直方图均衡化

1 直方图均衡化原理、目标、应用及编程实现

1.1 直方图均衡化原理

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

Z = G - 1［T （r ）］ （5） 对连续图像，重要的是给出逆变换解析式。对离散图像而言，有

n n Z P i

i Z =)( (6)

∑-===10)

()(l i i z i i Z P Z G V (7)

)]([)(11i i i r T G S G Z --== (8)

1.2直方图均衡化目标及应用

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。

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，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。该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。

1.3直方图均衡化编程实现

%直方图均衡化

I = imread('rice.png');

[height,width] = size(I);

figure

subplot(221)

imshow(I)%显示原始图像

subplot(222)

imhist(I)%显示原始图像直方图

%进行像素灰度统计;

NumPixel = zeros(1,256);%统计各灰度数目，共256个灰度级

for i = 1:height

for j = 1: width

NumPixel(I(i,j) + 1) = NumPixel(I(i,j) + 1) + 1;%对应灰度值像素点数量增加1 end

end

%计算灰度分布密度

ProbPixel = zeros(1,256);

for i = 1:256

ProbPixel(i) = NumPixel(i) / (height * width * 1.0); end

%计算累计直方图分布

CumuPixel = zeros(1,256);

for i = 1:256

if i == 1

CumuPixel(i) = ProbPixel(i);

else

CumuPixel(i) = CumuPixel(i - 1) + ProbPixel(i);

end

end

%累计分布取整

CumuPixel = uint8(255 .* CumuPixel + 0.5);

%对灰度值进行映射（均衡化）

for i = 1:height

for j = 1: width

I(i,j) = CumuPixel(I(i,j));

end

end

subplot(223)

imshow(I)%显示原始图像

subplot(224)

imhist(I)%显示原始图像直方图

2 了解RGB、HSV系统

2.1 RGB系统

RGB色彩模式（也翻译为“红绿蓝”，比较少用）是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。

RGB色彩模式使用RGB模型为图像中每一个像素的RGB分量分配一个0~255范围内的强度值。例如：纯红色R值为255，G值为0，B值为0；灰色的R、G、B三个值相等（除了0和255）；白色的R、G、B都为255；黑色的R、G、B都为0。RGB图像只使用三种颜色，就可以使它们按照不同的比例混合，在屏幕上重现1 6777216种颜色。

在 RGB 模式下，每种 RGB 成分都可使用从 0（黑色）到 255（白色）的值。例如，亮红色使用 R 值 246、G 值 20 和 B 值 50。当所有三种成分值相等时，

产生灰色阴影。当所有成分的值均为 255 时，结果是纯白色；当该值为 0 时，结果是纯黑色

2.2 HSV系统

HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。

这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。

色调H

用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

饱和度S

饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

明度V

明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

RGB和CMY颜色模型都是面向硬件的，而HSV（Hue Saturation Value）颜色模型是面向用户的。

HSV模型的三维表示从RGB立方体演化而来。设想从RGB沿立方体对角线的白色顶点向黑色顶点观察，就可以看到立方体的六边形外形。六边形边界表示色彩，水平轴表示纯度，明度沿垂直轴测量。

六棱锥模型

H参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来表示，红、绿、蓝分别相隔120度。互补色分别相差180度。

纯度S为一比例值，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。S=0时，只有灰度。

V表示色彩的明亮程度，范围从0到1。有一点要注意：它和光强度之间并没有直接的联系。

3 数字相机成像过程以及像素计算

3.1 数字相机成像过程

数字相机（又名数码相机，英文全称：Digital Camera简称DC）。数字相机，是一种利用电子传感器把光学影像转换成电子数据的照相机。与普通照相机在胶卷上靠溴化银的化学变化来记录图像的原理不同，数字相机的传感器是一种光感应式的电荷耦合(CCD)或互补金属氧化物半导体(CMOS)。在图像传输到计算机以前，通常会先储存在数码存储设备中（通常是使用闪存；软磁盘与可重复擦写光盘（CD-RW）已很少用于数字相机设备）。

传统相机使用碘化银感光材料(即胶片)作为保存影像的载体。人们通过镜头将影像的光线汇聚，再通过按动快门打开快门帘将汇聚的光线投射到胶片上，胶片中的碘化银会根据光线中不同的颜色波长凝结成不同的图像保存在胶片上。相机机身的作用是一个暗箱。

数码相机使用的是CCD或者CMOS等感光电子元件作为感光介质。使用它们可以使镜头聚焦的光线由光信号转变为电信号，再经过模拟数字转换器转换成数字信号，压缩和存储为特定图像格式保存在存储介质上(可以反复使用)。对于数字相机，成像过程远远比胶片上复杂。但不管数字成像技术如何发展，成像原

