基于图像增强直方图
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对图像进行处理，以改善其视觉质量或提取出更多的有用信息。
在数字图像处理领域，图像增强是一个重要的研究方向，它涉及到许多方法和技术。
本文将介绍几种常见的图像增强方法，包括灰度拉伸、直方图均衡化、滤波和锐化等。
这些方法可以应用于各种领域，如医学图像处理、遥感图像处理和计算机视觉等。
灰度拉伸是一种简单而有效的图像增强方法。
它通过拉伸图像的灰度范围，使得图像的对比度得到增强。
具体而言，灰度拉伸会将图像的最小灰度值映射到0，最大灰度值映射到255，中间的灰度值按比例进行映射。
这样可以使得图像的整体对比度得到提高，从而更容易观察和分析图像中的细节。
另一种常见的图像增强方法是直方图均衡化。
直方图均衡化通过重新分布图像的灰度级别，以使得图像的直方图更加均匀。
这样可以增强图像的对比度，使得图像中的细节更加清晰。
直方图均衡化在医学图像处理中得到了广泛的应用，可以帮助医生更准确地诊断疾病。
滤波是图像处理中常用的一种技术，它可以用来增强图像的特定特征或去除图像中的噪声。
常见的滤波方法包括均值滤波、中值滤波和高斯滤波等。
这些滤波方法可以根据图像的特点和需要进行选择，从而达到增强图像质量的目的。
除了滤波之外，锐化也是一种常见的图像增强方法。
锐化可以使图像中的边缘和细节更加清晰，从而提高图像的视觉质量。
常见的锐化方法包括拉普拉斯算子和Sobel算子等。
这些方法可以通过增强图像中的高频信息来使图像更加清晰。
综上所述，图像增强是图像处理中的一个重要环节，它可以帮助我们改善图像的质量，提取出更多的有用信息。
本文介绍了几种常见的图像增强方法，包括灰度拉伸、直方图均衡化、滤波和锐化等。
这些方法可以根据图像的特点和需求进行选择，从而达到增强图像质量的目的。
在实际应用中，我们可以根据具体的情况选择合适的图像增强方法，从而得到更加优质的图像结果。
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。
图像增强—灰度变换及直方图均衡化试验目的试验原理及知识点
图像增强—灰度变换及直方图均衡化一、实验目的1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2、掌握直接灰度变换的图像增强方法。
3、掌握灰度直方图的概念及其计算方法；4、掌握直方图均衡化的计算过程；二、实验原理及知识点1、图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强可以在空间域中执行，也可以在变换域中执行。
2、空间域指的是图像平面本身，在空间域内处理图像是直接对图像的像素进行处理。
空间域处理方法分为两种：灰度级变换、空间滤波。
空间域技术直接对像素进行操作，其表达式为g(x,y)=T[f(x,y)]其中f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f进行处理的操作符，定义在点(x,y)的指定邻域内。
定义点(x,y)的空间邻近区域的主要方法是，使用中心位于(x,y)的正方形或长方形区域。
