图像直方图及其均衡化（matlab自实现）--冈萨雷斯《数字图像处理第三版》

• 本文内容原理源自冈萨雷斯《数字图像处理第三版》，代码为自己编写，若有误还请矫正，代码运行效率低，算法拙劣还请见谅。

1、显示图像的直方图

获取一个图像的灰度值直方图，首先需要将 rgb图像转换为灰度图像格式 。遍历灰度图像的每个像素点，统计不同灰度值的个数得到相应的统计数组。采用绘制直方图的方式即可得到该图像的灰度值直方图（如左图所示），与标准的绘制灰度图函数 imhist()所得图像（如右图所示）相比较：

比较两张图 所得的图片可以发现，自制直方图和标准直方图所传达的信息大致无异，都清楚的表现出了该图像的灰度分布直方图。

2、直方图均衡化（matlab自实现）

用r表示待处理图像的灰度， s表示处理之后的图像的灰度。 r的区间为[0 255],r和 s的关系可表示为 s=T（r）,T为变换函数，0≤r≤255。假设：
（a）T(r）在区间 0≤r≤255上为单调递增函数
（b）当 0≤r≤255时， 0≤T(r）≤255
接下来就可以做直方图均衡化的工作。懒得打公式

效果如下图所示：

观察直方图均衡化前后两张图像的灰度直方图（如下图）所示：

3、直方图Guass(正态)化（matlab自实现）

自己写的PDF直接截图，公式真的好麻烦。

之前灰暗的地方变得稍微明亮起来，黑白分明更加清晰，说明效果不错。
观察直方图均衡化前后两张图像的灰度直方图 （如下图所示）

直方图的变化并不明显， 推测可能是变换函数处理方面有瑕疵，仍需改进 。

4、以傅里叶变换为例,简单解释两个向量空间和向量基之间的线性变换的概念。

在向量空间中，任意一个元素都可以唯一的表示成基向量的线性组合，基向量就是向量基底的一个特殊的子集。使用基底可以便利地描述向量空间。比如说，考察从一个向量空间 V射出的线性变换 f，可以查看这个变换作用在向量空间的一组基 α 上的效果。 掌握了 f(α)，就等于掌握了 f对 V中任意元素的效果。

著名的傅里叶变换就是在向量空间的线性变换。 已知傅里叶变换表达式为：


记得点赞

5.附代码

clear all;
close all;
clc;

a=imread('visual.jpg');
a = rgb2gray(a);

b = hist(a);
figure(1);
subplot(1,2,1);
plot(b);
axis([0 270 0 950]);
subplot(1,2,2);
imhist(a);

c=histequ(a);;
figure(2);
subplot(1,2,1);
imshow(a);
title("原图");
subplot(1,2,2);
imshow(c);
title("直方图均衡化后的图");

figure(3);
subplot(1,2,1);
imhist(a);
title("原图灰度直方图");
subplot(1,2,2);
d=histeq(a);
imhist(d);
title("直方图均衡化后的灰度直方图");

figure(4)
ee=histgauss(a);
subplot(1,2,1);
imshow(a)
title("原图");
subplot(1,2,2);
imshow(ee);
title("直方图正态分布化后的图");

figure(5)
subplot(1,2,1)
imhist(a)
title("原图灰度直方图");
subplot(1,2,2)
imhist(ee)
title("直方图正态分布化后的灰度直方图");

function histogram =  hist(a) 

[h ,w]=size(a);
histogram = zeros(1,256);


for i=1:h
    for j = 1:w
        k = round(a(i,j));
        histogram(1,k)=histogram(1,k)+1;
    end
end


end

function histogram = histequ (a)
[h ,w]=size(a);
capacity = h*w;
r_pdf = hist(a)/capacity;
s_output = size(a);

for i=1:h
    for j = 1:w
        prw = 0;
        for r=1:a(i,j)
            prw=r_pdf(r)+prw;
        end
        s_output(i,j)=ceil(255*prw);   

    end
end

histogram=uint8(s_output);
 
end

function histogram = histgauss(a)
    a=histeq(a);
    [h ,w]=size(a);

    a_pdf = zeros(1,256);

    for i=1:h
        for j = 1:w
            k = round(a(i,j))+1;
            a_pdf(1,k)=a_pdf(1,k)+1;
        end
    end
    a_pdf=a_pdf/(h*w);
    
    Gz=zeros(h,w);
    for i=1:h
        for j = 1:w
            prw = 0;
            for r=1:a(i,j)
                temp = exp(double(-a_pdf(r)*a_pdf(r)/2));
                prw=prw+temp;
            end
            Gz(i,j)=round(255*prw/(sqrt(2*pi)*100));   

        end
    end
    histogram =uint8(Gz);
      
   
end