第五章 图像增强技术
第五章 遥感图像处理—图像增强
特征；其余三个分量与地物特征没有明确的对应关系。
七、多元信息复合
遥感图像信息融合(Fusion)是将多源遥感数据在统一的 地理坐标系中，采用一定的算法生成一组新的信息或合
其中：
k ( g 'max g 'min ) /( gmax gmin ) 255/ 52 4.9
b g 'ij kgij 0 49 49
2、非线性拉伸
（1）指数变换
xb be
（2）对数变换
axa
c
xb b度进行分层，每一层所包含的亮度值范围可以不
同。
图像密度分割原理可以按如下步骤进行：
（1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中 n为需分割的层数；
（4）求各层的密度区间；
（5）定出各密度层灰度值或颜色。
减法运算可以增加不同地物间光谱反射率以及在 两个波段上变化趋势相反时的反差。不同时相同 一波段图像相减时，可以提取波段间的变化信息。
T M 4 影 像
T M 3 影 像
TM4-TM3影像
87 年 影 像
92 年 影 像 变化监测结果影像
（二）加法运算
B= i /m
i=1 m
加法运算可以加宽波段，如绿色波段和红色波 段图像相加可以得到近似全色图像；而绿色波 段，红色波段和红外波段图像相加可以得到全 色红外图像。
-1 -2 -1 0 0 0 1 2 1 1 2 0 -2 1 0 -1
图像增强技术讲解课件
概率
0.35 0.3
0.25 0.2
0.15 0.1
0.05 0 0 1
规定的直方图
0.3
0.2 0.15
0.2 0.15
0
2345678 灰度级
灰度切分
是一种提高图像中某个灰度级范围的亮度，使其变得 比较突出的增强对比度的方法。
基本的实现方法包括两种： ◆ 一种是给所关心的灰度范围指定一个较高的灰度 值，而给其它部分指定一个较低的灰度值或0值。 ◆ 另一种是给所关心的灰度范围指定一个较高的灰 度值，而其它部分的灰度值保持不变
灰度切分
g
g
➢实际应用中，有时需要具有特定直方图的图像 ，以便能够有目的地对图像中的某些灰度级分布 范围内的图像加以增强。
➢直方图规定化方法可以按照预先设定的某个形 状来调整图像的直方图。
5.2.3 直方图规定化
(1) 对原始直方图进行灰度均衡化
k
三
tk EHs (si ) ps (si )
i0
个
(2) 规定需要的直方图，计算能使规定直方
g0 =0.19 g1 =0.44 g2 =0.65 g3 =0.81 g4=0.89 g5=0.95 g6=0.98 g7=1
g0 = 1/7 g1 =3/7 g2 =5/7 g3 =6/7 g4 = 6/7 g5=1 g6 = 1 g7=1
例 把计算的gk就近安排到8个灰
度级中。
fk f0=0 f1=1/7 f2=2/7 f3=3/7 f4=4/7 f5=5/7 f6=6/7 f7=1
nk 790 1023 850 656 329 245 122 81
P (f k ) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
计算机视觉中的图像增强技术
图像增强技术在计算机视觉领域中扮演着重要的角色。
它可以用于改善图像的质量、增强图像的细节、减少噪音以及提高图像的对比度。
这些技术在许多领域都有广泛的应用，包括医学影像、卫星图像、安全监控、图像识别等。
在计算机视觉领域中，图像增强技术主要包括空间域增强、频域增强和直方图增强。
空间域增强是最常见的一种技术，它通过调整像素的亮度、对比度和颜色来改善图像的质量。
这种方法简单直观，易于实现。
频域增强则是通过对图像进行傅里叶变换来增强图像的频率特征，进而改善图像的清晰度和细节。
直方图增强则是通过调整图像的像素分布来增强图像的对比度和亮度。
图像增强技术在医学影像领域中有着广泛的应用。
医学影像图像通常受到噪声干扰，图像增强技术可以帮助医生更清晰地观察患者的病情，提高诊断的准确性。
