|
结合局部对比度增强的直方图均衡化图像增强算法
|
|
【计算机论文】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。应用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, 它往住是各种图像分析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计算机处理。图像增强的方法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。它以概率理论作基础, 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
|
|
|