1 概述

圖像增強是數字圖像處理中非常重要的一個組成部分。

由于受到拍攝感光設備、 拍攝時的環境、 傳輸過程等客觀存在且無法完全消除的因素的影響， 圖像中會形成噪聲或者模糊效應。 為了提高成像質量， 消除噪聲或者模糊等不需要的冗余信息， 人們需要使用圖像增強技術來突出圖像中感興趣的區域或者物體。 圖像增強方法有兩類： 一類為頻域處理法，另一類為空間域處理法。 頻域處理法主要是指以二維離散傅里葉變換為基礎的各種濾波方法， 通?？梢栽O計不同的濾波器來對二維信號 （圖像） 中不同的頻率分量進行篩選； 空間域處理法是直接對圖像的像素進行處理， 通過對灰度值的變換來增強構成圖像的像素。 主要介紹基于直方圖均衡化的數字圖像增強技術， 屬于空間域處理法的一種。

2 灰度圖像增強

2.1 常用方法

常用的圖像一般都為灰度圖像， 若圖像所對應的灰度函數為 F （X,Y）， 則 F 表示灰度值， 也就是圖像上對應點的亮度。

亮度是觀察者衡量所看到物體表面所反射的光強度的量度。

作為一種空間域的圖像處理方法， 灰度變換是一種點變換操作， 即按照預先設定好的函數或者規則逐個修改圖像中的像素值， 目的是改變圖像灰度的分布范圍， 改善圖像的顯示質量。 常見的灰度變換算法有 "基于線性函數的灰度變換"和 "基于非線性函數的灰度變換".

使用基于線性函數的灰度變換時， 通常先統計處圖像中灰度的分布范圍， 然后選取合適的線性函數將整幅圖像的灰度擴展至事先選取好的范圍內， 或者整個動態范圍 （通常 0-255）， 這樣可以將感興趣的區域和不感興趣的區域對比度增強。 另外也可以針對不同的灰度區間， 采用不同的線性函數進行擴展拉伸。

基于非線性函數的灰度變換與之類似， 不過選取的是非線性函數進行擴展， 而且非線性函數在不同灰度區間內的擴展效果是不同的。 下面對線性灰度變換的過程進行介紹和仿真實驗。

2.2 直方圖均衡化

直方圖均衡化是應用最為廣泛的線性灰度變換方法。 這里先介紹直方圖的概念---灰度直方圖是描述圖像灰度分布的函數， 通?？梢园?"等間隔" 或者 "不等間隔" 對圖像中的灰度值進行分桶處理， 然后統計落到每個桶內的像素個數。

灰度直方圖是圖像灰度值分布的一個總體的描述。 這里又涉及到了像素的概念---像素通常被視為圖像的最小的完整采樣， 是圖像在坐標空間和性質空間都離散化表示[1][2][3].

作為增強圖像全局對比度的一種方法， 直方圖均衡化是通過把圖像內的像素強度 （通常是指灰度） 進行拉伸來實現的 . 直 方 圖 均 衡 化 適 用 于 前 景 （ FORGROUND） 和 背 景（BACKGROUND） 都太亮或者太暗的圖像 ---例 如在醫學圖像處理 （MEDICAL IMAGE PROCESSING） 中， 某些 X 光照片會存在曝光過度或者曝光明顯不夠的情形， 導致醫生無法根據照片做出準確判斷， 采用直方圖均衡化處理后能夠更明確地顯示出骨骼或者器官的構造細節， 無需重新進行拍攝。

有一些圖像由于其灰度分布集中在較窄的區間， 對比度一般很弱， 圖像細節看不清楚， 可以選取特定的分布范圍對圖像灰度分布進行拉伸， 使拉伸后的圖像直方圖分布更為均勻， 對比度更強， 稱這種方法為直方圖均衡。 比如來說， 輸入圖像的灰度區間在 [0,20], 經過直方圖均衡化后， 圖像的灰度分布會變成 [0,255]. 在 Matlab 工具箱中， 直方圖均衡化是由 histeq 實現的， 函數語法為 g=histeq （f,nelv）， 其中 f 指原始圖像， nelv 是需要事先指定的輸出圖像灰度級數。 直方圖均衡化會使圖像的灰度在 [0,1] 上的均勻分布， 理想結果是圖像的所有灰度級出現的概率相同。 圖像直方圖均衡化的實現首先要統計原始圖像直方圖， 其次要計算直方圖累計分布曲線，然后用累計分布函數作為變換函數進行圖像灰度變換[4], 下面對其進行簡要介紹：

