💥💥💞💞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
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
📚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。