一、评价指标EME

在文章《An improved contrast enhancement algorithm for infrared images based on adaptive double plateaus histogram equalization》中，提到的了评价指标EME( measure of enhancement by entropy)，熵增强度量，这是图像增强的典型定量度量，来评估算法在对比度改进方面的性能。数值越大，表示图像对比度越高。

lthe measure of enhancement by entropy (EME) , which is a typical quantitative measure ofimage enhancement, to further evaluate the performance of our

algorithm in contrast improvement.

EME指标将图像分为多个图像块，统计图像块内的像素值，根据像素块内最大最小值的关系评价对比度。计算公式如下：

$$EME=\frac{1}{k1\ast k2}\sum _{m=1}^{k1}\sum _{n=1}^{k2}20log\frac{I_{max,m,n}^w}{I_{min,m,n}^w}$$

其中，k1、k2是图像横纵方向的分块数量，$I_{max,m,n}^w$表示块内最大值，$I_{min,m,n}^w$表示块内最小值。

---

二、评价指标EMEE

还有一种熵增强评价方法EMEE[1]，相比EME更符合人类主观视觉效果。跟EME相似，把一幅图像分成大小为k1xk2个图像块区域，统计局部极值，公式略有区别，计算公式如下：

$$EMEE=\frac{1}{k1\ast k2}\sum _{m=1}^{k1}\sum _{n=1}^{k2}\frac{I_{max,m,n}^w}{I_{min,m,n}^w+c}log\frac{I_{max,m,n}^w}{I_{min,m,n}^w+c}$$

其中，c表示不为零的很小的常数。

在实验的客观评价时，取k1、k2为16，即把图像分成16x16个块

	原图	HE	ADPHE
EME	11.79	22.02	15.1
EMEE	1.94	1230	15.26

从EME指标来看，HE的EME\EMEE指标都很大，表示对比度很强，但是图像来看有过增强现象，ADPHE算法的EME指标也有提升，增强后图像更自然。

以下结果分别是原图、HE结果、ADPHE结果。

四、仿真代码

感兴趣的可以找论文复现或者看一下链接，可以试试EMEE指标。

https://github.com/AomanHao/Matlab-Image-Evaluate/tree/master/Evaluate

五、参考文献

1、《对数图像处理新模型及应用研究》

---

我的个人博客主页，欢迎访问

我的CSDN主页，欢迎访问

我的GitHub主页，欢迎访问

我的知乎主页，欢迎访问