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：
代码语言：javascript复制EME=frac{1}{k1*k2}sum_{m=1}^{k1}sum_{n=1}^{k2}20logfrac{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：
代码语言：javascript复制EMEE=frac{1}{k1*k2}sum_{m=1}^{k1}sum_{n=1}^{k2}frac{I_{max,m,n}^{w}}{I_{min,m,n}^{w} c}logfrac{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EMEEMEE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。
三、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
四、参考文献
1、《对数图像处理新模型及应用研究》
