淺析灰度圖像的直方圖均衡化處理

孔繁庭

摘要：圖像增強(qiáng)是指按特定的需要采用特定方法突出圖像中的某些信息，同時削弱或去除無關(guān)信息，或?qū)⒃瓐D轉(zhuǎn)換成一種更適合人或機(jī)器進(jìn)行分析處理的形式的圖像處理方法，圖像增強(qiáng)的算法和方法很多，效果也不同。本文提出了自適應(yīng)動態(tài)峰值剪切直方圖均衡化算法，實驗結(jié)果表明自適應(yīng)動態(tài)峰值剪切直方圖均衡化算法對灰度圖像的增強(qiáng)取得了較好的增強(qiáng)效果，使得圖像質(zhì)量得到了有效的提高。

關(guān)鍵詞：圖像增強(qiáng) 直方圖均衡化 自適應(yīng)動態(tài)峰值剪切

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）12-0225-01

1 圖像增強(qiáng)

在拍攝圖像的過程中，由于光源等問題的影響，圖像質(zhì)量很肯能受到影響而偏低。為了使這類圖像的質(zhì)量提高，視覺效果進(jìn)行改善，需要對圖片進(jìn)行增強(qiáng)處理。圖像增強(qiáng)是圖像處理的方法之一，且操作相對簡單。常見的圖像增強(qiáng)方法包括：噪聲去除、圖像銳化、幾何畸變校正、灰度變換、直方圖均衡化、頻域濾波等。根據(jù)處理圖片的空間不同，我們將圖像增強(qiáng)分為兩類：頻率域圖像增強(qiáng)以及空間域圖像增強(qiáng)。

2 灰度圖像的直方圖均衡化算法

灰度圖像對比度增強(qiáng)是圖像增強(qiáng)方法的一種，目的在于對整體或者局部的反差程度進(jìn)行調(diào)節(jié)，從而使圖像質(zhì)量得以提高。

對比度增強(qiáng)在近幾年的關(guān)注度不斷提高，常見的對比度增強(qiáng)的方法包括全局處理以及區(qū)域自適應(yīng)處理方法。而全局處理方法中又包括直方圖均衡化以及伽馬矯正。

灰度圖像的直方圖均衡化算法主要包括：傳統(tǒng)直方圖均衡化算法、基于圖像均值分割的亮度均值穩(wěn)定性的直方圖均衡化算法、等面積的雙子圖像直方圖均衡化算法、RMSHE算法和RSmE算法、BHEPL 算法等等。本文主要介紹了自適應(yīng)動態(tài)峰值剪切直方圖均衡化算法。

3 自適應(yīng)動態(tài)峰值剪切直方圖均衡化算法

在傳統(tǒng)的直方圖均衡化處理中存在導(dǎo)致一些退化效應(yīng)，如灰度圖像部分出現(xiàn)過度增強(qiáng)和光暈。相關(guān)學(xué)者提出，直方圖均衡化處理的退化效應(yīng)的原因在于在對圖像進(jìn)行均衡化處理時灰度圖像的灰度均值被搬移導(dǎo)致的，所以可以通過對加強(qiáng)灰度圖像處理前后的灰度均值穩(wěn)定性來解決該問題。

為了使得直方圖均衡化算法的實際應(yīng)用效果更加出色，不少學(xué)者選擇了多子圖像的直方圖均衡化處理方式，但是這種方式的代價就是犧牲了圖像的增強(qiáng)程度；除此之外，還有部分學(xué)者通過對每個分割區(qū)間直方圖的峰值進(jìn)行切割來盡量避免在一個小區(qū)見內(nèi)的像素點集中，從而出現(xiàn)的部分區(qū)域的過分增強(qiáng)。這兩種思路取得了一定的效果，但是由于算法本身是具有局限性的，所以仍需要尋求其他算法來使灰度圖像的增強(qiáng)處理結(jié)果更加理想。本文提出了自適應(yīng)動態(tài)峰值剪切直方圖均衡化算法。自適應(yīng)動態(tài)峰值剪切直方圖均衡化算法的步驟如圖1所示：

