直方图图像增强技术
图像增强的方法有哪些
图像增强的方法有哪些
图像增强是指通过一系列的处理方法，改善图像的视觉质量，使图像更加清晰、鲜艳、易于识别和理解。
图像增强的方法有很多种，下面我们将介绍其中一些常见的方法。
首先，直方图均衡化是一种常用的图像增强方法。
直方图均衡化通过重新分配图像的像素值，使得图像的直方图变得更加均匀，从而增强图像的对比度和亮度分布，使图像更加清晰和易于识别。
其次，滤波是另一种常见的图像增强方法。
滤波通过应用不同的滤波器来去除图像中的噪声，增强图像的边缘和细节，改善图像的质量。
常见的滤波方法包括均值滤波、高斯滤波、中值滤波等。
另外，锐化也是一种常用的图像增强方法。
锐化通过增强图像的边缘和细节，使图像更加清晰和鲜艳。
常见的锐化方法包括拉普拉斯算子、Sobel算子、Prewitt算子等。
此外，对比度增强也是一种常见的图像增强方法。
对比度增强通过调整图像的对比度和亮度，使图像的细节更加突出，从而改善图像的质量。
常见的对比度增强方法包括伽马校正、对比度拉伸、
直方图匹配等。
最后，多尺度变换也是一种常用的图像增强方法。
多尺度变换通过将图像分解成不同尺度的子图像，然后对每个子图像进行增强处理，最后合成得到增强后的图像，从而改善图像的质量。
总的来说，图像增强的方法有很多种，每种方法都有其特点和适用范围。
在实际应用中，可以根据图像的特点和需求选择合适的增强方法，从而达到改善图像质量的目的。
希望以上介绍的方法对您有所帮助。
如何使用图像处理技术进行图像的色彩增强和颜色校正
如何使用图像处理技术进行图像的色彩增强和颜色校正图像处理技术在数字图像处理领域中扮演着重要的角色，其中包括了图像的色彩增强和颜色校正。
这些技术能够改善图像的视觉效果和色彩准确性，提高图像品质，并支持许多应用领域，如摄影、印刷、医学图像等。
本文将介绍如何使用图像处理技术进行图像的色彩增强和颜色校正。
我们将讨论图像的色彩增强技术。
色彩增强可以使图像更加鲜艳、生动，并提高视觉效果。
以下是一些常见的色彩增强技术。
1. 色彩平衡：色彩平衡是通过调整图像的色彩分布来改善图像的整体色彩平衡。
主要有三个通道，即红、绿、蓝（RGB）。
通过调整这些通道的比例，可以更好地平衡图像的色彩。
色彩平衡可以通过调整白平衡等参数来实现。
2. 对比度调整：对比度调整是通过改变图像的亮度范围，使得图像的明暗对比更加明显。
这可以通过调整图像的灰度级范围来实现。
增加对比度可以使图像细节更加清晰，增强图像的深度感。
3. 色度饱和度调整：色度饱和度调整可以改变图像中颜色的饱和度。
通过增加或减少颜色的饱和度，可以使图像更加鲜艳或柔和。
这可以通过调整HSL（色相、饱和度、亮度）或HSV（色相、饱和度、值）空间中的参数来实现。
接下来，我们将介绍图像的颜色校正技术。
颜色校正旨在调整图像中的颜色，使其更接近真实场景中的颜色。
以下是一些常见的颜色校正技术。
1. 直方图均衡化：直方图均衡化是一种常用的图像增强方法，它通过调整图像的灰度级分布来改善图像的对比度。
它可以使图像的直方图在整个灰度级范围内均匀分布，从而增强图像的细节和对比度。
2. 色彩映射：色彩映射可以将图像的颜色映射到另一个图像或颜色空间中的对应颜色。
这可以通过使用预定义的颜色映射表或根据特定的颜色映射算法来实现。
色彩映射可以用于将图像从一种颜色空间转换为另一种颜色空间，或者用于改变图像的颜色外观。
3. 基于模型的颜色校正：基于模型的颜色校正方法使用了一个颜色模型，该模型描述了颜色之间的关系。
如何进行高效的图像增强和降噪
如何进行高效的图像增强和降噪图像增强和降噪是数字图像处理中的重要任务之一。
它们的目的是改善图像的视觉质量和可视化细节，并消除图像中的不必要的噪声。
在本文中，我将介绍一些常用的图像增强和降噪技术，以及一些实现这些技术的高效算法。
一、图像增强技术1.灰度变换：灰度变换是一种调整图像亮度和对比度的常用技术。
它可以通过改变灰度级来增加图像的对比度和动态范围，提高图像的视觉效果。
