基于直方图均衡的图像质量改善
低光照增强算法
低光照增强算法一、低光照增强算法简介低光照增强算法是一种图像处理技术，旨在改善低光照环境下拍摄的图像质量。
这类算法通过调整图像的亮度、对比度和色彩平衡等参数，提高图像的视觉舒适度，使其在低光照条件下更易于观察和分析。
随着计算机视觉、数字图像处理等技术的发展，低光照增强算法在各个领域得到了广泛应用，如安防监控、自动驾驶、医疗影像等。
二、常见低光照增强算法概述1.基于直方图均衡化的方法直方图均衡化是一种常用的图像增强方法，其主要思想是调整图像的像素级分布，使得图像的直方图更加均匀。
这种方法可以有效提高图像的对比度，但可能会导致过度增强和细节丢失。
2.基于Retinex的方法Retinex算法是一种基于局部滤波的图像增强方法，其核心思想是利用图像的局部信息对低光照区域进行亮度提升。
Retinex算法在一定程度上可以保留图像的细节信息，但计算复杂度较高，且容易受到噪声的影响。
3.基于深度学习的方法随着深度学习技术的快速发展，基于深度学习的低光照增强算法逐渐成为研究热点。
这类算法通过训练大量带有标签的图像数据，学习图像增强的映射关系，从而实现对低光照图像的增强。
目前主流的基于深度学习的低光照增强算法有自编码器、生成对抗网络（GAN）等。
三、各类算法优缺点分析1.基于直方图均衡化的方法：优点是计算简便、实时性好；缺点是容易出现过增强和细节丢失现象。
2.基于Retinex的方法：优点是能较好地保留图像细节；缺点是计算复杂度高、容易受噪声影响。
3.基于深度学习的方法：优点是增强效果较好，具有很强的学习能力；缺点是训练过程耗时较长，对硬件设备要求较高。
四、我国在低光照增强领域的研究进展近年来，我国在低光照增强领域的研究取得了显著成果。
研究人员在传统算法改进、深度学习方法应用等方面进行了深入探讨，不断优化和改进现有算法，提高低光照增强算法的性能和实用性。
同时，我国还积极参与国际学术交流，与世界各国的研究人员进行合作与交流，共同推动低光照增强技术的发展。
基于直方图均衡化的成像测井彩色图像增强
图均衡化处理。实践表明， 本文提 出的算法在增强图像对比度的同时， 其视觉效果也比传统算法的
处理结果要 好 。
关键 词 ： 直方 图均衡 化 ； 成像测 井 ； 色； 彩 图像 增强
Ｏ 引
言
处理 ， 最后将处理后的图像恢复成彩色。
１ 彩色 图像 的灰 度化 ． １
成 像 测井 属 于第 四代 测井 技 术 ， 为 了适应 复 是
ｋ， ， … Ｌ一１ ；
１ 传 统 方 法
传统 的彩色 图像增强方法是先将彩 色图像转 化 为２６ ５ 色灰度图像 ， 然后再灰 图像 的基础上进行
作者简介 ： 胡刚（ ８一 ， 长江大学在读硕士研 究生 ， １ ６ ）男， ９ 主要从 事测井方法研 究工作。
２ １ 年第 ４ ０１ 期
ｌｎ ； ｏｇ ’ ｉ ｊ 雷 环变量 １ ｄｈ ＝ ： Ｉ Ｗｉｔ（ Ｄ Ｂ ； Ｗｉｔ ： Ｂ ｄｈ１ Ｉ） Ｄ ｐ ， 取 ／ 获
ＤＢ Ｉ 图像宽度 Ｉｅ ｈ Ｈ ｉ ｔ＝ ： Ｉ Ｈｅ ｈ（・Ｉ ） ｇ ： Ｂ ｉ ｔｌ Ｂ； Ｄ ｇ １Ｄ ０
ＤＢ图像 高度 Ｉ
Ｒ ＢＵ Ｇ Ｑ ＡＤ ＊ Ｒ Ｂ ｕ ｄ ｌ Ｇ ｑａ； ｐ
将彩色图像转 化为灰度 图像的过程称为 图像 的灰度化处理 。彩色图象 的颜色由ＲＧＢ ，，三个分量
杂油气藏如裂缝 、 薄互层、 向异性等油气藏勘探 各 的开发需要而发展起来的ｎ 电阻率扫描成像测 。微 井是将地层岩性 、 物性的变化引起的电阻率变化， 转 换成图像上不 同色度及形态 的显示。微 电阻率成 像测井 图像 明暗色调的变化反映地层 电阻率高低 的变化， 图像越亮， 地层电阻率越高； 图像越暗， 地层 电 阻率越 低 。微 电阻率 成像测 井 为 岩性识 别 、 层 地 特征分析 、 储层评价 、 裂缝评价 、 构造分析、 沉积分 析提供了重要手段Ｉ ２ １ 。由于其形象直观的特性 ， 图 像质量的优劣就成为成像测并 图像进行岩性识别 与分析等后续解释评价效果好坏 的关键 ， 由于微 电 阻率扫描成像测井仪在测井 的过程 中常常要受到 泥饼厚度 、 井眼大小及泥浆 性质 的影响 ， 因此在实 际过程中 ， 常常要采取图像增强的方法来改善图像
基于VC++的直方图均衡化图像增强
