摘要 – 虽然直方图均衡（HE）是最普遍的适用于的改进数字图像的技术之一，但是却不
适合直接用于家电如电视。因为这种方法往往会产生出由饱和作用所影响的产品。为了克服这个弱点，我们建议将输入图像的强度保存在输出的图像。在此之前，我们提出一种被称为亮度保存的动态直方图均衡的方式（BPDHE），因为它可以满足灰度图像的要求。在本论文中，我们提出了几种使本彩色图像形象化的可能性。
索引词 - 图像对比度增强，直方图均衡，亮度保存增强，直方图分区。
一. 导言
图像增强是数字图像处理领域中最令人关注的和重要的问题之一。图像增强的主要目的是引出那些隐藏在一张图像中的细节，或增加在低对比度图像中的对比。图像增强输出的图像外观通过改变输入图像的像素强度使它看起来比原始图像更形象 。一般来说，图像增强放大物体和背景之间的强度差异。
有许多图像增强技术已经被提出和发展。最流行的一种图像增强方法是直方图均衡HE。直方图均衡之所以最终能成为一种倍受欢迎的对比度增强技术，是因为这个方法简单有效。直方图均衡技术被用于许多领域，例如，医学图像处理，雷达图像处理和声纳图像处理。直方图均衡方法的基本思路是通过图像的灰度层次累积的密度函数重新映射水平图像的灰度值。直方图均衡扩大并延伸了由此产生的图像直方图的动态范围，得出的结果是它增强了图像的对比度并给出了一个整体对比度改进。然而，直方图均衡很少被用于消费电子应用，如视频监控，数码相机和电视机。由于直方图均衡趋向于介绍一些讨厌的人工产品和不正常的增强，包括强度饱和效应。导致这个问题的原因是因为直方图均衡通常会显著改变图像的亮度，从而使输出图像得到非常亮或暗的强度值达到饱和。因此，为了提高消费电子产品的图像质量，亮度保存是一个需要被考虑的重要特征。
为了克服上述问题，平均亮度基于已在文献中提出的技术保存直方图均衡。一般来说，这些研究方法使输入图像的直方图分离成若干的子直方图，并且每个子直方图内均衡化能独立运行。例如，亮度保持双直方图均衡（BBHE），在均值的基础上将输入直方图分成两个部分。由王等人提出的二元子图像直方图均衡（DSIHE）也是将输入直方图分成两个部分，但分离是基于中值的。后来，为了优化亮度保持，陈和Ramli又提出了最小平均亮度误差双直方图均衡（MMBEBHE）。MMBEBHE也是将直方图分隔成两个小部分。然而，MMBEBHE执行分离是以阈值为基础的，这将使输入均值与输出均值间产生一个最小的差值。陈和Ramli同时也提出另一种研究方法被称为递归均值分割直方图均衡（RMSHE）。RMSHE根据局部平均值递归的将直方图划分成几个小部分，由2给定，可由用户设定。Sim等人提出了一个类似于RMSHE的方法。这种方法划分直方图的基础是中值而不是平均值。 在以前我们提出了一个新的研究方法叫作保持动态直方图均衡BPDHE。同其它的研究方式类似，BPDHE将直方图分成几个小节并使它们各自均衡。然而，在BPDHE中，直方图的分割段都是基于输入直方图本身的局部最大值的位置。因此，BPDHE是无参数的并适合于运行于自动增强系统中，如消费类电子产品。在此，我们表明BPDHE比其它基于亮度保存的直方图均衡方法如，BBHE，DSIHE，MMBEBHE和RMSHE更加优越。
没有引起重视的是，许多作品都是基于灰度图像，但是大多数国家的先进消费类电子产品，如电视，数码相机，均产生彩色图像。因此，这一增强方案应扩展到彩色图像，以适应
r当前的要求。然而，彩色图像处理和灰度图像处理中有些不同。
本文的主要目的是提供几种BPDHE应用在彩色图像中的可能性。这项工作的重点不仅仅是对彩色图像处理作一概述，而且还为BPDHE方法找到适合的处理方案,。
本文结构如下：第二节会对BPDHE给出综述，第三节阐述我们使用BPDHE的方法来处理彩色图像。然后，第四节将显示一些BPDHE实验结果。最后一节将为这项工作出结论。
二。基于亮度保存的动态直方图均衡化BPDHE
BPDHE是多峰直方图均衡化（MPHE）和动态直方图均衡化（DHE）的扩展。它们打破了直方图局部的最小值。然而，不同于（MPHE）和（DHE），BPDHE划分直方图的方式是基于局部的最大值。在平等化处理之前，BPDHE将每个分区映射到一个新的动态范围，这种方法类似DHE。由于动态范围的变化，这将导致平均亮度的增大。所以平均亮度所形成的最终图像几乎和输入图像一模一样。
