直方图均衡化的MATLAB实现
1、回顾----直方图均衡化
- 基本原理
直方图均衡化方法的基本思想是:
对在图像中像素个数多的灰度级进行展宽,而对像素个数少的灰度级进行缩减,从而达到清晰图像的目的
因为灰度分布可在直方图中描述,所以该图像增强方法是基于图像的灰度直方图。 - 直方图均衡化的处理步骤
①求待处理图像的直方图h
②计算原图的灰度分布概率hs → h s ( i ) = h ( i ) / N f hs(i)=h(i)/N_f hs(i)=h(i)/Nf N f = m ∗ n N_f=m*n Nf=m∗n
Nf--图像f的总体像素个数 (m,n分别为图像的长和宽)
hs--每个灰度级的分布概率,即每个像素在整个图像中所占的比例 (i=0,1,…,255)
③计算原图灰度的累计分布hp → h p ( i ) = ∑ k = 0 i h s ( k ) h_p(i)=\displaystyle\sum_{k=0}^{i}h_s(k) hp(i)=k=0∑ihs(k)
(i=0,1,…,255)
④计算原、新图灰度值的影射关系
⑤原、新图灰度直方图比较
2、代码实现
实现程序如下图所示:
直方图均衡化函数:
% 直方图均衡化
% 相比于非线性动态范围调整,效果好,不需要参数
% F = 'img\pict1.png';
% [G] = dip(F);
% function [G] = imhisteq(F)
function [G] = dip(F)
F = imread(F); % 读入图像,存放在图像矩阵F中
[M,N,K] = size(F); % 获得输入图像尺寸
if(K>1)
F = rgb2gray(F); % 将RGB 图像或颜色图转换为灰度图
end
F = double(F);
hist_0 = GetImHist0(F,256)'; % 求直方图
hist_1 = hist_0/(M*N); % 求灰度分布概率
hp0 = cumsum(hist_1); % 求原图灰度累计分布 MATLAB中cumsum可用于求累计和
hp1 = round(hp0*255); % 原新图的映射 round函数:四舍五入
hp1(1) = 0; % 第1个元素强制设为0
% 求出每一个像素点的灰度值F(i,j),赋给新图像的对应像素值G(i,j)
for i=1:M
for j=1:N
GrayScale = F(i,j); % 原图灰度值
NewGrayScale = hp1(GrayScale+1);
G(i,j) = NewGrayScale;
end
end
% 将计算得到的新图像矩阵中所有点的灰度值由double转换为uint8,输出图像
figure,imshow(uint8(F));title('原图');
figure,imshow(uint8(G));title('直方图均衡化后的图像');
end
直方图函数:
% 求直方图--要求输入灰度图,单颜色通道
function counts = GetImHist0(Im,nbins)
% nbins箱子 区间的个数
[row,col,cChannel] = size(Im);
% cChannel颜色通道
counts = zeros(nbins,1);
minV = 0;
maxV = 255;
if(cChannel>1)
disp('Input error');
else
Im = double(Im);
Im2 = reshape(Im,row*col,1);
delta = (maxV-minV)/nbins;
splitVs = 0:nbins;
splitVs = splitVs*delta;
i=1;
ind = find(Im2>=splitVs(i) & Im2<=splitVs(i+1));
counts(i) = length(ind);
for i = 2:nbins
ind = find(Im2>splitVs(i) & Im2<=splitVs(i+1));
counts(i) = length(ind);
end
end
end
命令行窗口输入如下代码:
F = 'img\pict1.png';[G] = dip(F);
代码执行结果: