《数字图像处理》实验
报告(二)
学号:____________ 姓名:__________ 专业:____ 课序号:__________
计算机科学与技术学院
实验2直方图均衡化
一、实验学时:4学时(本部分占实验成绩的40%)
二、实验目的:
1、理解直方图均衡化的原理及步骤;
2、编程实现图像(灰度或彩色)的直方图均衡化。
三、必须学习和掌握的知识点:
直方图均衡化是一种快速有效且简便的图像空域增强方法,在图像处理中有着非常重要的意义,因此要求掌握。
四、实验题目:
编程实现灰度图像的直方图均衡化处理。要求给出原始图像的直方图、均衡化图像及其直方图和直方图均衡化时所用的灰度级变换曲线图。
五、思考题:(选做,有加分)
实现对灰度图像的直方图规定化处理。
六、实验报告:
请按照要求完成下面报告内容并提交源程序、可执行程序文件和实验结果图像。
1、请详细描述本实验的原理:
1.直方图均衡化概述
图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整,从而“扩大”前景和背景灰度的差别,以达到增强对比度的目的,这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
直方图均衡化的英文名称是Histogram Equalization.
直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
2基本思想
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x,y)处的灰度为f,而改变后的图像为g,则对图像增强的方法可表述为将在(x,y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f),这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数):
(1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序,原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。
(2)对于0≤f≤L-1有0≤g≤L-1,这个条件保证了变换前后灰度值动态范围的一致性。
累积分布函数(cumulative distribution function,CDF)即可以满足上述两个条件,并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为:
gk = EQ(fk) = (ni/n) = pf(fi) ,
(k=0,1,2,……,L-1)
上述求和区间为0到k,根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时,一般先对原始图像的灰度情况进行统计分析,并计算出原始直方图分布,然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后,按照这个映射关系对源图像各点像素进行灰度转换,即可完成对源图的直方图均衡化。
3.图像直方图变换的基本原理:
设变量r代表图像中像素的灰度级,直方图变换就是假定一个变换式:
(1-1)
也就是,通过上述变换,每个原始图像的像素灰度级r都会产生一个s值。变换函数T(r)应满足以下条件:
(1)T(r)在区间中为单值且单调递增;
(2)当时,,即T(r)的取值范围与r相同。
2. 直方图均衡化:
对于离散值,我们处理其概率与求和,而不是概率密度函数与积分。一幅图像中灰度级r k 出现的概率近似为
(1-2)
其中,n是图像中像素的总和,是灰度级的像素个数,L为图像中可能的灰度级总数。
(1-3)
《数字图像处理》实验 报告(二) 学号:____________ 姓名:__________ 专业:____ 课序号:__________ 计算机科学与技术学院
实验2直方图均衡化 一、实验学时:4学时(本部分占实验成绩的40%) 二、实验目的: 1、理解直方图均衡化的原理及步骤; 2、编程实现图像(灰度或彩色)的直方图均衡化。 三、必须学习和掌握的知识点: 直方图均衡化是一种快速有效且简便的图像空域增强方法,在图像处理中有着非常重要的意义,因此要求掌握。 四、实验题目: 编程实现灰度图像的直方图均衡化处理。要求给出原始图像的直方图、均衡化图像及其直方图和直方图均衡化时所用的灰度级变换曲线图。 五、思考题:(选做,有加分) 实现对灰度图像的直方图规定化处理。 六、实验报告: 请按照要求完成下面报告内容并提交源程序、可执行程序文件和实验结果图像。