此外，在卫星图像和地理信息系统中，图像增强技术也被广泛应用。
它可以帮助分析人类活动、地表覆盖和自然灾害等信息，对城市规划、环境保护和资源管理起到重要作用。
图像增强技术在安全监控领域也有着重要的应用。
通过增强监控摄像头的图像质量，可以更清晰地观察到监控区域的细节，提高监控系统的效率。
这对于保障公共安全、预防犯罪和事故具有重要意义。
在图像识别中，图像增强技术可以提高图像的质量，减少噪音和模糊，从而提高图像识别系统的准确性和稳定性。
这对于人脸识别、车辆识别、物体检测等应用具有重要意义。
值得一提的是，近年来，深度学习技术的发展也为图像增强技术的应用带来了新的机遇。
深度学习可以利用大量的图像数据进行训练，学习到图像的特征和规律，进而实现对图像的自动增强。
这为图像增强技术的自动化和智能化提供了可能，大大提高了图像增强技术的效率和准确性。
总的来说，图像增强技术在计算机视觉领域中具有重要的意义。
它不仅可以提高图像的质量和清晰度，还可以增强图像的细节，减少噪音，提高图像的对比度，从而在医学影像、卫星图像、安全监控、图像识别等领域发挥着重要作用。
随着深度学习等新技术的发展，图像增强技术有望迎来更大的发展空间，为计算机视觉技术的应用带来更多的可能性。
第5章 图像增强1
求解得到的灰度变换Sk=T(k)为
Sk tk 0 3 1
0 1 3 2 6
1 3 7 4 5
2 5
3 6
4 6 1
5 7 6
6 7 7
7 7
6
3
5
7
6
7
该图象的一个局部
均衡化后的结果
均衡化效果实例：
均衡化效果实例（续）：
12000
12000
10000
10000
8000
8000
6000
6000
4000
S=T(r)
S=T(r)
S=T(r)
r
扩展暗区
rmax
r
扩展亮区
rmax 反转： 扩展中部
r
rmax
检测某灰度范围：
S=T(r)
S=T(r)
r
rmax
r
rmax
灰度切分 将某个灰度范围变得较突出
二、直方图处理
灰度直方图 ：图像中像素灰度分布的概率密度函数，反 映一幅图像中的灰度级与出现这种灰度的概率之间的关系的 图形。
9
0 0 0 0.19 0 0.62 0 0.19
误差 0.04
0 0 0 0.01 0 0.02 0 0.01
4,5,6,7—>7
数字图像
nk p ( sk ) n 且： p( sk ) 1
k 0 K -1
n是图像中象素总数
sk代表离散灰度级
nk为图像中出现sk这种灰度的像素数 sk与p(sk)之间的关系图形称为直方图
直方图均衡化算法：
(1)统计图象中各灰度级像素个数nk; (2)计算直方图中应变量的值：pk=nk/(M×N); (3)计算累计直方图中应变量的值：sk=Σ pk; (4)取整Sk=int{(L-1)sk};
数字图像处理中的图像增强技术
数字图像处理中的图像增强技术数字图像处理是指通过计算机对图像进行处理和分析的一门学科。
图像增强技术是数字图像处理中的一个重要分支，它旨在改善图像的视觉质量，使图像更加清晰、鲜明和易于观察。
本文将介绍几种常见的图像增强技术，并探讨其原理和应用。
一、直方图均衡化直方图均衡化是一种常用的图像增强技术，它通过对图像像素的灰度值进行重新分配，使得图像的灰度分布更加均匀。
其基本原理是将原始图像的灰度直方图变换为均匀分布的直方图，从而增强图像的对比度和细节。
直方图均衡化可以应用于各种图像类型，包括黑白图像和彩色图像。
二、空间滤波空间滤波是一种基于像素邻域的图像增强技术，它通过对图像的像素进行加权平均或非线性处理，来改善图像的质量。
常见的空间滤波算法包括均值滤波、中值滤波和高斯滤波等。
均值滤波可以有效地降低图像的噪声，中值滤波可以去除图像中的椒盐噪声，而高斯滤波可以平滑图像并增强图像的边缘。
三、锐化增强锐化增强是一种通过增强图像的边缘和细节来改善图像质量的技术。
常见的锐化增强算法包括拉普拉斯算子和梯度算子等。
