上面我們已經介紹了關于各類影像增強演算法，并重點對Retinex影像增強演算法進行了仿真，這里我們將通過Retinex演算法和別的影像增強演算法的仿真結果對比，討論Retinex演算法的優勢，
1 空域影像增強演算法的仿真及仿真性能分析
·影像增強仿真效果
空間域影像增強演算法有多種方式，這里我們重點討論中值濾波演算法， 該演算法仿真結果如下所示：
·灰度直方圖
任意選取一個圖片，通過其灰度直方圖進行增強分析，如圖2所示，
·熵
影像的熵值反映了影像的資訊量，熵越大，資訊量就越大，那么對應的影像的細節越豐富，下面我們對增強前后的影像計算其熵，
我們計算測驗圖片的熵，其計算結果如表2所示：
表2 中值濾波后的影像熵值
| 增強前的熵 | 增強后的熵 |
| 10.9280 | 11.6472 |
通過上面的分析，我們發現利用中值濾波后，影像并沒有得到明顯增強，所以我們在時間實作中不考慮采用這種方法的影像增強方法，
2 頻域影像增強演算法的仿真及仿真性能分析
·影像增強仿真效果
頻域影像增強演算法有多種方式，這里我們重點頻域濾波演算法， 該演算法仿真結果如下所示：
圖4 利用頻域濾波進行影像增強前后對比圖
·灰度直方圖
任意選取一個圖片，通過其灰度直方圖進行增強分析，如圖2所示，
(a)增強前的影像和影像灰度直方圖
(b)增強后的影像和影像灰度直方圖
圖5灰度直方圖
影像的熵值反映了影像的資訊量，熵越大，資訊量就越大，那么對應的影像的細節越豐富，下面我們對增強前后的影像計算其熵，
我們計算測驗圖片的熵，其計算結果如表3所示：
表3 中值濾波后的影像熵值
| 增強前的熵 | 增強后的熵 |
| 10.9280 | 12.1093 |
通過上面的分析，通過頻域濾波以后，雖然從其效果較中值濾波有所改善，但是通過計算其熵值仍然比Retinex演算法小，其外頻域增強法需要通過操作FFT和IFFT，在硬體實作上需要大量的資源，所以我們在硬體上使用Retinex進行影像增強演算法的實作，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/152562.html
標籤：其他
下一篇：車輛大資料平臺的部署