基于分块直方图均衡化的图像增强算法及实现

《基于分块直方图均衡化的图像增强算法及实现》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于分块直方图均衡化的图像增强算法及实现（测控）摘要：针对传统的直方图均衡化算法易导致图像细节信息丢失和噪声放大的特点，本文在直方图均衡化算法的基础上加以改进，将图像的高频分量和低频分量分开进行处理，然后在进行合并，达到去噪的效果，能够在增强图像整体视觉效果的同时较好地保持图像细节，抑制图像噪声。同时，本文又从另一个角度提出了一种基于概率的灰度图像直方图均衡化的改进算法，给出了较合理的变换关系。实验结果表明，该技术能使图像的细节和清晰度得到明显的增强。关键词：图像增强；直方图均衡；灰度映射1引言在实际应用中，无论采用何种输入装置采集的图像，由于光照、噪声等原因。图

2、像的质量往往不能令人满意。例如，检测对象物的边缘过于模糊；在比较满意的一幅图像上发现多了一些不知来源的黑白或白点；图像的失真，变形等等。所以图像往往需要采取一些手段进行改善以求达到较好的效果。图像增强技术正是在此基础上提出的。图像增强是图像分析与处理的一个重要的预处理过程，其主要有两个目的：意识运用一系列技术手段改善图像的视觉效果，提高图像的清晰度；二是将图像转化成一种更适合于人或计算机惊行分析处理的形式。即改善图像质量是图像增强的根本目的。图像增强的意义一般可以理解为：按需求进行适当的变换，对图像的某些特征，如边缘轮廓、对比度进行强调和锐化，突出某些游泳的信息，

3、去除或消弱无用的信息以便于显示、观察或进一步分析和处理。图像增强技术是一类基本的图像处理技术，是指由选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统，包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。因此图像增强处理时图像分析和图像理解的前提和基础。在图像的获取过程中，贴别是对于多媒体监控系统采集的图像，由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。加之摄像设备、传感器等因素引入的噪声，使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。因此，为得到一幅清晰的

4、图像必须进行图像增强处理。传统的图像增强算法通常是基于整幅图像的统计量，这样在计算整幅图像的变换时，图像中的低频信息、高频信息以及含有的噪声，同时进行了变换，因而在增强图像的同时增强了噪声，导致信息量下降，给监控图像的分析和后期处理带来了困难。针对此问题，提出一种新算法。图像增强处理方法根据图像增强处理所在的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法两类。空间域处理方法是图像像素组成的二维空间直接对每一个像素的灰度值进行处理，它可以使一幅图像内像素点之间的运算处理，也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进

5、行间接处理。其特点是现将图像进行变换，在空间域对图像作傅里叶变换得到它的频谱按照某种变化模型（如傅里叶变换）变换到频率域，完成图像由空间域变换到频率域，然后在频率域内图像进行低通或高通频率域处理。处理完之后，再将其反变换到空间域。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。它以概率理论作基础，运用灰度点运算来实现直方图的变换，从而达图像增强的目的。本文介绍一种基于累计分布函数变换法为基础的直方图修正法。它可以通过对直方图进行均匀化修正，可以使图像的灰度间距增大或灰度均匀分布、增大反差，是图像的细节变得清晰2理论分析2.1直方图修正技术的基础一幅给

6、定图像的灰度经归一化处理后，分布在范围内。这是可以对[0,1]区间内的任一个r值进行如下变换：⑴也就是说，通过上述变换，每个原始图像的像素值r都对应产生一个s值。变换函数T(r)应该满足下列条件：①在区间内，是单值单调增加；②对于，有这里第一个条件保证了图像的灰度级西欧哪个白到黑的次序不变和反变换函数的存在。第二个条件保证了映射变换后的像素灰度值在允许范围内。从s到r的反变换可用式⑵表示，同样也满足上述两个条件：⑵由概率论理论可知，若已知随机变量的概率密度为，而随机变量是的函数，即，的概率密度为，所以可以由求出。因为是单调增加的，由数学分析可知，它的反函数也是单调

7、函数。在这种情况下，当,且仅当时发生，所以可以求得随机变量的分布函数为：⑶对式⑶两边求导，即可得到随机变量的分布密度函数为：⑷由式⑷可知，对于连续情况，设和分别表示原图像和变换后图像的灰度级概率密度函数。根据概率论的知识，在已知和变换函数时，反变换函数也是单调增长，则可由式⑷求出。2.2直方图的均衡化对于连续图像，设r和s分别表示被增强图像和变换后图像的灰度。为了简单，在下面的讨论中，假定所有像素的灰度已被归一化了，就是说，当时，表示黑色；当时，表示白色；变换函数与原图像概率密度函数之间的关系为：⑸式中：r为积分变量。式⑸的右边可以是r的累积分布函数（CDF），因

8、为CDF是