【 ｉ ］ ＝ （ ｌ ｆ ｏ ａ ｔ ） ｐ Ａ ｒ ｒ ａ ｙ ［ ｉ ］ ／ Ｔ ｏ ｔ ａ ｌ ； ｌ ｆ ｏ ａ ｔ ｐ ｔ Ｇａ ｉ Ｌ ｖ ＝ ｎ ｅ ｗ ｌ ｆ ｏ ａ ｔ ［ ２ ５ ６ ］ ； ｆ ｏ ｒ （ ｉ ＝ ０ ； ｉ ＜ ２ ５ ６ ； ｉ ＋ ＋ ） ｐ ｔ Ｇ ａ ｉ Ｌ ｖ ［ ｉ ］＝ Ｏ ；
ｆ ０ ｒ （ ｉ ＝ Ｏ ； ｉ ＜ ２ ５ ６ ； ｉ ＋ ＋ ）
ｆ ０ ｒ （ ｉ ＝ Ｏ ； Ｊ ＜ ＝ ｉ ＋ ＋ ）
［ ２ ５ ６ ］ ；
ｐ ｔ Ｇ ａ ｉ Ｌ ｖ ［ ｉ 】＋ ＝ ｐ Ｇ ａ ｉ Ｌ ｖ ［ ｊ ］ ； ｉ ｎ ｔ ｐ Ｙ ｉ ｎ ｇ ＝ ｎ ｅ ｗ ｉ ｎ ｔ
Ｐ ｒ （ ｒ ｋ ） ＝ｎ ｋ Ｏ Ｔ ＂ ｋ １ ｋ ＝Ｏ １ ， ２ ， … … Ｌ～１
，
Ｓ ＝丁 （ ｒ ） ＝Ｉ Ｐ ｒ （ ｒ ） ｄ ｒ
０ ｒ １
（ ４ ）
对上式求导得 半 ＝ 声 （ ｒ ） ， 再把结果代人式（ ３ ） ， 则
（ ） ｒ ） 一＿ Ｉ ｛ ） （ ｒ ’ ｄ ７ １ ＿ ］ ． Ｉ ｛ ） ｒ （ ， ） ］ ＝ ｌ （ ５ ）
Ｖｏ ｉ ｄ Ｊ ｕ ｎ Ｈｅ ｎ ｇ Ｈ（ Ｂ Ｙ Ｔ Ｅ ｐ Ｄ ａ ｔ ａ ， ｉ ｎ ｔ ｐ Ａ ｒ ｒ ａ ｙ ， Ｄ ＷＯＲ Ｄ Ｂ ｙ ｔ ｅ ｓ Ｐ ｅ ｒ Ｌ ｉ ｎ ｅ ， ｉ ｎ ｔ
ｍ
＿
Ｗｉ ｄ ｔ ｈ ， ｉ ｎ ｔ ｍ Ｈｅ ｉ ｇ ｈ ｔ ， ｉ ｎ ｔ ｎ ， ｉ ｎ ｔ Ｔ ｏ ｔ ａ １ ）
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。
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。
直方图均衡化的原理和作用
直方图均衡化的原理和作用直方图均衡化是一种常见的图像处理技术，用于增强图像的对比度和视觉效果。
它的原理是通过重新分布图像的灰度级别，使得图像中的像素灰度值分布更加均匀，从而改善图像的视觉效果。
在进行直方图均衡化时，首先需要获取图像的灰度直方图，然后根据灰度直方图的累积概率密度函数对图像的像素进行重新分配。
直方图均衡化的作用主要体现在以下几个方面：1. 增强图像的对比度：直方图均衡化可以有效地增强图像的对比度，使得图像中不同区域的灰度级别更加明显，从而使得图像的细节更加清晰。
2. 提高图像的视觉效果：通过直方图均衡化，图像的灰度级别分布更加均匀，可以使得图像看起来更加自然和真实，同时增强了图像的视觉效果，使得观看者更容易理解和分析图像内容。
3. 抑制背景噪声：在图像处理中，背景噪声往往会影响图像的清晰度和质量。
通过直方图均衡化可以有效地抑制背景噪声，使得图像更加清晰和易于分析。
4. 增强图像的细节：直方图均衡化可以增强图像的细节，使得图像中的纹理和结构更加清晰和突出，同时也能够凸显出图像中的一些微弱的特征。
直方图均衡化的原理是基于图像的灰度级别分布的重新分配，其具体操作过程如下：1. 获取图像的灰度直方图：首先需要对图像进行灰度化处理，然后统计不同灰度级别的像素点数量，从而得到图像的灰度直方图。
2. 计算灰度直方图的累积概率密度函数：根据图像的灰度直方图，可以计算出每个灰度级别对应的累积概率密度函数，即将原始的灰度级别映射到新的灰度级别上。
3. 根据累积概率密度函数对像素进行重新分配：根据计算得到的累积概率密度函数，可以将图像中的每个像素的灰度级别重新映射到新的灰度级别上，从而得到均衡化后的图像。
通过以上操作，可以实现直方图均衡化，从而改善图像的对比度和视觉效果。
需要注意的是，直方图均衡化可能会增强图像中的噪声和细小的纹理，因此在实际应用中需要结合具体的图像特性进行调整，以达到最佳的效果。
总之，直方图均衡化是一种有效的图像处理技术，通过重新分配图像的灰度级别，可以增强图像的对比度，改善图像的视觉效果，并抑制背景噪声，使得图像更加清晰和易于分析。
数字图像处理中的直方图均衡化使用注意事项
数字图像处理中的直方图均衡化使用注意事项直方图均衡化是一种通过分布调整来改善图像对比度的方法。
它通过重新分布图像的像素值以增强其视觉效果。
在数字图像处理中，直方图均衡化是一项常用的技术，但在使用过程中需要注意以下几个方面。
首先，直方图均衡化可能会导致图像细节丢失的问题。
因为直方图均衡化会根据像素值的分布进行调整，从而扩展像素值的范围，使得亮度范围更广。
但这也可能导致低对比度区域的细节消失，从而影响图像细节。
因此，在进行直方图均衡化时，应该密切关注图像的细节信息，尽量避免过度调整图像的对比度。
