直方圖均衡方法因其有效性和簡(jiǎn)單易用性已經(jīng)成為圖像增強(qiáng)的常用方法。直方圖均衡是一種經(jīng)典有效的圖像增強(qiáng)方法。這種方法是根據(jù)輸入圖像的灰度概率分布來(lái)確定圖像對(duì)應(yīng)的輸出灰度值，通過(guò)拓展圖像灰度分布的動(dòng)態(tài)范圍以改善圖像視覺(jué)效果[1]。直方圖均衡方法有局部均衡和全局均衡兩種。局部均衡可以更好地增強(qiáng)圖像的局部細(xì)節(jié)，局部方法有子塊不重疊、子塊重疊與子塊部分重疊3種方式。其中，子塊不重疊方式因產(chǎn)生明顯的塊效應(yīng)而很少采用；子塊重疊方式由于計(jì)算量大、處理速度慢，實(shí)際應(yīng)用也不多；子塊部分重疊方式雖然可以較好地提高處理速度，但是其算法相對(duì)復(fù)雜。與局部方法相比，全局算法比較簡(jiǎn)單，不但處理速度較快，而且對(duì)提高圖像整體對(duì)比度的效果顯著，但是也存在灰度級(jí)合并的缺點(diǎn)，造成圖像的灰度級(jí)減少，細(xì)節(jié)部分變得模糊。現(xiàn)有的直方圖均衡算法在增強(qiáng)圖像對(duì)比度的同時(shí)， 輸出圖像的亮度與輸入圖像無(wú)關(guān)， 并且在均衡區(qū)域產(chǎn)生亮度飽和現(xiàn)象，提出了一種新的直方圖均衡算法。以亮度保持的雙直方圖均衡算法為基礎(chǔ)，改進(jìn)其對(duì)子圖像的分類方式：根據(jù)直方圖對(duì)圖像進(jìn)行多峰值分解，得到一系列不同范圍的子圖像，然后對(duì)每一個(gè)子圖像在其相應(yīng)的灰度范圍內(nèi)進(jìn)行直方圖均衡，合并這些子圖像的均衡結(jié)果。

　　針對(duì)傳統(tǒng)全局直方圖均衡算法的不足，介紹一種簡(jiǎn)單、有效的圖像增強(qiáng)算法。該方法通過(guò)對(duì)灰度變換進(jìn)行修正，使映射后相鄰兩灰度間距加大，從而避免了不同灰度的像素均衡后被合并、圖像過(guò)亮等現(xiàn)象。實(shí)驗(yàn)證明，改進(jìn)方法可以減少圖像信息的丟失，明顯改善直方圖處理偏暗圖像的視覺(jué)效果。

　　1 傳統(tǒng)的直方圖均衡算法

　　1.1 直方圖均衡算法

　　全局直方圖均衡通過(guò)改變輸入圖像直方圖各灰度級(jí)的概率分布，使輸出圖像各灰度級(jí)分布變得相對(duì)均勻，從而使圖像的對(duì)比度得到增強(qiáng)，其處理過(guò)程如下：

　?。?）計(jì)算原圖像的灰度級(jí)直方圖。

　?。?）求得原圖像各灰度級(jí)的累積概率分布函數(shù)，并由此構(gòu)造灰度轉(zhuǎn)換函數(shù)。

　　（3）根據(jù)灰度轉(zhuǎn)換函數(shù)將原圖像所有像素灰度值映射到輸出圖像。

　　1.2 傳統(tǒng)的全局直方圖均衡算法的弊端

　　由于直方圖均衡化算法來(lái)源于連續(xù)函數(shù)，而數(shù)字圖像的灰度是離散值，對(duì)應(yīng)用于數(shù)字圖像的灰度變換函數(shù)進(jìn)行了從連續(xù)到離散的近似，因而直方圖均衡不可避免地存在以下問(wèn)題：

　?。?）變換后圖像的灰度級(jí)減少，某些細(xì)節(jié)丟失。由于量化誤差的存在，使原本不同灰度的像素在直方圖變換后，以相同灰度顯示，即出現(xiàn)了灰度被吞噬的現(xiàn)象，從而造成了部分信息丟失。

　?。?）變換后圖像出現(xiàn)局部過(guò)亮或偽輪廓現(xiàn)象。直方圖均衡只是改變?cè)瓐D像中同一灰度層上所有像素的灰度，并不能改變單個(gè)像素點(diǎn)在灰度層上的分布。這使得直方圖均衡算法在處理灰度呈現(xiàn)兩端分布或偏暗圖像時(shí)，容易出現(xiàn)圖像過(guò)亮或偽輪廓等現(xiàn)象，因而得不到滿意的視覺(jué)效果。

　　2 直方圖均衡算法改進(jìn)方法

　　2.1 改進(jìn)思路

　　在傳統(tǒng)的直方圖均衡化中，存在的顯著問(wèn)題是：分布較小的圖像灰度級(jí)rmin存在被分布較大的圖像灰度級(jí)rmax所淹沒(méi)的趨勢(shì)。這是因?yàn)榛叶燃?jí)為rmax的像素總數(shù)N（rmax）比灰度級(jí)為rmin的像素總數(shù)N（rmin）大很多，因此可以根據(jù)需要設(shè)定1個(gè)灰度區(qū)間[M，N]，嘗試減少N（rmax）與N（rmin）之間的差距，使得分布較小的圖像灰度級(jí)rmin不易被分布較大的圖像灰度級(jí)rmax所淹沒(méi)，但同時(shí)又要適當(dāng)反映出這個(gè)差距。