理和基本要素还是和胶片成像过程相类似的。数字相机也有镜头，但通过镜头的光线不再像胶片相机中那样投射到胶片上，而是直接射在感光器的光敏单元上，这些感光器由半导体元件构成，由数字相机的内置智能控制装置对入射光线进行分析处理，并自动调整合适的焦距、暴光时间、色度、白平衡等参数，然后将这些数据传送给模/数转换器ADC(Analog Digital Converter)，ADC最后把这些电子模拟信号转换成数字信号。

数字相机的内部还具有若干智能处理器，包括一些特定用途的集成电路(ASIC)和主CPU。按照这些内部处理器预设的运算法则和标准处理程序，所有数据经处理最终生成一个图像文件，然后存储在相机内部的电子存储器中。当这些过程结束后，图像文件就能够传输到计算机中，经由打印机输出或者显示在电视屏幕上。同时图像文件也能够在相机内部显示，通过自带的LCD显示屏进行预览，并利用相机LCD显示屏的操作菜单进行处理，对于不满意的图像可以删除后重新拍摄。

数码技术的成像是通过光学镜头，用CCD或CMOS电子元件记录光信号，并通过二进制的数字构成影像，其表述影像质量的指标也从线对数变成了像素和色彩深度。CCD或CMOS的像素数就成了决定画质的重要因素。像素数越多，CCD的面积越大，图像质量就越高。数码相机的像素一般都在5-14百万像素。数码相机的精度由二部分组成；像素+色彩深度。所谓色彩深度，就是每一种颜色色别和灰度的细分程度。其数值越大，精度越高，色彩就越丰富，成像质量就越好。

像素是构成数码图像的最基本元素，它们是数码图像最基本的单位，数以千计的像素就构成了栩栩如生的数码图像。然后数码相机将所拍摄的图象，通过图像处理器处理，以像素的形式存储在数码相机的内存或存储卡中。

3.2 像素计算

①图像占用空间的大小计算：

大小=分辨率*位深/8

分辨率=宽*高（如：1024*768,640*480）

位深：如24位，16位，8位

/8计算的是字节数。

例如：

一幅图像分辨率：1024*768,24位，则其大小计算如下：

大小=1024*768824/8=2359296byte=2304KB

②图像物理尺寸的大小计算：

厘米和像素没任何关系，厘米是长度单位，什么是象素呢？像素是组成图像的最基本单元。它是一个小的方形的颜色块。一个图像通常由许多像素组成，这些像素被排成横行或纵列，每个像素都是方形的。当你用缩放工具将图像放到足够大时，就可以看到类似马赛克的效果，每个小方块就是一个像素。每个像素都有不同的颜色值。单位面积内的像素越多，分辨率(dpi)越高，图像的效果就越好。显示器上正常显示的图像，当放大到一定比例后，就会看到类似马赛克的效果。每个小方块为一个像素，也可称为栅格。像素图的质量是由分辨率决定的，单位面积内的像素越多，分辨率越高，图像的效果就越好。

③DPI 计算

这幅图像分辨率200*200dpi ，大小450*450像素，那么就可以得到： 图像大小=图像大小/分辨率=450/200 =2.25

所以，这幅图像的大小为2.25*2.25英寸

如果要求图像大小变成1.5*1.5英寸，但像素数仍为450*450，按照公式： 图像大小=图像像素数/图像分辨率，就得到了图像的分辨率应为：450/1.5 = 300dpi

4 傅里叶变换原理以及物理意义

4.1 傅里叶变换原理

一个周期为2l 的函数)(x f 满足一定的条件可以展开傅里叶级数为： ）（l

x n l x n x f b a a n n ππsin cos 2)(n 10++=∑∞= （1） 其中a n ，b n 为傅里叶系数，分别为：

?-=l l n du l

x n u f l a πcos )(1 （n=0,1,2…） ?-=l l n du l

x n u f l b πsin )(1 （n=0,1,2…） 化简后可以得到其复数形式：

du u f dz x f e u x iz ??∞∞--∞

∞-=)()(21)(π

对于函数)(x f 在一定条件下可以有复数条件下的傅里叶积分表达式：

ωωπ

ωd F x f e x j ?∞∞-=)(21)( （2） dx x f F e x

j ωπω?∞∞-=)(21

)( （3）

)(ωF 和)(x f 之间可以通过积分来表示，式（2）为函数)(x f 的傅里叶变换，式

（3）为函数)(ωF 的傅里叶逆变换。这一傅里叶变换对的使用条件为：

1）函数)(ωF 处处有界，而且存在有限个第一类不间断点；

2）除有限个点外，)(x f 和)(ωF 处处存在微商；

3）)(ωF 绝对可积，既∞

∞

-|)(|ωF 。 上述条件称为狄里赫利充分条件。

4.2傅立叶变换的物理意义

傅立叶变换是数字信号处理领域一种很重要的算法。要知道傅立叶变换算法的意义，首先要了解傅立叶原理的意义。傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。