2.直方图均衡化：直方图均衡化是通过重新分配图像灰度级来增加图像对比度的一种方法。
它通过改变图像的直方图来增强图像的细节和对比度。
3.双边滤波：双边滤波是一种能够保留图像边缘信息，同时消除噪声的滤波技术。
它能够通过平滑图像来改善图像的质量，同时保持图像的细节。
4.锐化增强：锐化增强是一种通过增加图像的高频分量来提高图像的清晰度和细节感的方法。
它可以通过增加图像的边缘强度来突出图像的边缘。
5.多尺度增强：多尺度增强是一种通过在多个尺度上对图像进行增强来提高图像视觉质量的方法。
它可以通过提取图像的不同频率分量来增强图像的细节和对比度。
二、图像降噪技术1.均值滤波：均值滤波是一种常见的降噪方法，它通过将像素值替换为其周围像素的均值来减少噪声。
然而，它可能会导致图像的模糊，特别是在对边缘等细节进行处理时。
2.中值滤波：中值滤波是一种基于排序统计理论的降噪方法，它通过将像素值替换为其周围像素的中值来消除噪声。
相比于均值滤波，中值滤波能够在去除噪声的同时保留图像的边缘细节。
3.小波降噪：小波降噪是一种利用小波变换的降噪方法，它在时频域上对图像进行分析和处理。
它能够通过消除噪声的高频分量来降低图像的噪声水平。
4.非局部均值降噪：非局部均值降噪是一种通过将像素值替换为与其相似的像素均值来减少噪声的方法。
它能够通过比较像素的相似性来区分图像中的噪声和细节，并有选择地进行降噪。
三、高效实现图像增强和降噪的算法1.并行计算：利用并行计算技术，如GPU加速、多线程等，在处理图像增强和降噪算法时，可以提高计算效率和算法的实时性。
图像增强算法（直方图均衡化、拉普拉斯、Log、伽马变换）
图像增强算法（直⽅图均衡化、拉普拉斯、Log、伽马变换）⼀、图像增强算法原理图像增强算法常见于对图像的亮度、对⽐度、饱和度、⾊调等进⾏调节，增加其清晰度，减少噪点等。
图像增强往往经过多个算法的组合，完成上述功能，⽐如图像去燥等同于低通滤波器，增加清晰度则为⾼通滤波器，当然增强⼀副图像是为最后获取图像有⽤信息服务为主。
⼀般的算法流程可为：图像去燥、增加清晰度（对⽐度）、灰度化或者获取图像边缘特征或者对图像进⾏卷积、⼆值化等，上述四个步骤往往可以通过不同的步骤进⾏实现，后续将针对此⽅⾯内容进⾏专题实验，列举其应⽤场景和处理特点。
本⽂章是⼀篇综合性⽂章，算是⼀篇抛砖引⽟的⽂章，有均衡化、提⾼对⽐度、降低对⽐度的算法。
1.1 基于直⽅图均衡化的图像增强图像对⽐度增强的⽅法可以分为两种：直接对⽐度增强⽅法，间接对⽐度增强⽅法。
直⽅图拉伸和直⽅图均衡化是常见的间接对⽐度增强⽅法。
直⽅图拉伸是利⽤对⽐度拉伸对直⽅图进⾏调整，扩⼤前景和背景灰度的差别，这种⽅法可以通过线性和⾮线性的⽅法来实现，其中ps中就是利⽤此⽅法提⾼对⽐度；直⽅图均衡化则是利⽤累积函数对灰度值进⾏调整，实现对⽐度的增强。
直⽅图均衡化处理原理：将原始图像的灰度图从⽐较集中的某个灰度区间均匀分布在整个灰度空间中，实现对图像的⾮线性拉伸，重新分配图像像素值。
算法应⽤场景：1、算法的本质是重新分布图像的像素值，增加了许多局部的对⽐度，整体的对⽐度没有进⾏太⼤改变，所以应⽤图像为图像有⽤数据的对⽐度相近是，例如：X光图像，可以将曝光过度或曝光不⾜照⽚进⾏更好的显⽰，或者是背景及前景太亮或太暗的图像⾮常有⽤。
2、算法当然也有缺点，具体表现为：变换后的图像灰度级减少，某些细节减少；某些图像有⾼峰值，则处理后对⽐度不⾃然的过分增强。
算法实现特点：1、均衡化过程：直⽅图均衡化保证在图像像素映射过程中原来的⼤⼩关系保持不变，即较亮的区域依旧较亮，较暗的依旧较暗，只是对⽐度增加，不能明暗颠倒；保证像素映射函数的值域在0和255之间。
图像处理中的图像增强算法比较研究
图像处理中的图像增强算法比较研究引言：图像增强是图像处理领域的重要任务之一。
图像增强旨在提升图像的视觉质量和可读性。
随着科技的进步，图像增强算法得到了广泛的应用。
本文将比较几种常见的图像增强算法，分析其优缺点，并探讨其在不同应用场景中的适用性。