1、请详细描述本实验的原理: 1.直方图均衡化概述 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整,从而“扩大”前景和背景灰度的差别,以达到增强对比度的目的,这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化的英文名称是Histogram Equalization. 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 2基本思想 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x,y)处的灰度为f,而改变后的图像为g,则对图像增强的方法可表述为将在(x,y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f),这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数): (1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序,原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。 (2)对于0≤f≤L-1有0≤g≤L-1,这个条件保证了变换前后灰度值动态范围的一致性。 累积分布函数(cumulative distribution function,CDF)即可以满足上述两个条件,并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: gk = EQ(fk) = (ni/n) = pf(fi) , (k=0,1,2,……,L-1)
目录 1、引言 (2) 2、直方图基础 (3) 3、直方图均衡化 (3) 3.1 直方图均衡化的概念 (3) 3.2 直方图均衡化理论 (4) 3.3 Matlab 实现 (4) 4、结论 (7) 致谢 (7) 参考文献 (7)
图像增强处理 —直方图均衡化的Matlab 实现摘要:为了使图像的灰度范围拉开或使灰度均匀分布,从而增大反差,使图像细节清晰,以达到增强的目的,通常采用直方图均衡化及直方图规定化两种变换,此文中探讨了直方图的理论基础,直方图均衡化的概念及理论,以Matlab为平台,对某地区遥感TM单波段遥感影像进行直方图均衡化,并给出了具体程序、仿真结果图像、直方图及变换函数。实验结果表明,原来偏暗的且对比度较低的图像经过直方图均衡化后图像的对比度及平均亮度明显提高,直方图均衡化处理能有效改善灰度图像的对比度差和灰度动态范围。 关键词:图像增强直方图均衡化 Matlab 1、引言 图像增强是指对图像的某些特征,如边缘、轮廓或对比度等进行强调或尖锐化。当一幅图像曝光不足或过度,造成对比度过小或过大而不能显示具体细节,通过增加这些细节的动态范围改善图像的视觉效果。图像增强可以突出图像中所感兴趣的特征信息,改善图像的主观视觉质量,提高图像的可懂度。 增强的首要目标是处理图像,使其比原始图像更适合于特定应用。图像增强的方法分为两大类:空间域方法和频域方法。“空间域”一词是指图像平面本身,这类方法是以对图像的像素直接处理为基础的。“频域”处理技术是以修改图像的傅氏变换为基础的。 一般说来,原始遥感数据的灰度值范围都比较窄,这个范围通常比显示器的显示范围小的多。增强处理可将其灰度范围拉伸到0-255 的灰度级之间来显示,从而使图像对比度提高,质量改善。增强主要以图像的灰度直方图最为分析处理的基础。直方图均衡化能够增强整个图像的对比度,提高图像的辨析程度,算法简单,增强效果好。本文主要讨论了空间域的直方图均衡化增强,并用Matlab 进行实验验证。 2、直方图基础 1、灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像元的个数。确定图像像
四、灰度直方图是数字图像处理的重要工作。请简述灰度直方图规定化、均衡化的基本原理。并以分辨率为5*4,图像的深度6bit 的图像为例,自举例说明直方图均衡化的计算过程。 解答: 数字图像的直方图是作为图像每一个灰度级的统计概率分布"它提供了图像灰度分布的概貌,直方图增强技术正是利用修改给定图像直方图的方法来增强图像的,最后得到的图像增强程度取决于我们所采用的直方图。令变量r 和s 分别代表图像增强前后的像素灰度级,相应灰度级分布的概率密度分别为()r P r 和()s P s 。 为讨论方便,假设像素灰度值已经归一化在区间[0,1],在灰度级坐标中r=0表示黑,r=1表示白。对区间[0,1]内任一个r 值按变换函数: s = T(r) (1) 进行变换,T (r )满足两个条件:(1)单值单调递增函数;(2) 0≤T (r )≤1。 条件(1)使灰度级保持从黑到白的次序,条件(2)保证映射变换后像素灰度值在允许的范围内。从s 到r 的反变换为:1()r T s -=,0≤s ≤1。 (2) 同样,规定变量s 也满足条件(1)和(2)。由概率理论知,若()r P r 和变换函数s = T(r) 已知,1()r T s -=是单值单调增加函数,则有: 1() ()[P () ]s r r T s dr P s r ds -== (3) 直方图增强技术就是通过变换函数T (r )控制图像灰度级的概率密度函数而改变图像的外貌。 对于连续图像,变换函数为: ()(),01r r s T r P r dr r ==≤≤? (4) 此式右边为累积分布函数(CDF ),由该式对r 求导有: ()r ds P r dr = (5) 代入(3)得到: 1()1 ()[() ]1,01() r r T s r P s P r s P r -===≤≤ (6) 这说明,在变换后变量s 在定义域内, ()s P s 是均匀概率密度。在图像增强意义上,这 相当于像素的动态范围增加。 对于离散图像,灰度级k r 的概率值为: (),01,0,1,2, (1) r k k n P r r k L n = ≤≤=- (7) 其中,n 表示图像中像素的总数,k n 是在图像中出现这种灰度级的次数,L 表示灰度级
