基于SMQT算法的灰度图像增强系统

资 源 简 介

本项目实现了基于2005年国际图像处理会议（ICIP）发表的连续均值量化变换（Successive Mean Quantization Transform, SMQT）算法。该算法是一种先进的非线性图像增强技术，其核心原理是通过嵌套式二叉树结构对数据进行递归均值量化，从而有效地提取并强化信号的底层结构。相比于传统的直方图均衡化（Histogram Equalization）等增强手段，SMQT具有显著的优势：它能够保证增强后图像的直方图波形基本保持不变，有效解决了传统方法中常见的对比度过饱和或伪影现象。该

详 情 说 明

基于SMQT算法的灰度图像增强系统

项目介绍

本项目实现了一种基于 2005 年国际图像处理会议（ICIP）发布的连续均值量化变换（Successive Mean Quantization Transform, SMQT）算法。该算法采用非线性的方式对灰度图像进行增强，核心在于通过嵌套式的二叉树结构对图像数据进行递归均值量化。与传统的直方图均衡化（HE）相比，SMQT 能够更有效地提取并强化信号的底层结构，在提升对比度的同时，最大限度地保持原始图像直方图的分布形状，从而避免了常见的对比度过饱和、伪影以及细节丢失等问题。

功能特性

• 自动图像获取：系统会自动尝试加载内置的标准低对比度图像，若环境缺失样本，则通过正弦函数生成具有复杂纹理的低对比度合成图像。
• 多层级 SMQT 增强：支持自定义分解层级（默认为8层，对应8位图像增强），通过递归均值量化逐层提取细节。
• 结构保护特性：增强过程具有平移与伸缩不变特性，能够保证图像直方图的波形骨架基本不变，保留原始光影物理结构。
• 定量指标评估：系统集成信息熵（Entropy）计算模块，从信息论角度定量评估增强效果。
• 对比可视化分析：通过 2x3 的矩阵视图展示原始图像、SMQT 增强图像及传统 HE 增强图像的视觉效果与直方图波形对比。

实现逻辑与算法模型

程序内部的实现逻辑严格遵循 SMQT 算法的数学定义：

1. 预处理阶段：

数据输入后首先进行灰度化处理（若是彩色图）并转换为双精度浮点型。如果读取指定图像失败，程序会通过 meshgrid 生成一个 256x256 的合成图像，其公式为 100 + 30 * sin(X/10) * cos(Y/10)，用以模拟低对比度环境。

1. 核心算法 (SMQT)：

核心逻辑由一个递归分解函数实现，具体流程如下： - 初始化：创建一个全零的结果矩阵，并初始化节点辅助数组，将所有像素标记在根节点下。 - 迭代量化：进行 $L$ 次循环（$L=8$）。在每一层中，识别当前所有的唯一节点，并计算每个节点所包含像素的局部均值（Mean）。 - 二值化与累加：根据局部均值对像素进行二值划分（大于均值为1，小于等于为0）。将此二值结果按权重 $2^{(L-l)}$ 累加到最终结果中。 - 节点更新：根据二值化结果更新像素所属的节点索引，实现二叉树路径的向下划分（左子节点或右子节点）。 - 归一化：将计算得到的累加值映射到 0-255 范围，重构为增强后的图像。

1. 对比与评估逻辑：

程序调用内置函数进行直方图均衡化，并对三类图像（原图、SMQT、HE）分别计算信息熵。信息熵越高通常代表图像细节信息越丰富。

1. 可视化逻辑：

使用 MATLAB 图形系统创建白色底色的展示窗口。第一行显示图像缩略图和对应的信息熵数值；第二行通过自定义的美化函数，以半透明填充面积图的形式展示三者的直方图分布。

关键函数详述

• 核心增强处理函数：负责执行 SMQT 的非线性映射。它不依赖于全局直方图，而是通过对数据空间进行逐级划分，有效地将原本集中的灰度值拉伸到全局，同时利用二叉树增长保持了像素间的相对序关系。
• 直方图美化展示函数：利用 imhist 获取分布数据，并通过 area 函数配合 FaceAlpha 透明度设置，生成直方图波形对比图，直观展现 SMQT 对直方图形状的保护作用。
• 环境自适应逻辑：通过 try-catch 机制确保了代码在不同环境下的健壮性。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 工具箱：需要安装 Image Processing Toolbox（图像处理工具箱）以支持 histeq、entropy、imhist 等操作。

使用方法

1. 启动 MATLAB 软件。
2. 将相关代码脚本置于当前工作路径。
3. 在命令行窗口直接运行主入口函数。
4. 程序将自动弹出对比界面，并在控制台实时打印三项对比技术的信息熵计算结果。