和傅立叶变换算法对应的是反傅立叶变换算法。该反变换从本质上说也是一种累加处理，这样就可以将单独改变的正弦波信号转换成一个信号。因此，可以说，傅立叶变换将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），可以利用一些工具对这些频域信号进行处理、加工。最后还可以利用傅立叶反变换将这些频域信号转换成时域信号。

从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。

在数学领域，尽管最初傅立叶分析是作为热过程的解析分析的工具，但是其思想方法仍然具有典型的还原论和分析主义的特征。"任意"的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类：1. 傅立叶变换是线性算子,若赋予适当的范数,它还是酉算子;2. 傅立叶变换的逆变换容易求出,而且形式与正变换非常类似;3. 正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变杂的卷积运算为简单的乘积运算,从而提供了计算卷积的一种简单手段;4. 离散形式的傅立叶的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取;5. 著名的卷积定理指出:傅立叶变换可以化复变换可以利用数字计算机快速的算出(其算法称为快速傅立叶变换算法(FFT))。

正是由于上述的良好性质,傅里叶变换在物理学、数论、组合数学、信号处理、概率、统计、密码学、声学、光学等领域都有着广泛的应用。

4.3 图像傅立叶变换的物理意义

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立叶变换后的频谱图，也叫功率图，我们首先就可以看出，图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。对频谱移频到原点以后，可以看出图像的频率分布是以原点为圆心，对称分布的。将频谱移频到圆心除了可以清晰地看出图像频率分布以外，还有一个好处，它可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰，移频到原点的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰。

5 数字化的过程

要在计算机中处理图像，必须先把真实的图像（照片、画报、图书、图纸等）通过数字化转变成计算机能够接受的显示和存储格式，然后再用计算机进行分析处理。图像的数字化过程主要分采样、量化与编码三个步骤。

1．采样

采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。例如：一副640*480分辨率的图像，

表示这幅图像是由640*480＝307200个像素点组成。

采样频率是指一秒钟内采样的次数，它反映了采样点之间的间隔大小。采样频率越高，得到的图像样本越逼真，图像的质量越高，但要求的存储量也越大。

在进行采样时，采样点间隔大小的选取很重要，它决定了采样后的图像能真实地反映原图像的程度。一般来说，原图像中的画面越复杂，色彩越丰富，则采样间隔应越小。由于二维图像的采样是一维的推广，根据信号的采样定理，要从取样样本中精确地复原图像，可得到图像采样的奈奎斯特（Nyquist）定理：图像采样的频率必须大于或等于源图像最高频率分量的两倍。

2．量化

量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。

例如：如果以4位存储一个点，就表示图像只能有16种颜色；若采用16位存储一个点，则有216＝65536种颜色。所以，量化位数越来越大，表示图像可以拥有更多的颜色，自然可以产生更为细致的图像效果。但是，也会占用更大的存储空间。两者的基本问题都是视觉效果和存储空间的取舍。

假设有一幅黑白灰度的照片，因为它在水平于垂直方向上的灰度变化都是连续的，都可认为有无数个像素，而且任一点上灰度的取值都是从黑到白可以有无限个可能值。通过沿水平和垂直方向的等间隔采样可将这幅模拟图像分解为近似的有限个像素，每个像素的取值代表该像素的灰度（亮度）。对灰度进行量化，使其取值变为有限个可能值。

经过这样采样和量化得到的一幅空间上表现为离散分布的有限个像素，灰度取值上表现为有限个离散的可能值的图像称为数字图像。只要水平和垂直方向采样点数足够多，量化比特数足够大，数字图像的质量就比原始模拟图像毫不逊色。

在量化时所确定的离散取值个数称为量化级数。为表示量化的色彩值（或亮度值）所需的二进制位数称为量化字长，一般可用8位、16位、24位或更高的量化字长来表示图像的颜色；量化字长越大，则越能真实第反映原有的图像的颜色，但得到的数字图像的容量也越大。

3．压缩编码

数字化后得到的图像数据量十分巨大，必须采用编码技术来压缩其信息量。在一定意义上讲，编码压缩技术是实现图像传输与储存的关键。

目前已有许多成熟的编码算法应用于图像压缩。常见的有图像的预测编码、变换编码、分形编码、小波变换图像压缩编码等。

当需要对所传输或存储的图像信息进行高比率压缩时，必须采取复杂的图像编码技术。但是，如果没有一个共同的标准做基础，不同系统间不能兼容，除非每一编码方法的各个细节完全相同，否则各系统间的连接十分困难。

