基于matlab的图像对比度增强处理的算法的研究与实现

刘嘉鑫

【摘要】    数字图像对比度增强是数字图像预处理中的关键步骤之一。本文以传统直方图均衡化的图像对比度增强算法为基础，针对改进的图像对比度增强算法的基本原理及实现过程进行分析，并对图像对比度增强算法实现进行流程化设计。基于仿真结果详细分析了不同的图像对比度增强算法性能优劣。

【关键词】    数字图像    图像增强    对比度增强算法

一、 概述

数字图像增强是图像预处理步骤中较为简单的一种，其根本目的是通过滤除图像噪声，提高图像低对比度的质量，从而提升数字图像的视觉显示效果，使人和机器能够更好的辨识理解数字图像信息。目前，数字图像增强技术已从原有理论科学研究逐步向各类实际应用扩展渗透，如卫星遥感图像预处理、图像美化软件以及图像预处理后的智能识别等。

二、图像增强技术相关概念

（1）图像对比度增强：不同图像的灰度统计直方图的像素分布不相同，这就造成了图像对比度存在差异。而灰度统计直方图分布更为均衡的图像对比度更高，也更加符合人和信息处理设备对图像目标信息的获取，特别是图像目标的细部特征。因此，在获得原始图像后，可以通过调整图像的灰度统计直方图来改善原始图像的对比度，这也就是图像对比度增强。该技术广泛应用于微观生物学和医学图像处理中。

（2）基于直方图均衡化的图像对比度增强：主要是指采用某种数学函数关系将原始输入图像的像素灰度值进行修正，使其能够均匀分布在整个图像灰度值空间域内。通过直方图均衡化处理后的图像，能够使得图像的灰度值分布更为均衡，对某些特征细节的展示更加充分。

三、直方图均衡化算法的改进

（1）基于图像均值分割算法原理：以图像像素灰度值统计均值为标准，将原始图像分割为两个子图像，大于图像像素灰度值均值的为子图像XU;小于等于图像像素灰度值均值的为子图像XL。通过统计可以得到输入图像X的灰度均值Xm，且Xm∈{X0，X1，…，XL-1}。子图像XL的灰度值集合为{X0，X1，…，Xm}，子图像XU的灰度值集合为{Xm+1，Xm+2，…，XL-1}。子图像采用传统直方图均衡化的图像增强处理算法，输出图像Y则为对比度增强后的子图像合并。

（2）等面积的双子图像直方图均衡化算法原理：RSIHE算法采用原始输入图像像素灰度值统计中值作为子图像分割的阈值，从而得到XL、XU。原始输入图像X的灰度值分布统计中值为Xe，且Xe={X0，X1，…，XL-1}。子图像XL的灰度值集合为{X0，X1，…，Xm}，子图像XU的灰度值集合为{Xm+1，Xm+2，…，XL-1}。子圖像采用传统直方图均衡化的图像增强处理算法，输出图像Y则为对比度增强后的子图像合并。

（3）递归均值分割直方图均衡化算法原理：该算法有两种：一种是以输入灰度图像像素灰度值统计均值为分割阈值的RMS直方图均衡化算法;另一种是以输入灰度图像像素灰度值统计中值为分割阈值的RSI直方图均衡化算法。

四、对比度增强算法的MATLAB实现

选择不同的均衡化算法对原始图像进行对比度增强处理。传统均衡化算法处理图像对比度的结果显示，其缺点是对灰度分布的均衡化处理不区分图像中各灰度级的重要度，因此会增强背景噪声、导致某些所需细节的消失等。BBHE算法增强处理后的灰度图像也出现了一些退化效应，如图像中竹子的脉络亮度值不够，导致很难对竹子脉络的阴影部分进行判读，同样在增强对比度的同时引入了不必要的噪声。基于等面积的双子图像算法的对比度增强则在一定程度上解决了图像对比度不足的现象，直方图分布也较为均衡。基于递归均值分割的图像对比度增强算法（RSIHE和RMSHE算法）处理后的图像均不同程度上出现了光晕，视觉效果较差。将多个不同的基于直方图均衡化算法的处理结果进行对比，如图1所示，可知BBHE算法、DSIHE算法以及RSHE算法的处理效果改进有限，图像中很多细节都消失了。

由上述分析可知，对于不同数字图像，应根据其灰度直方图的具体情况选择适应的直方图均衡化算法，以确保最佳的图像对比度增强效果。

参  考  文  献

[1] 吴传富， 朱同波. 基于MATLAB的几种图像增强算法[J]. 机电技术， 2012（5）：37-39.

[2] 陈霞， 卫静婷. 基于MATLAB的图像增强处理与应用[J]. 科技广场， 2013（3）：73-76.

[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.