直方图均衡。 histogram equalization。
考虑连续灰度值,并用变量r表示待处理图像的灰度。通常,我们假设r的取值区间为[0,L - 1],r = 0表示黑色,r = L - 1表示白色。
对于上式,我们假设:
(a)T(r)在区间上为单调递增函数。
(b)当0 <= r <= L - 1时,0 <= T(r) <= L - 1
在后面讨论的一些公式中,我们会用到T(r)的反函数
在这种情况下,条件(a)改为(a‘)T(a)在区间上为严格单调递增函数。
条件(a)中要求T(r)为单调递增函数,是为了保证输出的灰度值不少于相应的输入值,防止灰度反变换时产生人为的缺陷。
条件(a’)特意强调严格单调递增,是为了保证从S到 r 的反映射是一对一的,防止二义性。
因为在实践中,我们处理的数字图像,都是整数的灰度值,必须把所有的结果四舍五入为最接近的整数值,所以一对一的映射无法满足。
因此,当严格单调不满足时,我们就要使用寻找最接近整数匹配的方法来解决非唯一反变换的问题。
一幅图像的灰度级可以看成是[0,L - 1]内的随意变量。随机变量的基本描绘子是其概率密度函数(PDF)。
令Pr(r)和Ps(s)分别表示随机变量r 和s 的PDF。由基本概率论得到的一个基本的结果是,如果Pr(r)和T(r)已知,且在感兴趣的值域上T(r)是连续且可微的,则映射后的PDF可表示为:
可知,S的PDF是由输入灰度的PDF和变换函数决定的。
在图像处理中,有一个特别重要的变换函数有如下的形式:
其中,w