直方图均衡化的数学原理

      学习opencv时了解到直方图均衡,查阅相关博客虽然有代码实现,但我不太明白原理,在回头看了数字图像处理相关介绍后有了一定程度的理解,现搬运一番。

    直方图均衡是图像灰度变换的一种方法,达到的效果即是通过拉伸像素强度分布范围从而增强了图像对比度。把原图的灰度直方图分布变换为近似的均匀分布。

   核心概念就在灰度的变换函数:

r代表原图的像素灰度值,s即为变换后灰度。

     图像灰度级可作为区间[0,L-1]内的随机变量,则令原图中的灰度分布的概率密度为Pr(r),变换后概率密度为Ps(s)。

由概率密度特点可得

(1)

(ds移到左边,在[0,L-1]范围内积分得到概率为1)

从而只要决定了变换函数T(r),就能得到变换后灰度分布的概率密度。

(2)

该函数有两个主要特点:

1.单调递增,即从原灰度r映射到s值是一一对应的,不会有多个灰度级映射到同一灰度上,便可求逆变换。

2.从形式上可知函数的定义域和值域范围均为[0,L-1]。 不会发生灰度值越界情况。

更神奇的事情在于,将该累计分布函数带入(1)式,得到

即,变换后的灰度是在[0,L-1]内服从均匀分布的随机变量,与原图像的灰度分布没有关系。

无论原图像灰度的概率分布是怎么样的千奇百怪,经过T(r)的变换后都成了一致的豆腐块。

这也就是equalization的含义。不过在图像处理中,灰度分布是离散的,所以经过

(3)

变换后值也是离散的,之能是近似于均匀分布。公式(3)也就是灰度映射的方法。

参考链接:http://wenku.baidu.com/view/6c55ecbdc77da26925c5b090

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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