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Matlab图像增强中直方图均衡化的应用

图像增强是有效改善数字图像整体或局部特征的预处理技术.采用直方图均衡化的图像增强的基本原理,借助数学公式,在Matlab环境下,对数字图像进行直方图均衡化处理,实现原始图像直方图均匀分布,增加像素灰度值的动态范围,提高了图像的对比度.     

“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。     

基于模糊聚类分割的累积直方图均衡化算法

通过比较几种图像直方图均衡化的应用范围,提出一种基于模糊聚类分割的累计直方图均衡化的方法。实验结果表明:与传统直方图均衡化算法相比,使用该方法处理后的图像不仅使灰度值分布更加均匀,增强了整体对比度,而且保留了原图像更多的细节信息,很好地达到了图像增强的目的。     

一种基于高频强调滤波和直方图均衡化的图像增强方法

直方图均衡化能够调节图像的动态灰度范围,是一种经典有效的图像增强方法,但它建立在合并相似像素灰度的基础之上,模糊了图像的细节。高频强调滤波将变换后的低频和高频分量都得到了增强,但是低频分量的增强要弱一些,这样会使得图像边缘更加清晰。实验表明,经该方法增强后的图像,其主观视觉效果明显改善。     

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。     

直方图图像增强技术

图像增强就是通过一定的方法对图像进行处理和变换,它能有效地改善图像整体质量和局部特征,是数字图像的预处理。基于直方图均衡化和规定化处理的图像增强技术,能有效地改善图像的对比度和灰度动态范围。实验结果表明,直方图均衡化和规定化处理确能有效地改善图像的对比度和灰度动态范围,从而改善图像的可视质量。     

基于均衡化和K均值改进蚁群算法的边缘检测

研究图像特征的提取,边缘检测是图像处理中很重要的组成部分.在研究灰度图像的边缘检测问题中,根据像素灰度值的分布特点和图像的边缘特性,提出了一种基于直方图均衡化和K-均值改进蚁群算法相结合的边缘检测方法.采用直方图均衡对图像进行增强,以减小目标与背景的相似度,增大了反差,使图像细节清楚,另外采用模糊聚类的K-均值改进蚁群算法实现对图像边缘信息的快速提取.通过仿真表明方法收敛速度快,检测效果好, 具有较强的实用价值.     

结合直方图紧凑均衡的图像增强算法

鉴于现有的平台直方图均衡图像增强算法的平台阈值难于选择的问题,文中提出了一种结合直方图紧凑均衡的图像增强算法,将稀疏的直方图分布紧凑化,同时构造自适应平台阈值选取方法,增强图像的细节,限制背景和噪声。该方法克服了传统平台直方图方法整体提升,细节不突出的缺点。目前算法已经嵌入工程硬平台,针对大量低照度图像的实验结果表明,算法能够根据图像内容,自适应选择平台阈值,提升图像细节,较好地抑制背景,同时计算简单,便于实际应用。     

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。     

视频图像的邻域统计直方图均衡化增强算法

针对视频监控图像相邻帧之间场景变化小的特点,提出一种适用于视频图像的邻域统计直方图均衡化算法来提升图像的对比度。根据相邻视频帧的场景相关性,对图像当前帧进行邻域信息统计,利用Laplace算子得到前一帧图像中的背景和细节信息,从而选择合适的增强参数,生成视频图像的优化直方图。使用优化后直方图的均值点将其分割成2个部分得到各自的变换函数,对视频图像进行直方图均衡化操作。实验结果表明,该算法能够提升视频图像的对比度,保持图像的平均亮度,减弱过增强现象,保留视频中兴趣区域的细节信息。可以获得的最小绝对平均亮度误差值为1.4741,最大熵值为7.0993,最大峰值信噪比值为20.6710。     

基于直方图均衡化与MSRCR的沙尘降质图像增强算法

针对沙尘天气下图像色彩偏移严重及对比度低等问题,提出一种基于直方图均衡化与带色彩恢复的多尺度视网膜（MSRCR）增强的沙尘降质图像增强算法。通过偏色校正和图像增强两个步骤进行图像恢复,将RGB图像各通道预处理后利用限制对比度自适应直方图均衡方法得到校正后的图像,对图像采用双边滤波进行降噪处理,通过MSRCR算法进一步解决色彩失衡问题。由于处理后的图像对比度较低,存在一定色偏,利用伽马校正和基于图像分析的偏色检测及颜色校正方法进行处理得到最终结果。对大量沙尘降质图像进行仿真实验,结果表明,该算法能够有效处理不同偏色程度的沙尘图像,不仅提高了图像的对比度,而且有效避免了图像颜色偏移现象,相比GCANet、MSRCR等算法,平均时间效率提升了46.2%~94.7%。     

基于小波信息量分段调整的图像增强

针对全局直方图均衡算法中灰度级统计量与灰度级信息量之间存在的不匹配问题,该文提出一种以频域分析为辅助工具的空间域的图像增强算法。以频域中的小波信息量作为图像灰度级的统计量,对这一统计量进行了分段调整。用调整后的统计量在空间域中进行图像增强,对增强效果给出了两个评价指标。     

保持图像细节的红外图像直方图均衡算法

针对灰度图像经传统直方图均衡算法后因部分灰度级被合并而导致图像细节丢失的问题,提出了一种新的可保持图像细节的红外图像均衡算法.该算法避免了传统直方图均衡带来的灰度断层和丢失现象,对图像灰度级进行无损均衡,提高了图像质量.实验表明该算法使图像的细节和清晰度得到明显的增强。     

基于目的性优化及改进直方图均衡化的夜间彩色图像增强

夜间图像由于照明不足,存在图像对比度、亮度偏低,细节不可见,导致图像质量下降.大多夜间彩色图像增强算法往往在高对比度边缘区域存在“光晕伪影”现象,针对这些问题提出了一种基于目的性优化及改进直方图均衡化的图像增强算法.该算法通过目的性优化增强原图像对比度,最大程度地保留细节;然后采用改进的保留细节的直方图均衡化增强图像;最后采用改进的Gamma校正对图像进行增强.算法结果通过主观视觉效果以及客观质量评价2方面验证,实验结果表明该算法能够有效地增强图像对比度、亮度,恢复图像细节,并消除了“光晕伪影”.