為了對圖像整體灰度分進行均衡化處理， 需要先選定變換函數：

其中 T （x,y） 是累積分布函數， 滿足滿足 0≤T （x, y） ≤1.這樣做的結果擴展了像素取值的動態范圍[5][6]. 如果在實際應用中對圖像進行直方圖均衡化， 需要采用離散形式的變換函數：

直方圖均衡化能夠使圖像的信息熵最大， 這樣變換后的圖像信息量也就最大， 看起來也能夠更為清晰。

可以看到圖 1 對比度不強， 人物和背景差異不大， 細節信息不突出。 因此我們對其進行直方圖均衡化， 程序如下：

f=imread\\('woman.bmp'\\);
figure,imshow\\(f\\);title\\(' 原始圖像 '\\);
figure,imhist\\(f\\);title\\(' 原始圖像直方圖 '\\);
YLIM\\('AUTO'\\);
G=HISTEQ\\(F,256\\);
FIGURE,IMSHOW\\(G\\);TITLE\\(' 灰度變換后圖像 '\\);
FIGURE,IMHIST\\(G\\);TITLE\\(' 灰度變換后圖像直方圖 '\\);
YLIM\\('AUTO'\\);

原始圖像和均衡化后的圖像仿真實現。

3 彩色圖像增強

彩色圖像增強主要是對圖像的色彩、 亮度等信息進行修正， 使增強后的圖像更加生動、 色彩更加鮮艷， 細節更加突出。

彩色圖像處理可分為 3 個主要類型： （1） 顏色變換 （即彩色圖像映射）， 處理的對象是彩色圖像中的每個像素， 而不考慮其空間位置信息； （2） 彩色圖像的空間濾波； （3） 彩色圖像各顏色通道的處理技術。

自然界中常見的各種色光都可用紅、 綠、 藍 （R、 G、 B）這 3 種原色按照不同的比例混合得來， 也可理解為任何一種顏色都可以分解為 3 原色， 且 3 原色是相互獨立存在的。 一幅 RGB 圖像就是彩色像素的一個 M×N×3 的數組， RGB 彩色圖像的每一個像素就是對應的彩色像素的 3 個彩色分量。 RGB圖像可以理解為是 3 幅灰度圖像組合在一起的， 當其經過特定的彩色監視器輸入端時， 就會在屏幕上出現一幅彩色圖像。

其中 3 個彩色分量圖可稱為紅、 綠、 藍分量圖。

彩色圖像有 3 個顏色通道---紅、 綠和藍， 一般用英文字母 R、 G 和 B 表示。 根據 3 基色原理， 任何顏色都可以通過這3 種顏色調配組合而成。 如果我們通過設置 RGB 3 個顏色的強度值來顯示每個像素， 這樣得到的彩色圖像就是真彩色圖像。

4 結語

介紹了基于直方圖均衡化的灰度圖像變換和彩色圖像變換的原理， 并且給出了 Matlab 平臺上的仿真實驗結果。 從仿真結果上看， 灰度直方圖均衡化的方法能夠使得圖像的亮度顯著增加， 同時處理后的圖像中所有像素的灰度平均值高于原圖像， 有效地突出了圖像中的感興趣細節； 將直方圖均衡化的方法應用到彩色圖像上， 同樣可以取得不錯的效果， 從仿真結果上看， 均衡化后的圖像色彩較原圖更為明亮， 細節更為突出。

參考文獻：
[1] 呂風軍。 數字圖像處理編程入門 [M] . 清華大學出版社，1999.
[2] 賈永紅。 數字圖像處理 [M] . 武漢大學出版社， 2003.
[3] 夏德深， 傅德勝。 計算機圖像處理及應用 [M] . 東南大學出版社， 2004.
[4] 高彥平。 圖像增強方法的研究與實現 [D] . 山東科技大學碩士學位論文， 2005.