图像的直方图是什么?
1.直方图是图像中像素强度分布的图形表达方式.
2.它统计了每一个强度值所具有的像素个数
直方图均衡化是什么?
直方图均衡化是通过拉伸像素强度分布范围来增强图像对比度的一种方法.
说得更清楚一些, 以上面的直方图为例, 你可以看到像素主要集中在中间的一些强度值上. 直方图均衡化要做的就是 拉伸 这个范围. 见下面左图: 绿圈圈出了 少量像素分布其上的 强度值. 对其应用均衡化后, 得到了中间图所示的直方图. 均衡化的图像见下面右图.
直方图的均衡化是怎么做到的?
均衡化指的是把一个分布 (给定的直方图) 映射 到另一个分布 (一个更宽更统一的强度值分布), 所以强度值分布会在整个范围内展开.
要想实现均衡化的效果, 映射函数应该是一个 累积分布函数. 对于直方图, 它的 累积分布
是:
要使用其作为映射函数, 我们必须对最大值为255 (或者用图像的最大强度值) 的累积分布进行归一化. 同上例, 累积分布函数为:
最后, 我们使用一个简单的映射过程来获得均衡化后像素的强度值:
下面我们用程序更具体的描述直方图均衡化的过程:
直方图均衡化算法分为三个步骤,第一步是统计直方图每个灰度级出现的次数,第二步是累计归一化的直方图,第三步是计算新的像素值。
第一步:
for(i=0;i<height;i++){
for(j=0;j<width;j++){
n[s[i][j]]++;
}
}
for(i=0;i<L;i++){
p[i]=n[i]/(width*height);
}
这里,n[i]表示的是灰度级为i的像素的个数,L表示的是最大灰度级,width和height分别表示的是原始图像的宽度和高度,所以,p[i]表示的就是灰度级为i的像素在整幅图像中出现的概率。
第二步:
for(i=0;i<=L;i++){
for(j=0;j<=i;j++){
c[i]+=p[j];
}
}
c[]这个数组存储的就是累计的归一化直方图。
第三步:
for(i=0;i<height;i++){
for(j=0;j<width;j++){
t[i][j]=c[s[i][j]]*255;//255表示图像灰度最大值
}
}
t[][]就是最终直方图均衡化之后的结果。
源图像及它的直方图:![../../../../../_images/Histogram_Equalization_Original_Image.jpg](https://i-blog.csdnimg.cn/blog_migrate/456dc486728dffff7233d23a4fbf7896.jpeg)
![../../../../../_images/Histogram_Equalization_Original_Histogram.jpg](https://i-blog.csdnimg.cn/blog_migrate/4aa4bc4f33118f13417bbfc64c38e144.jpeg)
![../../../../../_images/Histogram_Equalization_Equalized_Image.jpg](https://i-blog.csdnimg.cn/blog_migrate/f33793105bc08bdb69652640e2da9bc4.jpeg)
![../../../../../_images/Histogram_Equalization_Equalized_Histogram.jpg](https://i-blog.csdnimg.cn/blog_migrate/bd9b455ce355790d47c4035aa42368b3.jpeg)
这幅图片显然对比度更强,而且像素在整个强度范围内均衡分布。
参考链接:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/histogram_equalization/histogram_equalization.html
http://blog.csdn.net/zrongh/article/details/7302816