拉普拉斯算子可以提取图像中的高频信息，从而增强图像的边缘和细节。
梯度算子可以计算图像中每个像素的梯度值，从而增强图像的边缘和纹理。
四、多尺度变换多尺度变换是一种通过对图像进行多尺度分解和重建来实现图像增强的技术。
常见的多尺度变换算法包括小波变换和金字塔变换等。
小波变换可以将图像分解为不同频率的子带，从而提取图像的局部细节和全局结构。
金字塔变换可以将图像分解为不同分辨率的图像，从而实现图像的多尺度分析和增强。
五、颜色增强颜色增强是一种通过调整图像的颜色分布和色彩饱和度来改善图像质量的技术。
常见的颜色增强算法包括直方图匹配和色彩平衡等。
直方图匹配可以将图像的颜色分布转换为指定的目标分布，从而增强图像的色彩对比度和饱和度。
色彩平衡可以调整图像的色调、亮度和对比度，从而改善图像的整体视觉效果。
总结起来，数字图像处理中的图像增强技术有直方图均衡化、空间滤波、锐化增强、多尺度变换和颜色增强等。
数字图像处理中的图像增强技术
数字图像处理中的图像增强技术数字图像处理在现代科技中具有重要的地位。
它广泛应用于医学图像、遥感图像、安防监控图像以及各种图像数据分析等领域。
其中，图像增强技术是数字图像处理的重要分支之一。
什么是图像增强技术？图像增强是指通过数字图像处理方法，对原始图像进行改进以满足特定的应用需求。
这种技术可以提高图像的质量、清晰度、对比度和亮度，同时减少图像的噪声和失真，使图像更具辨识度和实用价值。
图像增强技术的基本原理数字图像处理中的图像增强技术有很多种。
它们有的基于像素点的局部特征，有的基于全局的规律和模型。
下面介绍几种典型的图像增强技术：1. 直方图均衡化直方图均衡化是一种典型的全局图像增强技术，它可以通过对图像灰度值分布进行调整，提高图像的对比度和亮度。
它假设在正常的摄影条件下，灰度级的分布应该是均匀的。
因此，直方图均衡化采用了一种用高频率伸展像素值的方法，将原图像的灰度级转换为更均匀的分布，从而使图像的对比度更加明显。
2. 中值滤波中值滤波是一种局部图像增强技术，是一种基于像素点的影响的方法。
它对图像中每个像素点的灰度值进行排序处理，后选取其中值为该像素点的新灰度值，这样可以消除噪声，使得模糊度和清晰度都有非常明显的改善。
3. 边缘增强边缘增强是一种同时考虑整幅图像的局部特征和全局规律的图像增强技术。
它对图像的边缘部分加权，使边缘区域更加清晰，从而提高了图像的辨识度和可读性。
边缘增强技术既可以提高图像的对比度和亮度，也可针对不同的图像类型和应用需求进行不同的定制化处理。
图像增强技术的应用数字图像处理中的图像增强技术可以广泛应用于各个领域：1. 在医学领域，图像增强技术可以帮助医生诊断疾病、评估治疗效果和进行手术规划等。
2. 在遥感领域，图像增强技术可以帮助解决地图制作中的噪声和失真问题，清晰地显示建筑物、道路和地形地貌等信息，从而提高研究和预测的准确性。
3. 在安防监控领域，图像增强技术可以通过对图像的增强处理，提高视频监控图像的清晰度和鲁棒性，以便更有效地进行安全监管和犯罪侦查。
计算机视觉中的图像增强和降噪技术
计算机视觉中的图像增强和降噪技术随着计算机视觉技术的不断发展，越来越多的图像处理算法被应用到实际问题中。
图像增强和降噪技术是其中较为基础且重要的一类算法，其作用是通过软件方法，对图像进行处理，以提高图像的质量和清晰度，减少噪声和影响，使其更符合实际应用需求。
一、图像增强技术图像增强技术是指通过软件算法或硬件设备，对图像进行处理和优化，以提高图像质量和清晰度，使其更加符合实际应用需求。
1.1 直方图均衡化直方图均衡化是一种常见的图像增强技术，它通过调整图像像素的灰度级分布，使得图像更加清晰和对比度更高。
该方法的具体实现是将图像的灰度值进行转换，使原始的灰度分布变得更加平均并且分布更加均匀，从而使图像的细节更加清晰，减少黑暗或过曝等现象。
1.2 图像锐化图像锐化是一种让图像的边缘更加清晰的处理技术。
其实现方式是通过增强图像的高频分量，使得图像的边界更加明显，同时减少图像模糊和信息损失的现象。