直方图均衡化处理教学内容

实验 1.直方图均衡化程序的原理及步骤 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。 直方图均衡化的原理： 直方图均衡化是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图,然后按均衡直方图修正原图像,其变换函数取决于图像灰度直方图的累积分布函数。概括地说,就是把一已知灰度概率分布的图像,经过一种变换,使之演变成一幅具有均匀概率分布的新图像。当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来更清晰。灰度直方图用各灰度值出现的相对频数(该灰度级的像素数与图像总像素数之比)表示。 直方图表示数字图像中每一灰度级与其出现频数的的统计关系，用横坐标表示灰度级，纵坐标表示频数。直方图就能给出该图像的概貌性描述，例如图像的灰度范围、每个灰度级的频数和灰度的分布、整幅图像的亮度和平均明暗对比度等，由此可得出进一步处理的重要依据。计算每个灰度级出现的概率为： P r (r k )＝N k /N k=0，1，2,…,L-1 上式中， P r (r k )表示第k 个灰度级出现的概率，N k 为第 k 个灰度级出现的频数，N 为图像像素总数,L 为图像中可能的灰度级总数。由此可得直方图均衡化变换函数,即图像的灰度累积分布函数Sk 为: 1,...,2,1,0)()(00-====∑∑==L k r P r T s k j N N k j j r k k j 上式中, S k 为归一化灰度级。 这个变换映射称做直方图均衡化或直方图线性化。 直方图均衡化过程如下: （1） 输出原图像； （2） 根据公式P r (r k )＝n k /m*n （ k=0，1，2,…,L-1）计算对应灰度级出现的概率， 绘制原图像的直方图。 （3） 计算原图象的灰度级累积分布函数：sk=Σp r (r k )； （4） 取整Sk=round((S1*256)+0.5);将Sk 归一到相近的灰度级，绘制均衡化后的 直方图。 （5） 将每个像素归一化后的灰度值赋给这个像素，画出均衡化后的图像。 2.根据直方图均衡化步骤对输入的原图象进行处理，输出的图像如下图所示。

直方图均衡化及直方图规定化

《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)

直方图均衡化处理

实验1.直方图均衡化程序的原理及步骤 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。 直方图均衡化的原理： 直方图均衡化是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图,然后按均衡直方图修正原图像,其变换函数取决于图像灰度直方图的累积分布函数。概括地说,就是把一已知灰度概率分布的图像,经过一种变换,使之演变成一幅具有均匀概率分布的新图像。当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来更清晰。灰度直方图用各灰度值出现的相对频数(该灰度级的像素数与图像总像素数之比)表示。 直方图表示数字图像中每一灰度级与其出现频数的的统计关系，用横坐标表示灰度级，纵坐标表示频数。直方图就能给出该图像的概貌性描述，例如图像的灰度范围、每个灰度级的频数和灰度的分布、整幅图像的亮度和平均明暗对比度等，由此可得出进一步处理的重要依据。计算每个灰度级出现的概率为： P r(r k)＝N k/N k=0，1，2,…,L-1 上式中，P r(r k)表示第k个灰度级出现的概率，N k为第k个灰度级出现的频数，N为图像像素总数,L 为图像中可能的灰度级总数。由此可得直方图均衡化变换函数,即图像的灰度累积分布函数Sk 为:上式中, S k 为归一化灰度级。这个变换映射称做直方图均衡化或直方图线性化。 直方图均衡化过程如下: （1）输出原图像； （2）根据公式P r(r k)＝n k/m*n（k=0，1，2,…,L-1）计算对应灰度级出现的概率，绘制原图像的直方图。（3）计算原图象的灰度级累积分布函数：sk=Σp r(r k)； （4）取整Sk=round((S1*256)+0.5);将Sk归一到相近的灰度级，绘制均衡化后的直方图。 （5）将每个像素归一化后的灰度值赋给这个像素，画出均衡化后的图像。 2.根据直方图均衡化步骤对输入的原图象进行处理，输出的图像如下图所示。 由上图可以看出，采用直方图均衡化后，可使图像的灰度间距拉开或使灰度均匀分布,从而增大反差,使图像更加清晰,达到增强的目的。但直方图均衡在对灰度呈现两端分布,同时在图像的低灰度区域有较多像素点的图像进行处理后, 得不到满意的效果,达不到突出图像细节的目的。针对上述直方图均衡化的弊端,可以先计算出图像的灰度直方图,然后将其灰度进行拉伸,以便改善图像增强效果。

数字图像处理试题及参考答案

一、填空题（每题1分，共15分） 1、列举数字图像处理的三个应用领域医学、天文学、军事 1024?，256个灰度级的图像，需要8M bit。 2、存储一幅大小为1024 3、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越差。 4、直方图均衡化适用于增强直方图呈尖峰分布的图像。 5、依据图像的保真度，图像压缩可分为无损压缩和有损压缩 6、图像压缩是建立在图像存在编码冗余、像素间冗余、心理视觉冗余三种冗余基础上。 7、对于彩色图像，通常用以区别颜色的特性是色调、饱和度 亮度。 8、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方法： 二、选择题（每题2分，共20分） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增强。（B ） A 图像整体偏暗 B 图像整体偏亮 C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景 2、图像灰度方差说明了图像哪一个属性。（B ） A 平均灰度 B 图像对比度 C 图像整体亮度D图像细节 3、计算机显示器主要采用哪一种彩色模型（ A ） A、RGB B、CMY或CMYK C、HSI D、HSV 4、采用模板［-1 1］T主要检测（ A ）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、下列算法中属于图象锐化处理的是：( C ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（ C ） A、去噪 B、减小图像动态范围 C、复原图像 D、平滑图像 7、彩色图像增强时， C 处理可以采用RGB彩色模型。 A. 直方图均衡化 B. 同态滤波 C. 加权均值滤波 D. 中值滤波 8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波 C. 约束最小二乘滤波 D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以便引入 一些低频分量。这样的滤波器叫 B 。 A. 巴特沃斯高通滤波器 B. 高频提升滤波器 C. 高频加强滤波器 D. 理想高通滤波器 10、图象与灰度直方图间的对应关系是 B __ A.一一对应 B.多对一 C.一对多 D.都不 三、判断题（每题1分，共10分） 1、马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象。（√）

