一种可控的直方图均衡算法.doc

一种可控的直方图均衡算法 摘要：本文提出一种在传统直方图中利用细节信息的可调的直方图均衡算法。该算法不但能够有效的提高图像的对比度，而且还能增强图像的细节。这种算法可以采用各种不同的边缘信息如：Laplacian、Sobel等。实验证明该方法对增强图像是很有效的。 关 键 字 ： 图像增强 灰度 直方图 A controllable histogram equalization arithmetic Abstract:This paper presents a Histogram equalization arithmetic that using whole-controllability of minutial information in traditional histogram. This kind of arithmetic not only improves image’s contrast effectively, but also heightens image’s minutia. It can use different kinds of fringe information, such as Laplacian、Sobel and so on. Test testifies this method can heighten image effectively. Keywords: image enhancement grey level histogram 1引言 图像增强是图像处理的一个重要分支[1]。根据Pratt的理论，它的定义可表达为：“图像增强是用来提高图像的视觉效果，或将图像转换成适于人眼、机器分析的形式的一门技术。”。它的目的是提高低对比度图像的质量，扩大目标与背景之间的灰度差值。目前有许多图像增强的方法，主要分为两大类：局部和全局增强方法。 局部增强主要是通过采用局部处理和边缘算子等方法来增强图像，如领域平均、中值滤波和拉普拉斯算子等等。另一种方法是利用直方图在局部范围内增强图像对比度。例如局部直方图均衡、局部直方图拉伸、非线性灰度变换等。 它们对局部细节增强是有效的，但是，这些方法可能会使原图像失真，整体增强效果不佳，其原因主要是算法中只注意到图像的局部对比度，利用的信息也只是图像的局部信息。全局增强如直方图均衡等能够提高图像整体对比度，但是对图像细节增强不够。 图像的灰度直方图是图像中各个像素对应的灰度等级分布的近似概率[2]。将图像的灰度范围归一化，即将图像灰度范围[ZX，ZY]归一化为[0，1]。同时，假定Pr(r)和Ps(s)分别为原图像和均衡后图像的概率密度函数。在均衡过程中，设一幅具有K个灰度级的图像，像素总数为n，其中灰度级为rk的像素的频数为nk，则灰度级为rk的像素分布概率为： (1) 其中0rk1，0kK-1 设r和s分别为原图像的灰度和经过直方图均衡后相对应的图像灰度，则：0≤r，s≤1 ，经过变换后，每一个r值对应一个s值，设变换函数为： (2) 灰度直方图均衡化是经典的图像增强技术，其基本原理是，对一幅图像的灰度直方图，经过一定的变换之后，使其灰度分布成为均匀或基本均匀的。直方图均衡化的意义是，通过处理以后使得分布在每一个灰度等级上的像素个数相等或基本相等。其优点是原理简单、计算量小、容易实现。但是由于其对整个图像都采用一种变换公式，势必对细节部分增强得不够。目前，有很多改进的直方图算法，如在[3]中提出了一种直方图均衡和直接对比度增强相结合的算法。该方法综合了直方图均衡算法能提高图像整体对比度和直接对比度增强算法能改善图像细节的优点。Kamel等人提出了基于空间相关性的直方图均衡算法[4]，此算法统计的不是灰度而是灰度的相关性，从仿真效果看，此方法在抑制噪声的同时对图像细节的增强确有改善，但为了得到灰度的相关性所做的运算量是比较大的。在文献[5]中还提到一种被称为POSHE方法的分块直方图均衡，该算法的优点是能最大程度的增强图像细节部分，但它的计算量比较大，而且有的图像分块之后效果不一定好。 本文提出了一种广义直方图均衡方法，它不仅能有效的增强图像的整体效果，而且可以增强图像的细节，它改变原图像的灰度级顺序是可控的,因此，它能更有效的增强图像。 2 数学描述 公式（1）是在连续情况下，对于数字图像的大小为，则有 ， （3） 这里 and 表示灰度值。 在广义直方图均衡中的函数不仅依赖灰度值，而且还由每个像素的局部细节。它的公式如下： （4） 是密度函数，它的定义