数字图像处理学习笔记2：图像增强之直方图处理（直方图均衡，直方图匹配）

---

前言

直方图反映了图像整体灰度级的分布情况。

---

一、直方图均衡

使图像的灰度级分布更加均衡。

1.处理公式

（1）直方图均衡的原理还是通过对灰度级变换得到均衡后的图像灰度级：

 s=T ( r )                           （1）
 r为原图灰度级，s为变换后的灰度级，T为变换函数

在直方图处理中使用灰度级对应的概率密度函数（PDF）来进行计算，处理前后的灰度级的概率密度函数分别表示为$p_r(r)$, $p_s(s)$。

---

（2）若$p_r(r)$和$T(r)$为已知，则有：
$$p_s(s)=p_r(r)|\frac{ds}{dr}|（2）$$
此处公式来自于概率论：
其中h(y)是g(x)的反函数
由（1）式：$r=T^{-1}(s)$

---

（3）matlab中特别重要的变换函数如下：
$$s=T(r)=(L-1){\int }_0^r{p}_r(w)dw（3）$$
此处L为灰度级总数，w是积分的假变量。

---

（4）由（1）式和（3）推导得：
$$\frac{ds}{dr}=\frac{dT(r)}{dr}=(L-1)\frac{d}{dr}[{\int }_0^r{p}_r(w)dw]（4）$$

---

（5）将（4）式带入（2）式得：
$$p_s(s)=p_r(r)|\frac{ds}{dr}|=p_r(r)|\frac{1}{(L-1)p_r(r)}|=\frac{1}{L-1}（5）$$
由（5）式，最终得到的$p_s(s)$是均匀的，且与$p_r(r)$的形式无关。

---

（6）以上是连续函数的表达式，但在图像中，表现为离散数据，在图像中中有：
$$p_r(r_k)=\frac{n_k}{MN},k=1,2,,,L-1$$
M，N分别图像的长宽像素值，MN即图像总像素数。$n_k$为灰度值=k得像素数。与$r_k$相对应的$p_r(r_k)$成为图像的直方图。

---

（7）综上，（3）式变为：
$$s_k=T(r_k)=(L-1)\sum _{j=0}^k{p}_r(r_j)=\frac{(L-1)}{MN}\sum _{j=0}^k{n}_j,k=1,2,,,L-1$$
变换$T(r_k)$成为直方图均衡或直方图线性变换

---

2.MATLAB代码

代码如下（示例）：

clc;clear;close all
im1=imread('1.jpg');  %读取图像：彩色图
figure
imshow(im1)
im2=rgb2gray(im1);    %获得灰度图
figure
imshow(im2)
im3=histeq(im2);       %直方图均衡
figure
imshow(im3)
im4=adapthisteq(im2);  %自适应直方图均衡
figure
imshow(im4)
im5= imadjust(im2)     %这个也能对图像的对比度进行调节
figure
imshow(im5);

---

二、直方图匹配（规定化）

使图像的直方图变换成我们想要形状的直方图称为直方图匹配或直方图规定化

1.处理原理

通过步骤可以由一幅给定图像得到灰度级具有指定概率密度函数的图像：

1.由输入图像得到$p_r(r)$，并由式(3.3-10)求得s的值。
2.使用式(3.3-11)中指定的PDF求得变换函数G(z)
3.求得反变换函数z=G’(s):因为z是由s得到的，所以该处理是s到z的映射，而后者正是我们期望的值。
4. 首先用式(3.3-10)对输入图像进行均衡得到输出图像:该图像的像素值是s值。对均衡后的图像中具有s值的每个像素执行反映射z=G’(s)，得到输出图像中的相应像素。当所有的像素都处理完后，输出图像的 PDF将等于指定的 PDF

公式3.3-10,3.3-11,3.3-12由下图给出：
来自数字图像处理第三版

---

2.图像中具体处理步骤

公式和步骤由下图给出