数字图像处理实验报告--直方图规定化
数字图像处理实验报告 实验名称:直方图规定化 姓名: 班级: 学号: 专业:电子信息工程(2+2) 指导教师:陈华华 实验日期:2012年5月24日
直方图匹配(规定化) 直方图均衡化能够自动增强整个图像的对比度,但它的具体增强效果不容易控制,处理的结果总是得到全局均匀化的直方图。实际上有时需要变换直方图,使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化。一般来说正确地选择规定化的函数可以获得比直方图均衡化更好的效果。 所谓直方图规定化,就是通过一个灰度映像函数,将原灰度直方图改造成所希望的直方图。所以,直方图修正的关键就是灰度映像函数。 直方图匹配方法主要有3个步骤(这里设M和N分别为原始图和规定图中的灰度级数,且只考虑N≤M的情况): (1) 如同均衡化方法中,对原始图的直方图进行灰度均衡化: (2) 规定需要的直方图,并计算能使规定的直方图均衡化的变换: (3) 将第1个步骤得到的变换反转过来,即将原始直方图对应映射到规定的直方图,也就是将所有pf(fi)对应到pu(uj)去。 一、A图直方图规定B图
Matlab程序: %直方图规定化 clear all A=imread('C:\Users\hp\Desktop\A.tif'); %读入A图像 imshow(A) %显示出来 title('输入的A图像') %绘制直方图 [m,n]=size(A); %测量图像尺寸 B=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255
数字图像处理实验报告 实验名称:直方图规定化 姓名: 班级: 学号: 专业:电子信息工程(2+2) 指导教师:陈华华 实验日期:2020年5月24日
直方图匹配(规定化) 直方图均衡化能够自动增强整个图像的对比度,但它的具体增强效果不容易控制,处理的结果总是得到全局均匀化的直方图。实际上有时需要变换直方图,使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化。一般来说正确地选择规定化的函数可以获得比直方图均衡化更好的效果。 所谓直方图规定化,就是通过一个灰度映像函数,将原灰度直方图改造成所希望的直方图。所以,直方图修正的关键就是灰度映像函数。 直方图匹配方法主要有3个步骤(这里设M和N分别为原始图和规定图中的灰度级数,且只考虑N≤M的情况): (1) 如同均衡化方法中,对原始图的直方图进行灰度均衡化: (2) 规定需要的直方图,并计算能使规定的直方图均衡化的变换: (3) 将第1个步骤得到的变换反转过来,即将原始直方图对应映射到规定的直方图,也就是将所有pf(fi)对应到pu(uj)去。 一、A图直方图规定B图
Matlab程序: %直方图规定化 clear all A=imread('C:\Users\hp\Desktop\A.tif'); %读入A图像 imshow(A) %显示出来 title('输入的A图像') %绘制直方图 [m,n]=size(A); %测量图像尺寸 B=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 B(k+1)=length(find(A==k))/(m*n); %计算每级灰度出现的概率,将其存入B中相应位置 end figure,bar(0:255,B,'g'); %绘制直方图 title('A图像直方图') xlabel('灰度值') ylabel('出现概率') axis([0,260,0,0.015]) C=imread('C:\Users\hp\Desktop\B.tif');%读入B图像 imshow(C) %显示出来 title('输入的B图像') %绘制直方图 [m,n]=size(C); %测量图像尺寸 D=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 D(k+1)=length(find(C==k))/(m*n); %计算每级灰度出现的概率,将其存入D中相应位置 end
课程名称___图像处理与分析 题目名称_直方图均衡化与规定化 学院信息工程 专业电子信息工程 年级班别 0503 学号 3105003438 学生姓名姚艺锋 指导老师曹江中 2008年6月16日
