基于直方图均衡化的彩色图像增强

现实生活中经常遇到所照图片清晰度不好,亮度不够,能辨率低,这样就需要将图像进行处理以得到清晰度和亮度更好的图像。文章首先介绍彩色图像和图像增强的定义与方法,以及彩色图像转换为灰度图像的方法,然后对直方图均衡化作出解释,最后通过实验先将彩色图像转换为HSI图像,并对HSI图像中的I分量的灰度图像进行直方图均衡化的处理,再将经过处理后的HSI图像还原成彩色图像,即可得到增强的彩色图像效果图。实现了通过直方图均衡化的处理得到彩色图像的增强。     

基于粗糙集直方图的彩色图像分割改进

把粗糙集应用于图像分割的研究一直是一个热门话题,Milind M.Mushrif、Ajoy K.Ray 等结合Histon直方图,基于粗糙集理论,阐明了一种新的彩色图像分割算法.此方法可以获得合适的阈值,对彩色图像进行合理的分割,但是,该文完全是在R、G、B颜色空间的基础上构建粗糙集直方图的,由于R、G、B3个分量是高度相关的,并且RGB颜色空间是不均匀的,所以,不能用该颜色空问中两点间的距离来表示两种颜色之间的知觉差异,这直接影响到粗糙集直方图的准确性,进而影响最终的分割效果.针对该弱点进行改进,引入YUV空间来计算像素点间的颜色差异,进而得到更准确的R、G、B粗糙集直方图,以求得到更符合知觉差异的粗糙集直方图.经过大量实验证明,文中所述方法分割效果更贴近原图,符合视觉感受.     

基于目的性优化及改进直方图均衡化的夜间彩色图像增强

夜间图像由于照明不足,存在图像对比度、亮度偏低,细节不可见,导致图像质量下降.大多夜间彩色图像增强算法往往在高对比度边缘区域存在“光晕伪影”现象,针对这些问题提出了一种基于目的性优化及改进直方图均衡化的图像增强算法.该算法通过目的性优化增强原图像对比度,最大程度地保留细节;然后采用改进的保留细节的直方图均衡化增强图像;最后采用改进的Gamma校正对图像进行增强.算法结果通过主观视觉效果以及客观质量评价2方面验证,实验结果表明该算法能够有效地增强图像对比度、亮度,恢复图像细节,并消除了“光晕伪影”.     

基于模糊聚类分割的累积直方图均衡化算法

通过比较几种图像直方图均衡化的应用范围,提出一种基于模糊聚类分割的累计直方图均衡化的方法。实验结果表明:与传统直方图均衡化算法相比,使用该方法处理后的图像不仅使灰度值分布更加均匀,增强了整体对比度,而且保留了原图像更多的细节信息,很好地达到了图像增强的目的。     

基于色调直方图和区域合并的彩色图像分割算法

近年来随着机器视觉、模式识别和基于内容的图像检索等技术的不断提高以及彩色图像的大量使用,图像分割特别是彩色图像的分割显示出越来越重要的地位。为此提出了一种快速有效的彩色图像分割方法,主要包括三个步骤：首先将RGB颜色空间转换成HSV空间,把图像中的像素点根据饱和度和亮度划分为奇异点和非奇异点;然后对非奇异点和奇异点分别采用基于色调和灰度直方图进行分割;最后综合这两种分割结果,采用区域合并技术进行合并。实验结果表明,该方法对彩色图像能够有效地提取目标物体,具有一定的鲁棒性。     

基于色调不变的彩色图像增强

色调是反映彩色图像中色彩信息的重要参数,为了在进行图像效果增强的同时保持色调不变,通常的做法是先把图像从RGB转化到HIS色彩空间,然后在保持H变量(色调)不变的情况下,进行I(亮度)的增强。但是这种方法由于需要进行色彩空间的相互转化,大大增加了计算量。通过对简化HIS模型的分析,提出了一种直接对R、G、B分量进行处理的彩色图像增强方法。该方法可以运用已有灰度图增强算法进行彩色图像的增强,由于不需要进行色彩空间的转化,大大减少了计算量,可用于实时性要求高的场合。实验结果表明,该方案使彩色图像的增强效果明显,运行效率高。     

一种广义直方图及其在彩色图像增强中的应用

提出了一种广义直方图的构造方法并将其用于彩色图像均衡化增强。针对传统直方图均衡化方法实现彩色图像增强并不具有普适性的不足,将传统灰度图像直方图定义进行修改并得到一种广义灰度图像直方图,将其用于彩色图像在HSV空间实现均衡化增强。实验结果表明,所建议的广义直方图均衡化彩色图像增强方法是有效的,且比传统直方图均衡化方法能取得更好的增强效果。     

基于直方图和模糊C均值的彩色图像分割方法

提出一种基于HSV空间的直方图和模糊C均值(FCM)相结合的彩色图像分割算法.首先将彩色图像转化到HSV空间,考虑到该空间的奇异性,把图像中的像素点根据饱和度和亮度划分为奇异点和非奇异点,然后对非奇异点建立3D HSV颜色直方图,并用爬山算法筛选出峰值进行像素点FCM聚类,对奇异点则建立1D灰度直方图,筛选出峰值进行直方图FCM聚类,最后合并两种分割结果.实验结果表明,该方法对彩色图像能够有效地提取目标物体,具有一定鲁棒性.     