此区域的中心从原点(如左上角)开始逐像素点移动，在移动的同时，该区域会包含不同的邻域。
T应用于每个位置(x,y)，以便在该位置得到输出图像g。
在计算(x,y)处的g值时，只使用该领域的像素。
2、灰度变换T的最简单形式是使用领域大小为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为一个灰度变换函数。
由于灰度变换函数仅取决于亮度的值，而与(x,y)无关，所以亮度函数通常可写做如下所示的简单形式：s=T(r)其中，r表示图像f中相应点(x,y)的亮度，s表示图像g中相应点(x,y)的亮度。
灰度拉伸又叫对比度拉伸是最基本的一种灰度变换，使用简单的分段线性变换函数，可以提高灰度的动态范围，适用于低对比度图像的处理，增强对比度。
3、直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。
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。
基于直方图均衡化与MSRCR的沙尘降质图像增强算法
基于直方图均衡化与MSRCR的沙尘降质图像增强算法引言随着人类社会的快速进步和城市化进程的加快，沙尘暴的频率和强度也在不息增加。
沙尘暴天气给人们的生活和工作带来了浩繁不便，沙尘暴天气下的图像往往会受到严峻的降质影响，降低了图像的可视化效果和信息的可读性。
因此，如何对沙尘降质图像进行有效的增强，成为了当前探究的热点之一。
一、沙尘暴天气下图像降质的特点沙尘暴天气下的图像降质主要表此刻以下几个方面：1. 低对比度：沙尘暴天气下，光线被颗粒物散射，导致图像对比度降低，细节模糊，图像整体呈现灰暗的色调。
2. 模糊：沙尘暴天气下，颗粒物的存在导致图像边缘模糊，细节信息丢失，图像失真严峻。
3. 噪声：颗粒物和大气颗粒的摩擦会产生静电，从而带来电子噪声，这些噪声影响了图像的质量。
二、基于直方图均衡化的图像增强算法直方图均衡化是一种常见的图像增强算法，通过对图像直方图进行变换，可以实现对图像亮度的调整。
基于直方图均衡化的图像增强算法主要包括以下步骤：1. 均衡化前的图像预处理：将图像转换为灰度图像，并对图像进行去噪处理，以降低噪声的影响。
2. 计算图像的直方图：对图像进行统计，统计各个像素值出现的频率。
3. 计算累计分布函数：通过累计直方图，计算累计分布函数。
4. 直方图均衡化：依据累计分布函数，对图像进行像素值的映射，使得图像的灰度分布更加匀称。
5. 均衡化后的图像后处理：对图像进行对比度增强，以提高图像的视觉效果。
直方图均衡化算法具有简易、快速的优点，对于一般的图像增强任务有较好的效果。
然而，在沙尘暴天气下，直方图均衡化算法并不能解决图像降质的全部问题，对于颗粒物引起的模糊和噪声问题无法很好地处理。
三、基于MSRCR的图像增强算法MSRCR（Multi-scale Retinex with color restoration）中文译为多标准色调校正与颜色恢复算法，是一种基于Retinex理论的图像增强算法。
MSRCR算法主要包括以下几个步骤：1. 分解图像：将原始图像分解为不同标准的图像，以提取出图像的结构和细节信息。
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。