图像锐化可以通过拉普拉斯算子、Sobel算子等滤波器实现。
1.3 图像去除模糊图像的模糊是由于拍摄时使用的快门速度过慢或手持相机抖动等原因造成的。
在计算机视觉中，模糊会导致图像的细节损失和信息丢失。
图像去除模糊技术可以通过维纳滤波器、逆滤波器等方法恢复出原始图像中的细节。
二、图像降噪技术图像降噪技术是指使用软件或硬件算法，从图像中剔除其中的噪声，以提高图像的质量和清晰度。
图像噪声通常是由于传感器噪声和信号环境噪声的影响而产生的。
2.1 中值滤波中值滤波是一种基本的图像降噪技术。
它通过在每个像素周围的像素中计算中值来去除噪声。
该算法的优点是计算简单，不需要任何额外的参数调整，但是在去除噪声的同时，图像的细节也会受到一定程度的影响。
2.2 高斯滤波高斯滤波是一种基于高斯函数的图像降噪算法，它可以有效地去除图像中的高斯噪声。
该算法通过对图像中每个像素周围的像素进行加权平均，实现降噪功能。
高斯滤波算法具有比中值滤波更好的平滑性和去噪效果。
计算机视觉中的图像增强技术
计算机视觉中的图像增强技术图像增强技术是计算机视觉领域中的重要研究方向之一，旨在提高图像质量和增强图像的细节。
通过使用各种算法和技术，图像增强能够改善图像的亮度、对比度、清晰度等方面，使图像更加逼真和易于分析处理。
本文将介绍几种常见的计算机视觉中的图像增强技术。
一、直方图均衡化直方图均衡化是一种常见的图像增强技术，通过调整图像的像素值分布，使得图像在亮度和对比度上得到改善。
该技术基于直方图的分析，将图像的像素值映射到较广的范围内，使得亮度水平更加均衡。
直方图均衡化可以应用于灰度图像和彩色图像，并且对于各种类型的图像效果良好。
二、模糊和锐化模糊和锐化是图像增强中常用的技术。
模糊技术可以减少图像的噪声和细节，使得图像更加平滑。
常见的模糊技术包括高斯模糊、均值模糊等。
锐化技术则相反，可以增强图像的边缘和细节，使得图像更加清晰。
锐化技术常用的方法有拉普拉斯锐化、边缘增强等。
三、增强滤波增强滤波是一种基于图像频域分析的增强技术。
该技术通过对图像进行频域变换，提取频域信息，然后根据图像的特点进行相应的增强处理。
常见的增强滤波技术包括快速傅里叶变换（FFT）、小波变换等。
增强滤波可以有效地去除图像的噪声和模糊，提高图像的品质。
四、对比度增强对比度增强是一种提高图像亮度差异的技术。
该技术通过调整图像的像素值，使得图像中的亮部和暗部之间的差异更加明显，提高图像的视觉效果。
对比度增强常用的方法有直方图拉伸、对比度增强函数等。
对比度增强可以使图像中的细节更加鲜明，提高图像的可视化效果。
五、超分辨率重建超分辨率重建是一种特殊的图像增强技术，旨在提高图像的分辨率和细节。
该技术可以通过多帧图像的融合、插值和恢复等方法，使得图像的细节更加清晰，增强图像的可见细节。
超分辨率重建常用的算法包括基于插值的方法、最小二乘法等。
总结：计算机视觉中的图像增强技术是提高图像质量和增强图像细节的重要手段。
本文介绍了几种常见的图像增强技术，包括直方图均衡化、模糊和锐化、增强滤波、对比度增强和超分辨率重建。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图像增强技术
目标：改善图象质量/改善视觉效果 标准：相当主观，因人而异 没有完全通用的标准
可以有一些相对一致的准则
技术：“好”，“有用”的含义不相同
具体增强技术也可以大不相同
图 象 增 强 方 法
5.2.1
图像灰度映射
映射： 改变像素灰度 (1) 图像求反 (2) 增强对比度 (3) 压缩动态范围
5.2.3
直方图规定化
直方图规定化的思想：
设 Pr (r ) 和 P ( z)分别表示原始图像和目标图像灰度 分布的概率密度函数，直方图规定化就是建立 P (r) 和 P ( z) 之间的联系 。 首先对原始图像进行直方图均衡化 处理，即求变换函数：
z
r
z
s T (r )
