直方图规定化的基本思想:有目的的增强某个灰度区间的图像,即能够人为地修正直方图的形状,使之与期望的图像相匹配。
直方图规定化是在运用均衡化原理的基础上,通过建立原始图像和期望图像之间的关系,选择地控制直方图,使原始图像的直方图变成规定的形状,从而弥补了直方图均衡不具备交互作用的特性。
下图所示:
使用均衡化的直方图做媒介,再对参考图像最均衡化的逆运算即可。直方图均衡化是直方图规定化的桥梁。
下面仅以离散化的数据进行分析,在处理离散化的数据是要相对于连续化的积分简单。
已知输入图像均衡化直方图变换公式如下:
类似的参考图像的均衡化直方图变换公式为:
其中Zi表示参考图像第zi项灰度值,
因为输入图像和参考图像均衡化的直方图是一致的,所以 sk = G(zq);
那么zq = G-1(sk);使用G()的反变换G-1()来映射 s 到 z 的值。进而得到直方图规定化的结果。
从灰度级的层面上说s 到 z的映射是指重新规划输入图像的哪些像素点的灰度级大概率等于 z