HAHE——一种新的探索式的直方图均衡化图像增强算法

前言

这是我数字图像处理的期末大实验，选了老师发给我们让我们来读并进行代码实现、研究的一篇英文文章。标题为：
New adaptive histogram equalisation heuristic approach for contrast enhancement 发表在IET上。
我把论文原文附上在文末。
这个算法处理的效果还是很不错的，感兴趣的同学可以拿去玩玩。我写的程序使用也很简单，点击运行，然后选一个图片，他就会把结果跑出来。

看来文章里面植入不了文件，我还是把原论文文章上传到下载里面，大家可以到我的主页那边的下载里去下载。

原文算法目的：

对于过暗或过亮的图像都能进行对比度增强。本文提出的方法能够克服以下之前提到的许多方法的缺点，呈现出高对比度和自然性的美观图像。
•图像亮度的平均偏移。
•图像过度增强。
•输入图像的自然特征丢失。
•由于大量的计算而增加的系统的复杂度。
•图像中的饱和伪影。
•图像增强有限。

经过我的实验，原文中提出的算法确实对很多图片处理之后效果很不错。作者没有骗人，基本达到了他说的效果。

实现效果

算法为：

我用的matlab实现的，下面是实现代码：

%img=imread("4.1.03.tiff");
%img=imread("!lg-image22.jpg");

%img=imread('1.jpg');
[f,p]=uigetfile('*.*','选择图像文件');
if f
img=imread(strcat(p,f));
end
oimg=img;
entropy(oimg)
img=rgb2hsv(img);
Red=img(:,:,3).*255;%提取出HSV模型中的V并将其映射到0—255
c=size(Red);%读取图片的尺寸
PCDF=zeros(1,256);
for i=1:c(1)%得出每个明度值对应的像素点数
    for j=1:c(2)       
        PCDF((Red(i,j)+1))= PCDF((Red(i,j)+1))+1;
    end
end

Pr=PCDF./(c(1)*c(2));%得到概率密度的矩阵
P_mean=mean(Pr(:));
P_max=max(Pr(:));
R=P_max/P_mean;
if R>10  %修改概率密度函数
    for i=1:256
        if Pr(i)>=P_mean
            Pr(i)=P_mean;
        end
    end
end
CDF = zeros(1,256);
CDF(1) = Pr(1);
for i=2:256         %得到CDF
        CDF(i)= CDF(i-1)+Pr(i);  
end
g=min(CDF);

if R>=10  %修改CDF
    for i=1:256         
        CDF(i)= CDF(i)-g;  
    end
end
h=max(CDF);
for i=1:256      %得到归一化之后的CDF    
        CDF(i)= CDF(i)/h; 
end

alpha = sum(CDF(:))/255;
CDFn=zeros(1,256);
for i=1:256       %得到CFDn   
        CDFn(i)= CDF(i)^alpha;
end

for i=1:c(1)  %执行最后一步的转移函数
    for j=1:c(2)     
       Red(i,j)= 255*CDFn((Red(i,j)+1));
    end
end

img(:,:,3)=double(Red)./255;
img=hsv2rgb(img);%图片转回RGB

figure(1)
imshow(img);
title("处理后图像");
figure(2)
imshow(oimg);
title("原始图像");
entropy(img)