基于分段直方图均衡化技术的图像增强.docVIP

基于分段直方图均衡化技术的图像增强 　　摘要：分析了传统灰度图像直方图均衡化算法存在的优缺点，提出了基于分段直方图均衡化技术的图像增强算法。该算法基于图像的特点，利用K均值聚类算法将图像分成几个灰度区间，然后再分别进行均衡化。实验结果表明，该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。 　　关键词：直方图均衡化；K均值聚类算法；图像增强 　　中图分类号：TP391.4文献标识码：A文章编号：1009-3044(2008)16-21292-02 　　Image Enhancement Based on Subsection Histogram Equalization 　　HUANG Zhan-peng 　　(College of Medical Information Engineering, Guangdong Pharmaceutical University, Guangzhou 510006, China) 　　Abstract: Advantages and disadvantages on histogram equalization(HE) algorithm are analyzed, and an image enhancement algorithm based on separate (subsection) histogram equalization was presented. According to the characters of the images, the algorithm separated image into several regions by K-means clustering algorithm, and each region is equalized respectively within their gray levels. Experiments showed that the algorithm is effective for dispersive and low gray level distributing image. 　　Key words: image histogram; K-means clustering; image enhancement 　　1 引言 　　图像的灰度直方图表示灰度图像中具有每种灰度的像素的个数，反映了图像中每种灰度级出现的频率，是图像的基本统计特征之一。如果一幅图像的灰度分布在某个较小的区域中，那么该图像的动态范围就比较小，对图像的细节就不容易察觉。为了对图像的细节进行处理，可以使用直方图均衡化的方法对图像进行预处理，通过增强图像的动态范围来增强图像的细节表现能力[1]。 　　基于直方图均衡化的基本原理,针对不同的处理图片和效果要求提出了各种改进的算法。文献[2-3]采用了双直方图均衡方法用于夜景图像的增强，输出图像亮度大约等于直方图均衡后的图像亮度与原始图像亮度的平均值，在一定程度上保持了原始图像的亮度。针对直方图均衡化过程中灰度值的合并，Pizer提出了一种自适应直方图均衡算法(AHE)[4]，算法对每一个像素都采用相同大小的窗口进行局部的直方图均衡化，以实现对窗口中心像素的处理。文献[5]在对图像进行AHE处理前，先将原始图像进行局部对比度增强，得到原图像的细节，并将其保存下来，然后再将这些图像细节叠加到经过AHE处理的图像上。虽然局部自适应HE方法的效果明显，但算法要对图像的每一个像素做子窗口的局部HE，计算量非常大。本文主要对于直方图均衡化算法进行讨论，通过分析其优缺点，针对灰度呈现两端分布且低灰度区域有较多像素点分布的图像提出了基于k均值聚类算法进行分段直方图均衡化的图像增强算法。 　　2 直方图均衡化算法的原理 　　直方图均衡化是一种重要的空间域图像处理方法，它以概率论为基础，运用灰度运算来实现图像中像素点的灰度值变化，使得变换后图像的直方图相对原始图像的直方图比较均匀、平坦，灰度层次清晰。 　　定义数字图像X中各灰度值的概率是： 　　■ 　　其中，nk是灰度值为k的像素数目；n为图像总的像素数。 　　■ （1） 　　设均衡后的输出为Y，则有 　　Y＝f(X) （2） 　　其中f为G(y)=256C[G(x)]；G(x)是求像素灰度值的运算。 　　根据灰度变换表，将原图像各灰度级映射为新的灰度级。有以上的过程可知直方图均衡化有以下两个特点： 　　（1）根据各灰度级别出现频率的大小，对各个灰度级别进行相应程度的增强，即使各个级别之间的间距增大，同时对出现频率过小的灰度级别可能被合并。 　　（2）传统直方图均衡化算法为了得到更好图像的视