下载文档原格式
基于局部对比度的局部直方图均衡算法李昆昆;李飞;章翰【摘要】为了更好地增强图像，提出一种新的图像增强方法。
首先，将图像分为若干子块，计算每个子块的对比度，根据子块的对比度确定局部点的密度，进而确定子块的个数，然后采用保持亮度的双直方图均衡算法对这些子图进行增强，最后融合各个子图得到最终增强的结果。
实验测试结果表明，本算法能够保持均值亮度，提高处理速度，在减少过增强的基础上，增强局部细节，增强后的图像具有良好的视觉效果。
%To enhance images more effectively, a novel image enhancement stategy is presented.First of all, the strategy di-vides this image into a number of sub-block and then calculates the contrast of each sub-block .According to the contrast of each sub-block, it determines the density of local points.And then determine the quantity of sub-block.Next, these sub-graphs are en-hanced by using the Brightness Preserving Bi-Histogram Equalization algorithm.Finally ,the results of the various enhanced sub-graphs are merged.Experimental results show that , with the new algorithm, the original brightness of the image can be preserved and can also improve the processing speed, reduce excessive contrast enhancement and the local details on the image can also be enhanced effectively.The enhanced image has natural effect.【期刊名称】《安庆师范学院学报（自然科学版）》【年(卷),期】2014(000)004【总页数】5页(P69-73)【关键词】对比度;子图;直方图均衡;局部细节【作者】李昆昆;李飞;章翰【作者单位】安庆师范学院数学与计算科学学院，安徽安庆246133;安庆师范学院数学与计算科学学院，安徽安庆246133;安庆师范学院数学与计算科学学院，安徽安庆246133【正文语种】中文【中图分类】TP341.41图像增强是低级图像处理中最重要的问题之一。
图像处理中的直方图均衡化技术研究随着数字图像技术的不断发展，图像处理成为了现代科学技术中的一项重要技术。
而图像处理中的直方图均衡化技术是在数字图像处理技术中最基本的一个技术。
1. 直方图的理解图像的亮度是指图像中像素点的明亮度，即黑白灰色调的色度。
直方图则是将一个灰度级别的图像的像素点分为一个个亮度级别，然后计算每个亮度级别内像素点的数量。
每个亮度级别内的像素点数量就是这个图像的亮度分布状态。
2. 直方图均衡化技术的原理直方图均衡化就是将直方图的亮度分布向均匀分布的状态转化。
通过将原图像的灰度变换到一定的亮度范围内，使得直方图分配均匀，从而增强亮度对比度。
直方图均衡化是通过非线性函数完成的，使得灰度值的取值范围从原来的0 – 255变成了均衡化后的亮度范围，即新的0 – 255。