基于图像增强技术的直方图算法探析
基于图像增强技术的直方图算法探析摘要:虽然目前运用高速图像采集系统对图像进行拍摄技术已经取得一定的发展,但然仍存在着一些缺陷,主要表现在在所拍摄的图像中,很难对电器触头进行详细的观察。
造成这一现象的原因主要有两个,即开关电弧所具有的发光特性以及触头系统和灭弧室所具有的反光特性。
因此,需要采取相关措施对电弧强度作增强处理,本文介绍的是直方图或者局部直方图的图像。
关键词:低压电器开关电弧图像增强直方图算法1 图像增强技术简析对于图像增强来说,它其实是数字图像处理当中的一项基本内容。
它主要指的是根据相关的需求对一幅图像当中的某些重点信息进行一定程度上的突出。
同时,它还能够做到对信息的有效选择,将一些不必要的信息进行削弱或者去除。
这样一来,就可以对图像的质量进行一定的改善,同时也对图像信息的有效性进行了增强。
2 直方图概况2.1 直方图的原理对于一幅数字图像来说,如果它对应于每一灰度值,就可以对具备这一灰度值的象素数进行相应的统计。
并由此实现对于象素数-灰度值图形的绘制。
那么,我们就将这一图形称作为相关图像的灰度直方图,简称为直方图。
对于直方图来说,它分别将灰度值以及象素数作为其横坐标以及纵坐标。
2.2 直方图的性质直方图具有一系列的性质,下面我们对其进行一一阐述,主要如以下几点。
同时,在进行变化之时,对于T(r)来说,需要满足一定的条件,主要是如下的两个条件:(1)它必须是单值单调增加函数。
(2)它的值必须在0～1之间,并包含0和1。
这样一来,T(r)满足单值单调增加函数的条件,就可以使得灰度级根据从黑道白的顺序进行排列;而T(r)满足其值必须在0～1之间,并包含0和1,就可以对其在映射变换之后的像素灰度值维持在允许的范围之内进行一定程度的保证。
从s到r的反变换为:与上面相同,s也需要对上面所阐述的两个条件进行满足。
而通过概率理论我们可以知道:如果在Pr(r)和变换函数s=T(r)已经知道的情况下,且T-1(s)是单值。
- 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)。
作者简介：刘计平（１９６８－），女，河北省平山县人，讲师，硕士。
收稿日期：２００７－０８－１４；修回日期：２００７－１２－２５０引言这里讨论空间域直接对像素操作的图象增强，重点研究分析了用直方图增强图像的简便处理算法。
图像增强是用来提高图像的视觉效果或将图像转换成适于人眼、机器分析形式的一门技术。
用直方图变换方法进行图像增强技术是以概率论为基础的。
具体讲直方图就是图像的每一级灰度所占的像素数目。
对一幅灰度图像直方图给出了一幅图像所有灰度值的整体描述。
可用直方图均衡化和规定化处理增强图像。
１直方图均衡化的图象增强绘制直方图，横轴代表灰度级，纵轴代表每一灰度级所占像素个数如图１。
用以下公式可表示直方图：ｐ（ｓｋ）＝ｎｋ／ｎ，ｋ＝０，１……，Ｌ－１，其中ｓｋ表示图像第Ｋ级灰度值，ｎｋ对应Ｋ值灰度级的像素数，ｎ是图像的像素总数，Ｌ表示图像的灰度级总数如Ｌ＝２５６等，通过直方图图１可看出图象具有各灰度级的像素分布以及动态范围。
