纪 平，胡学友，张瑞琦

(合肥学院 先进制造工程学院，安徽 合肥 230601)

图像增强是图像处理中的一个重要领域，在医学图像处理及纹理分析、模式识别等预处理步骤中广泛使用[1]。并且在医学、军事、气象、通信、媒体等领域具有重要的应用价值。

直方图均衡算法是一种常用且比较经典有效的图像增强算法，它通过函数重新定义灰度值分布，进而改变对比度大小，来达到图像增强的目的[2]。但直方图均衡也存在一些明显的缺点，如直方图均衡后会使得图像的均值接近于灰度级的中点而和原图像无关；直方图均衡后会使得一部分灰度级被拉伸[3]，一部分灰度级被兼并，表现为图像的过增强而出现不自然的表象；无法有效处理含噪图像等。

本文研究了直方图均衡算法的处理特点，并采用添加滤波器与结合自适应算法来改进传统算法，可以提高图像的对比度，进一步增强图像的清晰度。最后通过实验来验证算法的优越性。

1 算法的原理概述

1.1 直方图均衡化算法

传统的直方图均衡化算法是以图像各灰度级概率的累积分布函数作为变换函数，将原图像映射为一幅灰度级分布较均匀的图像，以增大图像灰度级的动态范围，从而增强图像的对比度[4]。

对于一幅像素数为n，灰度范围为[0，L-1]的图像，令rk表示第k个灰度级，nk表示图像中出现的像素的个数，则rk的直方图p(rk)为:

(1)

灰度累积分布函数Sk为:

(2)

直方图均衡化变换函数为:

(3)

其中rk′为原图像中灰度级rk经直方图均衡化变换后的灰度级；round(·)为四舍五入取整运算。

1.2 加权平均值法灰度化处理

由于灰度直方图分布状态会影响算法的处理效果，所以我们首先采用加权平均值法对彩色图像进行灰度化处理，这是因为加权平均值法更适合处理灰度值在中间区域集中的图像，如图1所示。

图1 图像灰度化实验效果比较

根据指标给R、G、B赋予不同的权值，并通过对R、G、B的值加权平均。

R=G=G=WR+VG+UB

(4)

W、V、U分别表示权重。研究表明，人对颜色的敏感度排序是绿、红、蓝。因此默认为W>V>U，实验和理论证明W=0.30，V=0.59，U=0.11时，能得到最合理的灰度图像[5]。

1.3 限制对比度自适应均衡化算法

相对于传统的直方图均衡化算法，自适应直方图均衡化(AHE)能够有效增强每个区域的对比度，但相关区域可能会出现噪声增强和处理速度过慢等现象[6-7]。限制对比度自适应直方图均衡算法(CLAHE)是基于局部直方图均衡化的基础上提出来的一种改进方法。CLAHE对连续区域进行直方图均衡化，每个区域的中心是原始图像的一个像素，根据设定的亮度最大值对直方图进行截取，截取下来的像素重新分配到每个灰度级，新生成的直方图由于被限定了最大值，与原直方图相比，能够更加有效地限制噪声增强现象[8]。

直方图被裁剪的值取决于直方图的分布和领域大小，即称为裁剪限幅[9]。对CLAHE算法而言，如果图像分割的块数越多，那么处理就越精确，细节处理的效果就越好。综合考虑运算速度和处理能力，本设计采用的窗口大小为25×25，裁剪值为0.01。

1.4 噪声对算法的影响

CLAHE算法虽然可以抑制噪声放大和削弱局部对比度的过度增强[10]，但并不能有效处理噪声。如图2所示，含噪图像直方图均衡化后并不能去除噪声，从而无法很好地改善图像质量。目前对噪声最为有效的处理方式是针对不同特征的图像添加不同类型的滤波器，以达到最佳处理目的。

图2 含噪图像均衡化后效果对比图

1.5 算法改进

改进算法的具体处理过程如下：首先用加权平均值算法对图像进行灰度化处理，再选取自适应中值滤波器处理图像噪声，这里的噪声主要是椒盐噪声，最后用限制对比度直方图均衡化增强图像，CLAHE算法的限制阈值选用0.01。算法流程图如图3所示。

2 实验结果及分析

实验选取一幅加有椒盐噪声的真实校园风景图进行处理，实验结果见图4。

图3 算法处理流程图

图4 算法对比图

从图4可以看出，利用传统直方图均衡算法处理含噪图像，只能突出部分图像特征，对噪声没有有效处理，还会出现暗块区域，使得某些信息丢失。改进算法通过自适应中值滤波器、设置CLAHE有效参数，能够在去除噪声的同时，很好地保留原图细节特征，同时增强图像对比度，图像细节更加清晰。改进算法有效的非线性拉伸，解决了直方图像素的过度合并问题，使灰度分布尽可能处于中间范围，避免过亮或过暗，尤其是暗区信息丢失部分更少。综合改进算法图像处理结果的主观视觉效果和表1的客观指标分析可得，改进算法在处理图像增强中具有细节保持和噪声去除优势。

表1 算法效果对比

图4主要是从视觉效果方面进行的直观比较，我们还可以将两种图像处理方法与原始图像的均方差(MSE)、信噪比(SNR)和峰值信噪比(PSNR)来进行有效性比较，比较结果见表2。可以看出，本研究提出的改进算法比CLAHE算法更加有效。

表2 MSE、SNR和PSNR

3 结论

本研究通过对不同灰度分布的图像进行直方图均衡化处理，通过视觉效果与直方图特征分析，可以看出，直接进行直方图均衡可以有效处理对比度小且灰度范围相对集中的图像，但无法兼顾图像的去噪和细节保持。提出的改进算法首先采用加权平均值灰度化图像预处理，然后通过自适应中值滤波器处理椒盐噪声，最后使用限制对比度自适应均衡算法对图像细节部分进行处理。仿真实验结果表明，改进算法在保证传统图像直方图均衡增强的同时，较好地解决了噪声问题和细节丢失问题，为进一步准确、有效地对目标进行识别和分类做了准备。

算法主要是针对灰度图像处理，在进一步的研究中，还可将此算法应用到其它的图像处理中，如彩色图像处理、低照度图像处理，以及视频信号处理等。