空间域下基于直方图处理图像增强算法.docVIP

空间域下基于直方图处理图像增强算法 　　摘 要：随着时代的发展和社会的进步，人们对于图像的质量越来越重视，对图像的分辨率和精细程度提出了更高的要求。那么对原始图像进行增强，在空间域图像处理技术方面，非常重要的一个基础就是直方图处理，采用直方图处理的方法，可以显著提高图像的质量。本文分析了空间域下基于直方图处理的图像增强算法，并通过对实验结果对比，证实该算法可以较好的提高图像处理质量。 关键词：空间域；直方图处理；图像增强算法 中图分类号：TP391.41 众所周知，要想处理原图像，需要经过一个采集、传输的过程，在这个过程当中，图像会受到很多因素的影响，比如噪声、曝光度、系统自身的原因等等，这些因素会直接影响图像的质量，对于图像的视觉效果产生不利影响。针对这种情况，就要对图像进行必要的增强处理，对图像的视觉效果进行改善，提高图像的质量，让原来十分模糊的图像变得清晰起来，只有这样，人们才能够更好的理解和分析图像。但是，如果分析目的是不相同的，那么采取的图像增强方法也会存在着较大的差异。比如有些图像需要对整体效果进行增强，有些图像则是将局部或者边缘特征突出来即可。一般情况下，灰度变换、直方图处理、空域平滑处理等方法应用的比较普遍。 在数字图像处理中，图像增强是非常重要的一个部分，也就是对获取到的原始图像进行加工和处理，使其更加的清晰，或者是将比较重要的图像细节以及边缘特征突显出来，将那些不重要的信息给减去。需要特别注意的是，图像增强并不是对图像的原始信息进行改变或者增加，而是依据相关的算法，来将图像的整体信息和局部信息给突显出来。通常情况下，可以将图像增强分为两种类型，一种是频域图像增强，另外一种是空域图像增强。 1 直方图 在图像的统计表达方式方面，非常重要的一种就是直方图，如果图像直方图的灰度级为[0，L-1]，那么就是一个离散函数：h（rk）=nk 在这个函数方程式中，灰度等级用k来表示，像素个数则用nk来表示。这个函数公式可以将图像灰度级的分布给直观的表现出来。通常采用下面这个公式来归一化处理直方图。方程式为：P（k）=nk/n 在这个公式中，图像的像素总数用n来表示。 2 全局图像增强 全局图像增强就是将原来十分模糊的图像变得清晰，方法是对图像的对比度进行合理的调整。一般是通过直方图均衡化和直方图规定化来实现的。 在直方图均衡化方面：直方图均衡化指的是结合直方图统计出来的数据，依据累计直方图，来重新映射图像灰度级，对原始图像的直方图分布情况进行适当的改变。由此输出的图像，就可以均匀分布灰度级概率密度，图像的对比度可以得到适当的提高，将整个图像清晰的显示出来。但是需要特别注意的是，如果采用这种方法，就会减少图像的灰度级，那么可能会消失图像部分的细节。 在直方图规定化方面：直方图规定化指的是结合实际的情况，对灰度级范围进行灵活的选择。利用灰度映射函数，使图像的直方图成为预先设定好的分布情况，从而对整幅图像的效果进行增强。相较于直方图均衡化来讲，采用直方图规定化的方法，会有着较好的显示效果，这是因为这种方法比较的灵活。 3 局部图像增强 通过上文的叙述我们可以发现，采用全局图像增强的方法虽然可以实现图像整体质量提高的目的，但是，图像的很多细节特征却不能够突显出来。在实际的图像处理当中，我们经常会遇到需要对图像的某一个细节进行增强的问题，那么就不能够采用全局增强的方法。因此，就需要对图像进行局部增强，下面笔者将利用直方图统计的方法来局部增强图像。 不管是全局直方图处理还是局部直方图处理，在处理的时候都离不开平均值和方差。在图像全局处理的过程中，利用平均值和方差来初步调整整个图像的强度以及对比度。我们将区间[0，L-1]上灰度的离散随机变量用r来表示，图像直方图显示的灰度值则用ri 来表示，灰度值的归一化直方图分量则用p（ri ）来表示。那么，我们就可以得出r的灰度级平均值以及灰度方差，用m来表示灰度级平均值，用n来表示灰度方差。这个方程式为： 在局部处理中，需要进一步运用m和n；局部平均值是度量某一个规定邻域中平局灰度值，局部方差则是度量这邻域中的对比度。我们用（x，y）来表示图像中的每一像素点，中心为（x，y）的邻域则为Sxy，邻域中（s，t）的灰度用rs，t来比表示，对应的归一化直方图分量则用p（rs，t）来表示，那么依据公式（1）我们就可以将局部均值给推导出来，那么就可以利用这个方程式来求出像素平均值，我们用a来表示像素平均值，局部方差则用b来表示： 主要可以依据这些步骤来对局部直方图算法进行处理，我们用M来设定为处理中的全局平均值，将m设置为局部平均值，B表示的是全局标准差，d表示的则是局部标准差。一是对图像中的点（x，