直方图均衡化的算法，这里以２５６级灰度图像为例，说明如下：１）统计原始灰度图的直方图的各灰度级ｓｋ的像素ｎｋ（ｋ＝０，１，２，…，２５５）；２）用ｐｓ!"ｓ＝ｎｋｎ；０≤ｓｋ≤２５５，ｋ＝０，１，…，２５５计算原始直方图，计算量大。
３）用２）中的结果来计算累计直方图ｔｋ＝２５５ｋ＝０$ｎｋｎ（ｋ＝０，１，２，…，２５５），计算量大。
４）取整扩展ｔｋ＝ｉｎｔ［（Ｎ－１）ｔｋ＋０５］，其中（ｋ＝０，１，２，…，２５５，Ｎ＝２５６）。
５）由４）计算结果，建立映射对应关系（ｓｋ→ｔｋ），即将原始灰度图中灰度为ｓｋ的替换成新直方图中灰度为ｔｋ（ｋ＝０，１，２，…，２５５），如ｔ０＝１，则ｓ０＝＞ｔ１＝１或０灰度级＝＞１灰度级。
６）统计新直方图各灰度级象素ｎｋ，注意几个原始灰度级映射到同一个新直方图灰度级时，此新直方图灰度级像素是几个原始灰度级象素的和。
如：３＝＞６，４＝＞６，则ｎ６＝ｎ３＋ｎ４。
７）用ｐｓ!"ｓ＝ｎｋｎ计算新直方图或均衡化后的直方图，可知新直方图灰度级减少，各灰度级概率突出和增大拉宽，结果是增强了图像的对比度以及增加了原灰度值的动态范围，把原始图像的直方图变成均匀分布的形式。
２直方图规定化的图象增强直方图均衡化处理方法的效果还是很不错的，从实现算法上也可以看出其优点主要在于能自动增强整幅图像的对比度，但具体的增强效果也因此不易控制，只能得到全局均衡化处理的直方图［１－２］。
在实际应用中，往往要根据不同的要求得到特定形状的直方图分布，以有选择的对某灰度范围进行局部范围内的对比度增强，此时可以采用对直方图的规定化处理。
直方图的规定化处理主要有三个步骤（以１幅６４×６４，８ｂｉｔ灰度图象为例说明）：基于图像增强直方图刘计平（山西太原市交通职业技术学院，山西太原０３００３１）【摘要】图像增强是数字图像的预处理，对图像整体和局部特征都能有效地进行改善。
文章主要研究比较了直方图的均衡化和规定化方法的图像增强的基本原理和算法，以及能改进灰度图像的对比度和灰度级动态范围的处理，为更好的快速掌握和应用直方图增强图像技术提供了好的指导和参考资料。
【关键词】图像增强；直方图；均衡化；规定化；算法【中图分类号】ＴＨ８６【文献标识码】Ｂ【文章编号】１００３－７７３Ｘ（２００８）０２－０１６４－０３ＢａｓｅｄｏｎＩｍａｇｅＥｎｈａｎｃｅｍｅｎｔｏｆＨｉｓｔｏｇｒａｍｓＬＩＵＪｉ－ｐｉｎｇ（ＳｃｈｏｏｌｏｆＪｉａｏｔｏｎｇＶｏｃａｔｉｏｎａｌＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００３１，Ｓｈａｎｘｉ，Ｃｈｉｎａ）〔Ａｂｓｔｒａｃｔ〕Ｉｍａｇｅｅｎｈａｎｃｅｍｎｔｗｈｉｃｈｉｓａｌｓｏｃａｌｌｅｄｐｒｅ－ｐｒｏｃｅｓｓｉｎｇｐｌａｙｓａｎｉｎｄｉｓｐｅｎｓａｂｌｅｒｏｌｅｉｎｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇ．Ｔｈｉｓａｒｔｉｃｌｅｉｎｔｒｏｄｕｃｅｓｔｗｏｋｉｎｄｓｏｆａｌｇｏｒｉｔｈｍ，ｈｉｓｔｏｇｒａｍｅｑｕａｌｉｚａｔｉｏｎａｎｄｓｐｅｃｉｆｉｃａｔｉｏｎｓ，ｗｈｉｃｈｃａｎｉｍｐｒｏｖｅｔｈｅｃｏｎｔｒａｓｔｄｅｔａｉｌｓａｎｄｅｑｕａｌｉｚｅｔｈｅｄｙｎａｍｉｃｒａｎｇｅｏｆｉｍａｇｅｇｒａｙｌｅｖｅｌ，ｗｈｉｃｈｐｒｏｖｉｄｅｇｏｏｄｄｉｒｅｃｔｉｏｎａｎｄｒｅｆｅｒｅｎｃｅｆｏｒｂｅｔｔｅｒａｎｄｒａｐｉｄｍａｓｔｅｒｉｎｇａｎｄｕｔｉｌｉｚｉｎｇｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｏｌｏｇｙｏｆｈｉｓｔｏｇｒａｍｓ．