唐巧玲，何濤

（內(nèi)江師范學(xué)院，四川 內(nèi)江 641100）

0 引言

在現(xiàn)代電子計(jì)算機(jī)技術(shù)的高速發(fā)展下，幾乎所有與成像有關(guān)的設(shè)備都使用了相關(guān)的數(shù)字圖像技術(shù)。在圖像的產(chǎn)生過程中，由于很多不確定因素的影響，如曝光不足或過量、系統(tǒng)噪聲等等，生成的圖像與原始圖像存在差異，降低了圖像質(zhì)量或造成圖像退化[1]。因此，在對圖像進(jìn)行數(shù)據(jù)分析或者修改前，就需要改善生成的圖像與原圖像之間的差異。采用局部圖像增強(qiáng)技術(shù)就可以將圖像中不夠清晰甚至不可分辨的原始部分轉(zhuǎn)化為一幅高清晰度的有用圖像，從而能讓觀察者或者機(jī)器更加容易地對圖像中最重要的信息進(jìn)行提取和使用。

1 圖像增強(qiáng)技術(shù)簡介

圖像增強(qiáng)是數(shù)字圖像處理中的一種圖像處理技術(shù)，其主要思想是除去圖像中的無關(guān)信息，強(qiáng)調(diào)圖像中的重要信息，提高圖像質(zhì)量，從而將圖像轉(zhuǎn)換為適合于人或機(jī)器分析處理的形式。傳統(tǒng)的圖像增強(qiáng)方法通常是將變換函數(shù)應(yīng)用于整個(gè)圖像區(qū)域，但是對圖像細(xì)節(jié)的處理改變了整個(gè)圖像，不能有效地解決圖像噪聲和邊界增加之間的矛盾。因此本文采用直方圖變換的方法進(jìn)行圖像局部增強(qiáng)技術(shù)的研究。

2 圖像局部增強(qiáng)的算法和原理

圖像增強(qiáng)的方法按照變化類型可以分為直方圖變換、圖像的平滑和銳化等。因?yàn)橹狈綀D變換能夠清晰顯示具體增強(qiáng)部分的變化程度，并且當(dāng)直方圖均勻分布時(shí)，圖像最清晰。因此，本文利用直方圖變換來達(dá)到圖像局部增強(qiáng)的目的。

直方圖變換調(diào)整了圖像的灰色度，改變了圖像的灰色度分布，實(shí)現(xiàn)了圖像的增加。其基本思想是根據(jù)特定的需要對灰度直方圖進(jìn)行變換，并利用變換的功能來改善圖像特定區(qū)域的差異。直方圖變換可以分為直方圖均衡化(Histogram Equalization)和直方圖匹配（Histogram Matching）[2]。

2.1 直方圖均衡化

直方圖均衡化是將原始圖像對應(yīng)的灰度直方圖變化成相應(yīng)的灰度分布均勻的直方圖，并對各像素的灰度進(jìn)行重新分配，使整個(gè)范圍內(nèi)的像素?cái)?shù)目與某一灰度值范圍區(qū)間大致相等。經(jīng)過一系列的處理后，圖像灰度直方圖具有良好的分布規(guī)律，利用更改圖像局部環(huán)境的對比度，可以收獲相對較好的整體對比度，并且最初的圖像也伴隨著直方圖的改變而改變，以實(shí)現(xiàn)圖像局部增強(qiáng)的明顯效果。

若設(shè)原始的灰度圖像為r，L為圖像中灰度級的總個(gè)數(shù)（如8位圖像中為256）。并且令ni為灰度級i在所有像素中的出現(xiàn)次數(shù)，n是圖像中的像素總數(shù)。則圖像中灰度級為i的像素出現(xiàn)的概率是ni/n，假設(shè)ni/n等于Pr(i)，0 ≤i

通過對Pr(i)相加，得到圖像中所求和相對應(yīng)的歸一化直方圖Fr(i)，其函數(shù)表達(dá)式為。

其中，F(xiàn)r(i)為單調(diào)增加函數(shù)，且具體的分布也相對較均勻，但由于Pr(i)取值區(qū)間只是在[0,1]之間，為了能夠讓直方圖的灰度取值范圍擴(kuò)展到[0,L-1]，因此最終結(jié)果就必須是用Pr(i)與L-1相乘來獲得。

直方圖的均衡化能夠使光照強(qiáng)度過大或過小的照片中的細(xì)節(jié)更加清晰。方法簡單且可逆，也就是說，如果已知均衡函數(shù)在該直方圖的具體呈現(xiàn)形式，則無論經(jīng)過怎樣的處理，最終的直方圖仍然能夠恢復(fù)成原始直方圖的效果。但是整個(gè)均衡過程會使有用信號的對比度降低，加強(qiáng)了背景噪聲的對比度，同時(shí)處理后的圖像灰度級數(shù)目相對減少，圖像細(xì)節(jié)缺失，對比度增強(qiáng)不自然。

