幾種直方圖均衡方法彙總

一、直方圖均衡

直方圖均衡化的基本思想是使輸入圖像的直方圖分佈變的均勻， 這樣就會使圖像的灰度級增加，從而可達到圖像對比度整體增強的效果。

對於直方圖均衡化而言， 圖像灰度改變的是通過累積函數來實現的，以此達到增強對比度的效果。 其基本的操作步驟的核心思路即， 對原始圖像的非均質化拉伸處理，使其像素值間距擴張，均勻化各灰度範圍的像素量。

這種方法也存在一些缺點：

(1) 增強後圖像的灰度級會變少，部分細節會消失；

(2) 當輸入圖像的直方圖有非常密集的部分時，增強後的圖像的對比度會增強過度。

步驟：

      1）計算圖像的灰度直方圖

      2）求圖像像素總數，歸一化直方圖分佈

      3）計算圖像的灰度級的累計分hp：

                                              

      4）求出增強圖像g的灰度值：

                                     

二、自適應直方圖均衡化

以AHE (Adaptive Histogtam Equalization)爲例，該方法將圖像利用網格線切割爲數量衆多的小格子區域， 並對每一個格子進行均衡化處理。但該方法會導致圖像失真， 且其微噪也會因此而放大。

三、對比度受限制自適應直方圖均衡化

Contrast limited Adaptive Histogtam Equalization(CLAHE)，基於直方圖裁剪後的均衡化，即對每一個劃分單元進行對比度的限制處理。

CLAHE通過限制局部直方圖的高度來限制噪聲放大和局部對比度增強。該方法將圖像劃分爲多個子區域； 然後對每個子區域的直方圖進行分類。 再對每個子區域分別進行直方圖均衡化， 最後通過對每個像素進行插值運算來獲得變換後的灰度值，以此實現對比度受限自適應直方圖均衡化圖像增強。

CLAHE與AHE不同的地方是增加對比度限幅，這就可以克服AHE的過度放大噪聲的問題；

                                  

此方法存在不足：

當通過將RGB彩色圖像轉換爲YUV或LAB圖像調整亮度時，再轉換會RGB彩色圖像時會存在色彩暗淡現象，需要改進色度調整，如下圖：

四、對比度受限制全局直方圖均衡化

與對比度受限制自適應直方圖均衡化的區別是不對圖像進行劃分多個子塊。