全球计算机科学研究杂志
菜单石头:2229 - 371 x
石头:2229 - 371 x
Jatinder考尔博士* 1， Onkar Chand2
|
| 有关文章载于Pubmed，谷歌学者 |
更多相关文章请访问全球计算机科学研究杂志
对比度增强基本上是提高图像质量以获得更好的感知。它们被广泛用于图像和视频处理，以实现更宽的动态范围。有两个主要目标:对比度增强和保持图像的亮度。本文介绍了GHE、BBHE、Novel、BPDHE等各种直方图均衡化技术在相关性、峰值信噪比(PSNR)、归一化绝对误差(NAE)等方面的参数比较和仿真结果，从而提高了图像的视觉质量。
关键字 |
| 直方图均衡化，对比增强，GHE, BBHE, BPDHE，新颖 |
介绍 |
| 直方图均衡化是一种利用图像直方图进行对比度调整的图像处理方法。直方图均衡化通过有效地分散最频繁的强度值来实现这一点。它使图像的直方图的动态范围变平和拉伸，并导致整体对比度增强。由于HE的扁平化特性，它的性能要么过强，要么过弱。为了避免这个问题，Kim在1997年提出了双级直方图均衡化，它保留了给定图像的平均亮度。在该算法中，BBHE首先根据输入图像的均值将输入图像分成两个子图像。其中一个子图像是小于或等于均值的样本集合，而另一个子图像是大于均值的样本集合。然后，该算法根据子图像各自的直方图对子图像进行独立的均衡，达到了保持平均亮度[1]的效果。 |
| 其次，平均亮度保持直方图均衡化(MBPHE)方法基本上可以分为两大类，即二等分MBPHE和多分段MBPHE。二等分MBPHE群是MBPHE的最简单群。从根本上说，这些方法都是将两个截面的直方图分开。然后对这两个直方图部分进行独立均衡。这类方法的主要区别在于用于划分输入直方图[2]的标准。其次是动态直方图均衡化(Dynamic Histogram equalization, DHE)技术，控制传统的动态直方图均衡化的效果，使其在增强图像的同时不损失图像的细节。DHE基于局部极小值对图像直方图进行划分，并为每个分区分配特定的灰度范围，然后分别进行均衡。这些分区进一步经过重新分区测试，以确保没有任何主导部分。 |
| 该方法优于其他现有的方法，提高对比度，没有引入严重的副作用，如冲洗外观或不需要的人工制品[3]。保亮度动态直方图均衡化(BPDHE)实际上是对MPHEBP和DHE的扩展。与MPHEBP类似，该方法基于平滑直方图的局部最大值来划分直方图。然而，在直方图均衡化发生之前，类似于DHE。由于动态范围的变化会引起平均亮度的变化，因此该方法的最后一步涉及到输出强度的归一化。因此BPDHE可以产生几乎等于输入平均强度的输出图像，这样BPDHE可以产生更好的增强效果，满足保持图像平均亮度[4]的要求。 |
| 在新方法中，首先对图像对应的直方图进行预处理，然后对直方图进行均衡化[5]。 |
参数测量 |
| 为了验证所提出的方法，使用Matlab7.10对输入图像进行了仿真。为了评价图像增强性能，采用峰值信噪比(PSNR)、归一化绝对误差(NAE)和相关性作为标准。 |
 |
全局直方图均衡化(ghe) |
 |
 |
 |
参考文献 |
|