一、直方图均衡化算法直方图均衡化是一种常用的图像增强方法，通过对图像的像素强度进行转换，使得像素的直方图分布更均匀。
该算法可以扩展图像的动态范围，增强图像的对比度。
优点：1. 简单易实现：直方图均衡化算法的原理简单，易于实现。
2. 高效性：直方图均衡化可以快速地对图像进行处理，适用于实时应用。
3. 对细节增强效果好：直方图均衡化算法能够增强图像的对比度，使得图像细节更加清晰。
缺点：1. 无法保持局部对比度：直方图均衡化算法是全局算法，无法保持图像的局部对比度。
2. 易产生过增强现象：在某些情况下，直方图均衡化算法容易使得图像的背景过亮或过暗。
3. 非线性处理：直方图均衡化是一种非线性处理方法，可能对图像的灰度分布造成较大的变化。
适用场景：1. 增强图像对比度：直方图均衡化算法可以有效增强图像的对比度，使得图像更加清晰。
2. 实时图像处理：由于直方图均衡化算法的高效性，适用于实时图像处理应用。
3. 对细节要求不高的图像：直方图均衡化算法具有一定的局限性，适用于对细节要求不高的图像。
二、拉普拉斯金字塔增强算法拉普拉斯金字塔增强算法是一种基于金字塔理论的图像增强方法。
该算法通过构建图像的拉普拉斯金字塔，对不同层次的图像进行增强处理，最后再重建原始图像。
优点：1. 保留了图像的细节：拉普拉斯金字塔增强算法通过在不同层次上增强图像，可以有效地保留图像的细节。
2. 自适应性：该算法可以根据不同图像的特点自适应地进行增强处理。
3. 对边缘提取效果好：拉普拉斯金字塔增强算法对于边缘的提取有良好的效果。
缺点：1. 计算复杂度高：拉普拉斯金字塔增强算法需要构建金字塔结构，并进行多次图像卷积操作，计算复杂度较高。
图像增强的方法有哪些
图像增强的方法有哪些
图像增强的方法包括以下几种：
1. 直方图均衡化（Histogram equalization）：通过调整图像的像素分布，增强图像的对比度。
2. 自适应直方图均衡化（Adaptive histogram equalization）：与直方图均衡化类似，但是对图像的小区域进行局部均衡化，可以更好地保留细节信息。
3. 均值滤波（Mean filter）：用图像中像素的平均值替代该像素的值，平滑图像的同时增强细节。
4. 中值滤波（Median filter）：用图像中像素的中值替代该像素的值，能够有效去除椒盐噪声，保留图像边缘。
5. 高斯滤波（Gaussian filter）：使用高斯函数对图像进行平滑，可以模糊图像的同时去除噪声。
6. 锐化增强（Sharpening）：利用锐化算子对图像进行卷积，突出图像的边缘和细节。
7. 退化与恢复（Degradation and restoration）：通过建立图像模糊模型和噪
声模型，对退化图像进行恢复。
8. 增强滤波（Enhancement filter）：通过设计特定的增强滤波器，对图像进行增强，如Sobel滤波器、Prewitt滤波器等。
9. 超分辨率（Super-resolution）：通过使用多帧图像或者其他方法，提高低分辨率图像的细节和清晰度。
以上仅是图像增强的一些常见方法，随着图像处理技术的不断发展，还有很多其他方法可以用于图像增强。
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。
图像处理中的图像增强方法对比与分析
图像处理中的图像增强方法对比与分析导语：在图像处理领域中，图像增强是一个重要的技术，用于改善图像的质量和清晰度。
随着计算机视觉和机器学习的发展，各种图像增强方法被提出和应用于不同领域，如医学影像、卫星图像等。
本文将对几种常见的图像增强方法进行对比与分析，包括直方图均衡化、灰度拉伸、滤波和深度学习。
一、直方图均衡化直方图均衡化是一种通过调整图像的像素灰度分布来增强图像对比度和亮度的方法。
该方法基于直方图的统计特性，可以将原始图像的像素值重新映射到更广泛的范围内，以获得更丰富的灰度级。
直方图均衡化对均匀分布和低对比度的图像效果较好，但对于具有极大动态范围和特定区域灰度差异的图像效果可能不理想。
