《表5 经典HE算法和Laplace算法的局部区域质量分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于直方图均衡化图像增强的两种改进方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表4列出了原图、经典HE算法与Laplace算法的局部区域（子块图像的右侧数字为其编号），在主观视觉方面可以明显地看出经典HE算法在区域Ⅰ和区域Ⅳ内发生了局部细节缺失，如区域Ⅰ天鹅羽毛细节的缺失和区域Ⅳ树叶细节的缺失，但对于区域Ⅱ和区域Ⅲ的细节提升效果很明显，对比度得到了合理的增强，其本质原因为灰度级的频率决定对比度增强程度[2].表5列出了两种算法局部区域内的质量评价指标，本节中采用了区域灰度范围、区域平均灰度、区域灰度级个数和区域平均梯度用具体数据客观评价区域内的图像质量.区域灰度范围为区域内灰度值的范围，其范围越广图像质量越高，区域平均灰度反映了区域内的亮度，区域灰度级个数反映区域灰度值的丰富程度，数值越大，区域内图像质量越高.区域平均梯度反映区域内细节丰富程度，数值越大区域内图像质量越高，计算模型如式（7），M和N分别代表高和宽，f代表图像的灰度值，#为梯度算子.