＜数字图像处理(1)＞ 图像增强(一) 直方图均衡化

直方图均衡化

直方图均衡原理 & MATLAB实现_yaoyz105的博客-CSDN博客_matlab直方图均衡

将原始图像中的灰度分布变换为服从均匀分布，通过扩大动态范围提高对比度。

注：可能增加噪声对比度并降低有用信息对比度，此外只是将灰度扩散，这就导致实际的均衡过后，图像像素间的差距较大。

连续值推导

取灰度映射函数$s=T(r)$，其中$s$为输出灰度值；$r$为输入像素值，$T(x)$为灰度映射函数。$T(x)$推导如下：设$s$、$r$对应概率密度函数为$p_r(r)$、$p_s(s)$，则有$p_s(s)\mathrm{d}s=p_r(r)\mathrm{d}r$，由于$s$服从均匀分布故有：
$$p_s(s)=\{\begin{array}{ll}\frac{1}{L-1}& 0\le s\le L-1\\ 0& others\end{array}$$考虑$s$和$r$有相同的取值范围，故在$[0，L-1]$上有：
$${\int }_0^s\frac{1}{L-1}\mathrm{d}s={\int }_0^r{p}_r(r)\mathrm{d}r$$左式积分即:
$$s=(L-1){\int }_0^r{p}_r(r)\mathrm{d}r$$
所以在连续信号上，值到均值的变换应为：
$$T(r)=(L-1){\int }_0^r{p}_r(r)\mathrm{d}r$$

离散情况

对于一张灰度值在$[0,255]$的图像，某一灰度$r_k$的概率为$p_r(r_k)=\frac{n_k}{width\ast height}$，其中$n_k$为$r_k$统计量；width和height分别为图像宽和高。在离散情况下累积分布函数计算为：
$$CD{F}_r(r)=\sum _{j=0}^r{p}_r(r_j)$$
故离散情况下$s_k=255\ast {\sum }_{j=0}^k{p}_r(r_j)$，$k=0,1,2,...,255$

这里的变换$T(r)$称为直方图均衡。

matlab代码

%C:\Users\16431\Desktop\2.jpg
clear;
I = imread('C:\Users\16431\Desktop\4.jpg'); % 读取彩色图


% I=rgb2gray(RGB); % 将彩色图转化为灰度图
subplot(221);
imshow(I);
title('灰度图');

subplot(222);
imhist(I,256);
title('灰度图hist'); 
[R, C] = size(I);

% 统计每个像素值出现次数
cnt = zeros(1, 256);
for i = 1 : R
    for j = 1 : C
        cnt(1, I(i, j) + 1) = cnt(1, I(i, j) + 1) + 1;
    end
end

f = zeros(1, 256);
f = double(f); cnt = double(cnt);

% 统计每个像素值出现的概率， 得到概率直方图
for i = 1 : 256
    f(1, i) = cnt(1, i) / (R * C);
end

% 求累计概率，得到累计直方图
for i = 2 : 256
    f(1, i) = f(1, i - 1) + f(1, i);
end

% 用f数组实现像素值[0, 255]的映射。 
for i = 1 : 256
    f(1, i) = f(1, i) * 255;
end

% 完成每个像素点的映射
I = double(I);
for i = 1 : R
    for j = 1 : C
        I(i, j) = f(1, I(i, j) + 1);
    end
end


% 输出
I = uint8(I);
subplot(223);
imshow(I);
title('直方图均衡化'); 

subplot(224);
imhist(I,256);
title('均衡化hist'); 

1