基于matlab的直方图均衡化

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

图像直方图的均衡化处理图的均衡化

图像直方图的均衡化处理 一，技术要求 1.1，利用matlab提供的函数处理 (2) 1.2，利用matlab自行编辑代码处理 (3) 二，基本原理 (3) 2.1，直方图的均衡化 (3) 2.2，直方图的标准化 (3) 三，建立模型描述 ......................................................................... 3~4 3.1，利用matlab提供的函数处理 (4) 3.2，利用matlab自行编辑代码 (4) 四，源程序代码 ............................................................................. 5~6 4.1，绘制图像直方图的代码 (5) 4.2，绘制图像均衡化后直方图的代码 (5) 4.3，显示均衡化后图像的代码 (6) 五，调试过程及结论 ..................................................................... 6~8 5.1，在编辑窗口键入绘制直方图的源代码得到的输出结果为图2 (6) 5.2，利用matlab函数绘制的图像直方图标准化的输出结果如图3..7 5.3，直方图均衡化输出结果如图4所示。 (8) 六，心得体会 (9) 七，参考文献 (9)

图像直方图的均衡化处理 一，技术要求 1.1，利用matlab提供的函数处理 利用matlab提供的函数画出一幅图像的直方图，对其进行均衡化和标准化处理，并比较均衡化（标准化）后图像和原图像的区别。 1.2，利用matlab自行编辑代码处理 利用matlab自行编辑代码，实现一幅图像的直方图显示和均衡化的处理，同样比较处理前后两幅图像的区别，了解图像均衡化的效果和实际运用。 二，基本原理 直方图是多种空域处理技术的基础。它能有效的用于图像增强。 2.1，直方图的均衡化 直方图的均衡化是把原始图像的灰度直方图从比较集中的某个区域变成全部灰度范围内的均匀分布，实际上是对图像进行非线性拉伸。使一定灰度范围内的像素个数大致相同。这样就能增强图像的局部对比度，亮度可以更好的在直方图上分布。 2.2，直方图的标准化 直方图的标准化实际上原理和直方图的均衡化原理大致相同，也是将原始图像的灰度值从比较集中地部分扩展到较大范围内的均匀分布，但是它和均衡化的不同在于均衡化是将灰度值范围变成全部灰度范围的均匀分布，而标准化是将灰度值范围扩展到一个相对以前要大一些的范围内，并不要求要变成全部灰度范围内的均匀分布。 三，建立模型描述 3.1，利用matlab提供的函数处理

直方图均衡化

图像增强是数字图像处理的基本内容。遥感图像增强是为特定目的，突出遥感图像中的某些信息，削弱或除去某些不需要的信息，使图像更易判读。图像增强的实质是增强感兴趣目标和周围背景图像间的反差。它不能增加原始图像的信息，有时反而会损失一些信息。它也是计算机自动分类一种预处理方法。 目前常用的图像增强处理技术可以分为两 大类：空间域和频率域的处理。主要内容包括基于直方图的处理、图像平滑以及图像锐化等。空间域处理是指直接对图像进行各种运算以得到需要的增强结果。频率域处理是指先将空间域图像变换成频率域图像，然后在频率域中对图像的频谱进行处理，以达到增强图像的目的。 6.2.1 图像灰度的直方图 图像灰度直方图反映了一幅图像中灰度级 与其出现概率之间的关系。对于数字图像，由于图像空间坐标和灰度值都已离散化，可以统计出灰度等级的分布状况。数字图像的

灰度编码从0，1，2，…，2n－1（n为图像量化时的比特数），每一个灰度级的像元个数mi可以从图像中统计出来，整幅图像的像元数为M，则任意灰度级出现的频率为： （6－20） （6－21） 由2n个P值即可绘制出数字图像的灰度直方图，如图6－5。图像直方图随图像不同而不同，不同图像有不同的直方图。 图6－5数字图像直方图 灰度直方图可以看成是一个随机分布密度函数，其分布状态用灰度均值和标准差两个参数来衡量。灰度均值为： (6－22)

