【正文】 由圖像的低頻信息決定。因而采用小波變換分離出圖像的低頻部分和高頻部分，然后僅對低頻 LL 子圖進行直方圖均衡處理，即只對近似圖像作灰度調(diào)整與增強，而保持細節(jié)圖像不變。由于 LL 子帶反應的是圖像的低頻信息，所以直方圖均衡在增強對比度的同時，是不會產(chǎn)生灰度級合并及放大噪聲。然后由直方圖均衡后的 LL 與 HL、LH 、刪進行小波重構，由此產(chǎn)生的結(jié)果圖像如果出現(xiàn)整體偏暗，我們可以對偏暗的結(jié)果圖像再次作直圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 27方圖均衡處理 [19]。由于先前的直方圖均衡化已使圖像低頻部分灰度分布基本均勻，所以這第二次均衡與傳統(tǒng)的直方圖均衡相比，既增強了圖像的整體對比度，又降低了傳統(tǒng)直方圖均衡所造成的細節(jié)丟失和噪聲放大，保留了圖像的細節(jié)。1 算法描述 (1)采用 db8 小波對圖像進行小波分解，得到四個子頻帶的小波系數(shù)。 (2)再在低頻帶 LL 做直方圖均衡處理 (3)再將均衡化的子帶與 HL，LH，進行重構，得到小波重構后的圖像 基于高通濾波器的圖像增強方法圖像對比度增強可以分為局部對比度增強和整體對比度增強，局部對比度增強圖像的內(nèi)部細節(jié)，而整體對比度增強可以擴大圖像灰度值的動態(tài)范圍。具有代表性的局部對比度增強算法包括局部統(tǒng)計法問和局部直方圖拉伸。直方圖均衡法則是一種常用的圖像整體對比度增強算法。直方圖均衡算法本質(zhì)上是有選擇的增強圖像的某些信息(占有較多像素的灰度，或稱低頻灰階) 而抑制另一些信息( 占有較少像素的灰度，或稱高頻灰階) 。經(jīng)過直方圖均衡處理之后，占有較少像素的灰度將被合并，其灰度范圍被壓縮，而占有較多像素的灰度范圍將被拉伸。一般情況下，圖像中區(qū)域之間的邊界是占有較少像素，卻包含著重要的結(jié)構信息，直方圖均衡化算法對于低頻灰階的合并將導致圖像細節(jié)的丟失，將對圖像的邊界信息產(chǎn)生不利影響；另一方面，圖像中往往含有各種類型地圖像噪聲，因此，直方圖均衡算法在拉伸高頻灰階的動態(tài)范圍時，就會相應的放大圖像噪聲。傳統(tǒng)的直方圖增強算法增強之后的圖像，存在圖像細節(jié)信息丟失和噪聲放大的缺點。我們可以通過將直方圖均衡算法圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 28與圖像的對比度增強算法結(jié)合，來克服傳統(tǒng)直方圖均衡算法的缺。頻率特性來看，圖像中的細節(jié)信息(包括邊緣和圖像噪聲) ，一般是對應于圖像的高頻分量，而影響圖像整體視覺效果的往往是圖像的低頻分量。如果將圖像的高頻分量與低頻分量分開，對低頻分量進行直方圖均衡處理，對高頻分量進行線性加權增強，再將兩者融合，我們就可以避免直方圖均衡算法導致圖像細節(jié)信息丟失和噪聲放大的問題。根據(jù)這一思路，可以給出一種新的直方圖均衡算法。實驗結(jié)果表明，此算法在增強圖像整體對比度的同時，能夠較好的保留圖像細節(jié)，并且能很好的抑制高頻噪聲 [20]。 基本理論 直方圖均衡算法是由圖像灰度演繹得出的一種圖像整體對比度增強算法，其輸入輸出關系是由累積分布函數(shù)(CDF) 決定。該算法的主要優(yōu)點是能快速有效的擴大圖像的動態(tài)范圍，可以改善圖像的整體視覺效果。然而在直方圖均衡的過程中，低頻灰階會被合并，使均衡后的圖像灰階比原圖像減少，導致圖像細節(jié)信息的丟失。這一缺點已經(jīng)得到普遍認同。值得注意的是，在直方圖均衡化過程拉伸高頻灰階的動態(tài)范圍時，這些灰階對應的區(qū)域中的圖像噪聲也將被放大 [21]。