使用直方图均衡化的图像增强技术综述外文翻译资料

 2022-05-02 22:48:50

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

使用直方图均衡化的图像增强技术综述

Chahat Chaudhary, Mahendra Kumar Patil

摘要 图像增强技术是图像处理中富有挑战性的问题之一，使用对比度增强技术可以改善对比度低的图像的画质，直方图均衡化（HE）方法就是这样一种用于增强对比度的技术，而本文将概述基于直方图均衡化的各种图像增强技术。 我们将PSNR，tenengrad和对比度作为参数来评估所用方法的有效性，在应用不同的增强技术时这些参数将发生变化。

关键词 对比度增强，前景增强，遗传算法，直方图均衡，累积密度函数

1.简介

数字图像增强技术是重要的图像处理技术之一，它对于改善图像的视觉外观或为将来的自动化图像处理（如图像分析，检测，分割和识别）提供更好的变换方法具有重要的作用。由于亮度不足，许多图像的强度值的动态范围非常小，因此需要在显示之前进行处理，主要使用空间域中灰度图像的增强技术。 这些方法包括直方图均衡，伽马校正，高通滤波，低通滤波，同态滤波等。

Y-T.Kim提出了一种使用亮度保持双直方图均衡化的对比度增强方法。Y.W.Qian也提出了类似的图像对比度增强方法。T. K. Kim提出了增强图像对比度的块重叠直方图均衡化系统。而基于直方图的其他方法也相继出现。 V.Buzuloiu等人提出了一种图像自适应邻域直方图均衡化的方法，S. K. Nike等人提出了无色域问题的色彩保留的彩色图像增强方法。 Li Tao和V. K.Asari提出了一种基于领域的自适应非线性彩色图像增强算法（AINDANE），他们将增强技术应用于原始颜色的灰色分量，并通过线性颜色恢复处理的方法获得彩色增强图像。

1.1应用

图像对比度增强技术在摄影、卫星图像、医疗应用和显示设备中具有重要作用，在视觉、遥感、动态场景分析、自主导航和生物医学图像分析等许多重要领域都有广泛应用。

2.直方图处理

基于直方图处理的图像增强技术。 直方图中所含的信息也可应用于其他图像处理，例如图像分割和图像压缩。直方图简单地绘制出每个灰度级从0（黑色）到255（白色）的频率。直方图是一个离散函数，如图所示。直方图表示图像中所有灰度级的出现频率，它可以告诉我们图像中单个像素的值的分布情况。

h（rk）= nk / N

其中rk和nk分别是强度等级和图像中具有强度的像素数量。

图1 图像的直方图

3.直方图均衡化

HE技术因为其高效率和简单性在日常生活中被广泛使用，例如消费电子、医学图像处理、图像匹配和搜索、语音识别和纹理合成等领域。基于HE的方法主要是重新分配像素的强度值以使强度分布最大程度地均匀化。

为了增强图像，提出了亮度保持Bi-HE（BBHE）方法。BBHE方法通过使用图像平均灰度级将原始图像分解成两个子图像，然后独立地将HE方法应用于每个子图像。BBHE在一定程度上保留了图像的亮度。

二元子图像直方图均衡（DSIHE）与BBHE类似，但DSIHE使用中值作为分离强度将直方图划分为两个子直方图。最小平均亮度误差Bi-HE（MMBEBHE）是BBHE方法的延伸。在MMBEBHE中，分离强度是输入图像和输出图像之间的最小平均亮度误差。递归均值分离HE（RMSHE）是BBHE的一种迭代技术，RMSHE方法不是仅将图像分解一次，而是递归地执行图像分解，直至标量r，从而生成子图像。在RMSE中，当r增加亮度增加时，但分解后的子直方图的数量是2的幂。多直方图均衡（MHE）克服了双HE的缺点，它将输入图像分解成几个子图像，然后对每个子图像应用经典HE处理。

4.各种增强图像的方法

从高动态范围的自然环境中获取的图像包括黑暗和明亮的区域。增强方法大致可以分为以下两类：

a）空间域方法

b）频域方法

在空间域方法中，我们直接处理图像像素。在获得的空间域中处理像素值。基本上在空间域中像素强度的值直接如方程式（1）处理，

G（x，y）= T [f（x，y）] （1）

其中f（x，y）是输入图像，G（x，y）是输出图像，T是f上的算子，定义在f（x，Y）的某个邻域上。

频域概念的理解是重要的，它使增强技术不受限于对空间的分析。频域中的图像增强技术师基于修改图像的傅里叶变换，所有的增强处理都是在图像的傅立叶变换的基础上，执行傅立叶逆变换来获得合成图像。在频域中，可以如等式（2）所示完成图像增强：

