【数字图像处理】MATLAB实现直方图均衡化

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 → $hs(i)=h(i)/N_f$     $N_f=m\ast n$
     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 → $h_p(i)=\sum _{k=0}^i{h}_s(k)$
     (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：