第四章对本文所提出的算法进行Matlab实验并与其它几种基于直方图均衡化的算法的处理结果进行对比分析，分别从视觉效果比较和量化分析两方面对图像质量进行了分析，并给出了本文算法对16张图片的原图像和增强后图像的对比，进一步验证本文算法增强效果。
最后，给出了全文的主要研究内容和成果，对本文作了全面的总结。
2    图像增强技术和彩色模型
2.1  图像增强技术
图像增强技术可以分为两大类：一类是空间域方法，也就是在图像平面中直接对图像的像素灰度值进行运算处理的方法；另一类是频率域方法，是指在图像的频率域中对图像进行增强处理的方法[1]。
空间域图像增强方法主要包括：逐像素点进行图像增强的灰度变换方法，通过局部或整体地调整图像的对比度从而进行图像增强的直方图增强方法，利用模板对图像的相邻像素进行相关处理的运算方法，由于这些运算都是在同一时刻对图像中某一邻域的像素进行处理，所以称为空间域运算方法[3]。
图像的直方图反映图像像素的分布情况，横坐标表示图像像素的灰度范围，纵坐标表示每一灰度值的像素在图像中出现的频数，因此，反映像素灰度值分布的直方图是图像的重要特征，在实际工程中，直方图在很多方面都有很好的应用，例如，扩大对比度、特征提取等。直方图均衡化是直方图处理中最常用的方法之一，通过修改图像直方图调整图像对比度，当目标区域的对比度较小时，直方图均衡化使得灰度值在直方图上更均匀地分布，可以在不影响整体对比度的同时增强局部对比度。
直方图均衡化属于一种全局对比度增强算法，虽然计算简单快捷，但容易导致大量灰度级合并，以致图像失真，丢失图像细节。空间滤波，使用滤波模板对图像进行相关处理，能够结合像素点的周边邻域信息，作为图像直方图均衡前的预处理操作，能较好地解决均衡化带来的一些副作用。 图像增强相关技术研究+文献综述(3):http://www.youerw.com/jisuanji/lunwen_19422.html