其次，直方图均衡化可能引起噪声的增加。
在直方图均衡化的过程中，图像的亮度分布被调整，可能会增加图像的噪声。
这是因为噪声通常与图像的低亮度区域有关，当低亮度区域被调整时，噪声也可能被放大。
为了减少噪声的影响，可以在均衡化之前对图像进行去噪处理，或者采用自适应的直方图均衡化方法，以避免过度增加图像噪声。
另外，直方图均衡化也可能导致图像的颜色失真问题。
因为直方图均衡化是基于像素值的灰度分布进行调整，对彩色图像来说，它可能会改变图像的颜色分布，从而造成颜色失真。
为了避免这种情况，可以在进行直方图均衡化前将图像转换为HSV颜色空间，并只对亮度（Value）通道进行均衡化，这样可以避免颜色的偏移。
此外，直方图均衡化的效果可能受到图像的动态范围限制。
在某些情况下，图像的动态范围可能不足以支持完整的直方图均衡化。
比如，当图像的某些区域非常亮或非常暗时，直方图可能会在动态范围两端产生剧烈的波动，从而导致图像的细节丢失或噪声增加。
为了解决这个问题，可以采用自适应的直方图均衡化方法，以根据图像的局部动态范围来进行调整，减少对整体图像的影响。
最后，直方图均衡化的选择需要根据具体的应用需求来确定。
直方图均衡化可以改善图像的对比度，使图像更加清晰和易于处理。
但对于一些特定的图像处理任务，如目标检测、图像识别等，直方图均衡化可能并不适用。
- 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)。
基于直方图均衡的图像质量改善摘要：为了解决灰度图像的灰度值分布集中在较窄的范围内，图像的细节不够清晰，对比度较低的问题。
通过直方图均衡化使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像的细节清晰，以达到增强目的，直方图均衡化可得到任意的均匀直方图灰度图像。
直方图均衡化是一种行之有效的图像增强方法，直方图均衡化是将原灰度图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。
基于Matlab编程和工具箱的使用，实现图像直方图均衡化的图像仿真。
关键词：直方图均衡化；图像增强；MatlabAbstract:In order to solve the gray image gray value distribution concentrated in a narrow range of image detail is not clear enough, the problem of low contrast. Gray histogram equalization range so that the gradation image or pulled evenly distributed, thereby increasing the contrast, so that a clear image detail, in order to achieve the purpose of enhancing, histogram equalization histogram obtained arbitrary uniform gray image . Histogram equalization is an effective method for image enhancement, histogram equalization is the histogram of the original gray-scale image by histogram transformation function becomes uniform, a uniform histogram modification then the original image, thereby obtaining aa gray uniform distribution of the new image. Matlab toolbox based programming and the use of image histogram equalization image simulation.Keywords: histogram equalization; image enhancement; Matlab引言图像处理之前都要进行图像预处理，而预处理中的一个重要环节就是进行图像增强。
