直方图规定化：单映射规则、组映射规则的手动求解过程

最新推荐文章于 2024-06-28 21:21:31 发布
最新推荐文章于 2024-06-28 21:21:31 发布
阅读量4.6k 收藏 56
点赞数 14
分类专栏： 本科笔记 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46126258/article/details/120845156
版权
Nefu_lyh
关注
专栏目录
【图像处理】——图像增强Python实现直方图均衡化
python_AI_fans的博客
07-07 5433
简单来说就是使得灰度在不同灰度级别出现的概率更加的均匀均衡的意思就是使得每一个灰度级别的像素点个数是一样或者相近的，这时候灰度累积直方图是一条直线，这时候出现的频率相近则灰度级别类别也就多了，出现的次数也差不多，能够增加图像的对比度，均衡化常用于偏暗和偏亮的图像处理
计算机视觉（二）：直方图均衡
tb店铺搜：FUN STORE玩物社，专业买手挑选送礼好物
09-30 2311
一、灰度空间的直方图均衡1.直方图2.变换函数应满足条件3.变换函数4.直方图均衡二、彩色空间的直方图均衡三、代码实现（Python+OpenCV)1.灰度图像2.彩色图像 一、灰度空间的直方图均衡 1.直方图       灰度级范围为[0,L-1]的数字图像的直方图是离散函数 h(rk)=nkh(r_k
直方图规定化：SML和GML
zhangxue1232的博客
05-23 8087
1.单映射规则（SML） 当采用SML映射时，从原始累计直方图向目标累计直方图进行，分别在每一列中找到最小值第一次出现的数的行号。在目标累计直方图中找到与原始累计直方图第一次出现的差值最小的数的行号。然后将原始直方图中灰度级为该列的像素点映射到该行号上。 2.组映射规则(GML) 当采用GML映射时，从目标累计直方图向原始累计直方图进行，找到最小值第一次出现的列号，目标累计直方图从下一个灰度级开始，在原始累计直方图中找到与第一个该灰度级最接近的值。在原始累计直方图中上一个...
直方图规定化与MATLAB对比_单映射组映射_matlab图像处理_直方图规定化_
09-30
直方图规定化函数实现，与MATLAB对比，结果一致，直方图规定化需要单映射SML与组映射GML。
python图像处理实验：图像增强
最新发布
qq_52174546的博客
06-28 533
换言之，直方图均衡化的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并，从而增大对比度，使图像清晰，达到增强的目的。组映射与单映射反过来，以原图的为基准，让规定图的去查找原图中累计概率密度的差值的绝对值最小的哪个灰度级，依次为一个分别，让从0到这个灰度级之间的所有灰度级都映射到当前的规定图的灰度级，然后更新边界，直到下一次找到最小的边界。其中，r为灰度图像的输入值（原来的灰度值），取值范围为[0,1]。
直方图规定化：单映射、组映射的求解过程
欢迎关注，共同进步！
11-11 4863
定义如下图： 例题 1： 例题2： 以上均为个人理解，如有错误还请指正！ 参考自文章：机器视觉-直方图规定化_锕個的博客-CSDN博客https://blog.csdn.net/zhangxue1232/article/details/117200268 ...
【图像处理笔记】直方图匹配（规定化）
lc__________的博客
09-01 8591
直方图均衡化，可以无需参数，自动寻找变换函数，从而自动的的增强整个图像的对比度，简单易行便于实现，结果可预知，但是增强的效果不受控制，处理的结果总是得到全局均衡化的直方图。 而实际上呢，有时候，我们需要变换直方图，使之成为某个特定的形状，从而有选择的增强某个灰度范围内的对比度。这时，就可以采用本文介绍的这种，比较灵活的直方图匹配（直方图规定划）。
三、数字图像处理之直方图规定化实例
Liaojiajia-Blog
04-09 1万+
直方图规定化实例 上一讲说明了直方图规定化的基本原理及步骤，这次来说说具体的例子。 直方图均衡化并不能适用于所有的情况，特别是，能够规定在进行处理后想要的图像直方图的形状，这在某些应用中是非常有用的。生成具有特定直方图的图像的方法，被称作直方图匹配法或直方图规定化。 直方图均衡化数学公式： 要变化到直方图规定化公式： 由输入图像得到T（r），由此得出结论：只要找到H-1，就能利用前面的等式得到...
