% Считывание исходного файла изображения L
L=imread('lena.tif');
L=L(:,:,1);
imshow(L);
L=double(L)./255;
[N M z]=size(L);
% Задание размеров n и m локальной апертуры
n=15; m=n;
n1=fix(n/2); m1=n1;
a=L(1,1);b=L(1,M);c=L(N,1);d=L(N,M);
for i=1:n1;
for j=1:m1;
L1(i,j)=a; L3(i,j)=b; L6(i,j)=c; L8(i,j)=d;
end;
end;
L2=L(1,1:M); L02=L2;
for i=1:n1-1;
L2=[L2;L02];
end;
L7=L(N,1:M); L07=L7;
for i=1:n1-1;
L7=[L7;L07];
end;
L4=L(1:N,1); L4=L4'; L04=L4;
for i=1:m1-1;
L4=[L4;L04];
end;
L4=L4';
L5=L(1:N,M); L5=L5'; L05=L5;
for i=1:m1-1;
L5=[L5;L05];
end;
L5=L5';
L1=[L1;L4]; L1=[L1;L6]; L1=L1';
L2=[L2;L]; L2=[L2;L7]; L2=L2';
L3=[L3;L5]; L3=[L3;L8]; L3=L3';
L1=[L1;L2]; L1=[L1;L3];
Lr=L1';
F=ones(n,m);
Lser=filter2(F,Lr,'same')/(n*m);
C=abs(Lr-Lser)./(Lr+Lser+eps);
% Степень преобразования локальных контрастов alfa
аlfa=.55;
C=C.^.alfa;
for i=1+n1:N+n1;
disp(i)
for j=1+m1:M+m1;
if j==1+m1;
D=0;
for a=-n1:n1;
for b=-m1:m1;
D(n1+1+a,m1+1+b)=Lr(i+a,j+b);
end;
end;
end;
if j>1+m1;
for a=-n1:n1;
D(n1+1+a,m+1)=Lr(i+a,j+m1);
end;
D=D(1:n,2:m+1);
end;
if Lr(i,j)>=Lser(i,j);
Lvyh(i,j)=Lser(i,j)*(1+C(i,j))/(1-C(i,j)+eps);
else
Lvyh(i,j)=Lser(i,j)*(1-C(i,j))/(1+C(i,j));
end;
end;
end;
figure, imshow(Lvyh);
 а)
|  б)
|
 в)
|
Рис. 2. Результаты компьютерного моделирования метода степенного преобразования локальных контрастов: а) исходное изображение; б) изображение а), обработанное предложенным методом при значении степени преобразования локальных контрастов 
и размерах локальной апертуры 
; в) изображение а), обработанное предложенным методом при значении степени преобразования локальных контрастов и размерах локальной апертуры 
.
Адаптивное повышение контрастности изображений
Одной из наиболее удобных форм представления информации при диагностировании материалов и изделий в неразрушающем контроле, органов человека в медицине и иных областях является изображение. Это приводит к необходимости развития способов диагностики с использованием разнообразных методов. Однако одним из существенных недостатков этих методов является то, что в большинстве своем они обеспечивают формирование низкоконтрастных изображений. Поэтому основная цель методов улучшения состоит в преобразовании изображений к такому виду, что делает их более контрастными и, соответственно, более информативнее [1]. Довольно часто на изображении присутствуют искажения в определенных локальных окрестностях, которые вызваны дифракцией света, недостатками оптических систем или розфокусировкой. Это приводит к необходимости выполнения локальных преобразований на изображении. Иными словами, такой адаптивный подход дает возможность выделить информативные участки на изображении и соответствующим образом их обработать. Изложенным требованиям отвечают методы адаптивного преобразования локального контраста [2]. Методы этого класса можно представить обобщенной структурной схемой (рис. 1), где использованы такие обозначения:
- исходное изображение и его элемент с координатами 
соответственно;
- контраст элемента изображения с координатами ;
- преобразованное значение контраста ;
- характеристики локальных окрестностей ( 
- энтропия, 
- среднеквадратичное отклонение, 
- функция протяженности гистограммы);
- элемент обработанного изображения с координатами .
Рис. 1. Обобщенная структурная схема методов улучшения изображений с использованием адаптивного преобразования локальных контрастов.
Основные шаги реализации методов адаптивного преобразования локальных контрастов такие:
Шаг 1. Для каждого элемента изображения 
вычисляют значение локального контраста в текущей окрестности 
с центром в элементе с координатами .
Шаг 2. Вычисляют локальную статистику для текущей скользящей окрестности .
Шаг 3. Преобразуют (усиливают) локальный контраст , употребляя для этого нелинейные функции и учитывая локальную статистику текущей скользящей окрестности .
Шаг 4. Восстанавливают значение яркости изображения с усиленным локальным контрастом.
Шаги 1 и 2 могут выполняться в различной последовательности или параллельно.
Проанализируем более детально реализацию шага 3 вышеупомянутого метода. Его суть состоит в том, что для преобразования локальных контрастов используют нелинейные монотонные функции, а для формирования адаптивной функции преобразования локального контраста выбирают степенную функцию и задают минимальное 
и максимальное 
значения показателя степени 
. Адаптация состоит в формировании дополнительного слагаемого к путем его определения на основе локальных статистик в скользящих окрестностях. В качестве параметров, которые будут характеризовать скользящие окрестности, используются функция протяженности гистограммы , энтропия и среднеквадратическое отклонение значений яркостей элементов скользящей окрестности. Поэтому, в зависимости от поставленной задачи, методы данного класса могут отличаться как функцией преобразования локального контраста, так и характеристикой скользящей окрестности.
Рассмотрим более детально предложенные локально-адаптивные методы улучшения изображений, проанализируем использование характеристик локальных окрестностей в выражениях преобразования локальных контрастов и обоснуем их выбор.