《图像处理与分析》课程设计报告 直方图均衡化与规定化 1、设计方案(原理) 一般情况下,如果图像的灰度分别集中在比较窄的区间,从而引起图像细节的模糊,为了使图像细节清晰,并使目标得到突出,达到图像增强的目的,可通过改善各部分亮度的比例关系,即通过直方图的方法来实现.直方图的方法是以概率论为基础的.常用的方法有直方图均衡化和直方图规定化. (1) 直方图均衡化 直方图均衡化又称直方图平坦化,是将一已知灰度概率密度分布的图像经过某种变换,变成一幅具有均匀灰度概率密度分布的新图像.其结果是扩展了像元取值的动态范围,从而达到增强图像整体对比度的效果. 直方图均衡化的具体实现步骤如下: 1).列出原始图像的灰度级 1 ,,1,0,-=L j f j 2).统计各灰度级的像素数目 1 ,,1,0,-=L j n j 3).计算原始图像直方图各灰度级的频数 1 ,,1,0,/)(-==L j n n f P j j f 4).计算累积分布函数 1 ,,,1,0,)()(0 -== ∑ =L k j f P f C k j j f 5).应用以下公式计算映射后的输出图像的灰度级,P 为输出图像灰度级的个 数,其中INT 为取整符号 1 ,,1] 5.0)()[(min min max -=++-=P i g f C g g INT g i 6).统计映射后各灰度级的像素数目 ni, i=0,1,…,k,…P-1. 7). 计算输出直方图Pg(gi)=ni/n, i=0,1,…,P-1. 8). 用fj 和gi 的映射关系修改原始图像的灰度级,从而获得直方图近似为均匀
直方图匹配,又称直方图规定化,即变换原图的直方图为规定的某种形式的直方图,从而使两幅图像具有类似的色调和反差。直方图匹配属于非线性点运算。 直方图规定化的原理:对两个直方图都做均衡化,变成相同的归一化的均匀直方图,以此均匀直方图为媒介,再对参考图像做均衡化的逆运算 ///
课程设计报告 题目基于matlab的直方图均衡化程序设计 学生姓名: 学生学号: 系别: 专业: 届别: 指导教师: 电气信息工程学院制
目录 1、引言·······················································································- 2 - 2、直方图基础 ···············································································- 2 - 3、直方图均衡化············································································- 3 -3.1 直方图均衡化的概念·····················································································- 3 -3.2 直方图均衡化理论························································································- 4 - 3.3 Matlab 实现······························································································- 4 - 4、结论 ······················································································- 10 - 5、心得体会················································································- 10 -参考文献·····················································································- 10 - 基于matlab的直方图均衡化程序设计
数字图像处理实验报告直方图匹配规定化
直方图均衡化能够自动增强整个图像的对比度,但它的具体增强效果不容易控制,处理的结果总是得到全局均匀化的直方图。实际上有时需要变换直方图,使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化。一般来说正确地选择规定化的函数可以获得比直方图均衡化更好的效果。 所谓直方图规定化,就是通过一个灰度映像函数,将原灰度直方图改造成所希望的直方图。所以,直方图修正的关键就是灰度映像函数。 直方图匹配方法主要有3个步骤(这里设M和N分别为原始图和规定图中的灰度级数,且只考虑N≤M的情况): (1) 如同均衡化方法中,对原始图的直方图进行灰度均衡化: (2) 规定需要的直方图,并计算能使规定的直方图均衡化的变换: (3) 将第1个步骤得到的变换反转过来,即将原始直方图对应映射到规定的直方图,也就是将所有pf(fi)对应到pu(uj)去。 一、A图直方图规定B图
Matlab程序: %直方图规定化 clear all A=imread('C:\Users\hp\Desktop\A.tif'); %读入A图像 imshow(A) %显示出来 title('输入的A图像') %绘制直方图 [m,n]=size(A); %测量图像尺寸 B=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 B(k+1)=length(find(A==k))/(m*n); %计算每级灰度出现的概率,将其存入
