数字图像处理 直方图

直方图定义

直方图是图像的一种统计表达,反映了图像中像素的灰度值的分布情况,定义如下:
在这里插入图片描述在这里插入图片描述

  • 灰度级的函数
  • 具有该灰度级的像素个数
    在这里插入图片描述

累积直方图

在这里插入图片描述
H(k) 表示图像中灰度级小于或等于 k 的像素点数量
ni 表示图像中灰度级等于 i 的像素点数量

归一化累积直方图

在这里插入图片描述

  • H(sk) 表示小于或等于 sk 的归一化灰度级在图像中出现的总概率
  • si 表示第 i 级归一化灰度级
  • p(si) 表示归一化灰度级 si在图像中出现的概率

直方图均衡化

把图像的直方图变换为均匀分布的形式,以此增强动态范围偏小的图像的反差,从而达到对比度增强。
在这里插入图片描述

  • 将原始图像的直方图变换为均匀分布的形式,实质上就是选用合适的增强(变换)函数来修正图像灰度级的归一化直方图 p(sk),从而得到新的灰度级分布图。
  • 增强函数往往根据需要来选择,为了能从图像中获得尽量多的信息量(即图像熵尽可能大),要求 p(sk)为常数,即所谓直方图均衡化。

在这里插入图片描述
在这里插入图片描述
例子:
设一幅图像大小为64×64(n=4096),每个像素用3比特表示(8个灰度等级),像素的灰度值分布如下:
在这里插入图片描述
实现直方图均衡化处理需要进行以下三个步骤的计算:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 2
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数字图像处理中的直方图均衡化是一种用于增强图像对比度的方法。它通过重新分配图像的灰度级来扩展图像的动态范围,使得图像中的像素值更加均匀分布。下面是一个演示直方图均衡化的例子: ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 image = cv2.imread('image.jpg', 0) # 计算直方图 hist, bins = np.histogram(image.flatten(), 256, [0, 256]) # 计算累积分布函数 cdf = hist.cumsum() cdf_normalized = cdf * hist.max() / cdf.max() # 进行直方图均衡化 equ = cv2.equalizeHist(image) # 绘制原始图像和均衡化后的图像及其直方图 plt.subplot(2, 2, 1) plt.imshow(image, cmap='gray') plt.title('Original Image') plt.xticks([]), plt.yticks([]) plt.subplot(2, 2, 2) plt.imshow(equ, cmap='gray') plt.title('Equalized Image') plt.xticks([]), plt.yticks([]) plt.subplot(2, 2, 3) plt.plot(cdf_normalized, color='b') plt.hist(image.flatten(), 256, [0, 256], color='r') plt.xlim([0, 256]) plt.legend(('CDF', 'Histogram'), loc='upper left') plt.subplot(2, 2, 4) plt.plot(cdf_normalized, color='b') plt.hist(equ.flatten(), 256, [0, 256], color='r') plt.xlim([0, 256]) plt.legend(('CDF', 'Histogram'), loc='upper left') plt.show() ``` 这段代码首先读取一张灰度图像,然后计算图像的直方图和累积分布函数。接下来,使用`cv2.equalizeHist()`函数对图像进行直方图均衡化。最后,使用Matplotlib库绘制原始图像、均衡化后的图像以及它们的直方图
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