自适应直方图均衡化图像增强程序

资 源 简 介

本程序实现了针对数字图像的自适应直方图均衡化算法，旨在有效解决传统全局直方图均衡化在处理光照不均匀或对比度差异显著的图像时可能出现的细节丢失与局部失真问题。程序的核心逻辑是将整幅图像划分为若干个互不重叠的小区域（称为子块或Contextual Regions），针对每一个子块独立计算其灰度直方图，并根据该局部区域的概率分布函数生成对应的映射逻辑，从而实现局部对比度的针对性拉伸。这种方法能够显著增强图像中阴影部分或过度曝光部分的细节，使其在低光照摄影、医学放射影像识别以及遥感图像分析中表现出卓越的视觉效果。

详 情 说 明

自适应直方图均衡化 (AHE) 图像增强程序项目说明

项目介绍

本项目实现了一种基于自适应直方图均衡化（Adaptive Histogram Equalization, AHE）的图像增强算法。与传统的全局直方图均衡化（GHE）不同，本程序通过将图像划分为多个局部区域并分别计算增强函数，能够显著提升图像的局部对比度，特别适用于光照不均、对比度极低或包含复杂阴影细节的数字图像。为了解决局部处理带来的块状效应，系统内置了双线性插值算法，确保增强后的图像在视觉上保持自然的平滑度。

功能特性

1. 局部对比度增强：针对图像的每一个子块独立计算概率分布，使暗部细节清晰可见，同时抑制亮部过曝。
2. 双线性插值平滑：通过对相邻四个子块的变换函数进行加权插值，有效消除分块处理导致的边界断层或块状人工痕迹。
3. 图像尺寸自适应：程序会自动计算子块尺寸，并对原始图像进行缩放调整，以确保图像长宽能够被子块数量整除，保证计算精度。
4. 鲁棒的输入兼容性：支持读取系统标准测试图（如 pout.tif），并具备自动容错机制，在缺少外部文件时能自动生成合成图像进行处理。
5. 直观的效果评估：提供原始图像与增强图像的对比显示，并同步展示增强前后的直方图分布，方便量化分析增强效果。

系统要求

1. 运行环境：MATLAB R2016b 或更高版本。
2. 必备工具箱：Image Processing Toolbox（用于图像读取、色彩空间转换及直方图绘制）。

算法实现过程与逻辑

本程序的核心逻辑严格按照 AHE 算法流程实现，分为以下四个关键阶段：

1. 预处理阶段

程序首先检查输入图像的通道数。如果是 RGB 彩色图像，则利用加权平均法将其转换为灰度图像。随后，将灰度数据转换为双精度浮点数（double）以保证计算精度。为了实现精确的分块，算法会根据预设的 8x8 子块数量计算目标尺寸，并使用插值方法将原图微调至可以被整除的大小。

2. 局部直方图与 CDF 计算

图像被逻辑划分为 64 个互不重叠的矩形子块。程序遍历每一个子块，执行以下操作：

• 统计当前子块内 0-255 灰度级的频数。
• 计算归一化的累积分布函数（CDF）。
• 每一个子块的 CDF 实际上代表了该区域从输入灰度到输出灰度的映射逻辑。这些映射函数被存储在一个三维矩阵中备用。

3. 基于双线性插值的像素映射

这是程序中最复杂的逻辑部分，旨在通过空间位置关联消除块效应：

• 几何中心定义：算法计算每个子块的几何中心点作为该块 CDF 映射的基准参考点。
• 邻域识别：对于图像中的每一个像素点，程序会识别其周围最近的四个子块中心点。
• 插值计算：

- 核心区域：对于处于四个中心点包围范围内的像素，使用双线性公式，根据其到四个中心点的距离权重，混合四个子块的映射值。 - 边缘区域：对于靠近图像四周边界、无法寻找四个邻域中心的像素，程序会自动降级为线性插值或直接采用最近邻映射。

• 灰度合成：最终像素值由插值后的 CDF 值乘以最大灰度级（255）得到。

4. 数据可视化与分析

处理完成后，程序启动图形化界面，在单一窗口中对比展示：

• 处理前后的视觉图像：直观展示细节增强效果。
• 直方图分布：展示原始图像集中的灰度分布如何被平滑地拉伸至全量程，证明算法在统计学意义上的有效性。

关键算法细节说明

• 子块划分：程序默认采用 8x8 的网格划分，这在计算效率与局部增强效果之间取得了平衡。
• 插值权重逻辑：通过计算当前像素坐标与左上、右上、左下、右下四个子块中心坐标的相对位移（th, tw），实现了动态权重分配。这种方法保证了像素在跨越子块边界时，映射函数是连续平滑演变的。
• 灰度级索引：在进行 CDF 映射查找时，由于 MATLAB 索引从 1 开始，程序将像素灰度值（0-255）偏移加 1 处理，确保了数组访问的安全性。