B中相应位置 end figure,bar(0:255,B,'g'); %绘制直方图 title('A图像直方图') xlabel('灰度值') ylabel('出现概率') axis([0,260,0,0.015]) C=imread('C:\Users\hp\Desktop\B.tif');%读入B图像 imshow(C) %显示出来 title('输入的B图像') %绘制直方图 [m,n]=size(C); %测量图像尺寸 D=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 D(k+1)=length(find(C==k))/(m*n); %计算每级灰度出现的概率,将其存入D中相应位置 end figure,bar(0:255,D,'g'); %绘制直方图 title('B图像直方图') xlabel('灰度值') ylabel('出现概率') axis([0,260,0,0.015]) S1=zeros(1,256); for i=1:256 for j=1:i S1(i)=D(j)+S1(i); %计算B灰度图累计直方图 end end
中北大学 课程设计说明书 学生姓名:学号: 学院:信息与通信工程学院 专业:电子信息工程 题目:专业综合实践图像处理部分: 直方图均衡化 指导教师:杨娜职称: 副教授 2016 年 1月 10 日
中北大学 课程设计任务书 15/16 学年第一学期 学院:信息与通信工程学院 专业:电子信息工程 学生姓名:学号: 学生姓名:学号: 学生姓名:学号: 课程设计题目:专业综合实践图像处理部分: 直方图均衡化 起迄日期:2016年1 月11日~2016年1月22 日课程设计地点: 指导教师:杨娜 系主任:王浩全 下达任务书日期: 2016 年1月 10 日
课程设计任务书
课程设计任务书
目录 引言.................................... 错误!未定义书签。 1 设计任务及其要求...................... 错误!未定义书签。 2 直方图基础 (4) 3 直方图均衡化 (14) 4 Matlab实现 (16) 5 结果分析 (18) 6 心得体会 (19)
前言 灰度直方图是图像的一种统计表达,它反映了该图中不同灰度级出现的统计概率。由于图像的视觉效果与直方图有对应关系,即直方图的形状和改变对视觉的感知影响很大,因此采用直方图变换的方式可以增强图像。 图像增强是指对图像的某些特征,如边缘、轮廓或对比度等进行强调或尖锐化。当一幅图像曝光不足或过度,造成对比度过小或过大而不能显示具体细节,通过增加这些细节的动态范围改善图像的视觉效果。图像增强可以突出图像中所感兴趣的特征信息,改善图像的主观视觉质量,提高图像的可懂度。 增强的首要目标是处理图像,使其比原始图像更适合于特定应用。图像增强的方法分为两大类:空间域方法和频域方法。“空间域”一词是指图像平面本身,这类方法是以对图像的像素直接处理为基础的。“频域”处理技术是以修改图像的傅氏变换为基础的。一般说来,原始遥感数据的灰度值范围都比较窄,这个范围通常比显示器的显示范围小的多。增强处理可将其灰度范围拉伸到0-255 的灰度级之间来显示,从而使图像对比度提高,质量改善。增强主要以图像的灰度直方图最为分析处理的基础。直方图均衡化能够增强整个图像的对比度,提高图像的辨析程度,算法简单,增强效果好。
直方图规定化 int H[256]; //原始图象直方图memset(H,0,sizeof(H)); int S[256]; //变换映射-均衡直方图S //////////////////////////////////// for(i=0;i 一、课程设计目的 (1)进一步掌握matlab的用法; (2)在实践中深入理解图像显示的方法; (3)学会用matlab对图像进行显示。 二、课程设计要求 (1)根据题目,查阅有关资料,掌握图像显示技术; (2)学习MATLAB软件,掌握MATLAB各种函数的使用; (3)根据图像显示原理,运用MATLAB进行编程,仿真调制过程,记录并分析仿真结果; (4)形成设计报告。 三、设计方案 一般情况下,如果图像的灰度分别集中在比较窄的区间,从而引起图像细节的模糊,为了使图像细节清晰,并使目标得到突出,达到图像增强的目的,可通过改善各部分亮度的比例关系,即通过直方图的方法来实现.直方图的方法是以概率论为基础的.常用的方法有直方图均衡化和直方图规定化. (1)直方图均衡化 直方图均衡化又称直方图平坦化,是将一已知灰度概率密度分布的图像经过某种变换,变成一幅具有均匀灰度概率密度分布的新图像.其结果是扩展了像元取值的动态范围,从而达到增强图像整体对比度的效果. 直方图均衡化的具体实现步骤如下: 1).列出原始图像的灰度级 =L ,- f j , , 1 , 1 j 2).统计各灰度级的像素数目 =L j ,- n 1 , , 1 , j 3).计算原始图像直方图各灰度级的频数 =L (- = j n f n P / ) , 1 1 , , , f j j 4).