1.一种自适应的快速图像增强方法，其特征在于，该方法包括如下步骤：步骤1，输入待进行增强的原始图像A，用f(i,j)表示原始图像在像素点(i,j)处的灰度值，读取原始图像A各个像素点的灰度值；

步骤2，根据原始图像A的各点灰度值，统计各个灰度级k，k值的范围为0-255，k出现次数为G(k)，得到原始图像的灰度直方图T；

步骤3，利用已经获得图像的灰度直方图，设定的对灰度直方图进行插值的步长step，对于原始灰度直方图上的像素点(i,j)，根据步长step对原始的灰度直方图进行插值平滑处理，得到平滑后的灰度直方图T'，再次扫描G(k)，得到平滑后图像的最大灰度值Gmax和最小灰度值Gmin，并将平滑处理后的图像进行归一化处理记为I'，将图像的灰度值k'变换到[0,1]区间，设G(k)'为I'中灰度级k'出现的次数；

步骤4，根据步骤3得到的归一化后的图像I'，对于k'从0到1，扫描G(k)'，经过统计学方法得到归一化后的图像I'中的灰度值的偏度值Skew(I')；

步骤5，根据步骤4得到的灰度值的偏度值Skew(I')，通过偏度值的大小来判断图像的明暗程度，进而采取不同的策略对图像进行增强；若Skew(I')＞0，将γ值的取值范围定为大于1，即γ∈(1，Gm)；若Skew(I')＜0，则将γ值的取值范围定为小于1，即γ∈(0，1)；

步骤6，根据步骤5中得到的初步确定的γ值的取值范围，设定一个变量p，在γ值的取值区间中按照数值间隔p取定γ的值，对每一个取到的γ值计算相应的评价值，取评价值最优的γ值；

步骤7，根据步骤6所得的最优的γ值对经过归一化处理后的图像I'进行伽马变换处理，并对伽马变换处理后的增强图像进行反归一化处理；

步骤8，输出增强后的图像B。

2.根据权利要求1所述的一种自适应的快速图像增强方法，其特征在于：所述步骤3中将原始图像灰度直方图进行插值平滑处理所采用的公式为：上式中f(i,j)表示原始图像在像素点(i,j)处的灰度值，temp表示像素点(i,j)经过插值平滑处理后的灰度值，step表示预先设定的进行插值的步长；

将平滑处理后的图像进行归一化处理所采用的公式为：

上式中f(i,j)表示经过平滑处理的图像在像素点(i,j)处的灰度值，f'(i,j)表示归一化处理后图像在像素点(i,j)处的灰度值，Gmax是图像最大灰度值，Gmin是图像最小灰度值。

3.根据权利要求1所述的一种自适应的快速图像增强方法，其特征在于：所述步骤4中，根据步骤3得到的归一化后的图像I'，对于k'从0到1，扫描G(k)'，经过统计学方法得到归一化后的图像I'中的偏度值Skew(I')，具体计算如下：其中，E表示数学期望，μ表示均值，σ表示标准差，μ＝EI'，σ＝EI'2-μ2。

4.根据权利要求1所述的一种自适应的快速图像增强方法，其特征在于：所述步骤5中，Gm＝10。

5.根据权利要求1所述的一种自适应的快速图像增强方法，其特征在于：所述步骤6包括如下步骤：步骤6.1，判断γ值的取值范围，当γ∈(1，Gm)时，设为p＝1；当γ∈(0，1)时，设为p＝

0.1；

步骤6.2，计算当前γ1值的评价值fit1，记当前的评价值为最优评价值，即fitbest＝fit1，保留当前评价值最优的γ1值；

步骤6.3，更新γ值，γ＝γ+p,计算评价值fit2；

步骤6.4，若fit2＞fitbest，则更新最优的评价值fitbest＝fit2，保留当前评价最优的γ值，然后进入步骤6.5；若fit2≤fitbest，则顺序执行步骤6.5；

步骤6.5，判断是否达到终止条件，即循环遍历γ值若干次，若是，则输出评价值最优的γ值；若否，则返回执行步骤6.3。

6.根据权利要求5所述的一种自适应的快速图像增强方法，其特征在于：所述评价值fit2和fit2的具体计算公式为：其中，F1为反映图像像素差别的目标函数，定义为

式中，I(x,y)表示每个像素点在(x,y)的灰度值；

F2为使用像素强度值的目标函数，它能迅速得到最优解，具体定义如下：其中，M，N分别表示原始图像的列数和行数，I(x,y)表示每个像素的灰度值。

7.根据权利要求1所述的一种自适应的快速图像增强方法，其特征在于：所述步骤7中伽马变换采用的公式为：s＝crγ

其中c是正常数，γ值由步骤6得到，r表示输入图像的灰度值，r∈[0,1]，s表示输出图像的灰度值；

对归一化伽马变换后的图像进行反变换处理，其采用的公式为

f”(i,j)＝(G'max-G'min)g'(i,j)+G'min式中，G'max和G'min分别为变换后图像的最大和最小灰度值，对于8位灰度图像，G'max＝

255，G'min＝0，g'(i,j)是指采用归一化的伽马变换增强后像素点(i,j)的灰度值，f”(i,j)为进行反归一化后像素点(i,j)的灰度值。