这样做就是为了提高灰度对比度，并且使得图像整体亮度看起来更加自然。
3. 直方图均衡化技术的应用直方图均衡化技术在图像处理中被广泛使用。
例如，在医学影像学中，可以使用直方图均衡化来增强图像中的对比度以便更好地识别病变；在遥感技术中，可以通过直方图均衡化技术来提高图像中相似物体的识别率；在数字图像处理中，可以使用直方图均衡化来增强图像的视觉效果，使图像更具有艺术效果。
4. 直方图均衡化技术的实现在数字图像处理技术中，实现直方图均衡化的方法有多种，其中最简单的方法是使用电脑的图像处理软件。
对于那些具备编程能力的人，可以使用Python等编程语言来实现直方图均衡化。
Python语言中，OpenCV是常用的图像处理库，它提供了许多图像处理算法和工具，其中就包括了直方图均衡化算法。
5. 直方图均衡化技术的局限性虽然直方图均衡化技术可以有效地提高图像的对比度和视觉效果，但是它也有一些局限性。
直方图均衡化往往会放大图像中的噪点，使得图像中的背景噪音扰动增加，从而影响图像的质量。
此外，直方图均衡化还存在一些应用限制，比如处理彩色图像的效果不如处理灰度图像的效果好，这就需要更进一步的改进方法。
图像处理中直方图均衡化的使用教程图像处理中的直方图均衡化是一种常用的增强图像对比度的方法。
通过对图像的像素值进行重新分布，直方图均衡化可以使图像中的明暗区域更具有对比度，从而提高图像的质量和清晰度。
本文将介绍直方图均衡化的原理、应用场景以及具体的步骤。
1. 直方图均衡化的原理直方图均衡化的原理基于对图像的灰度级进行重新分布。
它通过将原始图像的像素值映射到新的像素值上，使得直方图在整个灰度范围内得到均匀分布。
这样就能够增强图像中的低对比度区域，提高图像的视觉效果。
2. 直方图均衡化的应用场景直方图均衡化在图像处理领域有着广泛的应用。
下面列举了一些常见的应用场景：- 增强图像的对比度：直方图均衡化可以使得图像中的亮度值更加均匀分布，提高图像的对比度，使得图像变得更加清晰。
- 增强图像的细节：直方图均衡化通过增强图像中的低对比度区域，可以使得细节更加显著，提高图像的可视化效果。
- 降低图像的噪声：直方图均衡化可以将图像中的噪声分布均匀化，从而减少噪声对图像质量的影响。
3. 直方图均衡化的步骤下面是使用直方图均衡化对图像进行处理的具体步骤：步骤 1: 将彩色图像转换为灰度图像如果原始图像是彩色图像，我们需要将其转换为灰度图像。
这是因为直方图均衡化是针对灰度级进行处理的。
步骤 2: 计算原始图像的像素值分布使用图像处理工具，计算原始图像中每个像素值的出现频率。
这样可以得到一个直方图，该直方图显示了原始图像中像素值的分布情况。
步骤 3: 计算累积分布函数通过对原始图像的直方图进行累积求和，得到一个累积分布函数。
该函数显示了每个像素值的累积出现频率。
步骤 4: 计算新的像素值根据累积分布函数，计算每个像素值的新的映射像素值。
这个计算公式可以根据具体的图像处理工具而有所不同。
步骤 5: 创建均衡化后的图像使用新的像素值替换原始图像中的像素值，将得到的图像称为均衡化后的图像。
4. 注意事项在使用直方图均衡化时，需要考虑以下几个注意事项：- 直方图均衡化可能会改变图像的整体亮度。