计算累积分布函数 1,,,1,0,)()(0-== ∑=L k j f P f C k j j f 5).应用以下公式计算映射后的输出图像的灰度级,P 为输出图像灰度级的个数,其中INT 为取整符号 1,,1] 5.0)()[(min min max -=++-=P i g f C g g INT g i 6).统计映射后各灰度级的像素数目 ni, i=0,1,…,k,…P-1. 7). 计算输出直方图Pg(gi)=ni/n, i=0,1,…,P-1. 8). 用fj 和gi 的映射关系修改原始图像的灰度级,从而获得直方图近似为均匀分布的输出图像 (2) 直方图规定化 直方图均衡化的优点是能自动增强整个图像的对比度,但它的具体增强效果不易控制,处理的结果总是得到全局的均衡化的直方图.实际工作中,有时需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,这时可采用比较灵活的直方图规定化方法.直方图规定化增强处理的步骤如下: 令Pr (r )和Pz (z )分别为原始图像和期望图像的灰度概率密度函数。如果对原始图像和期望图像均作直方图均衡化处理,应有 ?==x r dr r P r T S 0 )()( (1) ?==x z dz z p Z G V 0)()( (2) )(1V G Z -= (3) 由于都是进行均衡化处理,处理后的原图像概率密度函数Ps (S )及理想图像概率密度函数PV (V )是相等的。于是,我们可以用变换后的原始图像灰度级S 代替(2)式中的V 。即 Z = G - 1(S ) (4) 这时的灰度级Z 便是所希望的图像的灰度级。 此外,利用(1)与(3)式还可得到组合变换函数 图像变换是数字图像处理中的一种综合变换,如直方图变换。使用C语言对位图文件的头信息进行读取,从而对图像进行直方图均衡化处理和灰度变换。直方图均衡化 大多数原始的遥感图像由于其灰度分布集中在较窄的范围内,使图像的细节不够清晰,对比度较低。为了使图像的灰度范围拉开或使灰度均匀分布,从而增大反差,使图像细节清晰,以达到增强的目的,通常采用直方图均衡化及直方图规定化两种变换。本文主要介绍直方图均衡化并进行实验。 直方图均衡化的概念 直方图均衡化(Histogram Equalization)又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。 直方图均衡化理论 假设灰度级为归一化至范围[0,1]内的连续量,并令Pr (r)表示某给定图像中的灰度级的概率密度函数(PDF),其下标用来区分输入图像和输出图像的PDF。假设我们对输入灰度级执行如下变换,得到(处理后的)输出灰度级s: S=T(r)=∫0 r Pr(w)dw 式中w 是积分的哑变量。可以看出,输出灰度级的概率密度函数是均匀的,即 a.当0≤s≤1 时,Ps(s)=1 b.当s 为其他时,Ps(s)=0 换言之,前述变换生成一幅图像,该图像的灰度级较为均衡化,且覆盖了整个范围[0,1]。灰度级均衡化处理的最终结果是一幅扩展了动态范围的图像,它具有较高的对比度。该变换函数只不过是一个累积分布函数(CDF)。 直方图均衡化算法 直方图均衡化算法将原图像的直方图改变为在整个灰度范围内基本均匀地分布的形式,由此扩大了像素灰度的动态范围,从而增强了图像的对比度。直方 利用直方图均衡化和直方图规定化对图像进行增强 4.1 利用直方图均衡化对图像进行增强 通过灰度变换将一幅图像转换为另一幅具有均衡直方图的图像,即在一定灰度范围内具有相同的象素点数的图像的过程。其“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 主要缺点: 1、变换后图像的灰度级减少,某些细节消失; 2、某些图像,如直方图有高峰,经处理后对比度不自然的过分增强。 算法如下: 为讨论方便,以r 和s 分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。即1,0≤≤s r 在[0,1]内设有变换 S=T(r) 且该函数单调递增,1)(0≤≤r T ,于是有反变换)(1s T r -= 有概率论知,如果已知随即变量r 的概率密度)(r p r ,而随机变量s 是r 的函数。则s 的概率密度)(s p s 可以有)(r p r 求出。 [])()()()()(1s T ds d r p ds dr r p dr r p ds d s p r r r r s -∞-==??????=? 从上式可以看出通过变换函数)(r T 可以控制图像灰度级的概率密度函数,从而改变图像灰度层次,这就是直方图修正技术的基础。 因为归一化规定 1)(=s p s 有1式有 dr r p ds r )(= 两边积分得 dr r p r T s r r )()(0?== 上式就是所求得的变换函数。它表明当变换函数)(r T 是原图像直方图累积分布函数时,能达到直方图均衡化的目的。 