直方图均衡化局部直方图均衡化直方图统计算法在图像处理效果上的对比

Posted 2022-01-06 nanke_yh

       目录

第一组，对于全局性的较暗图片增强。

第二组，局部细节对比度不强图片的增强试验。

---

         这段时间一直在写关于直方图在图像处理中的使用算法，比如直方图均衡化、直方图规定化、局部直方图均衡化以及直方图统计算法。在这个过程中，边学习边代码实现和测试，经过这么些时间基本完成了这部分内容，从中也收获了许多，了解了其中算法的原理和实现方法，看到了图像在经过这些算法处理后的效果。

        这篇文章则主要是根据这段时间所写内容，归纳对比一下其中图像增强算法的效果。

1、直方图均衡化：是一种借助直方图变换实现灰度映射从而达到图像全局增强目的的方法。

2、局部直方图均衡化：并非对整个图像采用直方图算法，而是改变目标为针对像素点的邻域。

3、直方图统计算法： 直方图统计算法可指定对比度差的局部区域进行相应的提升，来实现图像局部区域的图像增强目的。

        那么对比这些算法在图像处理中的效果如下：

第一组，对于全局性的较暗图片增强。

原图：根据左图进行亮度/对比度操作获得暗区域的原图
全局直方图均衡化：		可以看出图像被复原的情况已经很接近原图，基本的信息细节都能够直观看到
子块不重叠的直方图均衡化：存在块效应，但基本信息细节可见，分块越多，块效应越严重	2*2	4*4
子块重叠的直方图均衡化：滤波器尺寸越大亮度越高，全图体现了丰富细节，但是原图的信息损失严重	size=5	size=11
直方图统计算法：获得图像细节和信息少且暗无对比度，size越大获得的细节和信息越少。	3, 0.4, 0.02, 0.4, 10, true	11, 0.4, 0.008, 1, 15, true

         综上可见，对于全局性的图像问题，最好的还是采用全局直方图均衡化进行图像增强，其他的局部增强算法存在的问题的较大，基本无法实现图像的增强目的，还有可能带入更遭的结果。

第二组，局部细节对比度不强图片的增强试验。

原图：
全局直方图均衡化：
子块不重叠的直方图均衡化：2*2
4*4
子块重叠的直方图均衡化：size=7
size=11
直方图统计算法：3, 0.4, 0.02, 0.4, 10, true
7, 0.4, 0.02, 0.4, 10, true
11, 0.4, 0.02, 0.4, 10, true

         从这一组内容中我们又发现了什么呢？单纯只看黑框中信息细节，发现这几种算法都能够将细节表达出来，但表达出来的清晰程度而言，发现是直方图统计更佳。同样，这几种算法处理后，仅直方图统计算法更好的避免出现图像中其他非处理位置的改变。在同种的直方图统计算法中，滤波器尺寸越小，显示的细节越细致。

         好了，以上就是这些算法的比较内容了，在具体的图像处理中则需要使用相应的处理策略，否则无法得到较好的处理效果。