增强的首要目标是处理图像，使其比原始图像更适合于特定应用。
图像增强的方法分为两大类：空间域方法和频域方法。
“空间域”一词是指图像平面本身，这类方法是以对图像的像素直接处理为基础的。
“频域”处理技术是以修改图像的傅氏变换为基础的[1]。
图像增强的目的是对图像的某些特征，如边缘、轮廓、对比度等进行锐化。
当一幅图像曝光不足或过度，则图像就会显得偏暗、偏亮，造成对比度过小或过大而不能清晰显示图像具体细节。
图像增强可以突出图像中这些特征信息，改善图像的主观视觉质量，提高图像的对比度[2]。
图像增强主要以图像的灰度直方图为分析处理基础，增强处理将灰度值范围拉伸到0 – 255的灰度级之间来显示，进而扩大图像灰度值的动态范围，把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，重新分配图像的像素值，从而使图像对比度提高、细节清晰，质量图像改善。
直方图均衡化是图像增强的最常用方法，通过改变原始灰度图像的灰度直方图分布情况，使灰度值重新均匀分布，这样能够增强整个图像的对比度，提高图像的辨析程度，该算法简便，增强效果好。
1.灰度直方图的定义一幅数字图像的灰度直方图就是一个灰度级的离散函数，可以用式（1）来表示图像灰度直方图的定义[3]。
()1L 10i Nn i H i -==，，，， （1） 其中i 表示灰度级，L 表示灰度级种类数，i n 表示图像中具有灰度级i 的像素的个数，N 表示图像总的像素数。
公式（1）描述的是图像中具有该灰度级的像素的个数占图像总像素的百分比，即图像中具有灰度级i 的像素出现的频率。
其横坐标是灰度级，纵坐标是该灰度出现的频率。
图像的灰度直方图提供了该图像外观的一个全局描述，所提取的特征具有 RST 不变性，即旋转、比例和位移不变性，缺点是不能有效地表示图像的空间信息，灰度图像的灰度等级有256个，从0（最暗）到255（最亮）。
灰度直方图是灰度图像在空间域的表现，直接反映图像的灰度等级。
2.直方图均衡化原理及操作过程直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过这种方法，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化是通过有效地扩展常用的亮度来实现这种功能。
直方图均衡化是指通过变换函数均匀改变原始图像的灰度直方图，再通过该灰度直方图重建原始图像，从而得到一幅灰度均匀、图像细节清晰、对比度高的灰度图像[4]。
直方图均衡化是图像增强的常用方法，通过直方图统计，可以观察出图像中各种亮度所占的比例大都分布不均匀，设法增加在直方图统计中所占比例高的像素和其他占的比例少的像素之间的亮度差，可以提高图像的显示效果。
简单来说，直方图增强的方法就是压缩直方图中比例少的像素所占用的灰度范围，多出来的灰度空间按照统计比例分配给直方图中比例高的像素使用。
即对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
这种方法主要是针对人眼对灰度差别越大的图像更容易分辨的特点而做的增强。
设原始图像在()y x,处的灰度为f ，而变换后的图像灰度为g ，则对图像增强的方法可表述为将在()y x,处的灰度f 映射为g 。
在灰度直方图均衡化处理中对图像的映射函数可定义为：()f EQ g =，这个映射函数()f EQ 必须满足两个条件（其中L 为图像的灰度级数）：()f EQ 在1L f 0-≤≤范围内是一个单值增函数。
这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白排列；对于1L f 0-≤≤有1L g 0-≤≤，这个条件保证了变换前后灰度值动态范围的一致性[5]。
累积分布函数（CDF ）可以满足上述两个条件[6]，并且通过该函数可以完成将原图像f 的分布转换成g 的均匀分布。
此直方图均衡化映射函数为：()1L 210k n n f EQ g i k k -=⎪⎪⎭⎫ ⎝⎛==，，，， （2）其中k 为灰度级，L 表示灰度级种类数。
根据该方程可以由原图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。
在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出k f 到k g 的灰度映射关系。