离散形式可表示为: ∑∑ =====k i i k i i r k k n n r p r T s 00)()( 贵州大学实验报告 学院:计算机科学与信息学院专业:网络工程班级:092 姓名刘进学号0908060385 实验组02 实验时间2011-11-25 指导教师吕晓丹成绩 实验项目名称实验二:数字图像的直方图规定化处理 实 验目的(一)掌握数字图像的直方图规定化处理的算法和方法。(二)熟悉数字图像的直方图规定化处理的算法原理。 实 验要求1.按照实验内容及参考程序, 2.独立完成此次实验,记下不懂的知识点, 3.查阅资料或者向老师咨询。 实验原理直方图规定化是用于产生处理后有特殊直方图的图像方法。 令) (r p r 和) (z p z 分别为原始图像和期望图像的灰度概率密度函数。对原始图像和期望图像均作直方图均衡化处理,应有: dr r r T S r r p)( ) ( 0? = =,dz z Z G V z z p)( ) ( 0? = =,) (1V Z G- = 由于都是作直方图均衡化处理,所以处理后的原图像的灰度概率密度函数) (S P S 及理想图像的灰度概率密度函数) (V P V 是相等的。因此,可以用变换后的原始图像灰度级S 代替上式中的V,即)] ( [1r T G Z- =。利用此式可以从原始图像得到希望的图像灰度级。对离散图像,有 n n Z P i i Z = ) (,) ( ) ( 1 i k i Z i i Z P Z G V∑- = = =,)] ( [ ) (1 1 i i i r T G S G Z- -= = 综上所述,数字图像的直方图规定化就是将直方图均衡化后的结果映射到期望的理想直方图上,使图像按人的意愿去变换。数字图像的直方图规定的算法如下: (一)将原始图像作直方图均衡化处理,求出原图像中每一个灰度级 i r所对应的变 一、实验目的 掌握直方图均衡化和直方图规定化的图像增强方法 掌握图像平滑滤波和锐化滤波的模板计算方法 二、实验内容: 1. 使用IPT中imhist,histeq函数进行直方图的均衡化和规定化,并显示结果 2. 编写myhisteq函数实现直方图均衡化,与1中结果进行对比 3. 给读取的图像叠加椒盐噪音(imnoise),分别使用均值滤波和中值滤波进行去噪,并对比图像处理的结果(使用IPT函数) 4. 自定义3*3模板矩阵F,编写myfilter函数实现模板和图像的卷积运算,设计模板矩阵,实现图像的平滑和锐化。 三、实验代码及结果 (1) 直方图的均衡化和规定化 clc; clear; I= imread('H:\image\jpg\flower.jpg'); I= rgb2gray(I) ; %将图像转换为灰度图像 J= histeq( I) ; %对I 进行直方图均衡化 figure,subplot( 2,2,1) ,imshow(I) ,title('原始图像') ; subplot (2,2,2), imshow(J), title('直方图均衡化后的图像'); subplot( 2,2,3) ,imhist(I, 64), title( '原始的直方图'); subplot( 2,2,4) ,imhist(J,64) ,title(' 均衡化后的直方图'); clc; clear; I= imread('H:\image\jpg\flower.jpg'); I= rgb2gray(I) ; %将图像转换为灰度图像 h=0:255;h=1-h/255; J= histeq( I,h) ; figure,subplot( 2,3,1) ,imshow(I) ,title('原图像') ; subplot( 2,3,2) ,imhist(I, 64), title( '原图像的直方图'); subplot (2,3,3), stem(h), title('目标直方图'); subplot( 2,3,4) ,imshow(I, 64), title( '规定化后的图像'); subplot( 2,3,5) ,imhist(J,64) ,title(' 规定化后的直方图'); 二、myhisteq函数实现直方图均衡化 I = imread('j:\image\jpg\flower.jpg'); I = rgb2gray(I); [height,width] = size(I); figure subplot(2,2,1) imshow(I)%显示原始图像 title('原图像'); subplot(2,2,2) 数字图像处理课程设计报告 图像的直方化处理 图像的直方图均衡 一. 课题目的与要求 目的:理解图像的直方图均衡的原理。 要求: 1. 以matlab函数形式(例如:myhisteq(f)给出图像的直方图均衡算法。 2. 与Matlab工具箱自带函数histeq( )函数的运行结果进行比较。 3. 应用imhist函数对图像进行规定化处理(自己设定规定化直方 图)与matlab函数。 4. 主函数过程 1) 输入灰度图像; 2) 输出myhisteq直方图均衡化后的结果(图像和直方图对比显 示); 二. 