对比度增强是图像处理技术中的一个重要内容,其目的是通过调整图像灰度值的分布来增大图像的灰度变化范围,丰富图像的灰度层次,从而显著改善图像的视觉效果,以提供更适于分析的图像。直方图均衡是图像对比度增强的一个重要分支。本文介绍了图像对比度增强的基本原理和研究现状,在研究V.Caselles等人提出的基于偏微分方程(Partial Differential Equation,PDE)的保持形状的局部对比度增强算法的基础上,针对原有的PDE迭代中时间步长选择的困难和以分层为局部进行增强出现的“斑点效应”,提出了相应的改进算法。改进算法修改了原有的保持形状的灰度图像增强的PDE模型,使其时间步长的选择得以简化,并将修改模型推广为更一般的形式,使之适用于任何设定的灰度拉伸函数。改进算法还给出了一种通用的分段线性拉伸函数设计方法,它较累积直方图作为灰度变换函数可达到更好的直方图均衡化效果。在详细分析了以分层子图为“局部”进行增强过程中“斑点效应”产生原因的基础上,本文提出了一种松弛阈值化方法。与原方法严格阈值化分层相比,改进方法可以将阈值附近的小面积连通分量调整到更合适的分层中,从而有效避免了斑点的产生。V.Caselles等人将保持形状的局部对比度增强应用到亮度分量,提出了保持形状的彩色图像增强方法。将灰度图像的对比度增强技术直接推广到彩色图像是目前彩色图像对比度增强的常用方法。该类方法简单易行,是将针对灰度图像的对比度增强算法直接应用到彩色图像的亮度分量上,然而此类方法忽视了亮度分量严格来说不能保持原彩色图像中对象的形状这一重要问题,导致增强结果可能存在形状失真和彩色失真。本文在V.easelles等人的研究基础上,分析了彩色图像对比度增强中引起彩色图像失真的原因,提出了一种改进的保持形状的彩色增强方法。改进算法采用可以保持原彩色图像水平集信息的灰度图像作为亮度分量,并对其进行针对灰度图像的改进的保持形状的对比度增强,最后与彩色图像原来的色度分量重构成增强后的彩色图像。实验结果表明,改进算法在增强彩色的同时能较现有方法更好地避免形状和彩色失真。