并且，它也容易产生过度增强的效果，导致图像细节丢失。
二、灰度拉伸灰度拉伸是一种通过重新分配图像的像素灰度级以增加图像对比度的方法。
它基于简单的线性变换，将图像的最低灰度级映射到最小灰度值，将最高灰度级映射到最大灰度值，而中间的灰度级按比例进行映射。
灰度拉伸适用于具有低对比度的图像，可以有效增强图像的细节和边缘。
然而，灰度拉伸方法需要手动选择合适的灰度级范围，并且无法处理非线性关系和部分区域的对比度差异。
三、滤波滤波是一种基于图像频谱的增强方法，通过去除图像中的噪声和模糊以提高图像质量。
滤波方法包括低通滤波和高通滤波。
低通滤波可以平滑图像并去除高频噪声，常用的滤波器包括均值滤波和高斯滤波。
高通滤波可以增强图像的边缘和细节，常用的滤波器包括拉普拉斯滤波和Sobel滤波器。
滤波方法可以较好地增强图像的细节和对比度，但也可能导致图像的细节损失和边缘模糊。
四、深度学习深度学习是一种基于人工神经网络的图像增强方法，它通过训练模型学习图像的特征和映射关系，以生成更高质量的图像。
深度学习方法可以根据不同任务和需求进行适应性调整和优化，具有较强的非线性建模和适应能力。
随着深度学习算法的不断发展和硬件计算能力的提升，该方法在图像增强方面取得了许多重要的突破。
- 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)。
Computer Knowledge and Technology 电脑知识与技术第7卷第4期(2011年2月)直方图图像增强技术龙清（重庆广播电视集团（总台），重庆401147）摘要：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。
关键词：图像增强；直方图；均衡化；规定化；灰度级；MATLAB中图分类号：TP391文献标识码：A 文章编号：1009-3044(2011)04-0883-04The Image Enhancement Based on HistogramLONG Qing(Chongqing Radio &TV Group (Station),Chongqing 401147,China)Abstract:Image enhancement which is also called image pre-processing ,can improve the visual quality of the whole and partial image,by transforming the image's data according to some special methods.The image enchancement based on histogram equalization and specifica -tion can improve the contrast details and the dynamic range of gray level of the image.The MATLAB experiments demonstrate that the image enchancement based on histogram equalization and specification actually make the image better in vision.Key words:image enhancement;histogram;equalization;specification;gray level;MATLAB在图像摄取、传输和变换过程中，由于受到系统噪声、曝光不足（或过量）以及相对运动等因素影响，获取的图像往往会与原始图像之间产生某些差异(称为降质或退化)。
降质后的图像质量变差，从中提取的信息量减少，甚至出现错误信息。
图像增强技术可以根据图像的模糊情况，采用各种特殊的技术手段来突出图像中的某些信息，削弱或消除无关信息，达到整体或局部改善图像质量的目的。