子块重叠局部直方图均衡算法的优化研究贾鹏;李江勇【摘要】子块重叠局部直方图均衡算法是一种有效的图像细节增强算法,它将大幅红外图像分解为多个小幅图像,并对每个小幅图像进行单独的直方图增强,然后通过“叠加”等处理,解决不同局部模块直方图增强后的“块效应”,提高整体视觉效果.由于要对每一个小幅图像进行单独处理,因此需要完成的运算量大,处理时间长.通过研究子块重叠局部直方图均衡算法的优化处理,来减少算法的处理时间,提高算法的工作效率.%The algorithm of partially overlapped sub-block histogram equalization is an effective algorithm for image enhancement. Firstly, the infrared image is divided into many small sub-images, and then each of these small sub-images is enhanced by histogram equalization. These processes will result in mosaic effect,and the mosaic will be solved with special processing. Because every small sub-image is processed separately, it will take a long time to finish the work. This paper researches the optimizing algorithm of partially overlapped sub-block histogram equalization. It reduces the processing time to a large scale and improves the working efficiency.【期刊名称】《激光与红外》【年(卷),期】2012(042)012【总页数】4页(P1381-1384)【关键词】图像增强;直方图均衡;子块重叠算法【作者】贾鹏;李江勇【作者单位】华北光电技术研究所,北京100015;华北光电技术研究所,北京100015【正文语种】中文【中图分类】TP391.411 引言在实际应用中，常常需要对图像的局部细节特征进行增强。
程序课程设计报告2012年 7 月 9 日图像增强专业：*****班级：*****题目：图像增强小组成员： ***指导教师：***时间：2012年6月-7月摘要：图像增强是图像处理的一个重要分支, 它对图像整体或局部特征能有效地改善；直方图是图像处理中最重要的基本概念之一,它能有效地用于图像增强。
本文主要探讨了直方图的理论基础，直方图均衡化的概念及理论，同时用MATLAB语言加以实现, 给出标准的数字图像在各种处理前与处理后的对照图像及直方图。
实验结果表明, 用直方图均衡化的算法, 能有效改善灰度图像的对比度差和灰度动态范围，使处理后的图像视觉效果得以改善。
关键词：图像增强直方图均衡化Abstract: Image enhancement is an important branch of image processing, its image as a whole or partial characteristics can effectively improve. Histogram is one of the most important basic concepts of image processing, it can effectively be used for image enhancement. This paper mainly discusses the theoretical basis of the histogram, histogram equalization, the concepts and theories. We use the MATLAB language and give the