图像增强最全的几种方法和手段(DOC)
数字图像增强方法的对比与分析
数字图像增强方法的对比与分析专业：______________ 班级： ________________ 学号：_______________ 姓名： _______________指导教师： _________完成日期：2012年06月16日摘要：近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。
它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。
对图像进行处理时，经常运用图像增强技术以改基图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用, 我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。
在图像处理过程中，图像增强是十分重要的一个环节。
本文简要介绍图像增强的概念和图像增强算法的分类对比和分析，从图像的直方图均衡化处埋方法，直方图规定化处理方法和图像平滑处理方法三方面对图像增强算法进行讨论和研究，并说明了图像增强技术的应用。
关键词：图像增强直方图均衡化直方图规定化平滑处理1.图像增强概念及现实应用1.1图像增强技术图像增强是数字图像处理的基本内容之一。
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，削弱或去除某些不需要的信息。
这类处理是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识別系统，图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。
1.图像增强算法图像增强方法从增强的作用域岀发，可分为空间域增强和频率域增强两种。
本文重点介绍空间域的图像加强算法，空间域方法直接对图像像素的灰度进行处理。
频率域方法在图像的某个频率域中对变换系数进行处理，然后通过逆变换获得增强图像。
在空间域内对图像进行点运算，它是一种既简单又重要的图像处理技术，它能让用户改变图像上像素点的灰度值，这样通过点运算处理将产生一幅新图像2.1灰度变换灰度变换可调整图像的灰度动态范用或图像对比度，是图像增强的重要手段之一。
彩色图像增强的几种方法研究比较
摘
要 彩 色 网 像 中包 含 有 丰 富 的 细节 信 息 ， 了 获 得 清 晰 的 彩 色 图 像 ， 护 原 有 的 彩 色 信 为 保
息 ， 除亮 度 不 够 对 彩色 图像 像 质 的影 响 ， 者 在研 究 彩 色 图 像 增 强 原 理 的 基 础 上 ， 据 彩 色 图 像 的 不 消 笔 根 同 模 型 ， 比 了 ３种 不 同 的彩 色 图像 增 强 方 法 ， 给 出 了 实 验 结 果 。研 究 结 果 表 明 ， 用 增 强 彩 色 图 像 对 并 应 中 的亮 度 信 息 的 方 法 ， 既得 到 了 清 晰 的 彩色 图像 ， 又保 护 了 原 有 的彩 色 信 息 ， 且 图 像 像 质 还 强 于 Ｐ ｏ 而 ｈ
处 理 。空域法 属 于直 接增 强 的方 法 ， 包括 扩 它
的是 使 处 理后 的图像 对 某 种特 定 的应用 来 说 ， 比原 始 图像 更适 用 。处理 的结 果使 图像更适 合 于人 的视觉 特性 或机 器 的识别 系统 。 图像增 强技 术 主 要 是 针对 灰度 图来 作 用 ， 其手段 是修 改直 方 图 。在 图像 处理 中色彩 的运 用是 很重要 的 ， 因有 两 个ｎ ： 一 ， 自动 图 原 第 Ｊ 在 像 分析 中色彩 是 一 个 有力 的描 述 工 具 ， 它通 常 町使 从一 个场景 中识别 和抽取 目标 的处理得 到 简化 ； 二 ， 们对 图像 进 行 分 析 时 ， 眼 区别 第 人 人 的灰 度层 次 大约 只有 二 十几 种 ， 却能 够识 别 但
成千 上万 的 色彩 。
展 对 比度 的 灰度 变 换 和直 方 图变 换 、 消除 噪声 的平滑 法和增 强边缘 的锐 化法 。笔 者讨论 的直
MUSICA 多尺度图像对比度增强 算法的简要原理及
MUSICA 多尺度图像对比度增强算法的简要原理及MUSICA 多尺度图像对比度增强算法的简要原理及MUSICA(多尺度图像对比度增强)算法的简要原理及VC实现算法原理:图像增强的一般方法是对比度拉伸和直方图均衡，这两种方法对于灰度级过于集中，还有大量的灰度级没有充分利用的情况下比较适用，并且这两种方法都是基于直方图的变换，和像素的位置信息无关。
假设有原始信号如(a)，可看出细节信号(高频，例如指纹、衣服褶绉这样的细节)集中在较窄的灰度范围内，人眼很难分辨。
并且细节信号集中的灰度范围在整个灰度级空间内，使用对比度增强和直方图均衡无法对不同的区域内像素进行不同程度的放大或者缩小。
因此就有了MUSICA(Multi-Scale Image ContrastAmplification)，可以翻译成多尺度图像对比度增强。
基本的原理是先提取细节信息，然后对细节信号进行增强放大，然后再重构到原图中。
局部细节信息的提取现在研究的热点一直都是小波分解。
暂且不管理论，先从实际运用的角度来看。
如图(b)，假设对信号进行平滑滤波，可以得到新的蓝色信号。
