一种改善直方图均衡化精度的方法

本文对直方图规定化的组映射规则(groupmappinglawGML)作了修改,并用于直方图均衡化,提出了较详细的算法,结果证明该算法可改善直方图均衡化的精度。     

用于数字图像直方图处理的一种二值映射规则

直方图表示数字图像中每一灰度级与其出现频数间的统计关系，它可给出图像的概貌性描述，而基于直方图修改技术的灰度变换是图像增强的实用而有效的处理方法之一。直方图处理包含均衡化和规定化两种技术。均衡化的目的是使图像像素均匀地分布在所有灰度级上；规定化的目的是将原图像的直方图转变为规定的直方图，以便突出一定灰度范围内的图像。为了进一步提高直方图处理算法的有效性，首先分析了现有的几种数字图像直方图均衡化和规定化算法存在的缺点，然后提出了一种新的二值映射规则(BML)，该规则基于最优控制原理，以直方图误差最小为准则进行灰度映射，实验证明．该规则算法简单，无论是用于直方图均衡化处理．还是用于直方图规定化处理，均较其他映射规则都更为有效。     

数字图像直方图处理中的映射规则——评“用于数字图像直方图处理的一种二值映射规则”一文

分析了文献[1](张专成，张孝杰，邹涛．用于数字图像直方图处理的一种二值映射规则．中国图象图形学报，2004，9(3)：280-284)中用于直方图规定化的“二值映射规则”，指出该规则与文献[2](Zhang YJ．Improving the accuracy of direct histogram specification．IEE Electronics Letters，1992，28(3)：213-214)中的“组映射规则”是一致的。同时还分析了文献[1]中的直方图均衡化方法，指出该方法采用的并不是上述的映射规则，但要对其性能进行全面评价还需要研究对均衡化效果进行评价的准则。     

两种直方图规定化实现算法的分析

直方图规定化可以将图像的直方图转化为需要的形状,有目的地增加某个灰度区间的图像,使用户获得感兴趣的信息.本文介绍了直方图规定化的两种经典的实现算法--单映射规则(SML)和组映射规则(GML)的基本原理,并应用这两种算法对实例图像进行规定化处理和比较分析,证明了GML相对于SML的优越性.     

自适应动态峰值剪切直方图均衡化

传统的直方图均衡化算法在增强图像的同时可能会引入一些视觉退化效应,如一些图像的部分区域出现过度增强。为了克服这个缺点,已有一些灰度均值保持算法,但是这些算法并不能很好地保持图像处理前后灰度均值的稳定性。提出了一种自适应动态峰值剪切直方图均衡化算法：使用滤波器对原图像的直方图进行滤波操作,并且根据图像的信息来确定分割区间及区间数目;对分割的区间进行重新映射;对区间的直方图进行剪切操作,然后分别地进行均衡化处理,并对处理后的图像进行灰度归一化操作。实验结果表明,该算法可以很好地在保持原图像均值的前提下实现图像增强。     

基于WLAHE的尘肺胸片图像增强方法

为提高X线胸片中尘肺病灶的易识别性,提出一种基于加权局部直方图均衡化(WLAHE)的尘肺胸片图像增强方法。采用WLAHE算法、局部直方图均衡化算法,以及直方图均衡化算法对0+期尘肺X线图像进行对比度增强处理,并对采用不同参数的处理效果进行比较。结果表明,WLAHE可在不引入过大噪声及不引起细节失真的条件下,采用更小的窗口,使0+期尘肺X线胸片上的病灶小阴影更突出。     

最大类间方差双直方图均衡化算法

对直方图均衡化相关算法进行了深入研究,提出了基于最大类间方差（即大津法）的双直方图均衡化算法。使用大津法确定双直方图的分界线,使目标和背景在各自区间分别实现均衡操作,保持了区分性。通过实验对比,所提方法比经典方法失真小,处理后的图像再用其他方法分割的效果也更好。     

基于自适应校正的动态直方图均衡算法

为提高低照度图像的对比度并改进动态直方图均衡化算法的不足,在亮度校正上,提出基于直方图"分布范围"的分割技术和重映射区间分配方法,用去噪阈值优化直方图分布范围的计算;在控制对比度和保留细节信息上,提出带参数的调整量来校正直方图中的较小值,防止灰度级的合并.选取了多个低照度图像数据集进行测试,结合主客观图像质量评价可以看出,对于不同场景、不同程度的低照度图像,所提算法都有良好的增强效果,图像细节信息丰富.     

一种直方图局部均衡化的新方法

直方图均衡化(HE)是一种简便有效地增加灰度图象动态范围的方法,被广泛地应用于图象处理的各种领域,如医学照片,数字相片处理.它可以方便地增加图象的对比度,令图象的视觉信息量达到最大.但是这种方法存在很大的局限性,经直方图均衡化处理以后的图象和原图象在灰度上差别很大,在增加图象对比度的同时还将导致图象的亮度增加,并会产生噪声.本文对直方图的均衡化进行了一定的研究,将一些改进的方法,如自适应均衡化(AHE),双直方图均衡化(BBHE)等进行了比较,从而提出了一种根据图象直方图的局部形态对图象进行直方图局部均衡化的方法,这种方法一方面将像素的灰度值分散,可以分辨图象中比较细节的内容;另一方面,将图象的灰度变化控制在一定范围之内,抑制了噪声的产生,较大程度上地保留了原始图象的亮度.     

