matlab数字图像处理之局部增强图像（使用直方图统计量）

最新推荐文章于 2023-04-15 10:34:02 发布

金泽遗梦

最新推荐文章于 2023-04-15 10:34:02 发布

阅读量1.7k

点赞数 4

分类专栏： matlab数字图像处理文章标签： matlab 算法图像处理

本文链接：https://blog.csdn.net/XIETINGYUWO/article/details/127433931

版权

matlab数字图像处理专栏收录该内容

6 篇文章 1 订阅

订阅专栏

本文介绍了如何通过直方图分析来增强图像，特别是针对灰度值小且邻域对比度弱的像素，通过计算全局均值、方差和局部邻域统计量，设定阈值进行像素增强，如扩大暗区像素值。Matlab代码展示了局部直方图增强函数的实现及其在'cats.jpg'上的应用效果。

摘要由CSDN通过智能技术生成

直接从图像直方图得到的统计量信息可用于增强图像。令r是一个离散随机变量，它表示区间[0,L-1]之间的灰度值；令 $p(r_{i})$ 是对应于灰度值 $r_{i}$ 的归一化直方图分量，即 $p(r_{i})$ 可视为在图像中出现灰度值为 $r_{i}$ 的概率。对于灰度值在[0,L-1]内的图像，其均值 $m$ 和方差 $\sigma ^{2}$ 定义为：

$m=\sum_{i=0}^{L-1}r_{i}p(r_{i})$

$\sigma ^{2}=\sum_{i=0}^{L-1}(r_{i}-m)^{2}p(r_{i})$

令(x,y)是给定图像中任意一个像素的坐标，令 $S_{xy}$ 是已(x,y)为中心的一个规定大小的领域，这个邻域中像素的均值为：

$m_{s_{xy}}=\sum_{i=0}^{L-1}r_{i}p_{s_{xy}}(r_{i})$

其中 $p_{s_{xy}}$ 是 $S_{xy}$ 中像素的直方图。类似地，邻域内像素地方差为：

$\sigma _{s_{xy}}^{2}=\sum_{i=0}^{L-1}(r_{i}-m_{s_{xy}})^{2}p_{s_{xy}}(r_{i})$

均值是是某一区域中平均灰度地测度，方差是某一区域内灰度对比度的测度。对图像进行局部增强时，就要利用到图像的全局均、方差和局部邻域均值和方差，具体方法如下：

首先令图像的全局均值和标准差为： $m_{G}$ 、 $\sigma _{G}$ ，图像内某一点(x,y)的邻域内的均值和方差为： $m_{s_{xy}}$ 、 $\sigma _{s_{xy}}$ ，图像在点(x,y)处的像素值为 $f(x,y)$ ，增强后的图像在该点的像素值为 $g(x,y)$ 。

增强方法的第一个要素是：

若 $k_{0}m_{G}\leqslant m_{s_{xy}}\leqslant k_{1}m_{G}$ （ $k_{0}$ 和 $k_{1}$ 都是非负常数，且 $k_{0}< k_{1}$ ），则将(x,y)点处的像素作为待处理的一个候选像素。

增强方法的第二个要素是：

若 $k_{2}\sigma _{G}\leqslant \sigma _{s_{xy}}\leqslant k_{3}\sigma _{G}$ （ $k_{2}$ 和 $k_{3}$ 都是非负常数，且 $k_{2}< k_{3}$ ），则将(x,y)点处的像素作为待处理的一个候选像素。

对于候选像素的具体操作如下：

$g(x,y)=Cf(x,y), k_{0}m_{G}\leqslant m_{s_{xy}}\leqslant k_{1}m_{G} AND k_{2}\sigma _{G}\leqslant \sigma _{s_{xy}}\leqslant k_{3}\sigma _{G}$

否则, $g(x,y)=f(x,y)$ 。其中参数C是自定义的正常数。

matlab代码：

图像局部增强函数的定义模块：

function img_out=part_hist_enha(img,k0,k1,k2,k3,C,Size)
%定义部分直方图增强函数，参数img为输入图像；k0和k1为非负常数，且k0<k1,其作用为
%k0*全局均值<=邻域均值<=k1*全局均值，作为像素是否增强的判断部分；k2,k3与k0,k1
%类似，k2<k3，其作用为k2*全局标准差<=邻域标准差<=k3*全局标准差，作为像素是否增强
%的判断部分；C为要增强的像素点的像素值乘以的一个系数，不能为负，决定像素值是变暗，
%还是变亮；Size为正方形邻域处理的大小，为奇正整数；img_out为输出图像
    h=imhist(img)/numel(img);%直方图数据归一化
    mu=0;%全局像素均值
    derta=0;%全局像素标准差
    for i=1:256
        mu=mu+(i-1)*h(i);  %计算均值
    end

    for i=1:256
        derta=derta+power(i-1-mu,2)*h(i);  %计算方差
    end
    derta=power(derta,0.5);  %计算标准差
    