目前，图像增强技术还没有统一的技术标准，采用的方法也有所不同，常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等方法。
本文将着重分析基于直方图修改的图像增强技术。
1图像增强图像增强就是通过一定的方法给原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征，抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。
在图像增强过程中，不用分析图像降质的原因，处理后的图像不一定完全逼近原始图像。
增强图像可以是一个失真的过程，其目的就是要改善图像的视觉效果。
针对给定图像的应用场合，有目的地选择强调图像的整体特征或局部特征，将原来模糊的图像变得清晰，扩大图像中不同物体之间的特征差别，改善图像质量，丰富信息量，加强图像判读和识别效果，从而满足某些特殊分析的需要。
灰度是图像的一个重要技术指标，对图像灰度的研究有着广泛的代表意义，本文将以灰度图像作为研究对象。
对于灰度图像来说，所有的像素都可以用灰度来表示，其图像灰度的亮度函数（阵列）大于零。
2灰度直方图直方图又称柱状图，就是相对将一个变量的不同等级的频数用柱状线标绘的图表。
灰度直方图反映了数字图像中每一灰度级与其出现频率之间的统计关系，可表达为：p(r k )=n k /nk=0,1,2…L-1其中，n 为图像像素总数，r k 表示第k 个灰度级，n k 表示图像中灰度级r k 出现的像素的个数，p(r k )表示灰度级r k 出现的概率。
灰度直方图是一个概率密度函数，如果图像的灰度级都集中在很窄的灰度范围内，则表明该图像的灰度取值动态范围小，相应的图像对比度较低；如果图像的灰度级比较均匀地分布在较大的灰度范围内，则表明该图像具有较大的灰度动态范围，相应的图像具有较大的对比度。
灰度直方图给出了关于图像概貌的一个总体描述，从灰度图中可以知道图像的灰度范围、每个灰度级的出现频率、灰度级的分布、整幅图像的平均明暗和对比度等情况，为进一步处理图像提供了重要的依据。
通过有针对性地改变直方图的灰度分布状况，使灰度均匀地或按预期目标分布于整个灰度范围，从而达到增强图像的效果。
3直方图均衡化3.1整体直方图均衡化直方图均衡化就是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像。
它以收稿日期：2011-01-18作者简介：龙清（1966-），男，重庆广播电视集团（总台）高级工程师，硕士，曾在《电视技术》、《光通信技术》等杂志上发表过文章。
E-mail:eduf@ Tel:+86-551-56909635690964ISSN 1009-3044Computer Knowledge and Technology电脑知识与技术Vol.7,No.4,February 2011,pp.883-886Computer Knowledge and Technology电脑知识与技术第7卷第4期(2011年2月)概率论为基础，运用灰度点运算来实现，从而达到增强图像的目的。
它的变换函数取决于图像灰度直方图的累积分布函数。
概括地说，就是把一已知灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀概率分布的新图像。
当图像的直方图为一均匀分布时，图像的信息嫡最大，此时图像包含的信息量最大，图像就显得明亮清晰。
直方图均衡化变换函数如图1所示，设r、s分别表示原图像和增强后图像的灰度。
为了简单，假定所有像素的灰度已被归一化。
当r=s=0时，表示黑色;当r=s=1时，表示白色;当r、s在[0,1]之间时，表示像素灰度在黑白之间变化。
灰度变换函数为：S=T(r)它满足如下两个条件：(1)0≤r≤1，T(r)单调增加。
(2)0≤r≤1，0≤T(r)≤1。
