博客

引言

由于受到环境，光线等的影响，拍摄的照片清晰度和对比度比较低，不能够突出图像中的重点。图像增强就是通过一定手段来增强图像的对比度，使得其中的人物或者事物更加明显，有利于后边的识别等处理。本章介绍几个传统的图像增强算法，并给出matlab实现代码，看一看不同算法的实现效果，最后再介绍一下深度学习在图像增强上的应用。

01

直方图均衡

在直方图中，如果灰度级集中于高灰度区域，图像低灰度就不容易分辨，如果灰度级集中于低灰度区域，那么高灰度就不容易分辨。为了能够让高低灰度都容易分辨，最好的办法是将图像进行转换，使得灰度级分布概率相同。这就是直方图均衡的目的。假设图像经过如下变换：

其中L为灰度级。我们的目的是使得灰度级概率分布相等：

变换前灰度级分布和变换后灰度级分布关系为：

因此有：

积分有：

用离散化表示：

Matlab代码如下：

function histogramEqual        imgData=imread('../data/img0.jpg');    gray=rgb2gray(imgData);    imshow(gray);    imwrite(gray, '../data/gray0.jpg');    %calculate histogram    histgramData=linspace(0, 0, 256);    [grayRow, grayColumn]=size(gray);    grayPixelNumber=grayRow*grayColumn;    for i=1:grayRow        for j=1:grayColumn            histgramData(gray(i, j)+1)=histgramData(gray(i, j)+1)+1;        end    end    %histogram equalization    histogramIntegral=linspace(0, 0, 256);    for i=1:256        for j=1:i            histogramIntegral(i)=histogramIntegral(i)+histgramData(j);        end    end        for i=1:grayRow        for j=1:grayColumn            gray(i, j)=round(255*histogramIntegral(gray(i, j)+1)/grayPixelNumber);        end    end        imshow(