基于CLAHE的尘肺X线胸片增强技术

研究了有约束的局部直方图均衡化(CLAHE)算法在尘肺X线胸片图像增强中的应用.直方图均衡化(HE)是一种常用的图像对比度增强技术,它能够在很大程度上增强图像的视觉效果.但是当我们感兴趣的信息包含在图像中相对较小且灰度分布比较均匀的区域时,HE并不能给出令人满意的结果.局部直方图均衡化(LAHE)根据所关心的区域的局部特征进行变换,以突出所关心的局部特征.但有时会出现窗口较小时发生过增强,窗口较大时局部特征突出还不够明显.CLAHE既考虑窗口内也考虑窗口外的直方图,可用较小窗口突出所关心的局部特征,且不发生过增强.     

基于WLAHE的尘肺胸片图像增强方法

为提高X线胸片中尘肺病灶的易识别性,提出一种基于加权局部直方图均衡化(WLAHE)的尘肺胸片图像增强方法。采用WLAHE算法、局部直方图均衡化算法,以及直方图均衡化算法对0+期尘肺X线图像进行对比度增强处理,并对采用不同参数的处理效果进行比较。结果表明,WLAHE可在不引入过大噪声及不引起细节失真的条件下,采用更小的窗口,使0+期尘肺X线胸片上的病灶小阴影更突出。     

CLAHE和细节放大相结合的档案图像增强方法

图像增强可提高扫描档案图像的质量,关系到档案图像信息系统的生命。运用CLAHE可以进行全局对比度拉伸,运用Lee滤波器可进行局部细节放大,将两者结合可形成放大细节的CLAHE方法。对结合的方法从两方面进行改进,一是引入噪声抑制措施,使得Lee滤波器只放大图像细节而不放大噪声;二是制定柔性细节放大机制,使得细节放大更加符合人类视觉习惯。改进后的方法既能提高全局对比度,又能有效放大局部细节。实验表明,提出的方法对包含文本、图形和图像的扫描档案具有较好的增强效果,且能够满足国家行业规范要求和实际应用需要。     

基于CLAHE与同态滤波的细胞图像增强新方法

针对角膜内皮细胞图像由于非均匀光照造成的明暗不均问题,提出一种基于限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)与同态滤波进行组合的角膜内皮细胞图像增强新方法。CLAHE方法提高了图像的局部对比度,不损伤图像细节,同时避免图像噪声随图像对比度增大而放大。同态滤波方法增强图像暗部细节,提升图像的分辨率。实验结果表明本文方法对角膜内皮细胞图像的分辨率和对比度增强有显著的效果。     

集装箱X光图像增强技术

由于集装箱自身的构造特点以及X光扫描机的信息采集误差,使得集装箱X光图像有很强的竖纹噪声。为提高X光图像中感兴趣区域的清晰度并抑制不感兴趣信息,提出了一种以有限对比适应性直方图均等化为基础的改进方法：对原始图像进行有限对比适应的直方图均等化处理,进行图像增强,并对处理后的图像进行中值滤波,以减少箱体的竖纹噪声,得到图像的低频信息,然后,对原图像进行拉普拉斯滤波处理,得到图像的相对高频信息。最后,将处理后的两幅图像加权相加,作为增强后的目标图像。实验证明,该方法能有效削减竖纹噪声,很好地保存图像的目标信息,便于对集装箱X光图像进一步研究。     

基于直方图分割的彩色图像增强算法

针对直方图均衡化直接对彩色图像处理会导致图像色彩失真的情况,在对传统的直方图均衡化方法进行改进的基础上,提出了一种新的带色彩恢复的均衡化算法。该算法对于彩色图像R,G,B各个分量子图的灰度直方图,首先根据其灰度中值和分割直方图等面积原则进行两次分割,同时对分割后的各子灰度直方图分别进行均衡化处理;然后通过计算R,G,B各分量子图的灰度级总数占原彩色图像灰度级总数的比例,将均衡化处理后的R,G,B各分量子图进行合并。实验表明,该算法对彩色图像处理具有较好的增强处理效果。     

基于梯度场均衡化的图像对比度增强

在偏微分方程理论框架下提出一种能够有效增强图像中阴影或高亮区域信息的方法.首先对图像梯度场进行直方图均衡化,使这些图像阴影或高亮区域中的细节能够在梯度域得到增强;然后利用最小二乘原理重建出增强后的结果图像.通过引入 Lab 彩色空间将对比度增强方法推广到对彩色图像的处理中.在数值求解方面,根据Laplacian 算子的特点改进了求解 Poisson 方程的快速算法,改进后的算法具有程序设计简单、计算量小的特点.实验结果表明,文中方法能够有效地改善由于光照影响造成的图像对比度下降.     

一种基于卫星图像的增强方法

直方图均衡化是图像增强的一种有效方法,其基本思想是调整图像的灰度分布。线性拉伸的方法对图像进行增强处理,提高了图像的解译能力。本文从合成图像直方图均衡化和线性增强的优点入手,给出了一种直方图均衡化和线性增强相结合的改进算法,通过对算法中调节参数的选择来获取更好的图像增强效果,该算法避免了图像过亮等现象,改善了图像质量,实验验证了该算法更为有效。     

基于Matlab的直方图均衡化图像增强技术

本文介绍了直方图均衡化的原理和处理步骤,并在MATLAB中进行实验,实验结果表明,灰度图像通过直方图均衡化处理,能将灰度扩展到整个灰度级,而且分布比较均匀,对于细节显示得更清晰。     

基于SVR的图像增强方法

传统的图像增强方法是采用直方图均衡化来处理图像,利用这种方法处理后的图像,虽然使图像的灰度等级得到拉伸,但是却使图像变得过亮,部分细节消失.为改善图像增强的效果,利用支持向量回归原理(SVR)的方法来处理图像,试验取得了很好的结果.试验结果表明,采用SVR的图像处理方法来增强图像,可以很好地保持图像原有的灰度特征,突出图像的细节,并且解决了传统的直方图均衡化方法使图像过亮和部分细节丢失的问题.     

