【低光图像增强】直方图均衡技术综述(Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

摘 要 : 直方图均衡是一种简单而有效的图像增强技术 , 在医学图像处理、计算机视觉、遥感影像等领域都有重要作用, 从均衡时选取的区域情况分为全局和局部直方图均衡方法 ; 从均衡时选取的像素值域可以分为传统直方图均衡、双直方图均衡和递归分解的直方图均衡, 甚至多直方图均衡 ; 从均衡对象可以分为空域的直方图均衡和结合频域滤波的直方图均衡; 从均衡图像的通道数可以分为灰度图像直方图均衡和彩色图像直方图均衡 . 本文对以上涉及的直方图均衡技术进行了较为系统的综述, 对衡量直方图均衡效果的评价指标进行了说明 , 展望了直方图均衡技术进一步研究方向.

关键词 : 直方图均衡 ; 双直方图均衡 ; 局部直方图均衡 ; 彩色图像均衡

直方图均衡技术将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布, 由于其算法简单, 无需借助外来因素的参数设置,可以自成系统的运行, 有效地增强图像对比度[1], 是一种常用的图像增强方法. 一直以来, 直方图均衡技术受到各个领域的重视, 比如在消费类电子产品邻域, 在均衡图像的同时希望保持图像的亮度信息. 为此, Kim 提出了保持亮度特性的直方图均衡算法(BBHE)[2], 随后,学者们又提出了各种改进算法[3-6], 以满足不同的需求.

为了保持图像的亮度特性和更好地增强图像的局部细节, 许多学者转而研究局部直方图均衡技术, 其中比较有代表性的是由 Kim 提出的子块部分重叠的局部直方图均衡算法(POSHE)[11], 该算法在一定程度上消除了局部均衡带来的块效应, 并简化了均衡次数. 项目组此前将迭代阈值的直方图均衡算法[5]应用到 POSHE 算法中提出了基于迭代阈值的子块部分重叠双直方图均衡算法[7], 该算法对子块部分进行迭代阈值均衡处理, 有效地增强图像的细节信息, 又能保持输入图像的亮度, 使均衡后的图像具有更加自然的视觉效果. 目前, 直方图均衡又应用到频域均衡和彩色图像均衡中, 针对频域

变换对图像细节进行增强并抑制噪声干扰 , 而在彩色图像中则提取三个彩色分量分别进行均衡.

📚2 运行结果

部分代码：

img = double(imread('.\images\1.png')); 

if size(img,3)>1
    HSV = rgb2hsv(img);   % RGB space to HSV  space
    S = HSV(:,:,3);       % V layer
else
    S = img;              % gray image
end

c_1 = 0.01; c_2 = 0.1; lambda = 1;     % set parameters

epsilon_stop = 1e-3;  % stopping criteria

[ R, L, epsilon_R, epsilon_L ] = processing( S, c_1, c_2, lambda, epsilon_stop );

%%% Gamma correction
gamma = 2.2;
L_gamma = 255 * ((L/255).^(1/gamma));
enhanced_V = R .* L_gamma;
HSV(:,:,3) = enhanced_V;
enhanced_result = hsv2rgb(HSV);  

figure,
subplot(2,2,1),imshow(uint8(img)), title('input image');
subplot(2,2,2),imshow(uint8(enhanced_result)),title('Gamma correction');
subplot(2,2,3),imshow(uint8(L)), title('estimated illumination');
subplot(2,2,4),imshow(R), title('estimated reflectance');

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码实现