改进的直方图均衡化算法

型的随机噪声，提供一种优秀的去噪能力，比小尺寸的线性平滑滤波器的模糊程度明显要低，因此得到广泛的应用。此算法使用3×3的中值滤波作为图像的后续处理，可消除由于直方图均衡化而增强的噪声，提高图像的视觉效果。

2 实验结果及分析

幅图像的同时也增强细节，并且有效地抑制了噪声。

图3为验证算法对低对比度图像的增强效果而专门制作。原图中背景色的灰度值为186，4个灰度层次从左到右的灰度值分别为174，180

，

200

，210。因此，4个灰度层次的灰度值与背景非常接近。比较图 (b)（直方图均衡化处理的图像）和图(c)（文中方法增强）可知，用此方法进行增强图像层次感明显好于 (b) 的处理结果，取得令人满意的效果，说明此算法对于低对比度图像处理效果好，算法具有较强的适应性。

0 100 200 0 100 200 (a) 原图

(b) 直方图均衡算法 (c) 改进增强算法

图1 飞机图像处理结果

(a) 原图 (b) 直方图均衡 (c) 文中方法增强

图3 低对比度图像处理结果

3 结语

新的对比度增强算法，在对图像进行均衡化之前，先对直方图进行平滑处理，消除直方图上的噪声干扰点。通过对均衡化后的图像灰度级在图像的整个动态范围内等间隔排列，克服直方图均衡化法输出图像动态范围小和过增强的缺点。实验证明增强结果不但提高目标对比度，同时使目标的细节更加明显，而且对低对比度图像增强效果好，具有较广泛的适用范围。

0 100 200 (a) 原图 (b) 直方图均衡算法 (c) 改进增强算法

图2 猫图像处理结果

算法在VC++6.0下编程实现，算法处理的图片如图1和图2，其中平滑系数α＝0.4。结果在目标参考文献： 对比度和细节方面好于直方图均衡法。其中：(a) 为[1] Rafael C Gonzalez, Richard E. Woods Digital Image

Processing [M]. 北京: 电子工业出版社, 2003. 原图及其直方图，(b) 是采用直方图均衡化法的处

[2] 蒙军, 索忠乐, 陈洪, 等. 一种改进的红外图像增强算理结果，(c) 是文中方法的结果。图1中可看到 (b)

法[J]. 解放军理工大学学报（自然科学版）, 2004, 5 (5):

的右侧天空被过增强，且噪声很大，(c) 在增强目

5-9.

标的同时较好的抑制了噪声，观察 (c) 的直方图可

[3] 徐碧, 傅承毓. 电视跟踪系统中的实时视频图像分割技

看到灰度级在0～255，即在图像的最大动态范围内术[J]. 光电工程, 1999, 26 (3): 8-12. 均匀等间隔分布。图2中的第 (c) 幅，猫的右眼以[4] 姚若河, 黄继武, 吴湘淇. 改进的直方图均衡化图像增

强算法[J]. 铁道学报, 1997, 19 (6): 78-81. 及图像的整体效果均好于 (b)，可见算法在增强整

**********************************************************************************************

（上接第57页）

[3] Roman A Volkov, Irina I. Panchuk, Fritz SchoÈf.

Heat-Stress-Dependency and Developmental Modulation of Gene Expression: the Potential of House-Keeping Genes as Internal Standards in MRNA Expression Profiling Using Real-Time RT-PCR [J]. Journal of Experimental Botany, 2003, 54 (391): 2343-2349.

[4] 伍亚舟, 张彦琦, 黄明辉, 等. 基因芯片表达数据的标

准化策略研究[J]. 第三军医大学学报, 2004, 26 (7): 594-597.

[5] 刘月明. 基因表达聚类分析方法研究[D]. 2001.

[6] 杜金荣. 病理技术的新进展[J]. 黑龙江医学. 2005, 29

(4): 241.

[7] 刘章文, 任天怡, 古天祥. 三维数据的置信区间及异常

数据的修复[J]. 计算机集成制造系统, 2005, 11 (4): 597-600.

[8] 贺宪民, 武建虎, 贺佳. 小样本情况下差异表达基因鉴

别的参数统计分析[J]. 中国卫生统计, 2005, 22 (3): 141-145.

[9] Christelle Hennequet-Antier, Hélène Chiapello, Karine

Piot, Séverine Degrelle, Isabelle Hue, Jean-Paul Renard, François Rodolphe, Stéphane Robin. A Set of SAS Macros for the Analysis of Variance of Gene Expression Data [J]. BMC Bioinformatics, 2005, (6): 150.

[10] Joaquin Dopazo, Edward Zanders, Ilaria Dragoni, Gillian

Amphlett, Francesco Falciani. Methods and Approaches in the Analysis of Gene Expression Data [J]. Journal of Immunological Methods, 2001, 250 (1-2): 93-112.

·59·