standard digital images in various treatment and processing of the control image and histogram. The experimental results show that the histogram equalization algorithm can effectively improve the poor contrast and gray scale dynamic range of the grayscale image, the visual effects of the processed image can be improved. Keywords: Image enhancement Histogram Equalization1 引言图像增强是图像处理中的基本内容之一，在图像处理中占有非常重要的地位。
结合局部对⽐度增强的直⽅图均衡化图像增强算法图像增强是各种图像分析与处理时的预处理过程。
直⽅图均衡化处理的“中⼼思想”是把原始图像的灰度直⽅图从⽐较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
直⽅图均衡化就是对图像进⾏⾮线性拉伸，重新分配图像像素值，使⼀定灰度范围内的像素数量⼤致相同。
直⽅图均衡化就是把给定图像的直⽅图分布改变成“均匀”分布直⽅图分布。
缺点： 1）变换后图像的灰度级减少，某些细节消失； 2）某些图像，如直⽅图有⾼峰，经处理后对⽐度不⾃然的过分增强。
直⽅图均衡化是直⽅图均衡化是图像处理领域中利⽤图像直⽅图对对⽐度进⾏调整的⽅法。
这种⽅法通常⽤来增加许多图像的局部对⽐度，尤其是当图像的有⽤数据的对⽐度相当接近的时候。
通过这种⽅法，亮度可以更好地在直⽅图上分布。
这样就可以⽤于增强局部的对⽐度⽽不影响整体的对⽐度，直⽅图均衡化通过有效地扩展常⽤的亮度来实现这种功能。
这种⽅法对于背景和前景都太亮或者太暗的图像⾮常有⽤，这种⽅法尤其是可以带来X光图像中更好的⾻骼结构显⽰以及曝光过度或者曝光不⾜照⽚中更好的细节。
直⽅图均衡化的基本思想是把原始图的直⽅图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从⽽可达到增的效果。
也可以看到这种⽅法只起到窗内局部对⽐度增强作⽤像细节, 不能改善整幅图像动态范围, ⽽直⽅图均衡法虽能改善整幅图像的动态范围但是以牺牲图像细节为代价。
因此我们考虑将这两种⽅法结合起来，从⽽可以弥补各⾃的不⾜。
提出了⼀种新的改进算法：通过上⾯的讨论可以看到, 局部对⽐度增强法能强化局部图像细节, 不能改善整幅图像动态范围, ⽽直⽅图均衡法虽能扩⼤视觉的动态范围但是以牺牲图像细节为代价, 若能将这两种⽅法结合起来, 就可充分发挥两者之长处。
⽐较上述两⽅法的优缺点, 提出了⼀种新的直⽅图均衡法：我们将改进后的直⽅图均衡算法和局部对⽐度增强法结合起来。
它能同时满⾜图像增强的两种要求: 调节动态范围,增强局部对⽐度,前者使图像外貌较好, 后者能增强图像细节。
图像编码中的直方图均衡化方法探究一、引言图像编码是一种将图像转换为数字数据以便存储或传输的过程。
在图像编码中，直方图均衡化是一种常用的图像增强方法。
通过对图像的像素值进行变换，直方图均衡化可以增强图像的对比度和细节，并改善图像的视觉效果。
本文将探讨直方图均衡化方法在图像编码中的应用。
二、直方图均衡化的基本原理直方图均衡化是通过对图像像素值进行变换，将原始图像的像素值分布转换为均匀分布，以实现对比度的增强。
在直方图均衡化过程中，首先需要计算图像的灰度直方图，即统计图像中各个灰度级别的像素数量。
