对⽐度增强介绍
对⽐度增强介绍
对⽐度增强其实是对画⾯亮度信息做处理，它的主要两个⽬的可分为：
1. 提⾼画⾯明暗对⽐度；
2. 提⾼画⾯的整体均衡度；
这两个⽬的其实是对⽐度增强的两个相反的⽬的，要根据不同的⽬的需求来修改不同的算法。
对⽐度增强算法主要有:
1. 简单灰度变换，⽐如线性变换，指数变换，对数变换，gamma变换；
2. 直⽅图映射，⽐如直⽅图均衡化，直⽅图匹配，双直⽅图映射等。
对⽐度增强其实就是将原始的0-255的亮度通过映射函数映射到⼀个新的亮度，来达到增强⽬的。直⽅图映射是借助直⽅图的每个亮度的个数这个因素来构造映射函数，如下图所⽰。
从上图的histogram equalization(HE)，到后⾯新推出adaptive histogram equalization(AHE)、contrast limited histogram equalization(CLHE)、contrast limited adaptive histogram equalization(CLAHE)，这⼏个算法的⼤致区别是：
局部直方图均衡化
HE--为全图直⽅图均衡化；
AHE—为局部直⽅图均衡化，即将全图分成多个块，分别进⾏直⽅图均衡化；
CLHE—添加对⽐度限制的全图直⽅图均衡化；
CLAHE—添加对⽐度限制的局部直⽅图均衡化；
这⾥⾯涉及到的两个点是什么是对⽐度限制，和局部直⽅图怎么在调整完后融合成⼀张完整的图？
对⽐度限制是指为了避免出现当某个直⽅图集中于某个亮度附近时，出现斜率极速变化，在画⾯中很容易出现原来图像没有的轮廓，所以需要限制对⽐度。
如下图所⽰，限制对⽐度是对直⽅图的bin个数的最⼤值进⾏限制，⼤于限制值的部分截掉累加，再平
均分配给每个直⽅图bin，这样可避免出现轮廓现象。
⽽局部直⽅图融合成⼀张完整的图就是⽤基于亮度的双线性插值。
1）将图像分为多个矩形块⼤⼩，对于每个矩形块⼦图，分别计算其灰度直⽅图和对应的变换函数（累积直⽅图）
2）将原始图像中的像素按照分布分为三种情况处理；对⽐下图，红⾊区域中的像素按照其所在⼦图的变换函数进⾏灰度映射，绿⾊区域中的像素按照所在的两个相邻⼦图变换函数变换后进⾏线性插值得到；紫⾊区域中的像素按照其所在的四个相邻⼦图变换函数变换后双线性插值得到，这⾥需要注意的是，在进⾏插值的时候，是对邻域内⼏个块的映射曲线函数，原始亮度对应的映射亮度进⾏权重求和得到新的亮度值，⽽不是像以往的双线性插值，去取对应位置的亮度值，这样可避免过渡亮度不平滑。
集中HE和HE优化版的⽅法具体实现代码在链接:
后⾯⼜有新的学者提出使⽤双直⽅图的概念。将在下⼀章进⾏介绍。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。