彩色图像增强使用基于亮度保存的动态直方图均衡化.docVIP

彩色图像增强使用基于亮度保存的动态直方图均衡化 摘要 –直方图均衡（）最的数字图像的技术，是适合直接如电视因为这种方法往往会产生。为了克服这个弱点，建议将输入图像的强度在输出图像。在此之前，我们动态直方图均衡（BPDHE），满足灰度图。在本中，我们提出了本彩色图像的可能性。 令人关注Ramli又提出了最小平均亮度误差双直方图均衡（MMBEBHE）。MMBEBHE也是将直方图分隔成两个小部分。然而，MMBEBHE执行分离是以阈值为基础的，这将使输入均值与输出均值间产生一个最小的差值。陈和Ramli同时也提出另一种研究方法被称为递归均值分割直方图均衡（RMSHE）。RMSHE根据局部平均值递归的将直方图划分成几个小部分，由给定，可由用户设定。Sim等人提出了一个类似于RMSHE的方法。这种方法划分直方图的基础是中值而不是平均值。 在以前我们提出了一个新的研究方法叫作保持动态直方图均衡BPDHE。同其它的研究方式类似，BPDHE将直方图分成几个小节并使它们各自均衡。然而，在BPDHE中，直方图的分割段都是基于输入直方图本身的局部最大值的位置。因此，BPDHE是无参数的并适合于运行于自动增强系统中，如消费类电子产品。在此，我们表明BPDHE比其它基于亮度保存的直方图均衡方法如，BBHE，DSIHE，MMBEBHE和RMSHE更加优越。 没有引起重视的是，许多作品都是基于灰度图像，但是大多数国家的先进消费类电子产品，如电视，数码相机，均产生彩色图像。因此，这一增强方案应扩展到彩色图像，以适应当前的要求。然而，彩色图像处理和灰度图像处理中有些不同。 本文的主要目的是提供几种BPDHE应用在彩色图像中的可能性。这项工作的重点不仅仅是对彩色图像处理作一概述，而且还为BPDHE方法找到适合的处理方案,。 本文结构如下：第二节会对BPDHE给出综述，第三节阐述我们使用BPDHE的方法来处理彩色图像。然后，第四节将显示一些BPDHE实验结果。最后一节将为这项工作出结论。 二。基于亮度保存的动态直方图均衡化BPDHE BPDHE是多峰直方图均衡化（MPHE）和动态直方图均衡化（DHE）的扩展。它们打破了直方图局部的最小值。然而，不同于（MPHE）和（DHE），BPDHE划分直方图的方式是基于局部的最大值。在平等化处理之前，BPDHE将每个分区映射到一个新的动态范围，这种方法类似DHE。由于动态范围的变化，这将导致平均亮度的增大。所以平均亮度所形成的最终图像几乎和输入图像一模一样。 一般来说，BPDHE涉及到五个步骤。这些步骤的基本描述是： 1。平滑直方图高斯滤波器。 数字图像的直方图会正常波动和有些格子是空的。因此，第一步是采用线性插值法填补直方图的空格。在此之后，直方图是用高斯卷积过滤器产生平滑的直方图。这一步是重要的，以便产生一个接近的值而形成连续的直方图。 2。发现并找到局部的最大值。 发现局部最大值是通过对平滑直方图进行一阶导数 这一步是为了使用所有的动态范围内可用的图像。分区的映射是基于该分区的像素数。 4。使每个独立的分区均衡。 直方图均衡化使直方图的每个分区成为独立的。但是，结果却使它们结合在一起，形成一个完整的增强图像。 5。标准化的图像亮度。 在归一化过程被使用之前，被均衡过后的输入平均亮度和输出平均亮度已经被采用了。这一步很重要，以保持图像的平均亮度。更多的细节用该方法都可以得到实现。 三。彩色图像处理 因为大多数的电子设备获得或者显示图象都在RGB(红、绿、蓝）彩色空间里，在这项工作中，我们假设输入的图片也是在RGB彩色空间中。因此，每个输入图像像素被提供三种颜色通道是红（R），绿（G）和蓝色（B）。我们设在增强过程之后，输出像素是由R’,G’,和B’。在本节中，我们针对BPDHE提出了几个可行的方法，其目的是处理彩色数字图像。以下小节解释这些方法。 方法1：独立均衡R，G，B。 这种方案是彩色图像处理最常用方法之一。RGB空间的每个通道各自独立使用BPDHE进行处理，如下图所示。 输入 输出 方法2：为了用这种方法在RGB彩色空间加工彩色图像，我们首先要将图像转换至HIS彩色空间。转换为了使这篇文章自成一体，为转变所需的方程如下： 当我们取得H,S和I彩色数据后，只需采用通道BPDHE对I进行处理。从BPDHE输出记为I’。然后,利用H,S和I’的值，我们使用HIS到RGB的转换方程计算出R’,G’，B’的值，方程式如下： 方法3：通过HSI颜色空间均化色调S 类似于方