式中：为整幅图像灰度平均值； X ij为（i,j）处像元的灰度值； R为图像行数； L为图像列数； M=R*L为图像像元总数； 标准差： Xi：i处像元的灰度值 直方图分布状态不同，图像特征不同，如图6－6所示。

数字图像处理试题集(终版)

第一章引言 一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为_像素_。 2. 数字图像处理可以理解为两个方面的操作：一是从图像到图像的处理，如图像增强等；二是_从图像到非图像的一种表示_，如图像测量等。 3. 数字图像处理可以理解为两个方面的操作：一是_从图像到图像的处理_，如图像增强等；二是从图像到非图像的一种表示，如图像测量等。 4. 图像可以分为物理图像和虚拟图像两种。其中，采用数学的方法，将由概念形成的物体进行表示的图像是虚拟图像_。 5. 数字图像处理包含很多方面的研究内容。其中，_图像重建_的目的是根据二维平 面图像数据构造出三维物体的图像。 二.简答题 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的5种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 4. 简述数字图像处理的至少5种应用。 ①在遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。 ②在医学中，比如B超、CT机等方面。 ③在通信中，比如可视电话、会议电视、传真等方面。 ④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品质量的监控和筛选等方面。 ⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。 5. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。比如傅里叶变换、小波变换等。

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

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

图像处理实验3(习题教学)

昆明理工大学信息工程与自动化学院学生实验报告 （2016—2017学年第一学期） 课程名称：数字图像基础开课实验室： 2016年月日 年级、专业、班学号姓名成绩 实验项目名称图像增强（1）指导教师 教师评语 该同学是否了解实验原理： A.了解□ B.基本了解□ C.不了解□ 该同学的实验能力： A.强□ B.中等□ C.差□ 该同学的实验是否达到要求： A.达到□ B.基本达到□ C.未达到□ 实验报告是否规范： A.规范□ B.基本规范□ C.不规范□ 实验过程是否详细记录： A.详细□ B.一般□ C.没有□ 教师签名： 2016年 11月 16日 一、实验目的及内容 目的：掌握和熟悉Matlab编程环境及语言；掌握直方图统计的算法和用途。 内容： 1.调试教材P25页例 2.1输出类似教材图2.3的结果。 2.调试教材P33页例2.4，编写一个程序，分别使用imhist、bar、stem、plot四种方式 显示一幅灰度图像的直方图 3.调试教材P37页例2.5。 4.直方图均衡化的公式如下所示： 11 ()() k k j k k r j j j n s T r p r n == === ∑∑ 根据上式及课堂所讲直方图均衡化原理及方法，自己写一个Matlab函数实现对灰度图像的直方图均衡化功能（类似于Matlab提供的hist eq函数）。（提示：实现中使用Matlab函数cumsum（P38）可能会使程序简单些）。

二、要求 1.描述直方图的概念并解释直方图均衡化原理。 2.程序结构清晰，运行结果正确。 3.对于第1、2、3小题在实验报告中给出所调试的程序，及其运行结果，对第4小题 描述程序的设计、实现和结果，并对结果进行分析。

直方图均衡化处理

数字图像处理实验报告 姓名: 王程学号: 2012021199037 日期：2013.3.30 一、实验要求 （1）对一幅的对比度灰度图像进行直方图均衡化处理，画出处理前后的图像及直方图（2）用matlab读取和显示 二、实验代码 clc; clear; I=imread('E:\数字图像处理\exp2\伊伽贝拉.jpg'); %读入图像文件 if isrgb(I) I=rgb2gray(I); end subplot(221),imshow(I); title('原图像伊伽贝拉') [m,n]=size(I); %测量图像尺寸参数 B=zeros(1,256); %预创建存放灰度出现概率的向量for i=1:m for j=1:n %k=I(i,j); %k=k+1; %B(k)=B(k)+1; B(I(i,j)+1)=B(I(i,j)+1)+1; %计算每级灰度出现的概率end end subplot(222), stem(0:255,B,'Marker','none'); %绘制直方图 title('未均衡化的直方图'); S=I; [m,n]=size(S); %读出图像的大小 BP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255 BP(k+1)=length(find(S==k))/(m*n); %计算每级灰度出现的概率 end B1=zeros(1,256) for i=1:256 for j=1:i B1(i)=BP(j)+B1(i); end

end B2=round((B1*256)+0.5); for i=1:256 BPeq(i)=sum(BP(find(B2==i))); end I=S; for i=0:255; I(find(S==i))=B2(i+1); %将各个像素归一化后的灰度值赋 给这个像素 end subplot(223), imshow(I); %显示均衡化后的图像 title('均衡化后的图像'); subplot(224), imhist(I); %利用系统函数进行直方图计算 title('均衡化后的直方图'); 三、 实验结果截图并做分析 原图像伊伽贝拉 0100200 300 1234x 104 未均衡化的直方图 均衡化后的图像 02000 4000 均衡化后的直方图 100 200 分析： 从上面各个图中可以看出在原图像中的一些看不到或看不清楚的细节在均衡化后可以

