唐巧玲，何涛

（内江师范学院，四川 内江 641100）

0 引言

在现代电子计算机技术的高速发展下，几乎所有与成像有关的设备都使用了相关的数字图像技术。在图像的产生过程中，由于很多不确定因素的影响，如曝光不足或过量、系统噪声等等，生成的图像与原始图像存在差异，降低了图像质量或造成图像退化[1]。因此，在对图像进行数据分析或者修改前，就需要改善生成的图像与原图像之间的差异。采用局部图像增强技术就可以将图像中不够清晰甚至不可分辨的原始部分转化为一幅高清晰度的有用图像，从而能让观察者或者机器更加容易地对图像中最重要的信息进行提取和使用。

1 图像增强技术简介

图像增强是数字图像处理中的一种图像处理技术，其主要思想是除去图像中的无关信息，强调图像中的重要信息，提高图像质量，从而将图像转换为适合于人或机器分析处理的形式。传统的图像增强方法通常是将变换函数应用于整个图像区域，但是对图像细节的处理改变了整个图像，不能有效地解决图像噪声和边界增加之间的矛盾。因此本文采用直方图变换的方法进行图像局部增强技术的研究。

2 图像局部增强的算法和原理

图像增强的方法按照变化类型可以分为直方图变换、图像的平滑和锐化等。因为直方图变换能够清晰显示具体增强部分的变化程度，并且当直方图均匀分布时，图像最清晰。因此，本文利用直方图变换来达到图像局部增强的目的。

直方图变换调整了图像的灰色度，改变了图像的灰色度分布，实现了图像的增加。其基本思想是根据特定的需要对灰度直方图进行变换，并利用变换的功能来改善图像特定区域的差异。直方图变换可以分为直方图均衡化(Histogram Equalization)和直方图匹配（Histogram Matching）[2]。

2.1 直方图均衡化

直方图均衡化是将原始图像对应的灰度直方图变化成相应的灰度分布均匀的直方图，并对各像素的灰度进行重新分配，使整个范围内的像素数目与某一灰度值范围区间大致相等。经过一系列的处理后，图像灰度直方图具有良好的分布规律，利用更改图像局部环境的对比度，可以收获相对较好的整体对比度，并且最初的图像也伴随着直方图的改变而改变，以实现图像局部增强的明显效果。

若设原始的灰度图像为r，L为图像中灰度级的总个数（如8位图像中为256）。并且令ni为灰度级i在所有像素中的出现次数，n是图像中的像素总数。则图像中灰度级为i的像素出现的概率是ni/n，假设ni/n等于Pr(i)，0 ≤i

通过对Pr(i)相加，得到图像中所求和相对应的归一化直方图Fr(i)，其函数表达式为。

其中，Fr(i)为单调增加函数，且具体的分布也相对较均匀，但由于Pr(i)取值区间只是在[0,1]之间，为了能够让直方图的灰度取值范围扩展到[0,L-1]，因此最终结果就必须是用Pr(i)与L-1相乘来获得。

直方图的均衡化能够使光照强度过大或过小的照片中的细节更加清晰。方法简单且可逆，也就是说，如果已知均衡函数在该直方图的具体呈现形式，则无论经过怎样的处理，最终的直方图仍然能够恢复成原始直方图的效果。但是整个均衡过程会使有用信号的对比度降低，加强了背景噪声的对比度，同时处理后的图像灰度级数目相对减少，图像细节缺失，对比度增强不自然。

2.2 直方图匹配

直方图匹配方法也称直方图规范，是将图像直方图转换为与指定直方图相匹配的直方图的一种图像局部增强方法。

在进行图像局部增强之前，先要确定两个原始图像类型，一个作为直方图的参照物，另一个作为要运用的原始图像。然后再分别计算参考图像本身直方图各自的累积分布函数FR()以及原始图像直方图本身的累积分布函数F0()[4]。计算完成后，有关[0,255]中的每个相对应的灰度级g1，都能找到相互映射的灰度级g2，使满足公式。

直方图匹配主要用于相对辐射校正，以实现平衡探测器响应。当两幅图像由不同的传感器在同一位置、同一局部光照条件下拍摄，可以采用与直方图类似的方法进行有效处理。直方图匹配能够同时运用到两组直方图之间的匹配，也能用来改善图像颜色。

3 图像局部增强技术的实现

本文采用MATLAB作为仿真平台，使用直方图变换中的直方图均衡化和直方图匹配化方法，来对图像进行局部增强，并且对比两种方法的增强效果。本章节中使用HT1来代表原始图像，HT2代表输出的增强后图像结果。

3.1 直方图均衡化实现

直方图均衡化的目的就是将灰度概率密度的分布转化为灰度均匀分布。通过调用MATLAB中的histeq函数，转换强度图像中的值或索引图像中的颜色映射值来增强图像的对比度[5-6]。图像均衡化效果核心代码如下。

直方图均衡化效果对比图和均衡化前后直方图对比图如图1和图2所示:

图1 直方图均衡化效果对比图

图2 均衡化前后直方图对比图

从图1～2中可清晰地看出经过直方图均衡化之后，图像局部增强效果比较明显，相对于原始图像，对比度变得更高，凸显的效果更好。

3.2 直方图匹配实现

在进行直方图匹配之前，首先要计算原始图像和对应图像中像素的累积概率，在MATLAB中使用imhist函数来获取原图及匹配图像的直方图，cumsum函数计算元素的累加值，numel计算元素的个数，然后再计算原图中每一个值在匹配图中距离最小的位置。其核心代码如下。

直方图匹配化效果对比图和匹配化前后直方图对比图如图3和图4所示。

图3 直方图匹配化效果对比图

图4 匹配化前后直方图对比图

综上所述，本文采用了直方图均衡化和直方图匹配两种方法来实现对图像的局部增强技术。相比于直方图匹配，直方图均衡化后，可以得到一幅质量更好的新图像。该图像的灰度将不再是暗色调的图像，而是中等灰度的图像，比原始图像更清晰、更明亮。处理结果使图像更适合人类视觉特征或机器识别系统。

4 结语

本文基于MATLAB平台，采用了直方图变换中的直方图均衡化和直方图匹配方法，来对图像进行增强。在不探究图像清晰度下降的前提下，在需要突出图像中感兴趣的特征和衰减不必要的特征目标时，该方法能够方便简单地提高图像的清晰度，从而快速地完成图像增强的目的。此方法方便快捷，对于大多数的图像图像增强效果较好。直方图匹配是预先确定直方图的分布，然后对图像进行相应的改变。如果只使用预先确定的直方图分布，则只能显示图像的整体灰度分布，而无法确定灰度值的具体位置。同时对于一些对比度较弱或者是灰度分布很密集的图像，增强效果不明显，一些图像细节将会消失。为更快地选择出效果相对较好的图像，还是需要通过对比列举图像局部增强后的效果图。但是到目前还没有统一的评判标准，能够作为评价图像和设计图像系统函数的依据，以解决目前许多定性测试方法的不精确性带来的误差等，因此还需进一步研究。