一、直方图均衡
直方图均衡化的基本思想是使输入图像的直方图分布变的均匀, 这样就会使图像的灰度级增加,从而可达到图像对比度整体增强的效果。
对于直方图均衡化而言, 图像灰度改变的是通过累积函数来实现的,以此达到增强对比度的效果。 其基本的操作步骤的核心思路即, 对原始图像的非均质化拉伸处理,使其像素值间距扩张,均匀化各灰度范围的像素量。
这种方法也存在一些缺点:
(1) 增强后图像的灰度级会变少,部分细节会消失;
(2) 当输入图像的直方图有非常密集的部分时,增强后的图像的对比度会增强过度。
步骤:
1)计算图像的灰度直方图
2)求图像像素总数,归一化直方图分布
3)计算图像的灰度级的累计分hp:
4)求出增强图像g的灰度值:
二、自适应直方图均衡化
以AHE (Adaptive Histogtam Equalization)为例,该方法将图像利用网格线切割为数量众多的小格子区域, 并对每一个格子进行均衡化处理。但该方法会导致图像失真, 且其微噪也会因此而放大。
三、对比度受限制自适应直方图均衡化
Contrast limited Adaptive Histogtam Equalization(CLAHE),基于直方图裁剪后的均衡化,即对每一个划分单元进行对比度的限制处理。
CLAHE通过限制局部直方图的高度来限制噪声放大和局部对比度增强。该方法将图像划分为多个子区域; 然后对每个子区域的直方图进行分类。 再对每个子区域分别进行直方图均衡化, 最后通过对每个像素进行插值运算来获得变换后的灰度值,以此实现对比度受限自适应直方图均衡化图像增强。
CLAHE与AHE不同的地方是增加对比度限幅,这就可以克服AHE的过度放大噪声的问题;
此方法存在不足:
当通过将RGB彩色图像转换为YUV或LAB图像调整亮度时,再转换会RGB彩色图像时会存在色彩暗淡现象,需要改进色度调整,如下图:
四、对比度受限制全局直方图均衡化
与对比度受限制自适应直方图均衡化的区别是不对图像进行划分多个子块。