基于matlab的圖像對比度增強處理的算法的研究與實現

劉嘉鑫

【摘要】? ? 數字圖像對比度增強是數字圖像預處理中的關鍵步驟之一。本文以傳統直方圖均衡化的圖像對比度增強算法為基礎，針對改進的圖像對比度增強算法的基本原理及實現過程進行分析，并對圖像對比度增強算法實現進行流程化設計。基于仿真結果詳細分析了不同的圖像對比度增強算法性能優劣。

【關鍵詞】? ? 數字圖像? ? 圖像增強? ? 對比度增強算法

一、 概述

數字圖像增強是圖像預處理步驟中較為簡單的一種，其根本目的是通過濾除圖像噪聲，提高圖像低對比度的質量，從而提升數字圖像的視覺顯示效果，使人和機器能夠更好的辨識理解數字圖像信息。目前，數字圖像增強技術已從原有理論科學研究逐步向各類實際應用擴展滲透，如衛星遙感圖像預處理、圖像美化軟件以及圖像預處理后的智能識別等。

二、圖像增強技術相關概念

（1）圖像對比度增強：不同圖像的灰度統計直方圖的像素分布不相同，這就造成了圖像對比度存在差異。而灰度統計直方圖分布更為均衡的圖像對比度更高，也更加符合人和信息處理設備對圖像目標信息的獲取，特別是圖像目標的細部特征。因此，在獲得原始圖像后，可以通過調整圖像的灰度統計直方圖來改善原始圖像的對比度，這也就是圖像對比度增強。該技術廣泛應用于微觀生物學和醫學圖像處理中。

（2）基于直方圖均衡化的圖像對比度增強：主要是指采用某種數學函數關系將原始輸入圖像的像素灰度值進行修正，使其能夠均勻分布在整個圖像灰度值空間域內。通過直方圖均衡化處理后的圖像，能夠使得圖像的灰度值分布更為均衡，對某些特征細節的展示更加充分。

三、直方圖均衡化算法的改進

（1）基于圖像均值分割算法原理：以圖像像素灰度值統計均值為標準，將原始圖像分割為兩個子圖像，大于圖像像素灰度值均值的為子圖像XU;小于等于圖像像素灰度值均值的為子圖像XL。通過統計可以得到輸入圖像X的灰度均值Xm，且Xm∈{X0，X1，…，XL-1}。子圖像XL的灰度值集合為{X0，X1，…，Xm}，子圖像XU的灰度值集合為{Xm+1，Xm+2，…，XL-1}。子圖像采用傳統直方圖均衡化的圖像增強處理算法，輸出圖像Y則為對比度增強后的子圖像合并。

（2）等面積的雙子圖像直方圖均衡化算法原理：RSIHE算法采用原始輸入圖像像素灰度值統計中值作為子圖像分割的閾值，從而得到XL、XU。原始輸入圖像X的灰度值分布統計中值為Xe，且Xe={X0，X1，…，XL-1}。子圖像XL的灰度值集合為{X0，X1，…，Xm}，子圖像XU的灰度值集合為{Xm+1，Xm+2，…，XL-1}。子圖像采用傳統直方圖均衡化的圖像增強處理算法，輸出圖像Y則為對比度增強后的子圖像合并。

（3）遞歸均值分割直方圖均衡化算法原理：該算法有兩種：一種是以輸入灰度圖像像素灰度值統計均值為分割閾值的RMS直方圖均衡化算法;另一種是以輸入灰度圖像像素灰度值統計中值為分割閾值的RSI直方圖均衡化算法。

四、對比度增強算法的MATLAB實現

選擇不同的均衡化算法對原始圖像進行對比度增強處理。傳統均衡化算法處理圖像對比度的結果顯示，其缺點是對灰度分布的均衡化處理不區分圖像中各灰度級的重要度，因此會增強背景噪聲、導致某些所需細節的消失等。BBHE算法增強處理后的灰度圖像也出現了一些退化效應，如圖像中竹子的脈絡亮度值不夠，導致很難對竹子脈絡的陰影部分進行判讀，同樣在增強對比度的同時引入了不必要的噪聲。基于等面積的雙子圖像算法的對比度增強則在一定程度上解決了圖像對比度不足的現象，直方圖分布也較為均衡。基于遞歸均值分割的圖像對比度增強算法（RSIHE和RMSHE算法）處理后的圖像均不同程度上出現了光暈，視覺效果較差。將多個不同的基于直方圖均衡化算法的處理結果進行對比，如圖1所示，可知BBHE算法、DSIHE算法以及RSHE算法的處理效果改進有限，圖像中很多細節都消失了。

由上述分析可知，對于不同數字圖像，應根據其灰度直方圖的具體情況選擇適應的直方圖均衡化算法，以確保最佳的圖像對比度增強效果。

參? 考? 文? 獻

[1] 吳傳富， 朱同波. 基于MATLAB的幾種圖像增強算法[J]. 機電技術， 2012（5）：37-39.

[2] 陳霞， 衛靜婷. 基于MATLAB的圖像增強處理與應用[J]. 科技廣場， 2013（3）：73-76.

[3]張錚，王艷平，薛桂香.數字圖像處理與機器視覺[M].北京：人民郵電出版社，2010.