可以认为蓝色信号是对原信号的低分辨率近似，保留了整体的特征而丢弃了高频的细节信号，例如要分析图像的整体特征就要使用近似信号以排除高频(可能是噪声)的干扰。
那么如图(c)，原信号减去近似信号，得到的就是高频信号，也就是细节信号(当然也可能是噪声)。
然后对(c)进行增强，最简单例如放大2倍，或者进行log变换得到(d)。
然后把(d)加回到近似信号上，重构出增强后的原信号，如(e)所示。
可以看到，图像的整体特性没有改变，两个细节集团的细节信号被放大了，适合人眼辨认。
图1 这个算是从最直观的角度来考虑算法原理，只是一种近似的抽象，实际过程需要更多更具体的考虑，同时这也是个人的理解，会有偏颇的地方，留待完善。
然后，总得给出点具体的原理和算法的实际步骤。
详细的说明可以从MUSICA的专利文档里获得，这里给出个人角度的理解和说明。
浅谈提高CT图像质量的几种方法
Chinese Journal of Medicinal Guide2013 Volume 15 No.Supplement 344了现场办公,从而解决了我科存在的人力资源老化与不足、环境恶劣、设备欠缺等方面的问题。
1.3 科室人员角色转换1.3.1 护士的角色转换传统供应室普遍存在年龄偏大、身体偏差、不能从事临床护理工作等一些年资高的护士。
改型后的消毒供应中心工作是多样性的,并不只是操作技术熟练就能满足。
作为管理者,除了补充新生力量外,还要善于发现各位高年资护士的特点,根据她们的性格特点采用不同的沟通方式,挖掘她们的内在潜能,如她们多年在临床工作中形成的强烈的使命感与责任心,在强化科室团队整体核心制度的落实中很有帮助。
使她们在科室的管理上发挥各自的最大能力。
1.3.2 帮助工人角色转换1.3.2.1 意识转变传统供应室的工人几乎都是完成下收下送的工作,各临床科室的器械都是包装好的,只要保证在运送途中不被丢失就完成好任务。
工人自己也觉得是下苦力的,只要有力气就行,没有什么大的责任担当意识。
在现行消毒供应中心的工作模式中,要把工人培养成为专业性技术人才,首先要提升她们的人格地位,如让她们与护士享有同等的参加科室的活动与学习培训的权利,提高她们的工资待遇,从而转变她们的观念,使她们真正感受到主人翁意识,感受到自己是专业的人做专业的事,加强责任感。
1.3.2.2 培训方式针对工人普遍学历层次低的特点,培训的方式实行带教老师负责制及集中授课、现场演练相结合,通过业务查房、业务学习、晨交班提问及科务会等不同形式不定时、分门别类的对各层级人员进行培训,重点强化查对、交接及消毒隔离、质量监测、质量管理追溯、不合格物品召回等核心制度的意识。
1.3.2.3 培训内容培训内容分为以下几类:岗位职责、工作制度、操作规程、应急预案、职业防护、医院感染预防与控制的相关知识、卫生部2009年颁布的医院消毒供应中心《消毒技术规范》。
基于深度学习的低照度图像增强方法
0引言日常生活中经常需要在低光条件下捕捉图像，例如在夜间或昏暗的室内房间。
在此环境下拍摄的图像往往会出现能见度差、对比度低、噪声大等多种问题。
虽然自动曝光机制（如ISO 、快门、闪光灯等）可以增强图像亮度，但同时也会产生其他的影响（如模糊、过饱和度等）[1]。
在过去，人们提出了许多方法来解决上述问题，如直方图均衡化、伽马校正、Retinex 等[2]。
然而它们只注重提高图像的对比度和亮度，而忽略了严重噪声的影响，甚至导致噪声放大。
近年来，深度学习已经成为图像增强的一个突出手段。
Wang 等人[3]提出了一种利用神经网络来估计和调整低光图像光照层的方法。
Gharbi 等人[4]提出了一种用于增强低照度图像的双边学习框架，该框架训练一个神经网络来预测每个像素处颜色向量的变换系数。
Wei 等人[5]提出用一种基于深度学习的低照度图像增强方法马悦（陕西中医药大学，陕西咸阳712046）摘要在低照度环境下采集的图像往往亮度不足，导致在后续视觉任务中难以有效利用。
针对这一问题，过去的低照度图像增强方法大多在极度低光场景中表现失败，甚至放大了图像中的底层噪声。
为了解决这一难题，本文提出了一种新的基于深度学习的端到端神经网络，该网络主要通过空间和通道双重注意力机制来抑制色差和噪声，其中空间注意力模块利用图像的非局部相关性进行去噪，通道注意力模块用来引导网络细化冗余的色彩特征。
实验结果表明，与其他主流算法相比，本文方法在主观视觉和客观评价指标上均得到了进一步提高。
关键词图像增强；低照度图像；深度学习；注意力机制中图分类号TP391文献标识码A文章编号1009-2552（2021）01-0085-05DOI10.13274/ki.hdzj.2021.01.015Low -light image enhancement method based on deep learningMA Yue（Shaanxi University of Chinese Medicine ，Xianyang 712046，Shaanxi Province ，China ）Abstract ：Images acquired in low -light environments are often not bright enough ，making them difficult to use effectively in subsequent visual tasks.In response to this problem ，most of the past low -light