数字图像处理学习笔记之——图像的点运算

图像的点运算

1、灰度直方图

灰度直方图描述了一幅图像的灰度级统计信息，主要应用于图像分割和图像灰度变换等处理过程中。

1.1、理论基础

从数学上来说，图像直方图描述图像的各个灰度级的统计特性，它是图像灰度值的函数，统计一幅图像中各个灰度级出现的次数或概率。有一种特殊的直方图叫做归一化直方图，可以直接反映不同灰度级出现的频率。

从图形上来说，灰度直方图是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。

灰度直方图的计算是根据其统计定义进行的。图像的灰度直方图是一个离散函数，它表示图像每一灰度级与该灰度级出现的频率的对应关系。假设一幅图像的像素总数为 N，灰度级总数为 L，其中灰度级与该灰度级出现的频率为 N_g，则这幅数字图像的灰度直方图横坐标即为灰度 g（0 ≤ g ≤ L-1），纵坐标则为灰度值出现的次数 N_g。实际上，用像素总数 N 去除以各个灰度值出现的次数 N_g 即得到各个灰度级出现的频率 P_g = N_g/N = N_g /∑N_g ，从而得到归一化的灰度直方图，其纵坐标为概率 P_g 。

1.2、Matlab 实现

Matlab 中的 imhist 函数可以进行图像的灰度直方图运算，调用语法如下：

imhist(I)
imhist(I,n)
[counts,x] = imhist(...)

参数说明

• I 为需要计算灰度直方图的图像；
• n 为指定的灰度级数目。如果指定参数 n，则会将所有的灰度级均分分布在 n 个小区间内，而不是将所有的灰度级全部分开。

返回值

• counts 为直方图数据向量。counts(i) 表示第 i 个灰度区间中的像素数目；
• x 是保存了对应的灰度小区间的向量。

若调用时不接收这个函数的返回值，则直接显示直方图；在得到这些返回数据之后，也可以使用 stem(x,counts) 来手动绘制直方图。

1. 一般直方图

   灰度直方图的生成与显示：

   I = imread('pout.jpeg');    	%读取图像 pout.jpeg
   figure;                     	%打开一个新窗口
   imshow(I);title('Source');  	%显示原图像
   figure;                     	%打开一个新窗口
   imhist(I);title('Histogram');   %显示直方图
   

   

   因为相近的灰度值所具有的含义往往是相似的，所以常常没有必要在每个灰度级上都进行统计。下面的命令将 0~255 总共 256 个灰度级划分为 64 个长度为 4 的灰度区间，此时纵坐标分别统计每个灰度区间中的像素在图像中出现次数。

2. 归一化直方图

   在 imhist 函数的返回值中，counts 保存了落在每个区间的像素的个数，通过计算 counts 与图像中像素点的商可以得到归一化的直方图。

   绘制有 32 个灰度区间的归一化直方图程序如下：

   figure;
   [M,N] = size(I);            %计算图像大小
   [counts,x] = imhist(I,32);  %计算有 32 个小区间的灰度直方图
   counts = counts / M / N;    %计算归一化灰度直方图各区间的值
   stem(x,counts);             %绘制归一化直方图
   

分析图像的灰度直方图往往可以得到很多有用的信息。例如：可以很直观地看出图像的亮度和对比度特性（对比度：灰度图像最大亮度与最小亮度的比值）。如果图像较亮，则直方图的峰值出现在直方图的较右部分；如果图像较暗，则直方图的峰值出现在直方图的较左部分。如果直方图只有中间一小部分非零值，则这张图片的对比度较低；反之，如果直方图的非零值分别很宽而且比较均匀，则图像的对比度较高。

---

2、灰度的线性变换

将图像的像素值通过指定的线性函数进行变换，以此增强或减弱图像的灰度。

2.1、理论基础

线性灰度变换函数 f(x) 是一个一维线性函数：
$$D_B=f(D_A)=f_A{D}_A+f_B$$
式中：参数 f_A 为线性函数的斜率；f_B 为线性函数在 y 轴的截距；D_A 表示输入图像的灰度；D_B 表示输出图像的灰度。