實際拍攝的圖像一般都有因為受到各種干擾而含有噪聲。圖像噪聲可以分為加性噪聲和乘性噪聲。假設圖像用 ，噪聲用 ，??yxs,??yxn,含有加性噪聲的圖像可以表示為： (211)????yxnsyxf,??含有乘性噪聲的圖像可以表示為： (212)????yxgyxsf , ?假設圖像 有 L 級灰度，其概率密度函數(shù)為 。又設 表示像??yxf, fp??yxf,圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 29素 的灰度值， 表示經(jīng)過直方圖均衡化之后像素 的灰度值，則直),(yx??yxe, ),(yx方圖均衡化的變換函數(shù)為： (213)????????dupLyxfTyxeyxf??,0,對于含有加性噪聲的圖像 ，經(jīng)過直方圖均衡化之后像素 的灰度值可, ),(yx以表示為： (214)????????dupLdupLyxeyxnsyxf ????,0,0,其中右邊第一項表示有意義的圖像信號 [22]，第二項表示圖像噪聲。一般情況下，圖像噪聲的幅度 遠小于圖像信號的幅度 ，即 ，??yxn, ??yxf,??yxfn,?則（214 ）式又可以表示為 (215)??????yxspLduLyxeyxf ,0 ?????比較（215） （211）兩式可以發(fā)現(xiàn)，經(jīng)過直方圖均衡化處理后的圖像 在??yxe,處得加性噪聲被放大 倍。對于含有乘性噪聲的圖像 經(jīng)過),(yx ??yxsp,? f直方圖均衡化之后像素 的灰度值可以表示為：),( (216)????????dupLduLyxeyxnsyxs????,0在 的條件下， （216）式可以近似表示為：??1,?yxn (217)????????yxsnyxspyxeyxs ,,0 ?????比較（217） （212 ）兩式也會發(fā)現(xiàn)，經(jīng)過直方圖均衡的圖像 在 處得e,),(yx乘性噪聲也被放大了 倍。??yxspL,?綜上所訴，直方圖均衡對圖像的噪聲的影響具有以下規(guī)律 [23]：（1）將圖像中的加性噪聲和乘性噪聲放大 倍，放大倍數(shù)取決于像??yxspL,?素的出現(xiàn)概率。（2）若灰階 s 的出現(xiàn)概率 ,則該灰階對應的像素的圖像噪聲將強于原圖??sp1?圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 30像；（3）若灰階 s 的出現(xiàn)概率 ，則該灰階對應的像素的圖像噪??Lsp1?聲將弱于原圖像。 高通濾波器算法思想分析 因為直方圖均衡算法對于增強圖像的整體對比度具有較好作用，而圖像整體的視覺感受一般是由圖像的低頻信息決定，因而我們采用濾波器將原始圖像分為低頻分量和高頻分量兩個部分，只對低頻分量進行直方圖均衡，對高頻分量進行線性加權增強，最后將處理之后的低頻分量和高頻分量進行像素級融合，得到最終的增強圖像。這樣做既可以防止直方圖均衡算法對圖像噪聲的放大，又可以防止因為低頻灰階合并導致圖像細節(jié)丟失的情況發(fā)生。、 、 、 、 分別表示原始圖像、低頻分量、高??yxf,fL,??yxfH,??yxfHEL,??e,頻分量、直方圖均衡之后的低頻分量、最終的增強結(jié)果。實驗步驟：(1)將原圖像 通過高頻濾波器將其分成低頻分量 和高頻分量 。??yxf, ??yxfL, ??yxfH,低頻部分是一幅模糊的圖像 [24]，其中的圖像噪聲被抑制；高頻部分包含著圖像的細節(jié)信息和圖像的噪聲，它們之間的關系可以表示為： (218) ????yxffyxfHL,??其中 (219) gL,? (220) ????yxfyxffH,?