image en⁃hancement methods have failed in extreme low-light scenes and even magnified the underlying noise in the image.In order to solve this problem ，this paper proposes a new end -to -end neural network based on deep learning ，which is primarily based on spatial and channel dual attention mechanism to suppress chromatic ab⁃erration and noise.The spatial attention module uses the non -local correlation of the image for denoising ，and the channel attention module is used to guide the network to refine the redundant color features.The experi⁃mental results show that the method in this paper is further improved in both subjective visual and objective evaluation metrics compared to other mainstream algorithms.Key words ：image enhancement ；low-light image ；deep learning ；attention mechanism作者简介：马悦（1988-），女，硕士，工程师，研究方向为模式识别与智能系统。
简单信号增强方法有哪些
简单信号增强方法有哪些引言信号增强是指通过一系列技术手段，改善信号的质量和可读性的过程。
信号增强在各个领域都有广泛的应用，包括语音信号增强、图像信号增强等。
本文将介绍一些简单但有效的信号增强方法。
语音信号增强语音信号增强是指通过一系列处理方法，提高语音信号的清晰度和可理解性。
以下是几种常见的语音信号增强方法：1. 降噪滤波降噪滤波是最常用的语音信号增强方法之一。
该方法利用滤波器将噪声从原始信号中滤除，使语音信号更加清晰。
常见的降噪滤波方法有均值滤波、中值滤波和高斯滤波等。
2. 预加重预加重是一种高频增益技术，可以提高高频信号的能量。
预加重可以通过对信号进行滤波，增加高频信号的幅度，从而提高语音信号的清晰度。
3. 声纹增强声纹增强是通过对语音信号进行时域分析和频域处理，改善语音信号的质量。
常见的声纹增强方法有倒谱法、谱减法和特征选择法等。
图像信号增强图像信号增强是指通过一系列处理方法，提高图像的质量和细节。
以下是几种常见的图像信号增强方法：1. 直方图均衡化直方图均衡化是一种对图像进行全局对比度调整的方法。
通过对图像像素值的分布进行变换，使得图像的对比度更加均匀，细节更加清晰。
直方图均衡化常用于提高图像的亮度和对比度。
2. 锐化锐化是一种通过强调图像中的高频细节来增强图像清晰度的方法。
常见的锐化方法有拉普拉斯锐化、Unsharp Masking和高斯锐化等。
3. 去噪去噪是一种通过滤波器将图像中的噪声信号滤除的方法。
常见的去噪方法有中值滤波、均值滤波和小波变换等。
4. 超分辨率重建超分辨率重建是一种将低分辨率图像通过算法重新构建为高分辨率图像的方法。
该方法通过利用图像中的细节信息和统计性质，提高图像的清晰度和细节还原能力。
结论简单的信号增强方法可以有效地改善信号的质量和可读性，无论是语音信号还是图像信号。
降噪滤波、预加重、直方图均衡化和锐化等方法在实际应用中都得到了广泛的应用。
此外，随着技术的不断发展，越来越多的信号增强方法将会被提出并应用于各个领域，进一步提高信号的质量和可读性。
低对比度图像的清晰化与增强
低对比度图像的清晰化与增强1. 引言1.1 低对比度图像的清晰化与增强低对比度图像是指灰度级别之间差异较小的图像，缺乏清晰度和生动性。
在数字图像处理领域，我们常常需要对低对比度图像进行清晰化与增强，以提高图像的质量和可视性。
清晰化与增强低对比度图像的过程，可以帮助我们更好地观察和理解图像中的细节信息，从而更好地应用于实际应用中。
通过对图像对比度进行增强，可以使图像更加清晰明亮，提高图像的视觉效果和观赏性。
在图像处理中，清晰化与增强的方法主要包括直方图均衡化技术和灰度变换方法。
直方图均衡化技术通过重新分布图像中的灰度级别，增强图像的对比度和亮度；而灰度变换方法则是通过对图像灰度级进行非线性变换，使图像的细节更加突出。
2. 正文2.1 图像对比度的基本概念图像对比度是指图像中不同区域之间像素灰度级别的差异程度，即在图像中存在明暗差异程度的度量。
对比度的高低决定了图像中不同部分的清晰度和分辨率。
在低对比度图像中，不同区域之间的灰度级别差异较小，导致图像变得暗淡、模糊和缺乏细节，使人难以正确识别图像中的信息。
图像对比度的基本概念包括全局对比度和局部对比度。
全局对比度是指整幅图像中不同区域之间灰度级别的总体差异度，而局部对比度则是指图像中局部区域内像素之间的灰度级别差异程度。
