1.数字图像处理——对比度增强

对比度增强

提前规定：输入图像为?，宽为?，高为?，输出图像?，??,?为输入图像?的 ?行?列像素灰度级，??,?为输出图像?的?行?列像素灰度级，0≤?≤?,0≤?≤?

 

灰度直方图

灰度直方图描述了一幅图像中每个灰度级在图像中占据的像素个数或者是比率，利用灰度直方图，通过数学方法，我们可以很容易的实现图像的处理

1.1线性变换

输入图像为?,宽为?，高为?,输出图像? ,图像的线性变换可以表示为

??,?=?∗??,?+?,0≤?≤?,0≤?≤?

优点：简单易懂

缺点：通过该方法可以调整图像的对比度，但是参数?,?需要根据自己实际图像进行多次测试来确定，比较繁琐

 

1.2直方图正则化

直方图正则化，依据了统计学原理，来进行图像的对比度调整：

一般规定????=255；????=0

 

优点：直方图正规化自动选取?,?的线性变换

缺点：1.变换后图像的灰度级减少，某些细节消失；2.某些图像，如直方图有高峰，经处理后对比度不自然的过分增强

 

 

1.3 伽马变换

 

伽马变换的方法，首先将灰度值诡异到[0.1]范围，??,?表示归一化之后的像素值

??,?=??,??，0≤?≤?,0≤?≤?

输出图像不变：伽马=1

输入图像整体过暗，可以调整令 0<γ<1, 来增加对比度

输入图像整体过暗,  可以调整令   γ>1对比度

优点：提升对比度效果比较好

缺点：需要手动调整γ值

 

1.4 全局直方图均衡

原图 ? 的直方图是各个像素级分布不均匀，导师对比度出现问题，全局直方图均衡使得输出图像?的像素均匀分布在每一像素级别，输出图像?的对比度达到一个比较好的效果。

全局直方图均衡就是在做这个工作，找出亮度级别为p的输入像素到亮度级别为q的输出像素的映射，最终使得输出图像?的像素均匀分布在每一像素级别。

所以推得：

1.5限制对比度的自适应直方图均衡化

将图形划分为不重叠的区域，单独对每个区域做直方图均衡化。为了避免每个区域中的噪声被放大，使用限制对比度的方法，某点像素值超过了该区域的限制对比度，则将起均匀分配给该区域中其他的像素点。