然后，通过归一化直方图将像素值映射到[0,1]的范围内。
最后，通过累积概率函数将归一化后的直方图变换为均匀分布的直方图。
三、直方图均衡化的优点直方图均衡化具有以下几个优点：1.增强对比度：直方图均衡化可以通过增大灰度级别之间的差异来增强图像的对比度，使得图像中的细节更加清晰。
2.增强细节：直方图均衡化可以通过增大较低灰度级别的像素值来提高图像中的细节。
这对于一些细节丰富但对比度较低的图像特别有效。
3.适应不同场景：直方图均衡化可以适应不同场景下的图像，不受光照条件的影响。
它可以将图像的整体亮度分布进行调整，以适应不同的光照条件。
四、直方图均衡化的应用直方图均衡化在图像编码中有着广泛的应用。
下面将介绍两种常见的图像编码方法，以及在这两种方法中直方图均衡化的应用。
1.离散余弦变换（DCT）编码离散余弦变换（DCT）是一种基于空间频率的图像编码方法。
在DCT编码中，直方图均衡化可以应用于DCT系数的量化过程。
通过对DCT系数的直方图进行均衡化处理，可以提高编码后的图像的清晰度和对比度。
2.小波变换编码小波变换是一种多分辨率分析方法，常用于图像压缩编码中。
在小波变换编码中，直方图均衡化可以应用于小波系数的量化过程。
通过对小波系数的直方图进行均衡化处理，可以增强编码后的图像的细节和对比度，并减少编码后的图像中的噪声。
五、直方图均衡化方法的改进传统的直方图均衡化方法存在一些问题，比如在图像具有大片连续区域相同灰度的情况下，会产生明显的噪点。
数字图像处理中的直方图均衡化算法研究数字图像处理技术的进步，极大地推动了人们对数字图像质量的要求。
直方图均衡化算法是数字图像处理中最常用的方法之一，它可以增强图像的对比度和亮度，使图像更加清晰、自然。
本文将对直方图均衡化算法的基本原理、优缺点以及改进方法进行研究探讨，以期为相关研究提供一定的参考。
一、直方图均衡化算法基本原理直方图均衡化算法是通过重新分配图像像素的灰度级，使得每个灰度级的像素个数尽可能地分散到整个灰度级范围内，以达到增强图像的目的。
算法的基本思想是，将输入图像的灰度直方图进行变换，使其变为均匀分布的直方图，然后再将均衡后的直方图映射到输出图像上，即可得到均衡后的图像。
直方图均衡化算法可以分为两个阶段：直方图计算和直方图映射。
直方图计算是指将输入图像的灰度级进行统计，得到输入图像的灰度直方图。
直方图映射是指将均衡后的直方图与输出图像进行映射，即将原始图像中的像素灰度值通过均匀分布的方法重新映射到输出图像中。
最终，均衡后的输出图像将比原始图像更加清晰、明亮。
二、直方图均衡化算法的优缺点直方图均衡化算法具有以下优点：一是可以增强图像的对比度和亮度，提升图像的清晰度；二是算法简单，易于实现；三是不需要先验知识，适用于各种类型的图像；四是可用于图像增强、图像分割、图像识别等领域。
然而，直方图均衡化算法也存在一些缺点：一是直方图均衡化算法会平均分布灰度，并且无法忽略图像噪点，因此会产生噪声和边缘效应；二是对于一些特定场合，如医学图像和遥感图像等具备较多特殊要求的图像，用该算法处理的结果不理想；三是在处理一些灰度变化十分剧烈的图像时，该算法难以适应，不能很好地保留图像的细节信息。
三、直方图均衡化算法改进方法为了克服直方图均衡化算法的短处，在实际应用中，提出了一些改进的方法。
1. 自适应直方图均衡化算法自适应直方图均衡化算法是对传统的直方图均衡化算法进行改进，它是一种基于局部对比度的算法。
自适应直方图均衡化算法将图像分成若干个小区域，通过计算每个小区域的局部累积分布函数，再通过将小区域的灰度级均匀地分配到整个灰度级范围内来达到图像增强的目的。
郑州大学硕士学位论文局部直方图均衡化算法研究及其应用姓名：蔡超峰申请学位级别：硕士专业：电路与系统指导教师：徐力平20050520郑辩太擎嫒ｌ：学键论文搀舞∞弱年５嚣撼要本文主要研究了局部直方图均衡化（ＬＡＨＥ）及其修正算法在尘肺ｘ线图像增强中的应用。
尘肺病是我国最主要的一种职业病。
目前，医学界尚无将其彻底治愈的办法。
尘肺ｘ线检查是确定尘肿和分期的主要诊断方法。
然而，一方面尘肺Ｘ线图像具有动态范围宽、细节丰富和对比度差的特点：另一方面尘肺早期病变特征并不是十分明显。
这些因素给尘肺的早期诊断带来了难度。
借助于数字图像处理技术，对尘肺ｘ线图像进行对比度增强处理，突出尘肺病灶，从而有助于降低尘肺早期诊断的漏诊率。
直方图均衡化（ＨＥ）是一种最常用的图像对比度增强技术，它能够在很大程度上增强图像的视觉效果，帮助人们识别图像中隐藏的信息。
当我们感兴趣的信息包含在图像中相对较小且灰度分布比较均匀的区域时，ＨＥ并不能给出令人满意的结果。
ＬＡＨＥ对ＨＥ做了一些修正，取得了比较好的结果。
但是ＬＡＨＥ只有一个控制参数：相关区域（矩形窗）的大小Ⅳ，这显然还不够灵活。
小窗口在增强图像中细节的同时削弱了图像的整体轮廓，而大窗口能使图像的整体轮廓更加清晰，但却模糊了图像中的细节。
论文结合尘肺Ｘ线图像的特点对ＬＡＨＥ进行了两方面的修正。
一方面，仍然保持相关区域为大小固定的矩形窗，通过改变相关区域内直方图的构造方法来解决这个问题。
另一方面，保持局部直方图的构造方法不变，通过自适应的改变相关区域的大小来解决这个问题。
最后我们给出采用ＬＡＨＥ及其修正算法对尘肺ｘ线图像进行对比度增强处理的结果，并比较了各种算法的优劣。
关键词：图像增强，直方图，局部直方图均衡化，尘肺Ｉｌ郑州大学硕士学位论文目录２００５年５月ＡｂｓｔｒａｃｔＴｈｉｓｐａｐｅｒｆｏｃｕｓｅｓｏｎｔｈｅｓｔｕｄｙｏｆＬｏｃａｌＡｒｅａＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ（ＬＡＨＥ）ａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｓｉｎｐｎｅｕｍｏｃｏｎｉｏｓｉｓＸ－ｒａｙｆｉｌｍｓｅｎｈａｎｃｅｍｅｎｔｓ．Ｐｎｅｕｒｎｏｃｏｎｉｏｓｉｓｉｓｏｎｅｏｆｔｈｅｍａｊｏｒｏｃｃｕｐａｔｉｏｎａｌｄｉｓｅａｓｅｓｏｆｗｈｉｃｈｎｏｃｕｒｅｓｈａｖｅｔｕｒｎｅｄｏｕｔｅｆｆｅｃｔｉｖｅｓｏｆａｒ．Ｘ－ｒａｙｆｉｌｍｅｘａｍｉｎａｔｉｏｎｉｓｎｅｃｅｓｓａｒｉｌｙａｄｏｐｔｅｄｔｏｄｉａｇｎｏｓｅａｎｄｄｉｓｃｅｒｎｐｎｅｕｍｏｃｏｎｉｏｓｉｓ．Ｈｏｗｅｖｅｒ，Ｘ－ｒａｙｆｉｌｍｆｅａｔｕｒｅｓａｌｌｅｘｃｅｓｓｉｖｅｌｙｂｒｏａｄｒａｎｇｅ，ｏｖｅｒ—ｅｘｈａｕｓｔｉｖｅｄｅｔａｉｌｓａｎｄｐｏｏｒｃｏｎｔｒａｓｔ．Ａｌｓｏ，ｉｔｉｓｎｏｔｏｂｖｉｏｕｓａｓｔｏｔｈｅｐａｔｈｏｌｏｇｉｃａｌｃｈａｎｇｅｓｏｆｅａｒｌｙｐｎｅｕｍｏｃｏｎｉｏｓｉｓｓｙｍｐｔｏｍｓ．Ｔｈｅｓｅｆａｃｔｏｒｓａｄｄｄｉｆｆｉｃｕｌｔｙｔｏｔｈｅｅａｒｌｙｄｉａｇｎｏｓｅｓｏｆｐｎｅｕｍｏｃｏｎｉｏｓｉｓ．Ｗｉｔｈｔｈｅｈｅｌｐｏｆｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ，ｔｈｅｃｏｎｔｒａｓｔｏｆｐｎｅｕｍｏｃｏｎｉｏｓｉｓＸ·ｒａｙｆｉｌｍｃａｌｌｂｅｅｎｈａｎｃｅｄ，ａｎｄｓｕｃｈｅａｒｌｙｓｙｍｐｔｏｍｓｗｉｌｌｂｅｅｍｐｈａｓｉｚｅｄｗｉｔｈｂｅａｅｒｃｌａｒｉｔｙｉｎｔｈｅｆｅｅｄｂａｃｋ．Ｔｈｅｒｅｂｙ，ｗｅａｒｅｈｏｐｉｎｇｔｏｒｅｄｕｃｅｔｈｅｍｉｓｄｉａｇｎｏｓｉｓｒａｔｅ．ＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ（ＨＥ）ａｓａｌｌｉｍａｇｅｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｉｑｕｅｉｓｗｉｄｅｌｙｕｓｅｄ．Ｂｙｉｍｐｒｏｖｉｎｇｔｈｅｖｉｓｕａｌｅｆｆｅｃｔｏｆｉｍａｇｅｓｃｏｎｓｉｄｅｒａｂｌｙ，ｉｔａｓｓｉｓｔｓｔｈｅｖｉｅｗｅｒｉｎｄｉｓｃｏｖｅｒｉｎｇｈｉｄｄｅｎｍｅｓｓａｇｅｓ．Ｈｏｗｅｖｅｒ，ｓａｔｉｓｆａｃｔｉｏｎｉｓｈａｒｄｔｏｂｅａｃｈｉｅｖｅｄｂｙＨＥｗｈｅｎｗｅａ∞ｉｎｔｅｒｅｓｔｅｄｉｎｔｈｅｉｎｆｏｒｍａｔｉｏｎｐｒｅｓｅｎｔｅｄｉｎｓｍａｌｌｅｒａｒｅａｓｗｉｔｈｒｅｌａｔｉｖｅｌｙｅｖｅｎｇｒａｙｓｃａｌｅｓ。
ＬｏｃａｌＡｒｅａＨｉｓｔｏｇｒａｍ，ａｓａｎｅｘｔｅｎｓｉｏｎｂａｓｅｄｏｎｓｔａｎｄａｒｄＨＥｔｅｃｈｎｉｑｕｅ，ｈａｓｇｉｖｅｎｐｌｅａｓｉｎｇｒｅｓｕｌｔｓ．Ｈｏｗｅｖｅｒ，ＬＡＨＥｓｈｏｗｓａｌａｃｋｏｆｆｌｅｘｉｂｉｌｉｔｙｂｅｃａｕｓｅｔｈｅｒｅｉｓｏｎｌｙｏｎｅｐａｒａｍｅｔｅｒ——ｓｉｚｅｏｆｔｈｅｒｅｃｔａｎｇｌｅｗｉｎｄｏｗ，Ｓｍａｌｌｗｉｎｄｏｗｓｈｅｌｐｉｎｃｒｅａｓｅｔｈｅｄｅｔａｉｌｃｌａｒｉｔｙｏｆｉｍａｇｅ，ｂｕｔｗｅａｋｅｎｔｈｅｏｖｅｒａｌｌｏｕｔｌｉｎｅｏｆｔｈｅｉｍａｇｅ．Ｂｉｇｗｉｎｄｏｗｓ，Ｏｉｌｔｈｅｏｔｈｅｒｈａｎｄ，ｇｉｖｅｂｅｔｔｅｒｏｕｔｌｉｎｅｂｙｓａｃｒｉｆｉｃｉｎｇｔｈｅｄｅｔａｉｌｃｌａｒｉｔｙ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅａｕｔｈｏｒｔｒｉｅｓｔｏｉｍｐｒｏｖｅＬＡＨＥｆｒｏｍｔｗｏａｓｐｅｃｔｓ．Ｏｎｔｈｅｏｎｅｈａｎｄ，ｗｅｃａｎｍｏｄｉｆｙｔｈｅｓｔｒｕｃｔｕｒｅｏｆｔｈｅｌｏｃａｌｈｉｓｔｏｇｒａｍ；ｏｎｔｈｅｏｔｈｅｒｈａｎｄ，ｗｅｃａｎａｌｓｏａｄｊｕｓｔｔｈｅｓｉｚｅｏｆｒｅｃｔａｎｇｌｅｗｉｎｄｏｗａｄａｐｔｉｖｅｌｙ．Ａｔｌａｓｔ，ｔｈｅｒｅｓｕｌｔｓｕｓｉｎｇＬＡＨＥａｎｄｉｔｓｍｏｄｉｆｉｃａｔｉｏｎｓｗｉｌｌｂｅ＃ｙｅｎａｎｄｃｏｍｐａｒｉｓｏｎｓａｍｏｎｇｔｈｅｓｅｄｉｆｆｅｒｅｎｔａｌｇｏｒｉｆｌａｍｓａｒｅｔｏｐｒｅｓｅｎｔａｓｗｅｌｌ．Ｋｅｙｗｏｒｄｓ：Ｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔ，Ｈｉｓｔｏｇｒａｍ，ＬｏｃａｌＡｒｅａＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，Ｐｎｅｕｍｏｃｏｎｉｏｓｉｓ珏ｌ型查堂型堂些墼塑重兰塑跫！盘璺塑６０郑重声明本人的学位论文是在导师指导下独立撰写并完成的，学位论文没有剽窃、抄袭等违反学术道德、学术规范的侵权行为，否则，本人愿意承担由此产生的一切法律责任和法律后果，特此郑重声明。
学位论文作者（签名）．泰趄哞７．，００５－年，月彩日郑州大学砸ｌ：学位论文第１帮绪论２００５年５，〕第１意绪论§１。
１孳｜言尘肺病（ｐｎｃｕｍｏｃｏｎｉｏｓｉｓ）是由于在职业活动中长期吸入生产性粉尘并在肺内滞留而引起的以肺组织弥漫性纤维化为主的全身性疾病。
它是我国最主要的职业病，不仅患病人数多，而且危害大，是严重导致劳动能够能力降低、致残和降低生活质量的疾病，也是国家和企业赔偿的主要职业病“１。
据中国卫生部的统计资料，自上世纪五十年代建立职业病报告制度以来，中国内地累计有十四万多人死于职业尘肺病。
目前，全国已累计报告尘肺病人五十八万多例，每年新增尘肺病例约一万例，现有尘肺病人四十四万多例。
尘肺病危害已经成为一个重大的公共卫生问题和社会问题。
由于目前尚无根治尘肺病的办法，其治疗原则主要是采取药物、营养、适当体育锻炼等综合医疗保健措施，以提高患者抗病能力、防治并发症、消除或改善症状、保护呼吸功麓、延长寿命、维护生命质量。
如果能够做到早期检查、早期诊断，使确诊为尘肺病的人员及早调离粉尘作业，并采取合理的治疗手段，就完全可以控制和减少尘肺的发病率，提高早期患者的生活质量。
尘肺ｘ线检查是对有职业暴露史的人员确定尘肺和分期的主要诊断方法ｎ３。
然而，在ｘ线成像系统中，由于人体结构和组织比较复杂，以及ｘ线散射、电子噪声和光量子噪声等各种因素的影响，使得Ｘ线图像表现为动态范围宽、细节丰富和对比度差等特点。
另外，尘肺早期病变特征并不是十分明显。
这些都给尘肺的早期诊断带来了难度。
近年来，图像处理技术得到了极大的重视和长足的进展。
图像增强作为图像处理技术中最活跃的一个分支，涌现出了许多新的理论、新的算法，并已在科学研究、医疗卫生、工业生产、通信等领域得到了广泛的应用。
借助于现代图像处理技术，对尘肺Ｘ线图像进行对比度增强处理，在不丢失图像细节、不引入过大噪声及不引起细节失真的前提条件下，突出尘肺病灶，从而有助于降低尘肺早期诊断漏诊率。
本文主要研究了ＬＡＨＥ在尘肺Ｘ线图像增强中的应用，并针对Ｘ线图像的特点，提出了相应的修正算法。
群州天掌攒士学垃论文芟１举绩论§１。
２磺究历史与现状图像增强的主要强的是改善图像的视觉效聚。
过去麓用光学和电子技术增强图像，弗取得了不错的效果。
随即各行备业对图像增强提出了更高的要求。
为了逡应鑫秘用途，黟缘增强震要采墩鑫裂；技本手段缀合处理，瑟且针对不慰熬爱途，处理手段也大相径庭。
图像增强不考虑阁像质量下降的原因，只将图像中感兴趣瀚特征蠢选择豹突遗，焉衰强不需要豹特薤。
崮予还没有关予黧像厦量黥统一稼准，所以图像增强理论麟前尚无统一的权威性定义，关于各种增强方法的评价只髓根据它在实际应用当中的效巢寐进行。
直方图均衡化（ＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，ＨＥ）是一种最早也是最常用的图像增强方法”１。
它是基于这样的原理：当图像中所有的灰度级出现的概率是一个均匀分布时，图像所暴露的信息量最大。
从信息学的角度来理解，即具有最大熵（信息量）的图像为均衡化图像“１。
经过ＨＥ处理后，图像的直方图变换成均匀分布的形式，这样就增加了图像灰度值的动态范围，从而达至０了增强图像对比度的效果。
ＨＥ简单、高效，不过它对整幅图像采用的是同一个变换，因此不能适应不同区域的对比度变化，所以当图像的不同区域有不同的对比度时，这种变换方法的结果就不是很理想。
当图像的某个较小且灰度分布相对均匀的区域中包含我们感兴趣的物体或细节时，ＨＥ可能很难帮助我们识别其中的物体或细节，甚至有时候其引入的噪声把原有的信息也给破坏了。
为了克服ＨＥ的缺点，人们又提出了现在广泛使用的自适应直方图均衡化（ＡｄａｐｔｉｖｅＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，ＡＨＥ）”。
ＡＨＥ区别于ＨＥ的地方在于它不是对整幅图像用同一个变换，而是对图像中的每一个像素根据它所在区域（称为相关区域ＣｏｎｔｅｘｔｕａｌＲｅｇｉｏｎ，ＣＲ）的直方图采用不同的变换。
因此，人们也把自适应直方图均衡化方法称为局部直方图均衡化（ＬｏｃａｌＡｒｅａＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，ＬＡＨＥ），相应地把ＨＥ称为全局直方图均衡（ＦｕｌｌＦｒａｍｅＨｉｓｔｏｇｒａｍＥｑｕａｌｉｚａｔｉｏｎ，ＦＦＨＥ）。
新的方法总是带来新的问题。
首先，ＬＡＨＥ的确克服了ＨＥ的缺点，对于一般的图像，只要选取合适的局部窗大小‖就完全可以得到很好的处理结果。