遥感数字图像处理习题与答案

《遥感数字图像处理》习题与答案 第一部分 1.什么是图像并说明遥感图像与遥感数字图像的区别。 答：图像（image）是对客观对象的一种相似性的描述或写真。图像包含了这个客观对象的信息。是人们最主要的信息源。 按图像的明暗程度和空间坐标的连续性划分，图像可分为模拟图像和数字图像。模拟图像（又称光学图像）是指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像，它属于可见图像。数字图像是指被计算机储存，处理和使用的图像，是一种空间坐标和灰度都不连续的、用离散数字表示的图像，它属于不可见图像。 2.怎样获取遥感图像 答：遥感图像的获取是通过遥感平台搭载的传感器成像来获取的。根据传感器基本构造和成像原理不同。大致可分为摄影成像、扫描成像和雷达成像三类。 m= 3.说明遥感模拟图像数字化的过程。灰度等级一般都取2m（m是正整数），说明8时的灰度情况。 答：遥感模拟图像数字化包括采样和量化两个过程。 ①采样：将空间上连续的图像变换成离散点的操作称为采样。空间采样可以将模拟图像具有的连续灰度（或色彩）信息转换成为每行有N个像元、每列有M个像元的数字图像。 ②量化：遥感模拟图像经离散采样后，可得到有M×N个像元点组合表示的图像，但其灰度（或色彩）仍是连续的，不能用计算机处理。应进一步离散、归并到各个区间，分别用有限个整数来表示，称为量化。 m=时，则得256个灰度级。若一幅遥感数字图像的量化灰度级数g=256级，则灰当8 度级别有256个。用0—255的整数表示。这里0表示黑，255表示白，其他值居中渐变。由于8bit就能表示灰度图像像元的灰度值，因此称8bit量化。彩色图像可采用24bit量化，分别给红，绿，蓝三原色8bit，每个颜色层面数据为0—255级。 4.什么是遥感数字图像处理它包括那些内容 答：利用计算机对遥感数字图像进行一系列的操作，以求达到预期结果的技术，称作遥感数字图像处理。 其内容有： ①图像转换。包括模数（A/D）转换和数模（D/A）转换。图像转换的另一种含义是为使图像处理问题简化或有利于图像特征提取等目的而实施的图像变换工作，如二维傅里叶变换、沃尔什-哈达玛变换、哈尔变换、离散余弦变换和小波变换等。 ②数字图像校正。主要包括辐射校正和几何校正两种。 ③数字图像增强。采用一系列技术改善图像的视觉效果，提高图像的清晰度、对比度，突出所需信息的工作称为图像增强。图像增强处理不是以图像保真度为原则，而是设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。 ④多源信息复合（融合）。 ⑤遥感数字图像计算机解译处理。

数字图像处理实验报告--直方图规定化 0528

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

数字图像处理计算题复习精华版

30452 计算题复习
一、 直方图均衡化（P68）
对已知图像进行直方图均衡化修正。
例：表 1 为已知一幅总像素为 n=64×64 的 8bit 数字图像（即灰度级数为 8），各灰度级（出现的频率）分布
列于表中。要求将此幅图像进行均衡化修正（变换），并画出修正（变换）前后的直方图。
表1
原图像灰
度级 rk
r0=0 r1=1 r2=2 r3=3 r4=4 r5=5 r6=6 r7=7
原各灰度级 原分布概率
像素个数 nk pr(rk)
790
0.19
1023
0.25
850
0.21
656
0.16
329
0.08
245
0.06
122
0.03
81
0.02
解：对已知图像均衡化过程见下表：
原图像灰
度级 rk
原各灰度级 原分布概率 累积分布函
像素个数 nk
pr(rk)
数 sk 计
取整扩展
sk 并
r0=0
790
0.19
0.19
1
r1=1
1023
0.25
0.44
3
r2=2
850
0.21
0.65
5
r3=3
656
0.16
0.81
6
r4=4
329
0.08
0.89
6
r5=5
245
0.06
0.95
7
r6=6
122
0.03
0.98
7
r7=7
81
0.02
1.00
7
画出直方图如下：
确定映射 对应关系
rk→sk
0→1 1→3 2→5 3→6 4→6 5→7 6→7 7→7
新图像灰
度级 sk
1 3 5
新图像各灰 度级像素个
数 nsk
790 1023 850
新图像分 布概率
ps(sk)
0.19 0.25 0.21
6
985
0.24
7
448
0.11
1

数字图像处理计算题复习精华版

30452计算题复习 一、直方图均衡化（P68） 对已知图像进行直方图均衡化修正。 例：表1为已知一幅总像素为n=64×64的8bit数字图像（即灰度级数为8），各灰度级（出现的频率）分布列于表中。要求将此幅图像进行均衡化修正（变换），并画出修正（变换）前后的直方图。 表1 解：对已知图像均衡化过程见下表： 画出直方图如下：