基于局部均值和标准差的图像增强算法

针对传统图像局部增强算法,提出一种基于图像局部均值和标准差增强图像细节的算法。采用局部均值和标准差限定的方法,使低对比度和较暗的区域得到相应增强,对高对比度和较亮的区域保持不变。实验结果表明,该算法能够有效地增强低对比度低灰度的区域而保持其他区域不变,为图像的进一步处理提供满意的结果。     

基于CLAHE和开闭运算的绿色苹果图像分割

依据绿色苹果图像的自身特点,设计了一种分区域提取而后合并的图像分割方法。首先对图像进行限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE),增大果实和背景的颜色差,而后获取R-B色差图像,得到以光常区域为主的区域;然后用CLAHE处理后的图像进行开闭运算,提取局部极大值,得到以高亮区域为主的区域;最后将两区域合并获得完整的果实目标区域。为了验证该方法的有效性,运用Hough算法检测圆,并用相对偏差、圆心相对误差及半径相对误差三个评价指标来定量评价。试验结果表明,提取区域与果实目标区域相比,顺光下,相对偏差、圆心和半径相对误差平均值分别为3.59%,4.76%和2.60%;逆光下,三个指标的平均值分别为10.77%、16.77%、11.49%。无论是顺光还是逆光都有很好的识别效果,能满足机器人采摘果实的精确定位的要求。     

基于直方图均衡化的彩色图像增强

现实生活中经常遇到所照图片清晰度不好,亮度不够,能辨率低,这样就需要将图像进行处理以得到清晰度和亮度更好的图像。文章首先介绍彩色图像和图像增强的定义与方法,以及彩色图像转换为灰度图像的方法,然后对直方图均衡化作出解释,最后通过实验先将彩色图像转换为HSI图像,并对HSI图像中的I分量的灰度图像进行直方图均衡化的处理,再将经过处理后的HSI图像还原成彩色图像,即可得到增强的彩色图像效果图。实现了通过直方图均衡化的处理得到彩色图像的增强。     

“直方图”均衡化图像增强技术研究综述

均衡化即等可能分布,以均衡化指导思想的图像增强方法内涵丰富,意义深远,应用广泛。直方图均衡化(Histogram Equalization,HE)算法在图像增强中具有很强的代表性,近几年研究人员在此基础上又进一步拓展了均衡化思想在图像增强领域的应用。不过,目前缺乏针对直方图均衡化技术较为全面的综述评论性文章,以均衡化思想为主线,对于相关改进工作,分为五类技术,并分析了各类技术的典型算法,最后指出了今后可能的研究方向。     

基于CLAHE的塑料薄膜图像增强算法研究

图像增强算法作为图像预处理的一个重要环节,其主要目的是实现消除图像随机噪声,改善图像质量。传统的直方图均衡化增强方法实质以减少图像灰度级来换取对比度的加大,造成图像细节部分信息的丢失,影响了识别效果。运用对比度自适应直方图均衡化(CLAHE)算法实现薄膜图像灰度增强,并通过对处理后的图像质量进行客观评价,证明了该算法相对于传统直方图均衡化算法具有明显优势。     

基于抛物线调整的直方图均衡化

直方图均衡化是图像增强中常用的方法之一,能自动地增强整幅图像的对比度,但具体的增强效果不易控制,容易出现局部区域增强力度不够或过增强现象。本文提出了基于抛物线调整的直方图均衡化方法,结合直方图均衡化变换函数的特点,采用抛物线型变换函数,根据需要进行参量调整,从而可以实现任意灰度范围的扩张或压缩,增加了灰度变换的灵活性。它可调节图像的明暗程度,增强局部区域的对比度,取得了较好的增强效果。同时提出了一种选择最优参数的方法,提高了算法的效率和可行性。     

基于分段直方图均衡化技术的图像增强

分析了传统灰度图像直方图均衡化算法存在的优缺点,提出了基于分段直方图均衡化技术的图像增强算法。该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化。实验结果表明,该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。     

基于分段直方图均衡化技术的图像增强

分析了传统灰度图像直方图均衡化算法存在的优缺点,提出了基于分段直方图均衡化技术的图像增强算法。该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化。实验结果表明,该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。     

基于MSR的雾天图像清晰化算法研究

研究雾天图像清晰化的问题,需提高图像增强的均匀性。针对雾天情况下,由于雾气的遮挡使得拍摄图像对比度降低,图像局部细节处不清晰,传统的直方图均衡化的雾天图像清晰化方法虽然能够增强图像对比度,但是图像局部细节增强不足,造成图像增强均匀性不高的问题。提出一种MSR的雾天图像清晰化算法,通过Sigmoid函数对图像作映射,拉伸图像的对比度,然后利用MSR算法,将图像小波分解为高频分量和低频分量,对高频分量取绝对值最大运算,低频分量加权平均,并避免了对图像进行全局直方图均衡化造成的图像增强不均匀,局部细节增强不足的问题。实验证明,提出的算法能够将雾天图像均匀增强,得到高清晰的图像,取得了满意的效果。