(2)對其低頻分量 進行直方圖均衡，設均衡之后的低頻圖像為 ,則 ??yxfL, ??yxfL? (221)????yxfEyxfLL,??(3)對高頻部分 進行簡單的加權增強，設增強時之后的高頻為 ， ??yxfH, ??yxfH,?圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 31 (222)????yxfkyxfHH,???其中的參數(shù) k 為高頻部分的權系數(shù)，可以取常數(shù)，也可以根據(jù)圖像的局部屬性進行自適應選?。? (223)????????1?2,njik?其中的 為圖像局部的灰度方差， 為整幅圖像的噪聲方差， 為比例系數(shù)。2,ji?2n k?(4)對均衡之后的低頻圖像 和增強之后的高頻圖像 的線性加和就??yxfL,? ??yxfH,?是最終得到的正確圖像 也即：e (224) ????????yxfkyxfHEyxffyxe HLL ,?,?, ?????圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 323 幾種增強的實驗結(jié)果與分析 小波增強程序流程圖：圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 33讀入圖像使用 s y m 4 小波對信號進行一層小波分解小波系數(shù)進行系數(shù)增強小波系數(shù)重構增強后圖像輸出圖像圖 6 小波增強流程圖圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 34圖 7 實驗結(jié)果以上結(jié)果顯示小波域的系數(shù)表示的是原圖像各頻率段的細節(jié)信息，并且給我們提供了一種位移相關的信息表述方式，我們可以通過對局部細節(jié)系數(shù)處理來達到局部壓縮的效果。 在本例中，我們把圖像中部的細節(jié)系數(shù)都置零，從壓縮圖像中可以很明顯地看出只有中間部分變得模糊（比如在原圖中很清晰的圍巾的條紋不能分辨），而其他部分的細節(jié)信息仍然可以分辨的很清楚。最后需要說明的是本例只是為了演示小波分析應用在圖像局部壓縮的方法，在實際的應用中，可能不會只做一層變換，而且作用閾值的方式可能也不會是將局部細節(jié)系數(shù)全部清除，更一般的情況是在N層變換中通過選擇零系圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 35數(shù)比例或能量保留成分作用不同的閾值，實現(xiàn)分片的局部壓縮。而且，作用的閾值可以是方向相關的，即在三個不同方向的細節(jié)系數(shù)上作用不同的閾值。 直方圖均衡化選用多種不同類型的圖像來分析本文算法的件能，并與傳統(tǒng)的直方圖均衡算法進行比較。比較的內(nèi)容包括圖像的整體視覺效果和圖像直方圖的有效灰階數(shù)目。原理圖： 讀入圖像原圖像 暗圖像 亮圖像 低對比度圖像 高對比圖像原圖像直方圖 暗圖像直方圖 亮圖像直方圖低對比度圖像直方圖高對比度圖像直方圖原圖像直方圖均衡化圖像暗圖像直方圖均衡化圖像亮圖像直方圖均衡化圖像低對比度直方圖均衡化圖像高對比度直方圖均衡化圖像原圖像直方圖均衡化后的直方圖暗圖像直方圖均衡化后的直方圖亮圖像直方圖均衡化后的直方圖低對比度直方圖均衡化后的直方圖高對比度直方圖均衡化后的直方圖對比分析圖像自適應增強算法研究畢業(yè)設計（論文） 沈陽大學畢業(yè)設計（論文） No 36圖 8 直方圖均衡分析過程原理圖實驗運行的結(jié)果： (a) 原圖像 (b) 原圖像直方圖均衡化圖像 (c) 暗圖像 (d) 原圖像直方圖 (e) 原圖像直方圖均衡化后的直方圖 (f) 暗圖像直方圖 (g) 暗圖像直方圖均衡化圖像 (h) 亮圖像 (i) 亮圖像直方圖均衡