在图像处理中，需要综合考虑全局对比度和局部对比度，以确保图像清晰和细节丰富。
提高图像对比度可以通过各种方法来实现，例如调整图像的曝光度、增加图像的锐化度、应用直方图均衡化技术等。
通过这些方法可以有效地增强图像的对比度，使图像变得清晰、细节丰富，更容易被人们正确识别和理解。
在处理低对比度图像时，选择合适的对比度增强方法非常重要，以确保图像处理效果达到最佳。
2.2 常见的低对比度图像问题低对比度图像是指图像中相邻像素之间的灰度差异较小，导致图像细节不清晰、色彩失真等问题。
在实际应用中，常见的低对比度图像问题包括：1. 明暗细节不清晰：低对比度图像中，明暗部分的细节被掩盖，导致图像整体显得暗淡模糊，无法准确表达原始景物的明暗变化。
视频图像增强和去雾算法matlab实现
视频图像增强和去雾算法说明摘要 本文档介绍夜间增强和去雾增强算法及其实现。
（1）将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量（I分量）的灰度直方图进行均衡化处理，然后再转换到RGB空间。
空间。
）利用暗原色先验图像去雾算法对图像进行去雾处理。
（2）利用暗原色先验图像去雾算法对图像进行去雾处理。
1目录一、通过I分量增强夜间图像 (3)1. 算法原理 (3)2. M ATLAB程序 (6) (77)3. 夜间增强效果 .................................................................................................................................二、去雾增强 (9) (99)1. 算法原理 .........................................................................................................................................2. M ATLAB程序 (11) (113)3. 去雾效果 .......................................................................................................................................参考文献 (14)一、通过I分量增强夜间图像1. 算法原理首先将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量（I分量）的灰度直方空间显示。
图进行均衡化处理，提高图像的亮度，然后转换回RGB空间显示。
（1）图像由RGB空间转换到HSI空间。
RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。
- 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)。
图像处理
学 院 信息工程学院
姓 名 钟佳杭
班 级 14级物联网工程
学 号 ************
1、 图像增强的原理及应用前景
图象增强是图像处理的基本内容之一，图像增强是指按特定的需要突出一幅
图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得
处理后的图像对某种特定的应用，比原始图像更合适。增强图象中的有用信息，
它是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应
用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清
晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不
感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，
满足某些特殊分析的需要。
近年来，随着消费型和专业型数码相机的日益普及，海量的图像数据正在被
产生．但由于场景条件的影响，很多在高动态范围场景、昏暗环境或特殊光线条
件下拍摄的图像视觉效果不佳，需要进行后期增强处理调整动态范围或提取一致
色感才能满足显示和印刷的要求。人类视觉系统具有强烈的全局和区域的自适应
性和非线性，在多种不同的光照条件下都能清晰地辨识细节，具有电子设备所不
可比拟的优势。因此，图像增强引起了广泛的关注，很多图像增强方法在设计时
考虑描述和模仿人类视觉系统的特性，以期获得符合人类视觉系统特性的增强效
果。
2图像增强的算法分类
图像增强算法可分成两大类：频率域法和空间域法。前者把图像看成一种二
维信号，对其进行基于二维傅里叶变换的信号增强。基于频域的算法是在图像的
某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。 采
用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，
则可增强边缘等高频信号，使模糊的图片变得清晰。基于空域的算法处理时直接
对图像灰度级做运算，具有代表性的空间域算法有局部求平均值法和中值滤波
（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 基于空域