　　針對(duì)上述情況，在直方圖均衡算法中進(jìn)行兩方面的改進(jìn)。首先，采用函數(shù)f（x）=xm（0≤m≤1，x為整數(shù)），也就是引入了加權(quán)因子m[5]，這樣可以較好地改善不同灰度級(jí)所占的比重，使分布較小的圖像灰度級(jí)rmin所占的比重相對(duì)變大，而分布較大的圖像灰度級(jí)rmax所占的比重相對(duì)變??；其次，對(duì)傳統(tǒng)直方圖均衡算法的映射關(guān)系加以改變。

　　2.2 改進(jìn)算法的推導(dǎo)

　　根據(jù)需要設(shè)定1個(gè)灰度區(qū)間[M，N]，建立一個(gè)新的圖像像素的灰度分布函數(shù)N′（r），令

　?。?）用式（5）進(jìn)行均衡化，修改原圖像的灰度級(jí)獲得增強(qiáng)圖像。

　　2.3 加權(quán)因子m的討論

　　在改進(jìn)算法的步驟（3）中引入加權(quán)因子m，主要目的是適當(dāng)改變各灰度級(jí)所占的比重，從而減少在直方圖均衡化過(guò)程中，較小的灰度級(jí)合并的可能性，增強(qiáng)圖像細(xì)節(jié)。加權(quán)因子m的取值有3種情況：

　　（1）當(dāng)m=0時(shí)，對(duì)圖像不做任何處理，輸出圖像與輸入圖像相同。

　?。?）當(dāng)m=1時(shí)，由于圖像各個(gè)灰度級(jí)所占的比重沒(méi)有發(fā)生變化，也就是傳統(tǒng)的直方圖均衡算法，此時(shí)圖像的細(xì)節(jié)變得模糊，但是圖像的亮度得到了保持。

　?。?）當(dāng)0<m<1時(shí)，即為本算法與傳統(tǒng)直方圖均衡算法的主要區(qū)別。適當(dāng)選取m的值就可以使圖像的對(duì)比度和細(xì)節(jié)都能得到很好地保持。當(dāng)加權(quán)因子m取值接近于0時(shí)，占總體比例較小的灰度級(jí)rmin所占的比重將相對(duì)變大；而占總體比例較大的灰度級(jí)rmax所占比重將相對(duì)變小，此時(shí)可以有效地避免圖像中較小的灰度級(jí)合并，使圖像的細(xì)節(jié)得到保持，但均衡效果不理想，對(duì)比度提高不夠。當(dāng)加權(quán)因子m取值接近于1時(shí)，此時(shí)圖像的對(duì)比度得到提高，亮度也得到保持，但是圖像的細(xì)節(jié)卻保持不夠。因此應(yīng)選取適當(dāng)?shù)膍值，使圖像在細(xì)節(jié)保持和對(duì)比度增強(qiáng)之間做一個(gè)折中。

　　3 仿真結(jié)果與討論

　　實(shí)驗(yàn)圖像為L(zhǎng)INA圖像，分別采用傳統(tǒng)的直方圖均衡算法和本文中改進(jìn)的直方圖均衡算法進(jìn)行仿真實(shí)驗(yàn)。由于灰度的范圍一般是0~255，因此在本文的仿真實(shí)驗(yàn)中取M=0，N=255，同時(shí)令加權(quán)因子m=0.5，在增強(qiáng)圖像對(duì)比度的同時(shí)，可以有效地保持圖像的局部細(xì)節(jié)。在Matlab中仿真后的效果如圖1所示。

　　由圖1可見(jiàn)，采用傳統(tǒng)的直方圖均衡化處理后，圖像變得清晰了，但是均衡化處理的圖像只是近似均勻分布，其本質(zhì)是減少了量化級(jí)別，擴(kuò)大了量化間隔。因此使得圖像不同灰度級(jí)的像素經(jīng)變換后被吞噬的現(xiàn)象比較明顯，局部細(xì)節(jié)消失，而且處理后的圖像對(duì)比度過(guò)度增強(qiáng)。本文中使用改進(jìn)后的直方圖均衡算法，設(shè)置權(quán)值m的大小為0.5，適當(dāng)減小了不同灰度級(jí)像素總數(shù)的差距，使圖像中的小概率灰度得以保留，均衡后圖像的灰度分布更加合理、均勻。在提高圖像對(duì)比度的同時(shí)，局部細(xì)節(jié)信息得到了更好地保護(hù)，增強(qiáng)后的圖像具有更加自然的視覺(jué)效果。

　　文本提出了一種改進(jìn)的直方圖均衡算法，該算法在傳統(tǒng)的直方圖均衡算法基礎(chǔ)上加入了加權(quán)因子m，并且給出了改進(jìn)后的灰度變換映射關(guān)系，使得均衡后的圖像分布更加均勻，在提高對(duì)比度的同時(shí)，有效地保持了圖像的局部細(xì)節(jié)信息，使均衡后的圖像層次感更強(qiáng)，具有更加自然的視覺(jué)效果。