基于直方图均衡化图像增强算法分析.doc

9基于直方图均衡化图像增强算法分析目录1.前言12.理论分析22.1直方图修正技术的基础22.2直方图的均衡化32.3直方图均衡化的算法步骤43.仿真实验与结果54.结论9参考文献91.前言在实际应用中无论采用何种输入装置采集的图像由于光照、噪声等原因图像的质量往往不能令人满意。例如检测对象物的边缘过于模糊；在比较满意的一幅图像上发现多了一些不知来源的黑点或白点；图像的失真、变形等等。所以图像往往需要采取一些手段进行改善以求达到较好的效果。图像增强技术正是在此基础上提出的。图像增强是图像分析与处理的一个重要的预处理过程其主要有两个目的：一是运用一系列技术手段改善图像的视觉效果提高图像的清晰度；二是将图像转化成一种更适合于人或计算机进行分析处理的形式。即改善图像质量是图像增强的根本目的。图像增强的意义一般可以理解为：按需要进行适当的变换对图像的某些特征如边缘、轮廓、对比度进行强调或锐化突出某些有用的信息去除或消弱无用的信息以便于显示、观察或进一步分析和处理。图像增强技术是一类基本的图像处理技术是指有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。因此图像增强处理是图像分析和图像理解的前提和基础。在图像的获取过程中特别是对于多媒体监控系统采集的图像由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。加之摄像设备、传感器等因素引入的噪声使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。因此为得到一幅清晰的图像必须进行增强处理。传统的图像增强算法通常是基于整幅图像的统计量这样在计算整幅图像的变换时图像中的低频信息、高频信息以及含有的噪声同时进行了变换因而在增强图像的同时增强了噪声导致信息熵下降给监控图像的分析和后期处理带来了困难。针对此问题提出一种新算法。图像增强处理方法根据图像增强处理所在的空间不同可分为基于空间域的增强方法和基于频率域的增强方法两类。空间域处理方法是在图像像素组成的二维空间里直接对每一个像素的灰度值进行处理它可以是一幅图像内像素点之间的运算处理也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进行间接处理。其特点是先将图像进行变换在空间域对图像作傅里叶变换得到它的频谱按照某种变化模型（如傅里叶变换）变换到频率域完成图像由空间域变换到频率域然后在频率域内对图像进行低通或高通频率域滤波处理。处理完之后再将其反变换到空间域。直方图均衡化算法是图像增强空域法中的最常用、最重要的算法之一。它以概率理论作基础运用灰度点运算来实现直方图的变换从而达到图像增强的目的。本文介绍一种基于累积分布函数变换法为基础的直方图修正法。它可以通过对直方图进行均匀化修正可使图像的灰度间距增大或灰度均匀分布、增大反差是图像的细节变得清晰。2.理论分析2.1直方图修正技术的基础一幅给定图像的灰度级经归一化处理后分布在范围内。这时可以对[01]区间内的任一个r值进行如下变换：（1）也就是说通过上述变换每个原始图像的像素值r都对应产生一个s值。变换函数应该满足下列条件：①在区间内是单值单调增加；②对于有这里第一个条件保证了图像的灰度级西欧哪个白到黑的次序不变和反变换函数的存在。第二个条件则保证了映射变化后的像素灰度值在允许的范围内。从s到r的反变换可用式（2）表示同样也满足上述两个条件（2）由概率论理论可知若已知随机变量的概率密度为而随机变量是的函数即的概率密度为所以可以由求出。因为是单调增加的由数学分析可知它的反函数也是单调函数。在这种情况下当且仅当时发生所以可以求得随即变量的分布函数为：（3）对式（3）两边求导即可得到随即变量的分布密度函数为：（4）由式（4）可知对于连续情况设和分别表示原图像和变换后图像的灰度级概率密度函数。根据概率论的知识在已知和变换函数时反变换函数也是单调增长则可由式（4）求出。2.2直方图的均衡化对于连续图像设r和s分别表示被增强图像和变换后图像的灰度。为了简单在下面的讨论中假定所有像素的灰度已被归一化了就是说当时表示黑色；当时表示白色；变换函数与原图像概率密度函数之间的关系为：（5）式中：r为积分变量。式（5）的右边可以看作是r的累积分布函数（CDF）因为CDF是r的函数并单调地从0增加到1所以这一变换函数满足了前面所述的关于在内单值单调增加对于有的两个条件。由于累积分布函数是r的函数并且单调的从0增加到1所以这个变换函数满足对式（5）中的r求导则：（6）再把结果带入式（4）则（7）由以上推到可见变换后的变量s的定义域内的概率密度是均匀分布的。由此可见用