红外图像对比度增强
1、红外图像
1.1 红外图像特点
红外图像一般具有以下特点（一般中长波特点更明显）：
1）红外图像表征景物的温度分布，反映目标及背景向外辐射能量的差异，是灰度图像，像素分辨率低；
2）红外探测气球收到加工工艺影响，靶面分辨率较低，1280x1024分辨率属于高分辨率，640x512的规格较多；
3）红外波段会受到传输距离远、大气吸收和散射等影响，导致红外图像对比度低，边缘模糊，灰度响应相对稳定；
4）红外成像系统给红外图像带来多种多样的噪声，如热噪声、散粒噪声等；
1.2 高动态范围与成像设备数据输出
红外图像有很高的动态范围 (如包含地面和天空的场景，由于地面和天空的温差大，图像的灰度范围很宽)，而目标与背景或者目标局部的温差却相对较小。当被观察场景的温度范围很宽时，红外图像输出的动态范围会达到10000以上（14bit数据），简单的可以理解为灰度最大值与灰度最小值的差异。
大多数红外成像设备输出的原始数据为14 bit，而显示器大多输出8bit数据，人类肉眼可识别图像中约128级灰阶（7位）。因此模拟和数字视频接口都要求能输出8 bit数据。即需要将14bit红外原始数据转化为8bit灰度图像。经过转化后的红外灰度图像往往会出现对比度低的问题。
2、对比度优化
2.1 直方图均衡化
灰度直方图是用于表示图像像素灰度值分布情况的统计图。一幅图像的灰度直方图可以反映出图像的一些特点。当图像的对比度较小时，其灰度值较集中在一个小区间；可以计算图像均值，在灰度直方图对比均值和灰度分布来了解图像整体亮度、对比度。
直方图均衡化的基本思想就是把原始红外图像中少数集中的灰度级平均分布到整个灰度区间上。该方法通过对原始图像进行非线性拉伸，根据图像的灰度概率分布，来调整对应的输出值，对出现频数较多的灰度级，赋予较大的灰度值区间，同时压缩出现频数较小的灰度级，使各个灰度区间内的像素数大致相同。
直方图均衡化的步骤如下： 1）统计图像灰度值分布，计算分布概率 设表示图像中像素的灰度级，则原始图像的灰度分布可以用概率密度函数来表达：
式中，表示图像的总像素数，为第个灰度级的像素数，为第级灰度级。 2）根据统计出的直方图，采用累积分布函数进行变换，求得变换后的新的灰度值。
式中，表示变换后的新的灰度值，表示变换函数。其中应满足在内是单调递增函数，这是为了保证算法没有打乱原来的灰度排列次序。 对图3（a）中的原始红外图像进行直方图均衡化处理，得到的结果如图4中所示，其中图4（a）为增强后的效果图，图4（b）为其对应的灰度直方图。由图中可以看出，原本集中于[170, 226]的灰度被较均匀地拉伸至整个灰度范围区间，但图像整体效果不佳。
（a） （b） 图4 直方图均衡化结果示例图
2.2 直方图分段线性变换
红外图像的灰度比较集中在一段区间，动态范围较窄，通过分段线性变换把较窄的目标分布区间拉开，提高动态范围，增强图像对比度，图像中的纹理灰度差有一定拉伸，加强了边缘信息。
图5 分段线性变换 如图5所示，直方图分段线性变换（以三段为例）的数学表达式为：
其中，，，。以上是典型的分三段线性变换的方法，根据同样原理，在实际应用中可根据需要划分为任意个变换区间。 在一般情况下，变换前后灰度变化范围是不变的，即。此时，感兴趣区间的展宽是以其他区间的压缩为代价的，也就是说，增强区间的灰度层次丰富了，对比度增强了，同时增强区间以外的对比度降低了。但是因为图像增强并不以保真原则为前提，只要能更好地从背景中识别出所感兴趣的目标，那么这种方法就是切实可行的。 分段线性变换的关键在于灰度分段区间的选择，分段区间的选择直接决定了图像增强和削弱的区域。最简单的方法就是采用固定的区间，对所有的图像进行相同的变化。但实际图像的内容大相径庭，其直方图分布也各具特点，所以要找到一个对所有图像都适用的变换区间是不可能的。 图6给出了分段线性变换的结果示例图，其中图6（a）为处理结果，图6（b）为其对应的灰度直方图。处理过程采用了三段式分段方式，且所涉及的参数均根据经验人为指定。对比图4中的结果可以看出，分段线性变换的结果更好。由于对过亮的部分（灰度值较大的部分）有抑制作用，使得图像过亮部分的细节得以保留。
2.3 直方图规定化
上述算法都是主动调整灰度直方图每个灰度级的分布情况，从而增强对比度。但是在实际应用中往往难以控制增强后的效果，而直方图规定化算法（又称为直方图匹配）需要按照某一具有特定直方图分布规律的图像（称为模板）来调整需要处理的图像，即通过调整原始图像的直方图去逼近模板图像的直方图。 设为原始图的灰度级数，为模板图像的灰度级数。原始直方图的累计分布为
模板直方图的累计分布为
原始灰度级数和模板直方图灰度级数之间的对应映射关系一般有两种，单映射规则（SML）和组映射规则（GML）。单映射规则中，将从小到大依次找到能使下式有最小值的值，这样就可以将原始图像灰度级数和模板直方图灰度级数对应映射起来。如下式：
组映射规则中，设为整数函数，，满足。为不确定值，因此要确定能使下式达到最小的值：
直方图规定化的结果如图8中所示，其中图8（a）为处理结果，图8（b）为对应的灰度直方图，图8（c）为所使用的模板图像，图8（d）为模板图像对应的灰度直方图。相比于红外图像，可见光图像通常具有更好的灰度分布，因此从公开数据库中选取若干张图像，并分离出单通道图像作为模板图像。从多幅模板图像中选取效果较好的一幅如图8（c）所示。
红外图像的对比度增强算法能够有效提高图像的对比度，增强图像的可读性，为观看者提供更多细节信息。各类对比度增强算法经过多年来的研究，已经取得了明显的进展
各类算法均起到了增强红外图像对比度的作用，但效果不尽相同，且每种方法由于原理不同，因此其增强效果的侧重点不同。因此，在实际工程应用中，应结合工程实际情况，分析所需处理的红外图像的特点，必要时也需要考虑硬件设备的实际情况，从而选择适合的对比度增强算法，并调节相应的参数，使算法的效果达到最佳
参考文献：
《基于改进直方图均衡的红外图像对比度增强算法》
《保持图像亮度的局部直方图均衡算法》
《一种改进的红外图像增强算法》
