浅析灰度图像的直方图均衡化处理

孔繁庭

摘要：图像增强是指按特定的需要采用特定方法突出图像中的某些信息，同时削弱或去除无关信息，或将原图转换成一种更适合人或机器进行分析处理的形式的图像处理方法，图像增强的算法和方法很多，效果也不同。本文提出了自适应动态峰值剪切直方图均衡化算法，实验结果表明自适应动态峰值剪切直方图均衡化算法对灰度图像的增强取得了较好的增强效果，使得图像质量得到了有效的提高。

关键词：图像增强 直方图均衡化 自适应动态峰值剪切

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2014）12-0225-01

1 图像增强

在拍摄图像的过程中，由于光源等问题的影响，图像质量很肯能受到影响而偏低。为了使这类图像的质量提高，视觉效果进行改善，需要对图片进行增强处理。图像增强是图像处理的方法之一，且操作相对简单。常见的图像增强方法包括：噪声去除、图像锐化、几何畸变校正、灰度变换、直方图均衡化、频域滤波等。根据处理图片的空间不同，我们将图像增强分为两类：频率域图像增强以及空间域图像增强。

2 灰度图像的直方图均衡化算法

灰度图像对比度增强是图像增强方法的一种，目的在于对整体或者局部的反差程度进行调节，从而使图像质量得以提高。

对比度增强在近几年的关注度不断提高，常见的对比度增强的方法包括全局处理以及区域自适应处理方法。而全局处理方法中又包括直方图均衡化以及伽马矫正。

灰度图像的直方图均衡化算法主要包括：传统直方图均衡化算法、基于图像均值分割的亮度均值稳定性的直方图均衡化算法、等面积的双子图像直方图均衡化算法、RMSHE算法和RSmE算法、BHEPL 算法等等。本文主要介绍了自适应动态峰值剪切直方图均衡化算法。

3 自适应动态峰值剪切直方图均衡化算法

在传统的直方图均衡化处理中存在导致一些退化效应，如灰度图像部分出现过度增强和光晕。相关学者提出，直方图均衡化处理的退化效应的原因在于在对图像进行均衡化处理时灰度图像的灰度均值被搬移导致的，所以可以通过对加强灰度图像处理前后的灰度均值稳定性来解决该问题。

为了使得直方图均衡化算法的实际应用效果更加出色，不少学者选择了多子图像的直方图均衡化处理方式，但是这种方式的代价就是牺牲了图像的增强程度；除此之外，还有部分学者通过对每个分割区间直方图的峰值进行切割来尽量避免在一个小区见内的像素点集中，从而出现的部分区域的过分增强。这两种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，所以仍需要寻求其他算法来使灰度图像的增强处理结果更加理想。本文提出了自适应动态峰值剪切直方图均衡化算法。自适应动态峰值剪切直方图均衡化算法的步骤如图1所示：

在该算法中，结合了多子直方图均衡化以及剪切直方图均衡化的优势，确保了图像处理前后灰度均值的稳定性。

3.1 最佳分割值的选择

在本文中通过对输入图像直方图的局部最值和群求其直方图的分割值。由于灰度图像的直方图中是存在很多小的波动的，所以我们首先要对直方图进行滤波。本文中我们使用的是一维的1x5均值滤波器，通过滤波，滤除了一些虚假的极值点后，就得到了一个平滑的灰度图像直方图波形，本文的划分标准是局部极大值。

在获得局部最大值上，我们参考K. Wongsritong等的相关文献中对局部极值的算法：首先要对滤波后的灰度图像直方图进行灰度级设置，为了方便对局部极值的寻找，我们有以下规定：

b（k）表示的是对k级灰度值的标号，而h（k）是k级灰度值上的像素个数。上面式子的算法意义是：比较k级与k-1级的h，若k级大于等于k-1级，则标号k级为1，否则-1。这样我们就比较容易通过定义一个对则来对满足条件的极值进行寻找了。

在处理之后有时会出现极值点与两侧极小值点差异不大的情况，所以为了优化图像的增强效果需要去除这些点，得到我们的最佳分割点，我们设置了以下条件：

（h（k）-M（k-1））/T≥f

（h（k）-M（k+1））/T≥f

在上式中，M（k+1）表示的是区间极小值点的像素个数，r代表灰度区间的大小，参数f为阀值，其可以调节去除虚假极值点的强度。

3.2 映射区间的动态划分

为了更好的处理灰度图像，我们需要参照上文得到的分割值分割灰度区间。但是在分区中，通常会出现某个像素区间较大的情况，所以我们需要参照分割区间的范围大小以及区间内的像素个数对区间进行重新规划。

3.3 剪切直方图

为了使灰度图像在处理后的灰度均值的稳定性得到保证，避免灰度图像中的像素点的过分集中，从而导致的图像部分区域的过度增强现象，我们还需要对每个区间的直方图进行处理。

3.4 图像均衡化处理

直方图在经过区间分割以及剪切峰值操作处理后，要对每个区间的子图像进行独立的直方图均衡化操作。

3.5 灰度归一化处理

灰度归一化处理就是为了使灰度均值在持灰度图像处理前后的稳定性得以保证。

3.6 实验结果分析与对比

本算法与BBHE算法、DSIHE算法、RMSHE算法、RSIHE算法以及DQHEPL算法的处理结果进行了对比，发现本算法下的图像增强效果更好，比其他图像的处理结果更加柔和，轮廓更加清晰。

4 结语

本文针对直方图均衡化传统方法处理的一些缺陷与局限性导致的灰度图像在增强处理时退化效应的出现文本主要介绍了自适应动态峰值剪切直方图均衡化算法，通过对输入的灰度图像直方图进行分割、灰度区间映射、剪切等处理过程的介绍，证明了其对于灰度图像增强处理上的优越性。相关实验也同样证明了该算法能够有效避免图像处理过程中的退化效应的发生。

参考文献

[1]朱遵尚.图像增强技术研究[D].国防科学技术大学，2009.

[2]郭晓婷.低照度图像增强算法的研究[D].华南理工大学，2013.

[3]张铮，王艳平，薛桂香.数字图像处理与机器视觉[M].北京：人民邮电出版社，2010.endprint