r
0
Pr ( )d
k
k
(1)
基本步骤:
(1) 求出图像中所包含的灰度级fk,可以定为0~L-1,
(2) 统计各灰度级的像素数目nk (k=0,1,2,„L-1)
(3) 计算图像直方图
ni (4) 计算变换函数：g T ( f ) p f ( fi ) k k
i 0 i 0
k
k
n
(5) 用变换函数计算映射后输出的灰度级gk
（1）求变换函数gk
ni gk T ( f k ) p f ( f i ) i 0 i 0 n
k
k
g0 = Pf(f0) =0.19 g1 = Pf(f0) + Pf(f1)=0.19+0.25= 0.44 g2 = Pf(f0) + Pf(f1) + Pf(f2) =0.19+0.25+0.21= 0.65 g3 = Pf(f0) + Pf(f1) + Pf(f2) + Pf(f3) =0.19+0.25+0.21+0.16= 0.81 g4= Pf(f0) + Pf(f1) + Pf(f2) + Pf(f3) + Pf(f4) =0.19+0.25+0.21+0.16+0.08= 0.89 g5= Pf(f0) + Pf(f1) + Pf(f2) + Pf(f3) + Pf(f4) + Pf(f5) = 0.19+0.25+0.21+0.16+0.08+0.06= 0.95 g6= Pf(f0) + Pf(f1) + Pf(f2) + Pf(f3) + Pf(f4) + Pf(f5) + Pf(f6) = 0.19+0.25+0.21+0.16+0.08+0.06 +0.03=0.98 g7= Pf(f0) + Pf(f1) + Pf(f2) + Pf(f3) + Pf(f4) + Pf(f5) + Pf(f6) + Pf(f7) = 0.19+0.25+0.21+0.16+0.08+0.06 +0.03+0.02= 1
◆ 另一种是给所关心的灰度范围指定一个较高的灰
度值，而其它部分的灰度值保持不变
灰度切分
g
255
g
255
g
255
0
a
b 255 f
0
a
b 255 f
0
a
b 255 f
（ a）
（b）
（c）
灰度切分的基本方法图示
5.2.2
直方图
直方图均衡化
1-D的离散函数 提供了原图的灰度值分布情况，描述了图 像中各灰度值的像素个数。 改变直方图的形状可改善视觉效果
(2)用变换函数计算映射后输出的灰度级: 原图像的灰度只有8级, 所以gk需以1/7为量化单位进行舍入运算。（1/7=0.14 2/7=0.29 3/7=0.43 4/7=0.57 5/7=0.72 6/7=0.86 7/7=1）
g0 =0.19 g1 =0.44 g2 =0.65 g3 =0.81 g4=0.89 g5=0.95 g6=0.98 g7=1
g0 = 1/7 g1 =3/7 g2 =5/7 g3 =6/7 g4 = 6/7 g5=1 g6 = 1 g7=1
例
把计算的gk就近安排到8个灰 度级中。
nk 790 1023 850 656 329 245 122 81
fk f0=0 f1=1/7 f2=2/7 f3=3/7 f4=4/7 f5=5/7 f6=6/7 f7=1
5.2.3
直方图规定化
(1) 对原始直方图进行灰度均衡化
三 个 步 骤
tk EH s ( si ) ps ( si )
i 0
k
(2) 规定需要的直方图，计算能使规定直方 图均衡化的变换
vl EH u (u j ) pu (u j )
j 0 l
(3) 将原始直方图对应映射到规定直方图
P (f k ) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
例
步骤：
fk f0=0 f1=1/7 f2=2/7 f3=3/7 f4=4/7 f5=5/7 f6=6/7 f7=1 nk 790 1023 850 656 329 245 122 81 P (f k ) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
