孙 瑶，杨 硕

(沈阳化工大学 计算机科学与技术学院， 辽宁 沈阳 110142)

直方图均衡化(histogram equalization，HE)是最简单有效的图像增强算法之一，由于速度快，被广泛用于图像处理和预处理中.均衡化算法基于完备的数学理论，但受到离散误差的影响，只是对灰度级进行了适当的拉伸和合并，实际效果取决于原直方图的分布情况.与此类似的是灰度拉伸算法，灰度拉伸对相邻灰度级执行的是等间距拉伸，不进行灰度合并，或仅将超出0或255的灰度级合并.而直方图均衡化后的灰度级间距取决于该灰度级对应的像素数目所占的比例，比例越高，间距越大，比例越小，越容易被合并.这种做法往往更容易被人眼接受，因此，直方图均衡化得到了广泛的应用.

对于直方图呈聚集分布的图像，如，整体偏亮或偏暗的图像，应用直方图均衡化会产生较好的图像增强效果.这类图像经过均衡化后，直方图分布会由聚集变为分散，提高了图像的对比度.而对于存在明显亮部和暗部(光照不均)的图像，均衡化所带来的对比度提升效应则有可能导致过曝和欠曝现象，或者将相邻的灰度级合并，使得图像细节丢失，产生过增强现象.针对经典算法的各种问题，研究人员提出了大量的改进算法.如：文献[1]提出一种根据灰度级间距加权的灰度级合并判定方法，对两个灰度是否合并进行判断，较好地保留了图像的细节；文献[2]在灰度直方图基础上，引入了梯度幅值直方图，分别进行均衡化并迭代融合，改善了经典直方图均衡化细节丢失的问题；……