多均值正态分布图像规定化处理

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (21): 10-12.

多均值正态分布图像规定化处理

孔军1，2，3，蒋敏2，汤心溢1

1.中国科学院上海技术物理研究所，上海 200083
2.江南大学物联网工程学院，江苏无锡 214122
3.中国科学院研究生院，北京 100049

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-21 发布日期:2011-07-21

Image specification based on multi-means normal distribution

KONG Jun1，2，3，JIANG Min2，TANG Xinyi1

1.Shanghai Institute of Technical Physics，Chinese Academy of Sciences，Shanghai 200083，China
2.School of Internet of Things and Sensor Network Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China
3.Graduate School of Chinese Academy of Sciences，Beijing 100049，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-21 Published:2011-07-21

摘要/Abstract

摘要： 提出一种基于多均值正态分布的直方图规定化算法，以图像的灰度平均值作为首个高斯峰均值，计算出后续值，以图像的对比度作为所有高斯峰的均方差，通过峰值增益加以调节。以形成的多均值正态分布作为直方图变换函数，将直方图约束成多均值正态分布形式。实验证明，基于多均值正态分布规定化处理，不仅有选择地对某灰度范围进行局部对比度增强，而且能改善图像的灰度平均值，从而增强图像的视觉效果，层次丰富，细节明晰。

关键词: 多均值, 正态分布, 直方图规定, 图像增强

Abstract: This paper proposes the algorithm of histogram specification based on multi-means normal distribution function.In order to get the function，the average of image gray is treated as the first mean that can produce a series of other means，and the contrast of image is taken as variance controlled by Gaussian peak gain.The multi-means normal function is taken as histogram transformation，and the image histogram is constrained into the form of multi-means normal distribution.Experiment shows that the algorithm can not only enhance the image contrast selectively and locally but also improve mean of image，thereby to get the best optical effect.

Key words: multi-means, normal distribution, histogram specification, image enhancement

孔军1，2，3，蒋敏2，汤心溢1. 多均值正态分布图像规定化处理[J]. 计算机工程与应用, 2011, 47(21): 10-12.

KONG Jun1，2，3，JIANG Min2，TANG Xinyi1. Image specification based on multi-means normal distribution[J]. Computer Engineering and Applications, 2011, 47(21): 10-12.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[3]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[4]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[5]	王庆闪，张军，刘元盛，张鑫晨. 基于NDT与ICP结合的点云配准算法[J]. 计算机工程与应用, 2020, 56(7): 88-95.
[6]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[7]	王晰，袁绍欣. 从车牌识别数据中提取有效旅行时间算法研究[J]. 计算机工程与应用, 2020, 56(16): 241-247.
[8]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[9]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[10]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[11]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[12]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[13]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[14]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.
[15]	王永鑫1，2，刁鸣1，韩闯2. 基于同态滤波的水下图像增强与色彩校正模型[J]. 计算机工程与应用, 2018, 54(11): 30-34.