数字图像处理-空间域图像增强（二）（直方图）

空间域的直方图处理分两个方法：直方图均衡化、直方图规定化。直方图规定化中利用了直方图均衡化。

直方图均衡化：（转自http://blog.csdn.net/honpey/article/details/8770919）

直方图均衡化的作用是图像增强。

有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。

第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。

第二个问题。累积分布函数具有一些好的性质，那么如何运用累积分布函数使得直方图均衡化？比较概率分布函数和累积分布函数，前者的二维图像是参差不齐的，后者是单调递增的。直方图均衡化过程中，映射方法是

其中，n是图像中像素的总和，是当前灰度级的像素个数，L是图像中可能的灰度级总数。

来看看通过上述公式怎样实现的拉伸。假设有如下图像：

得图像的统计信息如下图所示，并根据统计信息完成灰度值映射：

映射后的图像如下所示：

以上就是直方图映射均衡化的步骤，当然还有一些基于此的更优算法，比如Photoshop中的方法，在此就不一一列举了，大同小异。

参考：

http://blog.csdn.net/zrongh/article/details/7302816               直方图均衡化原理

http://bbs.ednchina.com/BLOG_ARTICLE_219471.HTM     直方图均衡化

直方图规定化：（转自：http://blog.csdn.net/juyingmin/article/details/5675851）

原理：
       在实际应用中，希望能够有目的地增强某个灰度区间的图像， 即能够人为地修正直方图的形状， 使之与期望的形状相匹配，这就是直方图规定化的基本思想。换句话说，希望可以人为地改变直方图形状，使之成为某个特定的形状，直方图规定化就是针对上述要求提出来的一种增强技术，它可以按照预先设定的某个形状来调整图像的直方图。直方图规定化是在运用均衡化原理的基础上，通过建立原始图像和期望图像之间的关系，选择地控制直方图，使原始图像的直方图变成规定的形状，从而弥补了直方图均衡不具备交互作用的特性。

 

例如：Pr (r)为原图像的灰度密度函数, Pz (z)为希望得到的增强图像的灰度密度函数,二者的直方图如下:

 

直方图规定化增强处理的步骤如下：

　　1，其增强原理是先对原始的直方图均衡化：S = T(r)

　　2，同时对规定的直方图均衡化：v = G(z)

 3，由于都是均衡化，故令 S = v，则：z = G-1(v) = G-1[T(r)] 。

 

组映射：

存在一维离散整数函数I(a)，（a=0,1,2……N-1），而且满足0≤I(0) ≤I(1) ≤……≤I(a) ≤……≤I(N-1) ≤M-1。寻找能使 |∑ps(si)-∑pu(uj)| 达到最小的I(a),其中ps(si)的求和区间为[0，I(a)]，pu(uj)的求和区间仍为[0，a]。a=0时，将介于0和I(0)之间的ps(si)都映射到pu(u0)中；1≤a≤N-1时，将介于I(a-1)+1和I(a)之间的ps(si)都映射到pu(uj)中去。

代码：

根据希望达到的直方图数据，对当前图像直方图转换，得到转换的直方图数据。

 

[cpp]  view plain copy

1. void HistogramSpecification(int* src, int* dst, int* histMap)  
2. {  
3.     int x = 0, y = 0, i = 0;  
4.     int minX = 0;  
5.     int minValue = 0;  
6.     int srcMin[256][256];  
7.     short lastStartY = 0, lastEndY = 0, startY = 0, endY = 0;  
8.     //计算原始图像到目标图像累积直方图各灰度级的差的绝对值  
9.     for (y = 0; y < 256; y++)  
10.     {  
11.         for (x = 0; x < 256; x++)  
12.         {  
13.             srcMin[x][y] = abs(src[y] - dst[x]);  
14.         }  
15.     }  
16.   
17.     //GML映射  
18.     for (x = 0; x < 256; x++)  
19.     {  
20.         minValue = srcMin[x][0];  
21.         for (y = 0; y < 256; y++)  
22.         {  
23.             if (minValue > srcMin[x][y])  
24.             {  
25.                 endY = y;  
26.                 minValue = srcMin[x][y];  
27.             }  
28.         }  
29.   
30.         if (startY != lastStartY || endY != lastEndY)  
31.         {  
32.             for (i = startY; i <= endY; i++)  
33.             {  
34.                 histMap[i] = x;//建立映射关系  
35.             }  
36.             lastStartY = startY;  
37.             lastEndY = endY;  
38.             startY = lastEndY + 1;  
39.         }  
40.     }  
41. }