在該算法中，結(jié)合了多子直方圖均衡化以及剪切直方圖均衡化的優(yōu)勢，確保了圖像處理前后灰度均值的穩(wěn)定性。

3.1 最佳分割值的選擇

在本文中通過對輸入圖像直方圖的局部最值和群求其直方圖的分割值。由于灰度圖像的直方圖中是存在很多小的波動的，所以我們首先要對直方圖進(jìn)行濾波。本文中我們使用的是一維的1x5均值濾波器，通過濾波，濾除了一些虛假的極值點后，就得到了一個平滑的灰度圖像直方圖波形，本文的劃分標(biāo)準(zhǔn)是局部極大值。

在獲得局部最大值上，我們參考K. Wongsritong等的相關(guān)文獻(xiàn)中對局部極值的算法：首先要對濾波后的灰度圖像直方圖進(jìn)行灰度級設(shè)置，為了方便對局部極值的尋找，我們有以下規(guī)定：

b（k）表示的是對k級灰度值的標(biāo)號，而h（k）是k級灰度值上的像素個數(shù)。上面式子的算法意義是：比較k級與k-1級的h，若k級大于等于k-1級，則標(biāo)號k級為1，否則-1。這樣我們就比較容易通過定義一個對則來對滿足條件的極值進(jìn)行尋找了。

在處理之后有時會出現(xiàn)極值點與兩側(cè)極小值點差異不大的情況，所以為了優(yōu)化圖像的增強(qiáng)效果需要去除這些點，得到我們的最佳分割點，我們設(shè)置了以下條件：

（h（k）-M（k-1））/T≥f

（h（k）-M（k+1））/T≥f

在上式中，M（k+1）表示的是區(qū)間極小值點的像素個數(shù)，r代表灰度區(qū)間的大小，參數(shù)f為閥值，其可以調(diào)節(jié)去除虛假極值點的強(qiáng)度。

3.2 映射區(qū)間的動態(tài)劃分

為了更好的處理灰度圖像，我們需要參照上文得到的分割值分割灰度區(qū)間。但是在分區(qū)中，通常會出現(xiàn)某個像素區(qū)間較大的情況，所以我們需要參照分割區(qū)間的范圍大小以及區(qū)間內(nèi)的像素個數(shù)對區(qū)間進(jìn)行重新規(guī)劃。

3.3 剪切直方圖

為了使灰度圖像在處理后的灰度均值的穩(wěn)定性得到保證，避免灰度圖像中的像素點的過分集中，從而導(dǎo)致的圖像部分區(qū)域的過度增強(qiáng)現(xiàn)象，我們還需要對每個區(qū)間的直方圖進(jìn)行處理。

3.4 圖像均衡化處理

直方圖在經(jīng)過區(qū)間分割以及剪切峰值操作處理后，要對每個區(qū)間的子圖像進(jìn)行獨立的直方圖均衡化操作。

3.5 灰度歸一化處理

灰度歸一化處理就是為了使灰度均值在持灰度圖像處理前后的穩(wěn)定性得以保證。

3.6 實驗結(jié)果分析與對比

本算法與BBHE算法、DSIHE算法、RMSHE算法、RSIHE算法以及DQHEPL算法的處理結(jié)果進(jìn)行了對比，發(fā)現(xiàn)本算法下的圖像增強(qiáng)效果更好，比其他圖像的處理結(jié)果更加柔和，輪廓更加清晰。

4 結(jié)語

本文針對直方圖均衡化傳統(tǒng)方法處理的一些缺陷與局限性導(dǎo)致的灰度圖像在增強(qiáng)處理時退化效應(yīng)的出現(xiàn)文本主要介紹了自適應(yīng)動態(tài)峰值剪切直方圖均衡化算法，通過對輸入的灰度圖像直方圖進(jìn)行分割、灰度區(qū)間映射、剪切等處理過程的介紹，證明了其對于灰度圖像增強(qiáng)處理上的優(yōu)越性。相關(guān)實驗也同樣證明了該算法能夠有效避免圖像處理過程中的退化效應(yīng)的發(fā)生。

參考文獻(xiàn)

[1]朱遵尚.圖像增強(qiáng)技術(shù)研究[D].國防科學(xué)技術(shù)大學(xué)，2009.

[2]郭曉婷.低照度圖像增強(qiáng)算法的研究[D].華南理工大學(xué)，2013.

[3]張錚，王艷平，薛桂香.數(shù)字圖像處理與機(jī)器視覺[M].北京：人民郵電出版社，2010.endprint