数字图像处理:我对“直方图”的理解
- 什么是直方图?
抛开图像处理,“直方图”我们并不陌生,它是我们常用的一种数据统计方法,用于直观的观察到数据的概率分布情况。
在《概率论与数理统计》中,对直方图这样描述:为了研究总体分布的性质,人们通过试验得到许多观察值,一般来说这些数据是杂乱无章的。为了利用它们进行统计分析,将这些数据加以整理,还常常需要借助于表格或者图形对它们加以描述。我们通过引入“频率直方图”,使得人们对总体分布有一个粗略的了解。
图1 示例数据
图2 该数据的直方图统计
在图2中,很容易可观察到这90个数据的分布情况。而在图1中就显示不这么直观了。
引用数学家华罗庚的一首打油诗,最恰当不过了。数缺形时少直观,形少数时难入微,数形结合百般好,隔离分家万事休。
数学中,数和形是两个最主要的研究对象,它们有十分密切的联系,在一定条件下,数和形之间可以相互转化,相互渗透。 - 数字图像与直方图统计
一幅数字图像如下所示,放大后就是一个个像素点的灰度值。
图3 数字图像与矩阵(局部放大1)
图4 数字图像与矩阵(局部放大2)
这种“横纵坐标位置对应一个数值”,在数学上有一个非常好的表达方式,那就是“矩阵”。我们在传统的图像处理中,对于机器(后处理的计算机,前端处理的相机),并不能知道这张图表现是只可爱的小猫咪,它只是图右侧“冷冰冰”的矩阵数据。
既然是数据,那么就具有以下数字特征:数学期望、方差、标准差、直方图统计信息。
图5 小猫照片的直方图统计 - 利用直方图,能够获得什么信息?
1)反映图像质量
图6-9是一组图像序列。用于说明直方图可以反推图像质量。包括图像亮度和对比度两点。
图6 示例3.1
图7 示例3.2
根据图6和图7对比。图6整体偏暗,图7整体偏亮。在直方图上的体现就是:图6的直方图集中在灰度值100以下;图7直方图集中在150以上。
图8 示例3.3
图9 示例3.4
根据图8和图9对比。图8对比度差,较模糊,图9对比度好,目标清晰。在直方图上的体现就是:图8的直方图较窄,没有有效地利用输出动态范围;图9直方图较宽,有效地利用输出动态范围。
一个值得思考的问题:
直方图可以反映图像的锐度吗?答案是肯定的。留给大家思考吧。
2)图像噪声类型分析
这对于一张均匀图像来说,你可以统计这一个均匀图像的直观图;对于一张复杂场景图像,选取图像中均匀的小部分做直方图分析。
图10 直方图统计与图像噪声分析联系
可以观察到上图是高斯噪声干扰。 - 利用直方图,我们能做什么?
直方图可以作为“图像增强点处理”领域的一个重要手段。以经典的直方图均衡HE (histogram equalization)举例说明。
图11 原始图像
图12 直方图均衡后的图像
对比原图(图11)和HE后的图像(图12),图像质量提升了,对比度加强了,图像增强了。
直方图,衍生出了很多的“变体”,比如:平台直方图HP、自适应直方图AHE、限制对比度的直方图均衡CLHE、限制对比度的自适应直方图均衡CLAHE算法等等。这些算法都各有千秋,理解其内部原理是关键,在项目中才可以做到信手拈来,灵活使用,唯我所用。
- 总结
直方图为我们提供了认识图像和处理图像一个很好的角度。
THE END~