的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和
直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻
域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易
引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的
边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、
统计差值法等。
2.1空域图像增强算法
空域是指组成图像的像素的集合，空域图像增强直接对图像中像素灰度值进
行运算处理，基本上是以灰度映射变换为基础的。空域图像增强知识本文在第二
章中会有详细介绍，这里简略介绍一下。
空域图像增强主要有灰度变换和直方图均衡化处理。灰度变换的原理就是通
过改变灰度的动态范围，达到增强图像灰度级细节部分的方法。一般的变换函数
包括线性变换、非线性变换、分段线性变换。具体函数的选择与图像的成像系统
和相应的应用场合有关。直方图均衡化是空域图像增强中应用最广泛的一种方
法，其基本原理是使得处理后的图像灰度级近似均匀分布，来达到图像增强效果。
但由于其变换函数采用的是累积分布函数，因此它产出的近似均匀直方图都很相
似，这必然限制了它的功能。为了适应图像的局部特性，基于局部变换的图像增
强方法应运而生，如局部直方图均衡化、对比度受限自适应直方图均衡化、利用
局部统计特性的噪声去除方法。这些方法对图像细节部分的增强均有很好的效
果，但均有一个共同的缺点，算法运算量较大，图像处理时间相对较长，使得这
些算法不能适用于实时处理系统中。近年来，一类基于直方图分割的算法受到大
家的广泛关注，该算法处理图像的侧重点在处理后图像的亮度保持上，使得处理
后图像更适合人眼特性观察。但该方法应用到低照度图像增强上，对图像整体亮
度的提高效果不明显。
2.2频域图像增强算法
频域图像增强是对图像经傅立叶变换后的频谱成分进行操作，然后逆傅立叶
变换获得所需结果。其原理如下图所示：
图1、频域图像增强原理图
常用的频域增强方法有低通滤波技术，是利用低通滤波器去掉反映细节和跳
变性的高频分量。但其在去除图像尖峰细节的同时也将图像边缘的跳变细节去除
频域变换 滤波增强 频域反变换 输出图像 原始图像
掉了，而使得图像较模糊。低频滤波有理想低通滤波器、Butterworth滤波器、指
数滤波器等。高通滤波器技术是利用高通滤波器来忽略图像中过度平缓的部分，
突出细节和跳变等的高频部分，使得增强后的图像边缘信息分明清晰。高通滤波
技术进行增强处理后的图像，视觉效果不好，较适用于图像中物体的边缘提取。
高通滤波器有理想高通滤波器、梯形滤波器、指数滤波器等。频域增强方法中还
有带通和带阻滤波、同态滤波等，一般是用来解决光动态范围过大或者光照不均
而引起的图像不清等情况。
3具体的图像增强算法
3.1灰度拉伸算法及原理
灰度拉伸又叫对比度拉伸，它是最基本的一种灰度变换，使用的最简单的分
段线性变换函数，主要思想是提高图像处理时灰度级的动态范围。它可以有选
择的拉伸某段灰度区间以改善输出图像。如图，所示的变换函数的运算结果
是将原图在a到b之间的灰度拉伸到c到d之间。如果一幅图像的灰度集中
在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸(斜率>1)物体灰
度区间以改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，
也可以用灰度拉伸功能来压缩(斜率<1)物体灰度区间以改善图像质量。
图2 灰度拉伸
如下图所示为对一副光照不均的图像进行灰度拉伸前后的处理结果对比，明显地改善了
图像的视觉效果。
原始图像
灰度拉伸(斜率〉1)
图3 灰度拉伸图像前后对比
3.2 直方图均衡化算法及原理
直方图是多种空间域处理技术的基础。直方图操作能有效地用于图像增强，
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。
直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像
处理的一个流行工具。
灰度级为]1,0[L范围的数字图像的直方图是离散函数kknrh)(，这里kr是
第k级灰度，kn是图像中灰度级为kr的像素个数。经常以图像中像素的总数(用
n
表示)来除它的每一个值得到归一化的直方图。因此，一个归一化的直方图由
nnrPkk/)(
给出。这里k=0，l，...，L-1。简单地说，)(krP给出了灰度级为
k
r
发生的概率估计值。一个归一化的直方图其所有部分之和应等于1。
直方图均衡化处理的“中心思想”是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。直方图均衡化就是对图像进行
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。
如下图所示为对一副图像进行直方图均衡化前后对比。
原始图像
0
2000
4000
6000
原图的直方图
0100200
均衡化后的图像
0
2000
4000
6000
均衡化后的直方图
0100200
图4 直方图均衡化处理结果
3.3