（a ）原始图像直方图 （b ）均衡化后直方图 **以下部分不用写在答题中。 其中： ① r k 、n k 中k = 0，1，…，7 ② p r （r k ） = n k ／n ，即计算各灰度级像素个数占所有像素个数的百分比，其中∑==k j j n n 0 ，在此题中n =64×64。 ③ ∑== k j j r k r p s 0 )(计，即计算在本灰度级之前（包含本灰度级）所有百分比之和。 ④ ]5.0)1int[(+-=计并k k s L s ，其中L 为图像的灰度级数（本题中L = 8），int[ ]表示对方括号中的数字取整。 ⑤ 并k k s s = ⑥ n sk 为映射对应关系r k →s k 中r k 所对应的n k 之和。 ⑦ n n s p sk k s /)(=，或为映射对应关系r k →s k 中r k 所对应的p r (r k )之和。

二、 模板运算 使用空间低通滤波法对图像进行平滑操作（P80） 空间低通滤波法是应用模板卷积方法对图像每一个像素进行局部处理。模板（或称掩模）就是一个滤波器，它的响应为H (r ,s )，于是滤波输出的数字图像g(x ,y )用离散卷积表示为 )6.2.4() ,(),(),(∑∑-=-=--= l l s k k r s r H s y r x f y x g 式中：x ，y = 0，1，2，…，N -1；k 、l 根据所选邻域大小来决定。 具体过程如下： （1）将模板在图像中按从左到右、从上到下的顺序移动，将模板中心与每个像素依次重合（边缘像素除外）； （2）将模板中的各个系数与其对应的像素一一相乘，并将所有的结果相加； （3）将（2）中的结果赋给图像中对应模板中心位置的像素。 对于空间低通滤波器而言，采用的是低通滤波器。由于模板尺寸小，因此具有计算量小、使用灵活、适于并行计算等优点。常用的3*3低通滤波器（模板）有： 模板不同，邻域各像素重要程度也就不同。但无论怎样的模板，必须保证全部权系数之和为1，这样可保证 输出图像灰度值在许可围，不会产生灰度“溢出”现象。 1 7 1 8 1 7 1 1 1 1 1 5 1 1 1 1 1 1 5 5 5 1 1 7 1 1 5 5 5 1 8 1 8 1 1 5 1 1 1 1 8 1 1 5 1 1 8 1 1 1 1 5 1 1 1 1 1 7 1 8 1 7 1 1 解：低通滤波的步骤为： （1）将模板在图像中按从左到右、从上到下的顺序移动，将模板中心与每个像素依次重合（边缘像素除外）； （2）将模板中的各个系数与其对应的像素一一相乘，并将所有的结果相加； （3）将（2）中的结果赋给图像中对应模板中心位置的像素。 如图中第2行第2列处的值 = （1*1+1*7+1*1+1*1+2*1+1*1+1*1+1*1+1*5）/10 = 2 （其他位置同样方法计算可得）

直方图均衡化的matlab实现_数字图像处理课程论文

海南大学课程论文 课程名称：数字图像处理 题目名称：直方图均衡化的matlab实现 学院：信息科学技术学院 专业班级：2010级计算机科学与技术专业

直方图均衡化的matlab实现 摘要 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图像增强方法。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，本文采用直方图均衡化的图像增强的基本理论原理，在matlab环境下，对数字图像进行直方图均衡化处理。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：直方图，均衡化，matlab 引言 图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空间域的算法和基于频率域的算法两大类。 基于空间域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图均衡化等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。 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，增强效果好。本文讨论了空间域的直方图均衡化增强方法，并用matlab 进行了实现。

1.论文目的 1.1通过直方图以及均衡化的理论原理，用matlab实现直方图均衡化； 1.2 在加深对直方图以及均衡化的理论原理知识理解的基础上，学会运用已 学的知识设计直方图均衡化实验并对结果进行分析，并用实验的结果来说明直方图均衡化的特点和应用。 2.直方图理论 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。确定图像像元的灰度值范围，以适当的灰度间隔为单位将其划分为若干等级，以横轴表示灰度级，以纵轴表示每一灰度级具有的像元数或该像元数占总像元数的比例值，做出的条形统计图即为灰度直方图。在matlab中，在imhist函数的返回值中，counts保存了落入每个区间的像素的个数，通过计算counts与图像中像素总数的商可以得到归一化的直方图。 3.直方图均衡化 很多原始的灰度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变换。3.1 直方图均衡化的概念 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。 3.2 直方图均衡化理论 考虑连续灰度值，并用变量r 表示待处理图像的灰度，假设日取值范围为[0，L-1]，且r=0表示黑色，r=L-1表示白色，用S 分别表示输出图像灰度值。在r 满足这些条件的情况下，有S=T（r），0≤r≤L-1，T（r ）为变换函数。对于输入

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：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

直方图均衡化与规定化

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