第1个条件保证原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列次序，第2个条件保证变换前后灰度值动态范围的一致性。
直方图均衡化涉及到连续变化图像和离散图像的均衡化问题，首先讨论连续变化图像的均衡化。
对于一幅图像，每一像素点的灰度级r可以看作是[0,1]区间上的随机变量。
假定r是连续变量，则可用概率密度函数p r(r)表示图像的灰度级分布，用概率密度函数p s(s)表示变换后的灰度级分布，而随机变量s是r的函数。
现在要找出一个变换T(r)，使得图像经过此变换处理后，其概率密度函数p r(r)在新图中变换成p s(s)。
在概率论中我们知道，任何一个随机变量，其概率分布函数都是在[0,1]之间变化的单调增加的单值函数，刚好满足变换要求的两个条件。
因此，取：等式右端即为随机变量r的分布函数。
作为随机变量r的函数S，其概率分布函数为：相应的概率密度函数为：由S=T(r)可得：带入上式可得：就是说，当取变换s=T(r)为被变换图像的概率分布函数时，则所得到的变换后的图像概率分布密度必然是归一化均匀分布的，这一函数称为直方图累积分布函数。
上述结论可以推广到离散情况。
前面提到，对于一幅像素数为n，灰度范围为[0,L-1]的图像，其灰度直方图可表达为：P r(r k)=n k/n k=0,1,…L-1，其中r k表示第k个灰度级，n k表示图像中r k出现的像素的个数，P r(r k)为r k出现的概率。
由此可得直方图均衡化变换函数，即图像的灰度累积分布函数S k为：S k为归一化灰阶。
概括起来，直方图均衡化过程如下：1)计算原图像的灰度直方图P r(r k)。
2)计算原图像的灰度累积分布函数S k，进一步求出灰度变换表。
3)根据灰度变换表，将原图像各灰度级映射为新的灰度级。
大多数自然图像由于其灰度分布集中在较窄的区间，引起图像细节不够清晰。
采用直方图均衡化后可使图像的灰度间距拉开或使灰度均匀分布，从而增大反差，使图像变得清晰，达到增强的目的。
3.2局部直方图均衡化在某些特定场合，有时也需要对图像中某些较小区域内的细节进行增强。
在这些小区域内，其像素的个数对全局变换函数的影响可能小到可以被忽略的程度。
因此，在利用整体增强方法对图像进行增强时，就不一定能保证所感兴趣的小区域得到所期望的增强效果。
为了解决这一问题，构造一个基于像素邻域灰度分布的交换函数，将直方图处理的方法移植到局部增强技术中。
为了实现图像的局部增强，先定义一个邻域，在邻域内确定一个像素作为中心，计算出灰度直方图，利用这个直方图进行直方图均衡化处理，接下来将邻域中心移到相邻像素并重复以上过程，多次计算后即可实现该邻域内图像的局部增强。
应用局部直方图均衡化对一幅M×N像素的图像进行增强，对于图像的任意一个像素(x,y)，在以该像素为中心的邻域内计算其局部直方图累积分布函数(即局部灰度变换函数)，并对中心像素(x,y)进行灰度变换。
邻域通常取为矩形区域，大小为W×W。
对图像中每一点(x,y)，计算以它为中心的矩形区域内的直方图：其中，n k表示矩形区域中灰度级r k出现的像素的个数，计算累积分布函数，然后对像素点(x,y)做灰度变换即可。
这个方法只有一个控制参数即矩形区域的大小W，它对处理结果会产生很大的影响，应用时要选择合适的窗口大小，关于选择图1直方图均衡化变换函数Computer Knowledge and Technology电脑知识与技术第7卷第4期(2011年2月)窗口大小的一般原则是：小窗口更能增强图像的局部细节信息，大窗口使整幅图像看起来效果更好。
但小窗口在增强图像细节的同时，也引入了大量噪声，容易出现图像过增强的现象；大窗口对细节的增强程度不如小窗口好，但引入的噪声较少。
局部直方图均衡化是一种自适应的方法，随着窗口的增大，计算的数据量急剧增加。
直方图均衡化的实质是减少图像的灰度等级以换取对比度的扩大。
4直方图规定化由于直方图均衡化是根据图像灰度信息自动地增强图像的对比度，所以直方图均衡化只能产生一种结果，即给定一幅图像，直方图均衡化后的结果是唯一的。