〔Ｋｅｙｗｏｒｄｓ〕Ｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔ；Ｈｉｓｔｏｇｒａｍ；Ｅｑｕａｌｉｚａｔｉｏｎ；Ｓｐｅｃｉｆｉｃａｔｉｏｎ；Ａｌｇｏｒｉｔｈｍ第２４卷第２期（总第１０１期）机械管理开发２００８年４月Ｖｏｌ．２４Ｎｏ．２（ＳＵＭＮｏ．１０１）ＭＥＣＨＡＮＩＣＡＬＭＡＮＡＧＥＭＥＮＴＡＮＤＤＥＶＥＬＯＰＭＥＮＴＡｐｒ．２００８图１直方图第２４卷第２期（总第１０１期）机械管理开发２００８年４月１）用公式Ｔｋ＝ｋｉ＝０!ｐｓｓｉ"#＝ｋｉ＝０!ｎｉｎ（ｋ，ｉ＝０，１，…７，ｎｉ是第ｉ或ｋ灰度级出现的像素数，ｎ＝６４×６４＝４０９６是图象像素总数），对原始直方图进行累积灰度均衡化计算，如：ｋ＝１，则Ｔ１＝１ｉ＝０!ｎｉｎ＝ｎ０ｎ＋ｎ１ｎ；ｋ＝２，则Ｔ２＝２ｉ＝０!ｎｉｎ＝ｎ０ｎ＋ｎ１ｎ＋ｎ２ｎ等等，计算量大些。
２）规定需要的直方图如图２。
用公式Ｖｌ＝ｌｊ＝０!ｐｕｕｊ"$（Ｌ＝０．１．２），按第１步的方法计算规定的直方图进行累积灰度均衡化的变换，规定直方图灰度级少计算少。
本例可看出规定直方图只有３个灰度级，而原始直方图有８个灰度级。
一般只考虑规定直方图灰度级小于或等于原始直方图灰度级的情况。
３）将所有原始直方图都对应映射到规定的直方图上，即将所有第１步的ｐｓ（ｓｉ）有８个灰度级都对应到第２步的３个灰度级ｐｕ（ｕｊ）上，有两种对应计算方法：（ＳＭＬ）单映射规则和（ＧＭＬ）组映射规则，由规则计算结果确定原始每级映射对应关系，再归化合成计算对应到规定直方图的新概率后就形成新的变换增强直方图。
两种对应方法比较复杂，也是直方图规定化处理的难点，计算量也大。
下面重点说明（ＳＭＬ）单映射规则和（ＧＭＬ）组映射规则两种对应方法的简便理解算法：其实两种对应方法都是将原始直方图的８个灰度级都对应归化到规定直方图的３个灰度级上，对应规则都可使用下列公式依此找到使原始累积直方图和规定累积直方图之差绝对值最小的ｋ或Ｌ，只是两种映射规则计算方向不同，效果也不同。
ｍｉｎｋｉ＝０!ｐｓｓｉ%$－ｌｊ＝０!ｐｕｕｊ"$．ｋ＝０，１，…，７；Ｌ＝０，１，２设：△＝ｋｉ＝０!ｐｓｓｉ%$－ｌｊ＝０!ｐｕｕｊ%$．对于（ＳＭＬ）单映射规则：就是对每一个原始灰度级Ｋ，用它的累积灰度值为基础计算△，依次在规定累积灰度级中，找到使△最小的规定级Ｌ，那么此原始灰度Ｋ级就被映射到规定级中的Ｌ级，如本例规定级只有三个值Ｌ３，Ｌ５，Ｌ７，那么原始灰度级只能被映射到这三个级，从Ｋ＝０对应的原始累积灰度值为基础值不动，用规定累积的三个灰度值Ｌ３，Ｌ５，Ｌ７与这个原始灰度累积值做比较，如图３所示。