一般来说，BPDHE涉及到五个步骤。这些步骤的基本描述是：
1。平滑直方图高斯滤波器。
数字图像的直方图会正常波动和有些格子是空的。因此，第一步是采用线性插值法填补直方图的空格。在此之后，直方图是用高斯卷积过滤器产生平滑的直方图。这一步是重要的，以便产生一个接近的值而形成连续的直方图。 2。发现并找到局部的最大值。
发现局部最大值是通过对平滑直方图进行一阶导数。局部的最大值，我们选择利用局部最小值，因为这种方法可以使平均亮度保持更好。局部的最大值能检测到四个连续正极的符号伴随着八个连续的负极的符号。局部的最大值常常把输入的直方图划分到个个分区。 3。把每个分区映射到一个新的动态范围。
这一步是为了使用所有的动态范围内可用的图像。分区的映射是基于该分区的像素数。 4。使每个独立的分区均衡。
直方图均衡化使直方图的每个分区成为独立的。但是，结果却使它们结合在一起，形成一个完整的增强图像。
5。标准化的图像亮度。
在归一化过程被使用之前，被均衡过后的输入平均亮度和输出平均亮度已经被采用了。这一步很重要，以保持图像的平均亮度。更多的细节用该方法都可以得到实现。
三。彩色图像处理
因为大多数的电子设备获得或者显示图象都在RGB(红、绿、蓝）彩色空间里，在这项工作中，我们假设输入的图片也是在RGB彩色空间中。因此，每个输入图像像素被提供三种颜色通道是红（R），绿（G）和蓝色（B）。我们设在增强过程之后，输出像素是由R’,G’,和B’。在本节中，我们针对BPDHE提出了几个可行的方法，其目的是处理彩色数字图像。以下小节解释这些方法。
方法1：独立均衡R，G，B。
这种方案是彩色图像处理最常用方法之一。RGB空间的每个通道各自独立使用BPDHE进行处理，如下图所示。
输入 输出
方法2：为了用这种方法在RGB彩色空间加工彩色图像，我们首先要将图像转换至HIS彩色空间。转换为了使这篇文章自成一体，为转变所需的方程如下：
当我们取得H,S和I彩色数据后，只需采用通道BPDHE对I进行处理。从BPDHE输出记为I’。然后,利用H,S和I’的值，我们使用HIS到RGB的转换方程计算出R’,G’，B’的值，方程式如下：
方法3：通过HSI颜色空间均化色调S
类似于方法2，方法3首先需要在RGB色彩空间将像素转换到HSI颜色空间。这种转换需要使用公式（1）至（4）。然而，只需要使用BPDHE处理S信道得出S'。然后，得到R'，G’,B’的值：
方法四：在HSV彩色空间里均衡V通道
为了使用这种方法在RGB彩色空间里处理彩色图像,图像首先要转变成彩色空间的色调,饱和度和亮度HSV。为了做到这一点,我们规范R,G,B的范围为[0,1],这些被规划的成分我们分别表示为r,g和b。转变公式如下：
我们获得H,S和V之后，只需要使用BPDHE对V通道进行处理，处理的结果记为V’。 为了完成从RGB到HSV的转变，通道S和V’都需要规划到[0,1]的范围，结果记为S和V’。下面是其数值的计算方法：
得到R= 255,G= 255g和B= 255b。 方法五：在YUV彩色空间均衡Y通道。
在这个方案里，首先是使RGB彩色空间里的输入的图像转变到YUV彩色空间理。转化公式如下：
、
当我们求出Y,U,和V后，只需要使用BPDHE对Y通道进行处理。输出结果设为Y’，然后用下
列公式求出相应的R’,G’,和B’：
方法6：均衡RGB彩色空间里的频带：
根据“灰度世界”的设想，在RGB通道
里的平均强度值应该彼此相等。方法6是与“灰度世界”的设想相似。在RGB彩色空间里的这种方案首先要检查RGB通道和用最小的范围挑选一个通道。挑选的通道设为X，在用BPDHE处理它，结果设为了X’。接着，使用下列公式计算剩下的通道：
方法7：只在G通道里均衡
这种方法是我们对方法6的延伸。因为G通道适合判断亮度信号，我们只需要把BPDHE输入到G通道，得到G’。然后我们用下列公式计算R’和B’的值：
因篇幅问题不能全部显示，请点此查看更多更全内容