G（u，v）= H（u，v）F（u，v） （2）

其中G（u，v）是增强图像，F（u，v）是输入图像，H（u，v）是传递函数。

1.计算输入图像的DFT（u，v）。

2.用滤波器函数H（u，v）乘以F（u，v）作为G（u，v）= H（u.v）F（u，v）。

3.通过应用傅立叶逆变换计算结果的逆DFT。

4.获得反DFT的实部。

5.方法分析

在文献《实时图像增强技术》中提出了一种修改的方法，即Otsu方法，它通过执行多级阈值来减少otsu阈值计算中涉及的处理时间。

直方图均衡化是被广泛使用的用于增强图像对比度的全局技术。其输入到输出的映射由累积分布函数确定，该累积分布函数是图像直方图的积分。如果直方图中存在高峰值，通常会导致输出图像中出现粗糙点。如果使用区域直方图来改变局部区域的灰度，则可以在较小的区域内改善图像对比度。该过程通常被称为自适应直方图均衡化（AHE），它是由Ketcham等人最先提出的。在以每个像素为中心的滑动窗口，用局部直方图来计算和均衡，进而改变该像素的值。对于尺寸为Ntimes;N像素的图像，需要计算2N个局部直方图。这个耗时的过程已经由Pizer等人改进了：图像被分成块，并为每个块计算直方图均衡映射并分配给其中心像素，然后根据像素的四个周围块的映射函数对其他像素的映射函数进行双线性插值。 Y.T.Kim提出了一种使用亮度保持双直方图均衡（BBHE）的对比度增强方案。 BBHE根据输入平均值将输入图像直方图分为两部分，分离后每个部分独立均衡。该技术试图克服亮度保持问题。在文献《对比度增强使用递归平均分离直方图均衡为可扩展的亮度保存》中提出了一种基于递归均值分离的方法来提供可扩展的亮度保存。在文献《基于图像的快速算法实现二维图像融合》中提出了一种计算二维Otsu阈值的快速算法。 Caselles.L等人在文献《形状保持局部对比度增强》中提出了一种基于图像中物体连通性的形状保持局部增强算法。在文献《基于人眼视觉特性的自适应图像对比度增强》中，提出了一种基于人眼视觉特性的自适应对比度增强算法。 在文献《直方图修改框架及其在图像对比度增强中的应用》中提出了另一种基于直方图修改的增强对比框架。 HE是一种通过在动态范围内扩展灰度级群来转换窄直方图的有效技术。因为它均衡了整个图像，所以产生了平均强度大约在动态范围中间的图像。在传统的对比度增强方法中，前景和背景细节的图像内容在执行直方图均衡处理时保留在一起。而这些全局对比增强技术对图像的视觉质量会产生不良影响。因此，后来引入了一种新方法，它使用双直方图均衡化来增强图像，利用对象和背景的均值来执行。这种方法不仅保留了亮度，而且提高了图像的视觉质量。

6.使用直方图均衡化的图像增强

直方图均衡化是增强图像外观的常用技术。 假设我们有一个大部分是黑色的图像，那么其直方图将向灰度低的一端倾斜，并将所有图像细节压缩到直方图的黑色端。 如果我们可以在黑色端“扩展”灰度级以产生更均匀分布的直方图，则图像将变得更清晰。直方图均衡将直方图拉伸到整个像素范围（0-255）。 直方图均衡化是直方图规范或修改应用于图像的操作。 这是一种对比度增强技术，目的是获得具有统一直方图的新增强图像。

图1 使用直方图均衡化的图像增强

通过使用归一化的累积直方图作为灰度映射函数可以实现图像增强。通过该直方图可以找到每个灰度级的累积密度。 如等式（3）和（4）所示，子图像中每个灰度级的概率密度：

Pks1=nks1/Ns1, 其中k = 1,2,3 ......，m-1 (3)

Pks2=nks2/Ns2, 其中k = m，m 1，...，L-1 (4)

其中m是由所提出的方法计算的平均值。 分别在方程（5）和（6）中定义每个子图像的累积密度函数：

（5）

（6）

使用这些累积密度函数，在等式（7）和（8）中定义每个子图像的变换函数，

（7）

（8）

使用等式（9）获得增强的图像，

(9)

如此，低对比度图像可被扩展为高对比度图像。 由于需要对比度增强得是图像中的对象而不是背景，而全局直方图均衡涉及用于均衡的每个像素，它会影响图像中的每个像素，包括前景和背景，所以这会导致图像背景中出现不希望的效果。而使用上述方法可以纠正这些不良影响。 我们线通过图像分割的方式提出了一种修改的方法，然后提出基于对象的直方图均衡。 在通过重构使用开口提取分割图像之后，如方程（10）所示计算每个单独前景对象的平均值，

（10）

其中“ci”是对象“i”的均值，i = 1到n，其中“n”是对象的数量。 然后，将得到的平均值作为式（11）所示的ml进行平均。

（11）

类似地，背景像素的平均值被计算为m2。 最后，平均值ml和m2被平均为m。 这意味着#39;yn#39;被进一步用作双直方图均衡中的阈值。 双直方图均衡可用于增强低对比度图像，并根据获得的阈值将图像的灰度级分为两个子级，并独立均衡每个子级。 该流程在下面的流程图中显示：

流程图 用于分离图像的前景和背景

图3,4,5 a）原始图像，b）DSIHE，c）MMBBHE，d）MPHE，e）BBHE，f）使用分割

使用图像亮度、PSNR、tenengrad和对比度这些众所周知的标准，当作所提出的方法和常规方法处理后图像质量的参数。 方程（12）中可以表示两幅图像之间的PSNR：

(12)

其中`L-1#39;是图像中的最大灰度级。 如等式（13）给出MSE：

（13）

其中Rij是增强图像，Iij是原始图像，M，N是图像的尺寸。图像的Tenengrad计算公式如下（14）所示：

（14）

其中

其中 #39;Gx#39;是图像的水平梯度，#39;Gy#39;是图像的垂直梯度。像素x1，x2，x3，x4，x5，x6，x7，x8，x9的特定3x3窗口中的对比度 x5是要被替换的像素，是基于局部二进制模式和对比度的联合出现来计算的，如下式（15）所示：

（15）

其中，对于m = 1至n，xmgt; x5，并且对于k = 1至（9-n），xk lt;x5

表1 参数度量

7.讨论分析

在目前的情况下，很容易理解增强图像技术存在的意义，因为无论是设计师或者艺术家，谁会选择一个扭曲丑陋的图象？ 无论是的家中观看板球比赛的观众，还是在电影院里的电影爱好者都需要高品质的图像。在本文中提出了许多用于图像增强的算法。我们知道传统的图像增强方法具有以下缺点：

全文共7145字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[12840]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章