2.2 直方圖匹配

直方圖匹配方法也稱直方圖規(guī)范，是將圖像直方圖轉(zhuǎn)換為與指定直方圖相匹配的直方圖的一種圖像局部增強(qiáng)方法。

在進(jìn)行圖像局部增強(qiáng)之前，先要確定兩個(gè)原始圖像類型，一個(gè)作為直方圖的參照物，另一個(gè)作為要運(yùn)用的原始圖像。然后再分別計(jì)算參考圖像本身直方圖各自的累積分布函數(shù)FR()以及原始圖像直方圖本身的累積分布函數(shù)F0()[4]。計(jì)算完成后，有關(guān)[0,255]中的每個(gè)相對應(yīng)的灰度級g1，都能找到相互映射的灰度級g2，使?jié)M足公式。

直方圖匹配主要用于相對輻射校正，以實(shí)現(xiàn)平衡探測器響應(yīng)。當(dāng)兩幅圖像由不同的傳感器在同一位置、同一局部光照條件下拍攝，可以采用與直方圖類似的方法進(jìn)行有效處理。直方圖匹配能夠同時(shí)運(yùn)用到兩組直方圖之間的匹配，也能用來改善圖像顏色。

3 圖像局部增強(qiáng)技術(shù)的實(shí)現(xiàn)

本文采用MATLAB作為仿真平臺，使用直方圖變換中的直方圖均衡化和直方圖匹配化方法，來對圖像進(jìn)行局部增強(qiáng)，并且對比兩種方法的增強(qiáng)效果。本章節(jié)中使用HT1來代表原始圖像，HT2代表輸出的增強(qiáng)后圖像結(jié)果。

3.1 直方圖均衡化實(shí)現(xiàn)

直方圖均衡化的目的就是將灰度概率密度的分布轉(zhuǎn)化為灰度均勻分布。通過調(diào)用MATLAB中的histeq函數(shù)，轉(zhuǎn)換強(qiáng)度圖像中的值或索引圖像中的顏色映射值來增強(qiáng)圖像的對比度[5-6]。圖像均衡化效果核心代碼如下。

直方圖均衡化效果對比圖和均衡化前后直方圖對比圖如圖1和圖2所示:

圖1 直方圖均衡化效果對比圖

圖2 均衡化前后直方圖對比圖

從圖1～2中可清晰地看出經(jīng)過直方圖均衡化之后，圖像局部增強(qiáng)效果比較明顯，相對于原始圖像，對比度變得更高，凸顯的效果更好。

3.2 直方圖匹配實(shí)現(xiàn)

在進(jìn)行直方圖匹配之前，首先要計(jì)算原始圖像和對應(yīng)圖像中像素的累積概率，在MATLAB中使用imhist函數(shù)來獲取原圖及匹配圖像的直方圖，cumsum函數(shù)計(jì)算元素的累加值，numel計(jì)算元素的個(gè)數(shù)，然后再計(jì)算原圖中每一個(gè)值在匹配圖中距離最小的位置。其核心代碼如下。

直方圖匹配化效果對比圖和匹配化前后直方圖對比圖如圖3和圖4所示。

圖3 直方圖匹配化效果對比圖

圖4 匹配化前后直方圖對比圖

綜上所述，本文采用了直方圖均衡化和直方圖匹配兩種方法來實(shí)現(xiàn)對圖像的局部增強(qiáng)技術(shù)。相比于直方圖匹配，直方圖均衡化后，可以得到一幅質(zhì)量更好的新圖像。該圖像的灰度將不再是暗色調(diào)的圖像，而是中等灰度的圖像，比原始圖像更清晰、更明亮。處理結(jié)果使圖像更適合人類視覺特征或機(jī)器識別系統(tǒng)。

4 結(jié)語

本文基于MATLAB平臺，采用了直方圖變換中的直方圖均衡化和直方圖匹配方法，來對圖像進(jìn)行增強(qiáng)。在不探究圖像清晰度下降的前提下，在需要突出圖像中感興趣的特征和衰減不必要的特征目標(biāo)時(shí)，該方法能夠方便簡單地提高圖像的清晰度，從而快速地完成圖像增強(qiáng)的目的。此方法方便快捷，對于大多數(shù)的圖像圖像增強(qiáng)效果較好。直方圖匹配是預(yù)先確定直方圖的分布，然后對圖像進(jìn)行相應(yīng)的改變。如果只使用預(yù)先確定的直方圖分布，則只能顯示圖像的整體灰度分布，而無法確定灰度值的具體位置。同時(shí)對于一些對比度較弱或者是灰度分布很密集的圖像，增強(qiáng)效果不明顯，一些圖像細(xì)節(jié)將會消失。為更快地選擇出效果相對較好的圖像，還是需要通過對比列舉圖像局部增強(qiáng)后的效果圖。但是到目前還沒有統(tǒng)一的評判標(biāo)準(zhǔn)，能夠作為評價(jià)圖像和設(shè)計(jì)圖像系統(tǒng)函數(shù)的依據(jù)，以解決目前許多定性測試方法的不精確性帶來的誤差等，因此還需進(jìn)一步研究。