数字图像处理：点处理 直方图——2021.9.23

另一种点处理 histogram processing

特点：T不再由人为指定，由方法自动得出

直方图：横轴为灰度级的个数，纵轴是该灰度级所拥有的像素的数目，反应了灰度级统计的分布

h(rk) = nk , k=0…L-1—— rk是某个灰度  nk是该灰度的像素个数

h(rk) 求积分所得的数目为像素的数目n

归一化的直方图

p(rk) = nk/n for k= 0…L-1  就恰好变成了每个灰度出现的概率，p就是指概率直方图

归一化好处是可以用概率统计方法

 直方图的均衡化 Histogram Equalization

使用场景：某个室内环境，有光源使得折射环境比较稳定，但是室外的光照是很不稳定的，导致采集到的图像亮度会发生很大的变化，影响到识别算法，但我们希望在不同的光下图像的变化不要太大，这时候就要用到均衡化。

因为我们发现表现较好的图像灰度都趋于均匀。比如下面的图，但是要怎么做才能让灰度平均呢？

下面用一个实例来解释，统计出直方图h(r)之后，可以看出灰度是8

 第一步：除n变成均值直方图p(r)

 第二步：算出直方图均衡图r,本来应该是积分，但是因为r是离散的，所以应该是累加，也就是第二个公式

 

 算完之后应该是一个递增的图像，按说sk是0~1之间的数，但是这时候算出sk之后需要乘灰度级，然后四舍五入取整，这样带能得到映射关系

S0=0.19*71.33约等于1  所以原来的灰度0映射到灰度1，其余的也是这样

 

映射之后，可以再算一下p，就会发现很平均

 

 

 

 

直方图匹配Histogram Matching

输入直方图尽量向目标直方图的分布匹配

r是输入图像z是目标图像

假设r的直方均衡图为：

z的直方均衡图为：

 

 因为要让输入图像向目标靠拢嘛，所以就是让T(r)=s=G(z)

这样如果先求出z就是z=G的逆函数(s)——也就是函数中的同y不同x，两个函数y值相同，x值不同，那么函数1的x1就对应函数2的x2

 这样zk就对应rk了

也就是原来是r的灰度要映射到z上去

但现在还有个问题就是，假如我在T中找到一个S值是G中没有的，怎么找对应关系？假设这个S是5，但是G的离散值里没有5，那我就找G=4没有4就找G=3，直到找到为止