• 当 f_A > 1 时，输出图像的对比度将增大；当 f_A < 1 时，输出图像的对比度将减小；
• 当 f_A = 1 时且 f_B ≠ 1 时，操作仅使所有的像素的灰度值上移或下移，其效果是使整个图像更暗或更亮；如 f_A < 0 时，暗区域将变亮，亮区域将变暗。这种线性变换可能由于像素亮度达到饱和（小于 0 或超过 255）从而丢失一些细节；
• 特殊情况下，当 f_A = 1， f_B = 0 时，输出图像与输入图像相同；当 f_A = -1， f_B = 255 时，输出图像的灰度正好反转。灰度反转处理适用于增强暗色图像中的亮度较大的细节部分，这也是人的视觉性决定的。

2.2、Matlab 实现

% 灰度的线性变换
% 无需专门的函数
% 增加对比度、减小对比度、线性平移增加亮度和反相显示 4 种线性变换
I = imread('pout.jpeg');  % 读入原图像

I =  im2double(I);  % 转换数据类型为 double
[M,N] = size(I);    % 计算图像面积

figure(1);  % 打开新窗口
imshow(I);  % 显示原图像
title('原图像');

figure(2);
[H,x] = imhist(I,64);   % 计算 64 个小区间的灰度直方图
stem(x,(H/M/N),'.');    % 显示原图像的直方图
title('原图像');

% 增加对比度
Fa = 2; Fb = -55;
O = Fa .* I + Fb/255;

figure(3);
subplot(2,2,1);
imshow(O);
title('Fa = 2 Fb = -55 增加对比度');

figure(4);
subplot(2,2,1);
[H,x] = imhist(O,64);
stem(x,(H/M/N),'.');
title('Fa = 2 Fb = -55 增加对比度');

% 减少对比度
Fa = 0.5; Fb = -55;
O = Fa .* I + Fb/255;

figure(3);
subplot(2,2,2);
imshow(O);
title('Fa = 0.5 Fb = -55 减少对比度');

figure(4);
subplot(2,2,2);
[H,x] = imhist(O,64);
stem(x,(H/M/N),'.');
title('Fa = 0.5 Fb = -55 减少对比度');

% 线性增加亮度
Fa = 1; Fb = 55;
O = Fa .* I + Fb/255;

figure(3);
subplot(2,2,3);
imshow(O);
title('Fa = 1 Fb = 55 线性平移增加亮度');

figure(4);
subplot(2,2,3);
[H,x] = imhist(O,64);
stem(x,(H/M/N),'.');
title('Fa = 1 Fb = 55 线性平移增加亮度');

% 反相显示
Fa = -1; Fb = 255;
O = Fa .* I + Fb/255;

figure(3);
subplot(2,2,4);
imshow(O);
title('Fa = -1 Fb = 255 反相显示');

figure(4);
subplot(2,2,4);
[H,x] = imhist(O,64);
stem(x,(H/M/N),'.');
title('Fa = -1 Fb = 255 反相显示');

结果：

结论：改变图像的对比度是对直方图的缩放与平移，改变图像的亮度则只是平移直方图在横轴上的位置，而反相则是将直方图水平镜像。

---

3、灰度对数变换

3.1、理论基础

对数变换的一般表达式如下：
$$t=clog(1+s)$$
其中 c 为尺度比例常数，s 为源灰度值，t 为变换后的目标灰度值。

由对数函数曲线可知，这种变换可以增强一幅图像中较暗部分的细节，从而可用来扩展被压缩的高值图像中较暗像素，因此对数变换被广泛地应用于频谱图像的显示中。一个典型的应用是傅里叶频谱。

3.2、Matlab 实现

对数变换不需要专门的图像处理函数。下面的例子比较了对傅里叶频谱图像进行对数变换前后的效果：

% 对傅里叶频谱图像进行对数变换
I = imread('pout.jpeg');
F = fft2(im2double(I));     % 计算频谱
F = fftshift(F);
F = abs(F);
T = log(F + 1);     % 对数变换

subplot(1,2,1);
imshow(F,[]);
title('未经变换的频谱');

subplot(1,2,2);
imshow(T,[]);
title('对数变换后');

结果：

经过对数灰度处理的图像，其低灰度区域对比度将会增加，暗部细节被增强。

---

4、伽玛变换

4.1、理论基础

伽玛变换的一般表达式：
$$y=(x$$