：将彩色像素值的分量R,G,B提取之后做归一化处理。分别得到取值范围在01之间的三个分量r,g,b，再按照I=2g-r-b对其进行灰度处理，以求其在这样的处理

5、后图像增强的效果更明显。具体的MATLAB程序如下：function HZFTJHA=imread(D:SDC12872.JPG);%读取图像subplot(3,2,1.5);imshow(A); %显示图像A=double(imread(D:SDC12872.JPG);%读取图像R=A(:,:,1);G=A(:,:,2);B=A(:,:,3);r=R./(R+B+G);g=G./(R+B+G);b=B./(R+B+G);I=2*g-r-b;imwrite(I,D:SDC1287.JPG); %保存处理后的图像 J=histeq(I);%均衡化 subplot(3,2,3); imshow(I

6、); title(灰度化后的图像); subplot(3,2,4); imhist(I); title(灰度化后图像的灰度直方图); subplot(3,2,5); imshow(J);实验结果如下： 直方图均衡化是图像增强方法中应用广泛的方法,它对整个图像的直方图进行平均处理,实现整个图像的对比度增强,整体效果令人满意。但局部细节增强不足,当图像场景深度多变时,对比度退化程度会随之改变,此时采用直方图均衡化,获得的对比度增强效果难以令人满意。三、小结 直方图均衡化针对在低值灰度区间上频率较大、图像中较暗区域中细节看不清楚的图像，有较好的增强效果。但它的缺点是不能抑制噪声。对于图像中呈孤立分散分布的噪声点，中值滤波法更适合处理，而且它还能在去噪的同时保持图像边缘位置和细节。 实际操作过程中，我们可以根据不同的需求来选择适合的方法，还可以反复试验不同的方法，达到最佳增强处理的效果。四、参考文献1 刘治群，杨万挺，朱强，几种图像增强算法的研究比较J，合肥师范学院学报,2010年11月第28卷第6期2 肖昕，李岩，几种图像增强算法的研究比较J，计算机辅助设计与图