图像直方图均衡化和局部增强处理

本文介绍了图像处理中的直方图均衡化和局部增强技术。直方图均衡化能有效提高图像对比度,将像素值分布均匀化。局部增强则利用图像局部区域的统计特性进行差异增强,使图像细节更清晰。通过算法步骤和结果分析,展示了这两种技术在提升图像视觉效果上的应用。
摘要由CSDN通过智能技术生成

一、基本原理

1.1直方图均衡化

(一提高图像的对比度,二使像素值几乎成均匀分布的图像0表示黑,1表示白,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,增加许多图像的局部对比度,亮度可以更好的在直方图上分布。)
    灰度级的直方图就是反映一幅图像中的灰度级与出现这种灰度的概率之间的关系的图形。设变量代表图像中的像素灰度级。在图像中,像素的灰度级可作归一化处理,值将限定在下述范围之内。对于一幅给定的图像来说,每一个像素取得[0, 1]区间内的灰度级是随机的,也就是说是一个随机变量。假定对每一瞬间它们是连续的随机变量,那么,就可以用概率密度函数来表示原始图像的灰度分布。如果用直角坐标系的横轴代表灰度级,用纵轴代表灰度的概率密度函数,这样就可以针对一幅图像在这个坐标系中作一曲线,这条曲线就是概率论中的分布密度曲线。
    为了有利于数字图像处理,必须引入离散形式。在离散形式下,用代表离散灰度级,用代表,并且有下式成立:
(1)
式中为图像中出现这种灰度的像素数,是图像中像素的总数,而就是概率论中所说的频数,在直角坐标系中作出与关系的图形,这个图形称为直方图。一幅给定的图像的灰度级分布在范围内。可以对[0, 1]区间内的任一个值进行如下变换:
(2)
也就是说,通过上述变换,每一个原始图像的像素灰度值都对应产生一个值。变换函数应满足下列条件:
1)在0≤r≤1区间内,为单值单调增加。
2)对于0≤r≤1,有0≤T(r)≤1。
    这里的第一个条件保证了灰度级从白到黑次序不变。第二个条件则保证了映射后的像素灰度值在允许的范围内。从到的反变换关系可表示为: 
(3)                                                                                                
    由概率论可知,如果已知随机变量的概率密度为,而随机变量是的函数,即,的概率密度可以由求出。
    因为是单调增加的,由数学分析可知,它的反函数也是单调函数。在这种情况下,当且仅当时发
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值