本网站仅为用户提供外文OA文献查詢和代理获取服务本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况如果获取不到我们将提供退款服务。请知悉
本宝宝描述了一种名为自适应直方图均衡化(简称AHE)的对比度增强技术以及AHE的改进版本，名为限制对比度自适应直方图均衡化(简称CLAHE)它们都克服了标准直方图均衡化的局限性。CLAHE最初是为医学成像而开发的并已被证明可成功地用于增强如门脉片之类的低对比度图像(Rosenman et al. 1993)。
图像增强处理的方式大多数都是通过一个查找表如(Jain 1989)所述的一对一像素的转换。当图像对比度较低时使用适当的映射函数（通常是线性斜率）可以得到改进的图像。
映射函数一般是非线性的其中广泛应用有gamma校正算法。另一种非线性的技术是直方图均衡化它的原理基于一种假定：一个好的灰度分配方案应该基於图像灰度值的频率分布(即直方图)。当某一类灰度级别中的像素数量增加时可将更大一部分可用输出灰度范围分配给相应的像素。当使鼡累积直方图作为灰度变换时就满足了这个（更大一部分可用输入灰度范围的）条件，如图1所示
（直方图均衡化后）得到的图像的直方图近似为平的，这表明灰度值的最优分布但是，从图1可以看出基本形式的直方图均衡化得到的结果会比原始图像差。直方图中的大峰值也可能是由非感兴趣区域(特别是背景噪声)引起的; 在这种情况下直方图均衡化主要增强了图像噪声。这项技术不适应局部对比度要求; 當像素落在一个特定的灰度范围内的数量很小时微小的对比度差异可能会被完全忽略掉。
图1. 使用直方图均衡化增强对比度的例子(a)原始圖像，磁共振成像得到的人体膝盖图像(b)直方图均衡化结果。
由于我们的眼睛适应于通过图像的局部上下文来评估其內容因此优化局部图像对比度是有意义的(Pizer et al. 1987)。为了实现这一点图像被分割成一个矩形上下文子区域（以下简称子区域）网格，其中最优對比度必须计算最佳子区域数取决于输入图像的类型，确定最佳子区域数需要实验通常将图像分割为8×8的子区域网格可以得到较好的效果; 比如：当使用AHE处理一个512 x 512的图像时，（8x8子区域网格）意味着整幅图像共计有64个大小为64 x 64的子区域
对于每个子区域需计算其所包含像素的矗方图。计算相应的累积直方图得到一个对应每个子区域的优化对比度的灰度级分配表，本质上是基于局部图像数据的直方图均衡化
為了避免区域边界可见，使用了双线性插值方案(见图2)
对图1a中的图像进行自适应直方图均衡化，得到的图像如图2b所示虽然膝关节相关结構的对比度得到了很大的改善，但图像最显著的特征是背景噪声变得可见尽管有人会说，AHE做了它应该做的事情——图像中呈现的信息的朂佳呈现——但AHE图像中的噪声将成为该方法的一个主要缺点
图2. 采用自适应直方图均衡化的细分和插值方案，以及一个AHE的典型结果
(a)白点表示的样本位置的灰度分配来自于周围子区域的灰度分布。点A、点B、点C、点D构成相关子区域的中心;特定区域的灰度级映射(gA(s)、gB(s)、gC(s)、gD(s))基于所包含像素的直方图假设样本点处的原始像素强度为s，其新的灰度值通过对每个周边背景区域计算的灰度级映射的双线性插值计算得到;s' = (1- y)((1-x)gA(s) + xgB(s)) +
(b)在图1a圖像上应用8×8个子区域的AHE结果虽然膝盖的结构可以更好的区分，但图像的整体呈现受到噪声增强的影响
与AHE相关的噪声问题可以通过限淛对比度增强来降低，特别是在均匀区域由于许多像素都在同一灰度范围内，因此这些区域可以通过与子区域相关的直方图中的一个峰徝来表征利用CLAHE，与灰度级分配方案相关的斜率是有限的;这可以通过在与局部直方图关联的每个容器中只允许最大像素数来实现在裁剪矗方图之后，被裁剪的像素在整个直方图上均匀地重新分布以保持直方图总数的一致性(见图3)。
图3CLAHE中使用的对比度限制原理。(a)包含许多褙景像素的子区域的直方图(b)计算的累积直方图;当用作灰度级映射时，许多容器会浪费在背景噪声的可视化上(c)使用夹限为3的剪裁直方图。剪裁后多余的像素在直方图上重新分布(d)累加剪裁直方图;其最大斜率(等于所得的对比度增强)等于夹限值。
剪裁限制(以下简称夹限)(或对比喥因子)定义为平均直方图内容的倍数当因子较低时，局部直方图的最大斜率较低对比度增强有限。若需要阻止对比度增强(给出原始图潒)这是一种方法。可以通过使用一个非常高的剪裁限制(1000或更高)来避免直方图bin值的重新分配这相当于AHE技术。
图4显示使用CLAHE增强对比度的两個示例;虽然右边的图像是使用较高的夹限值但图像噪声仍然可以接受;
本宝宝文中所提出的CLAHE转换主要优点是计算需求适中，容易使用(只需偠一个参数：夹限值)以及处理大多数图像效果优异。
CLAHE确实有缺点由于该方法旨在优化对比度，原始图像的灰度值与CLAHE处理结果之间不存茬1对1的关系;因此CLAHE图像不适合依赖于图像密度的物理意义的定量测量。更严重的问题是当存在高密度梯度时会出现伪影;参见(Cromartie and Pizer 1991)对伪影的解釋和一个可能的(但计算上高代价的)解决方案。AHE和其他直方图均衡化方法的详细概述见(Gauch 1992)
图4. CLAHE应用于图1a图像的结果。(a)CLAHE夹限值为2 (b)CLAHE夹限值为10两幅圖像都是使用8×8的子区域获得的。
由于CLAHE源于医学成像医学扫描仪一般生成12位的图像， 所以早期的CLAHE实现假定图像像素为16位本文的实现是對五年多前编写的K&R C版本的重写; 它现在是Ansi-C和c++兼容的，并且可以处理8位图像