    [m,n,k]=size(img);
    if k==1     %如果为灰度图
        img_out=img;
        img_fill=[zeros((Size-1)/2,n+(Size-1));zeros(m,(Size-1)/2),img,zeros(m,(Size-1)/2);zeros((Size-1)/2,n+(Size-1))];%0填充
        for i=1:m
            for j=1:n
                [mu_sxy,derta_sxy]=field_compu(img_fill,i,j,Size);%调用下面的field_compu函数
                if (mu_sxy>=k0*mu && mu_sxy<=k1*mu) && (derta_sxy>=k2*derta && derta_sxy<=k3*derta)
                    img_out(i,j)=C*img(i,j);%局部像素变换，增强对比（变暗或变亮）
                end
            end
        end
    end
    
    if k==3
        img_R=img(:,:,1);
        img_out_R=img_R;
        img_G=img(:,:,2);
        img_out_G=img_G;
        img_B=img(:,:,3);
        img_out_B=img_B;
        img_fill_R=[zeros((Size-1)/2,n+(Size-1));zeros(m,(Size-1)/2),img_R,zeros(m,(Size-1)/2);zeros((Size-1)/2,n+(Size-1))];%0填充
        img_fill_G=[zeros((Size-1)/2,n+(Size-1));zeros(m,(Size-1)/2),img_G,zeros(m,(Size-1)/2);zeros((Size-1)/2,n+(Size-1))];%0填充
        img_fill_B=[zeros((Size-1)/2,n+(Size-1));zeros(m,(Size-1)/2),img_B,zeros(m,(Size-1)/2);zeros((Size-1)/2,n+(Size-1))];%0填充
        for i=1:m
            for j=1:n
                [mu_sxy_R,derta_sxy_R]=field_compu(img_fill_R,i,j,Size);%调用下面的field_compu函数
                if (mu_sxy_R>=k0*mu && mu_sxy_R<=k1*mu) && (derta_sxy_R>=k2*derta && derta_sxy_R<=k3*derta)
                    img_out_R(i,j)=C*img_R(i,j);%局部像素变换，增强对比（变暗或变亮）
                end
                [mu_sxy_G,derta_sxy_G]=field_compu(img_fill_G,i,j,Size);%调用下面的field_compu函数
                if (mu_sxy_G>=k0*mu && mu_sxy_G<=k1*mu) && (derta_sxy_G>=k2*derta && derta_sxy_G<=k3*derta)
                    img_out_G(i,j)=C*img_G(i,j);%局部像素变换，增强对比（变暗或变亮）
                end
                [mu_sxy_B,derta_sxy_B]=field_compu(img_fill_B,i,j,Size);%调用下面的field_compu函数
                if (mu_sxy_B>=k0*mu && mu_sxy_B<=k1*mu) && (derta_sxy_B>=k2*derta && derta_sxy_B<=k3*derta)
                    img_out_B(i,j)=C*img_B(i,j);%局部像素变换，增强对比（变暗或变亮）
                end
            end
        end
        img_out=cat(3,img_out_R,img_out_G,img_out_B);%矩阵拼接函数（这里是拼接为三维RGB）
    end
end

function [mu_sxy,derta_sxy]=field_compu(img_fill,x,y,Size)
%定义邻域计算函数，计算原始图像（上面函数的参数img）的某一点（坐标为——x,y)的邻域
%（边长大小为Size)内的局部像素均值（mu_sxy)和方差（derta_sxy）
    field_img=img_fill(x:x+Size-1,y:y+Size-1);%点(x,y)的邻域矩阵
    h_sxy=imhist(field_img)/numel(field_img);%邻域直方图数据归一化
    mu_sxy=0;%邻域像素均值
    derta_sxy=0;%邻域像素标准差
    for i=1:256
        mu_sxy=mu_sxy+(i-1)*h_sxy(i);
    end
    for i=1:256
        derta_sxy=derta_sxy+power(i-1-mu_sxy,2)*h_sxy(i);
    end 
    derta_sxy=power(derta_sxy,0.5);
end

函数功能测试运行模块：

img=imread('cats.jpg');
img=rgb2gray(img);%rgb图像转为灰度图
img_out=part_hist_enha(img,0,0.3,0,0.4,10,5);%调用局部直方图增强函数
figure
subplot(121)
imshow(img)
title('原始图像')
subplot(122)
imshow(img_out)
title('局部直方图增强后的图像')

这里就是对图像中灰度值较小，且邻域内灰度对比度较小（即邻域内灰度值的变化不大，可能造成人眼的分辨不清）的像素点进行操作，把该像素点对应的像素值扩大10倍（如果像素值超过了最大像素值就等于最大像素值），结果如下：