一种基于主色外观图的彩色图像分割算法

在对三维传统的颜色直方图(CCH)作出了一系列改进的基础上,提出了一种基于主色外观图(DCG)的新的彩色图像分割方法.首先根据改进后的颜色直方图确立彩色图像的近似主色成分,然后再利用CIE-1976色差公式分别计算出其每个像素与主色之间的距离,并据此建立相应图像的颜色距离直方图(CDH),它精确地反映了图像像素与参考色之间的色彩相似度.为了证实CDH在彩色图像分割中的效用性,又通过进一步地扩展得到了CDH集,或可称为主色外观图.实验结果表明,就精确性、鲁棒性和计算的复杂度而言,基于DCG的分割方法能够得到比传统阈值法和聚类法更好的分割效果.     

融合直方图阈值和K-均值的彩色图像分割方法

提出了一种简单有效的彩色图像分割方法。应用直方图阈值技术获得彩色图像中所有可能的均匀区域,即通过寻找主峰值,对区域作初始化和合并,获得由相应的聚类中心标注的均匀区域,提出自适应K均值算法以提高已经形成的均匀区域间的紧密度。实验结果表明,该方法与IAFHA方法比较,分割的区域数较少,且分割速度较快,具有一定鲁棒性。     

直方图图像增强技术

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。     

基于分量直方图的移动机器人视觉图像自适应分割

提出一种基于分量直方图的自适应分割方法．首先对图像的3个分量统计直方图进行自适应分割,确定出各分量的分类数目及类的取值范围;然后,对分割类进行分量间组合,获得原图像中主要的几种颜色;最后以这些颜色作为聚类中心,按照颜色相似性准则对图像进行聚类分割．在移动机器人CASIA 1上进行的实验证明：该算法实现了图像主要区域的自适应分割与提取,并且能够满足移动机器人对视觉处理过程的实时性要求．     

结合子层分割和自适应函数引导的规定化图像增强

为了更好地辨别低照度图像中的目标,提高图像的对比度并增强纹理细节信息,采用子层分割规定化算法对图像进行增强处理,提出一种结合子层分割和自适应函数引导的规定化图像增强算法.首先根据原始图像直方图的特点对直方图进行子层分割,之后通过对分割后的子层进行灰度区间拉伸来提高图像的亮度,以增强图像的对比度;为了增强图像中的细节信息,在每个子层求取自适应函数来对每个子层做规定化处理;最后对子层直方图合并,得到增强后图像.实验结果证明,经过增强后图像的灰度平均梯度值为原始图像的3~4倍,信息熵也明显增大;该算法在增强图像细节、提高图像的对比度上具有优越性.     

子图像加权的彩色图像对比度增强算法

为了更好地实现彩色图像的对比度增强,提出一种有效的基于亮度保持的子图像加权对比度增强算法.首先利用基于亮度保持的双直方图均衡(BBHE)算法定义了2个子图像;然后根据输入图像以及2个子图像的亮度均值,给出一种基于亮度保持的权重系数的计算方法;最后对2个子图像进行加权求和,得到输出图像.对具有不同对比度的彩色图像的实验结果表明,与其他算法相比,文中算法能够有效地实现对比度增强,并且不会出现局部过度增强以及细节丢失等噪声问题,使得输出图像显得更为自然.     

基于直方图均衡化与MSRCR的沙尘降质图像增强算法

针对沙尘天气下图像色彩偏移严重及对比度低等问题,提出一种基于直方图均衡化与带色彩恢复的多尺度视网膜（MSRCR）增强的沙尘降质图像增强算法。通过偏色校正和图像增强两个步骤进行图像恢复,将RGB图像各通道预处理后利用限制对比度自适应直方图均衡方法得到校正后的图像,对图像采用双边滤波进行降噪处理,通过MSRCR算法进一步解决色彩失衡问题。由于处理后的图像对比度较低,存在一定色偏,利用伽马校正和基于图像分析的偏色检测及颜色校正方法进行处理得到最终结果。对大量沙尘降质图像进行仿真实验,结果表明,该算法能够有效处理不同偏色程度的沙尘图像,不仅提高了图像的对比度,而且有效避免了图像颜色偏移现象,相比GCANet、MSRCR等算法,平均时间效率提升了46.2%~94.7%。     

结合直方图紧凑均衡的图像增强算法

鉴于现有的平台直方图均衡图像增强算法的平台阈值难于选择的问题,文中提出了一种结合直方图紧凑均衡的图像增强算法,将稀疏的直方图分布紧凑化,同时构造自适应平台阈值选取方法,增强图像的细节,限制背景和噪声。该方法克服了传统平台直方图方法整体提升,细节不突出的缺点。目前算法已经嵌入工程硬平台,针对大量低照度图像的实验结果表明,算法能够根据图像内容,自适应选择平台阈值,提升图像细节,较好地抑制背景,同时计算简单,便于实际应用。     

医学图像增强与直方图处理

文章介绍了图像增强的相关知识,重点介绍了用直方图增强图像的方法。用直方图处理图像包括直方图均衡化和直方图规定化。直方图均衡化和直方图规定化能增强图像的对比度,使图像更清晰。直方图均衡化对局部细节的增强效果不显著,而直方图规定化则使关注的细节变得更清晰。所以直方图规定化法处理医学图像局部细节方面优于均衡化。     

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。