在重复上述步骤得到原图像所有灰度级到目标图像灰度级的映射关系后，按照这个映射关系对原图像各点像素进行灰度转换，即可完成对原图的直方图均衡化。
最后基于均匀化后的灰度直方图重建原图像，这样便可完成图像直方图均衡化。
3.处理结果本文分别对两幅曝光不足与曝光过度的灰度图像应用Matlab编程进行直方图均衡化。
曝光不足的灰度图像处理结果如图1.1所示，原始灰度图像的灰度值比较集中，主要分布在0 –100之间，故原始图像整体比较暗，明暗对比度较差，细节不够清晰，视觉效果不太好。
经过均衡化后图像的灰度直方图在0 –255范围内均匀分布，对比度得到明显提高，视觉效果增强。
图像的转换函数CDF曲线如图1.2所示。
横坐标表示输入亮度，纵坐标为输出亮度，从其变换曲线可以看出直方图均衡化后图像的对比度、亮度均得到显著改善；曝光过度的处理结果如图1.3所示，变换函数曲线如图1.4所示。
图1.1均匀化前后灰度图像与直方图图1.2转换函数曲线图1.3均匀化前后灰度图像与直方图图1.4变换函数曲线经过直方图均衡化的图像边缘信息比原始图像清晰，视觉效果较好。
因此，通过直方图均衡化有助于改善对比度过低、边缘细节不清晰的图像质量。
4.结论从本论文实验结果可以看出直方图均衡化可以提高图像质量，特别是针对图像灰度值比较集中，即过暗或过亮的灰度图像。
通过改变原始灰度直方图的灰度值分布状况，使较为集中的灰度值均匀分布在0 –255之间，这样可以增强图像对比度，提高视觉效果。
对于像卫星遥感拍摄、医学等这类图像，具有分辨率较低、对比较不高、边缘细节模糊的缺点，通过直方图均衡化可以改善这些缺点，突出边缘细节，提高对比度。
直方图均衡化是图像增强技术的基本方法，本文分析了这种处理方法的基本理论，并用Matlab进行实验仿真，结果表明，直方图均衡化在一定程度上改善了图像的对比度差和灰度动态范围，增强了图像的可读性，在一定程度上改善了图像质量。
该算法简单，是一种十分有效的图像增强算法。
5.程序源代码>>I=imread('pic3.jpg');%导入原始图像>>K=rgb2gray(I);%彩色图像转为灰度图像>>J=histeq(K);%均衡匀后图像>>subplot(2,2,1),imshow(K),title('原始灰度图像');%输出原始图像>>subplot(2,2,2),imhist(K),title('原始图像直方图'); %输出原始灰度直方图>>subplot(2,2,3),imshow(J),title('均衡化图像');%输出均衡化后图像>>subplot(2,2,4),imhist(J),title('均衡化直方图');%输出均衡化后直方图>>hnorm=imhist(K)./numel(K);%画转换函数曲线>>cdf=cumsum(hnorm);>>x=linspace(0,1,256);>>plot(x,cdf);xlabel('输入亮度值');ylabel('输出亮度值');text(0.2,0.5,'变换函数');参考文献[1] Rafael C, Gonzalez, Richard E.Woods.数字图像处理[M].北京：科学出版社，2004，第二版.[2] 李耀辉，刘保军.基于直方图均衡的图像增强[J].华北科技学院学报，2003，5（2）：65 – 66.[3]金华.基于密度聚类的医学图像分割和特征提取方法研究[D]. 镇江：江苏大学，2005.[4] 敬忠良，肖刚，李振华.图像融合理论与应用[M].北京：高等教育出版社，2007.[5]Chen Hee 0oi, Mat Isa N.A. Quadrants dynamic histogram equalization for contrastenhancement [J].IEEE Transactions Consumer Electronics. 2010,56(4):89 – 93.[6] P.Shanmugavadivu, K.Balasubramanian, K.Somasundaram. Modified histogramequalization for image contrast enhancement using particle swarm optimization[J].Engineering and Information Technology. 2011.12,(5)1:16–21.。