依次计算，最多计算三次［２］，找到使：△＝ｋｉ＝０!ｐｓｓｉ%$－ｌｊ＝０!ｐｕｕｊ%$＝０ｉ＝０!ｎｉｎ－ｌｊ＝０!ｐｕｕｊ%$最小的规定级Ｌ，比如使△最小的规定级是Ｌ３，那么原始级Ｋ＝０就被映射到规定级Ｌ＝３，即０原始级对应到３规定级或写成０→３；下一个以Ｋ＝１对应的原始累积灰度值为基础，再以次用规定累积值的三个级做比较，依次在规定级中找到使：△＝ｋｉ＝０!ｐｓｓｉ%$－ｌｊ＝０!ｐｕｕｊ%$＝１ｉ＝０!ｎｉｎ－ｌｊ＝０!ｐｕｕｊ%$最小的规定级Ｌ，比如是Ｌ５，则原始级Ｋ＝１就被映射到规定级Ｌ＝５，即１→５；再下一个从原始级Ｋ＝２按上面类似的都分别对应到规定级Ｌ３，Ｌ５，Ｌ７上，然后统计新直方图概率，注意对应到同一个相同规定级中的几个原始级要用这几个原始直方图值相加起来合成映射在规定级上的变换值或新直方图值，再用坐标轴画出直方图，效果好比较，因为这里的原始级是一个一个的分别计算对应到规定级上的，所以叫单映射规则，本规则计算麻烦量大。
对于（ＧＭＬ）组映射规则要计算简单许多，它是先把规定累积值分成规定的几组，这里举例是三组Ｌ３，Ｌ５，Ｌ７，对应每一个规定累积值规定级Ｌ，以此规定累积值做基础不动，与单映射规则相反计算方向的是依次在原始级Ｋ中找到使△最小的Ｋ原始级，则这几个参加比较的原始级最多到Ｋ原始级就都被映射到此规定级上；同方法再以下一个规定累积值为基础，再从剩下的没有映射的原始级中依次找到使△最小的原始级，同理都被映射到此规定级上；如对规定累积值Ｌ＝３规定级，以这个规定级Ｌ３的规定累积值做基础，图４所示。
与几个原始累积值做比较，依次在原始累积值原始级几个Ｋ中找到使△最小的原始级Ｋ，那么这几个做比较的原始级最多到使△最小的原始级Ｋ都一起被映射到此规定级Ｌ＝３；然后再用下一个规定累积值规定级做基础如Ｌ５，再同没有对应到规定级的原始级Ｋ＋１以后的原始累积值做比较，依次在未对应的原始图２灰度的直分图（以此原始累积值做基础不动）（用相应规定累积值做比较）图３灰度值与原始灰度累积值比较图（用相应原始累积值做比较）（以此规定累积值做基础不动）图４Ｌ３级原始累积值比较图（下转第１６７页）刘计平，等：基于图像增强直方图第２４卷第２期（总第１０１期）机械管理开发２００８年４月累积值原始级Ｋ＋１以后的灰度级中，找到使△最小的原始级，同理这几个原始级都对应到规定级Ｌ＝５；依此方法，直到所有原始级都被映射到规定级后，再把映射到规定级上的几个原始级的原始概率直方图相加合成新直方图的值，即为原始直方图经过规定化直方图处理后的新直方图，可以看出用组映射规则此方法是把原始级几个几个的都对应到规定级上，即对一个规定累积值规定级Ｌ，以它做基础不动，要依次计算比较几个原始累积值原始级Ｋ，并且找到使△最小的原始级Ｋ，那么这几个参加比较的原始级以次最多到使△最小的一个原始级Ｋ，算一组原始级Ｋ的都被对应到一个规定级Ｌ，依此类推的好像原始级是一组一组的都对应映射到规定级上，所以叫组映射。
用坐标画出所有图像的直方图增强效果比较一目了然。
参考文献［１］章毓晋．图像工程（上册）图像处理和分析［Ｍ］．北京：清华大学出版社，１９９９．３．［２］章毓晋．图像工程［Ｍ］．北京：清华大学出版社，２００６．３．ＩＤＴ７１３４的核心部分是用于数据存储的存储器阵列，可为左右两个端口所公用。
这样，位于两个端口的左右处理单元就可共享一个存储器。
当两个ＣＰＵ对双口ＲＡＭ存取时，存在以下４种情况：１）两个ＣＰＵ不同时对同一地址单元存取数据；２）两个ＣＰＵ同时对同一地址单元读取数据；３）两个ＣＰＵ同时对同一地址单元写入数据；４）两个ＣＰＵ同时对同一地址单元，一个写入数据，一个读取数据。