课题设计内容描述 2.1 功能描述 直方图均衡化通常用来增加许多图像的全局对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 这种方法对于背景和前景都太亮或者太暗的图像非常有用,这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作,如果已知均衡化函数,那么就可以恢复原始的直方图,并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择,它可能会增加背景噪声的对比度并且降低有用信号的对比度。 2.2 原理和步骤 2.2.1 直方图均衡化 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了像素灰度值的动态范围从而达到增强图像整体对比度的效果。这里增强函数需要满足条件两个: (1)它在0 f 范围内是1个单值单增函数,这是为了保证原图各灰度级在变换后仍然保持从黑到白(或者从白到黑)的排列次序; (2)对0 0,这个条件保证变换前后灰度值动态范围的一致性。 实质上,图像f(x,y)的GDF就是f(x,y)的累积直方图,其定义为 1 k = 0,1,2,3,…,L-1 [1] 实验二 数字图像的直方图规定化处理 一、 实验目的 (一)掌握数字图像的直方图规定化处理的算法和方法。 (二)熟悉数字图像的直方图规定化处理的算法原理。 二、 实验原理和方法 直方图规定化是用于产生处理后有特殊直方图的图像方法。 令)(r p r 和)(z p z 分别为原始图像和期望图像的灰度概率密度函数。对原始图像和期 望图像均作直方图均衡化处理,应有: dr r r T S r r p )()(0?==, dz z Z G V z z p )()(0?==, )(1 V Z G -= 由于都是作直方图均衡化处理,所以处理后的原图像的灰度概率密度函数)(S P S 及理想图像的灰度概率密度函数)(V P V 是相等的。因此,可以用变换后的原始图像灰度级S 代替上式中的V ,即)]([1r T G Z -=。利用此式可以从原始图像得到希望的图像灰度级。对离散图像,有 n n Z P i i Z =)(, )()(10 i k i Z i i Z P Z G V ∑-===, )]([)(11i i i r T G S G Z --== 综上所述,数字图像的直方图规定化就是将直方图均衡化后的结果映射到期望的理想直方图上,使图像按人的意愿去变换。数字图像的直方图规定的算法如下: (一)将原始图像作直方图均衡化处理,求出原图像中每一个灰度级i r 所对应的变换函数i S 。 (二)对给定直方图作类似计算,得到理想图像中每一个灰度级i Z 所对应的变换函数i V 。 (三)找出i i S V ≈的点对,并映射到i Z 。 (四)求出)(i i Z P 。 三、 实验结果及分析 (一)对图像pout.tif 进行直方图均衡化处理,实验结果如图4-1: 图4-1 目录 摘要 (1) 1. 概述 (2) 2. 理论知识 (3) 2.1直方图处理的基础 (3) 2.2直方图均衡化 (4) 2.2.1直方图均衡化理论 (4) 2.2.2 直方图均衡化算法 (6) 3. MATLAB实现 (7) 3.1实验预备知识 (7) 3.2实验代码及结果 (7) 4. 结果分析 (11) 5. 心得体会 (13) 参考文献 (14) 摘要 图像增强作为数字图像处理的重要部分,直方图均衡化又作为图像增强的一种手段。报告书中探讨了直方图的理论基础,直方图均衡化的概念及理论,以MATLAB 为平台,对灰度图像进行直方图均衡化的实验,并给出了具体程序、实验结果图像。实验结果表明,经直方图均衡化后,图像的对比度及亮度提高,直方图均衡化处理能有效改善灰度图像的质量。 关键词:数字图像处理,直方图,均衡化,MATLAB 1.概述 图像按照色彩分类,可以分为灰度图像和彩色图像。灰度图像在黑色与白色之间还有许多级的颜色深度,灰度图像通常用每个采样像素8位的非线性尺度来保存,这样可以有256级灰度。这种精度刚刚能够避免可见的条带失真,并且非常易于编程。本次研究正是基于灰度图像。 灰度级直方图是图像的一种统计表达,它反应了该图中不同灰度级出现的统计概率。由于图像的视觉效果与直方图有对应关系,即直方图的形状和改变对视觉的感知影响很大,因此采用直方图变换的方式可以增强图像。图像增强技术可以改善图像的视觉效果,以便人眼或机器对图像进一步理解。 图像增强与受关注物体特性、观察者的习惯和处理目的有关,因此,图像增强算法的应用是有针对性的,并不存在通用的算法。图像增强的基本方法分为两大类:空间域方法和频域方法。“空间域”一词是指图像平面本身,这类方法是以对图像的像素直接处理为基础的。“频域”处理技术是以修改图像的傅氏变换为基础的。直方图均衡化是空间域的点运算处理技术。直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法,使用累积函数对灰度值进行“调整”以实现对比度的增强。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。灰度直方图均衡化与规定化
数字图像处理_直方图均衡化
利用直方图均衡化和直方图规定化对图像进行增强
数字图像的直方图规定化处理
直方图均衡化和直方图规定化-实验报告
数字图像处理之均衡化课程设计
实验二 数字图像的直方图规定化处理
图像直方图均衡化的程序设计