P (f k ) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
g k计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
g k舍入 1/7 3/7 5/7 6/7 6/7 1 1 1
(3)统计映射后各灰度级的像素数目n i：
由上舍入结果可见，均衡化后的灰度级仅有5级，分别是 g0 = 1/7 ；g1 =3/7 ；g2 =5/7 ；g3 =6/7 ；g4 = 1
(6) 统计映射后新的灰度级gk的像素数目nk
(7) 计算输出图像的直方图
例
例：设图象有64*64=4096个象素，有8个灰度级， 灰度分布如表所示。进行直方图均衡化。
fk f0=0 f1=1/7 f2=2/7 f3=3/7 f4=4/7 f5=5/7 f6=6/7 f7=1
nk 790 1023 850 656 329 245 122 81
1、图像求反
将原图灰度值翻转
t L 1 s
2、增强对比度
增强原图各部分之间的反差
L-1 t 0
s2～L-1之 间的动态范 围减小
(s2,t2) s1～s2之间的动 L-1 态范围增加， 对比度增强
EH(s)
0～s1之间 的动态范 围减小
(s1,t1) s
s1,s2,t1,t2取不同的 值，得到不同效果
fk f0=0 f1=1/7 f2=2/7 f3=3/7 f4=4/7 f5=5/7 f6=6/7 f7=1
P (g k ) 0.19 0.25 0.21
0.24 0.11
448
(4)计算输出图像的直方图:
例
均衡化前后直方图比较
直方图均衡化
直方图均衡化
直方图均衡化实质上是减少图像的 灰度级以换取对比度的加大。在均衡 过程中，原来的直方图上频数较小的 灰度级被归入很少几个或一个灰度级 内，故得不到增强。若这些灰度级所 构成的图像细节比较重要，则需采用 局部区域直方图均衡。
原始图象
非线性灰度变换 对数效应
非线性灰度变换 指数效应
返回
4、阶梯量化
将图像灰度分阶段量化成较少的级数
获得数据量压缩的效果
5、阈值切分
增强图只剩高图像中某个灰度级范围的亮度，使其变得
比较突出的增强对比度的方法。 基本的实现方法包括两种： ◆ 一种是给所关心的灰度范围指定一个较高的灰度 值，而给其它部分指定一个较低的灰度值或0值。
灰度映射原理
灰度映射是一种基于图像像素的点操作
映射函数：t = T(s)
需增强的原始图像 对其增强后的增强图
灰度映射原理
根据增强的目的设计某种映射规则，并用相 应的映射函数来表示 利用映射函数可将原始图像中每个像素的灰 度都映射到新的灰度
灰度映射原理
按比例线性扩展 线性
分段线性扩展
直接灰度变换 对数扩展 非线性 指数扩展
非均匀分布的直方图
均匀分布的直方图
直方图均衡化 目标
直方图均衡化
要找到一种变换函数(增强函数) S=T ( r ) 使直方图变平直，为使变换后的灰度仍保持 从黑到白的单一变化顺序，且变换范围与原 先一致，以避免整体变亮或变暗。
增强函数
(1) 单值单增函数 (2) 变换前后灰度值动态范围一致
5.2.2
直方图均衡化
直方图均衡化
借助直方图变换实现灰度映射
均衡化基本思想
变换原始图的直方图为均匀分布
增加像素灰度值的动态范围从而增强图像
整体对比度
对比度较高图象的直方图 P (r k)
r
k
5.2.2
直方图均衡化
原理 首先假定连续灰度级的情况，推导直方图均 衡化变换公式，令r 代表灰度级，P ( r ) 为概 率密度函数。r 值已归一化，最大灰度值为1。
原图较暗且动态范 围小 原图 像及 直方 图 在直方图中 的表现是直 方图灰度范 围窄且集中 在低灰度值 区域。
均衡 后的 图像 及直 方图 图像的反差大了， 细节清楚了
现在直方图 占据了整个 图像灰度值 的允许范围， 增加了图像 的动态范围。