基于分段直方图均衡化技术的图像增强

分析了传统灰度图像直方图均衡化算法存在的优缺点,提出了基于分段直方图均衡化技术的图像增强算法。该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化。实验结果表明,该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。     

一种直接直方图修正方法

本文提出了的方法通过将直方图均衡作为直方图规定的特例考虑,既可实现直方图均衡又可实现直方图规定,从而实现了这２种方法的统一,而且直方图规定的结果好于文献「１」方法。     

Bi-histogram equalization using modified histogram bins

The shifting of image mean brightness and the domination of high-frequency bins during histogram equalization (HE) often result in the deteriorating quality of enhanced images and a considerable amount of information loss. This study proposes a novel approach based on bi-histogram equalization to improve its abilities in preserving information entropy and mean brightness. The proposed technique, named Bi-histogram Equalization using Modified Histogram Bins (BHEMHB), segments the input histogram based on the median brightness of an image and alters the histogram bins before HE is applied. Histogram segmentation enables mean brightness preservation, whereas the modification of histogram bins restricts the enhancement rate, thus minimizing the domination effects of high-frequency histogram bins. Simulation results show that BHEMHB significantly outperforms its peers in preserving the details and mean brightness of an image. The output image is visually pleasant with a natural appearance.     

保持亮度的多峰值直方图均衡算法

现有的直方图均衡算法在增强图像对比度的同时,输出图像的亮度与输入图像无关,并且在均衡区域产生亮度饱和现象,提出了一种新的直方图均衡算法.以亮度保持的双直方图均衡算法(BBHE)为基础,改进其对子图像的分类方式:根据直方图对图像进行多峰值分解,得到一系列不同范围的子图像,然后对每一个子图像在其相应的灰度范围内进行直方图均衡,最后合并这些子图像的均衡结果.实验结果表明,直方图均衡新算法不仅在保持了输出图像亮度的同时,而且非常有效的解决了在原图像均衡区域产生的亮度饱和问题对图像的影响.     

基于小波分频和二次均衡的图像增强算法

传统的图像增强算法在增强图像的同时也增强了图像的噪声信号,导致信息熵下降.结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和二次均衡的高亮度图像增强算法.首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量作直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构,最后对重构的图像再次进行直方图均衡处理.实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果.     

局部灰度级展开的子块直方图均衡方法

直方图均衡是进行图像处理最基本的处理方法，该文提出一种用改进的子块直方图均衡的方法，在将图像分成子块处理的基础上再根据子块内的灰度分布决定其展开范围，而不是机械地在全部灰度级展开，通过对一幅肺部CT图像进行处理表明，该方法较之传统的方法更能够提高细节的对比度，能有效地应用于边缘检测以及医学图像处理等领域。     

直方图均衡技术综述

直方图均衡是一种简单而有效的图像增强技术,在医学图像处理、计算机视觉、遥感影像等领域都有重要作用,从均衡时选取的区域情况分为全局和局部直方图均衡方法;从均衡时选取的像素值域可以分为传统直方图均衡、双直方图均衡和递归分解的直方图均衡,甚至多直方图均衡;从均衡对象可以分为空域的直方图均衡和结合频域滤波的直方图均衡;从均衡图像的通道数可以分为灰度图像直方图均衡和彩色图像直方图均衡．本文对以上涉及的直方图均衡技术进行了较为系统的综述,对衡量直方图均衡效果的评价指标进行了说明,展望了直方图均衡技术进一步研究方向．     

Contrast enhancement for cephalometric images using wavelet-based modified adaptive histogram equalization

Cephalometric images usually have low contrast. The existing techniques for automatic cephalometric analysis usually use histogram equalization for image enhancement. This technique has the advantage of being fully automatic and nonlinear. However, it suffers from spikes, excessive enhancement, and lack of brightness preservation. The proposed technique is an adaptive histogram equalization technique that uses wavelet based gradient histograms. This paper compares its performance with two traditional techniques, three histogram modification based techniques, and two wavelet based techniques. Forty digital and scanned cephalograms are used to conduct tests. In addition to visual histograms and intensity profiles, the proposed method is compared in terms of eight quantitative measures. The various measures are applied to analyze the results in terms of contrast enhancement (EME, CNR), brightness preservation (AMBE), edge conservation and enhancement (H, TEN), preservation of image structures and non-addition distortion (MSSIM, SVD-M). The proposed method gives good contrast enhancement, with better brightness preservation without losing edge information and with the minimum addition of distortions to the enhanced cephalometric images.     

基于小波变换的图像增强算法研究

针对图像对比度低、成像质量差的问题,提出一种基于小波变换的直方图均衡算法,用于图像对比度增强.首先对图像作直方图均衡,然后通过对小波变换的一级或二级近似系数的非线性增强处理.实验结果证明,处理后的图像细节清晰可辨,边界信息也得到了保留,由此认为小波变换对改善图像的质量是有效的.     

Gaussian mixture modeling of histograms for contrast enhancement

The current major theme in contrast enhancement is to partition the input histogram into multiple sub-histograms before final equalization of each sub-histogram is performed. This paper presents a novel contrast enhancement method based on Gaussian mixture modeling of image histograms, which provides a sound theoretical underpinning of the partitioning process. Our method comprises five major steps. First, the number of Gaussian functions to be used in the model is determined using a cost function of input histogram partitioning. Then the parameters of a Gaussian mixture model are estimated to find the best fit to the input histogram under a threshold. A binary search strategy is then applied to find the intersection points between the Gaussian functions. The intersection points thus found are used to partition the input histogram into a new set of sub-histograms, on which the classical histogram equalization (HE) is performed. Finally, a brightness preservation operation is performed to adjust the histogram produced in the previous step into a final one. Based on three representative test images, the experimental results demonstrate the contrast enhancement advantage of the proposed method when compared to twelve state-of-the-art methods in the literature.