直方图匹配（规定化）
执剑者罗辑的博客
01-31 8551
1. 直方图匹配 在上一篇中，我们使用matlab完成了直方图的均衡化，在这一篇中，我们要实现图像的直方图匹配。与直方图均衡不同的一点是，直方图匹配要得到的是具有特定形状的直方图的图像。 当图像中接近0的像素过多，进行直方图均衡的时候，会导致统计概率变大，直接映射到高灰度，直接导致图像整体变量，达不到原来想要的结果，此时就需要使用直方图匹配，让变化后的图像具有特定的直方图。有时候，我们
深入理解直方图均衡化
02-07
4. **构建新的直方图**：利用找到的映射函数f(x)，我们可以将图像A的每个像素值x映射到新位置f(x)，从而创建一个新的直方图，这就是直方图均衡化后的图像B的直方图。 5. **生成新的图像**：最后，根据映射函数f(x)...
直方图均衡化、自适应直方图均衡化
热门推荐
jyt1129的博客
03-19 1万+
一、直方图均衡化 简述 直方图均衡化的英文名称是：Histogram Equalization.  　　图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或
图像直方图的规定化处理（SML算法）
04-27
图像直方图的规定化处理（SML算法），和大家分享一下。
直方图规定化
04-29
直方图规定化代码 C++ Opencv 直方图均衡化
使用C++实现彩色图像直方图均衡化的三种方法
湫一
11-08 6958
引言 本文主要介绍如何实现彩色图像的直方图均衡化，达到图像增强效果的三种方法： 1. 对RGB三个通道图像分别进行直方图均衡化，然后再合并三个通道； 2. 提取RGB三个通道图像，计算其平均直方图结果，然后再进行均衡化； 3. RGB空间转为HSI空间图像，对I（亮度，Intensity）通道进行直方图均衡化，再转为RGB图像。 第一种方法不推荐，会破坏色彩结构；根据情况选择第2，3种方...
【数字图像处理】直方图规定化（含实现代码）
土小豆的博客
05-17 1万+
本文在上一节学习直方图均衡化的基础上，介绍了对直方图进行处理的一种新方法：直方图规定化，系统地讲解了直方图规定化的定义、作用，应用及实现原理等，并采用C++语言和OpenCV编写算法代码，进行了演示。
直方图均衡化and直方图规定化
qq_30107189的博客
07-20 1221
1号是灰度级，2号是处于该灰度级的数量，3号是求概率，4号是概率的累计 灰度级对应公式： 原灰度级=int[(L-1)Sk+0.5]=新灰度级 Sk是原灰度级的累积函数，L是灰度级数。 均衡化之后的效果图 原始灰度级像素对应均衡化之后的图像像素。 直方图规定化，将原始图像的直方图变换为特定图像的分布形式，达到增强图像的目的。
直方图规定化——GML和SML映射规则
Rjex
01-19 1万+
GML和SML原理 GML规定化（组映射） 先列出图像灰度值i,j,计算原始直方图Pr(i),列出规定直方图Pz(j),计算原始累计直方图Pi和规定累计直方图Pj，然后按照Pj到Pi寻找最接近的值存储为j，当满足给定的值多于一个时，按惯例取最小值。确定变换关系为i->j,最后列出匹配直方图P(j)。 SML规定化（单映射） 先列出图像灰度值i,j,计算原始直方图Pr(i),列出规定直方图Pz...
直方图处理--规定化
xyk2795950571的博客
11-17 1806
直方图规定化是一种用于调整图像对比度和亮度的方法，通过将图像的像素值映射到目标直方图的过程来实现。增强对比度：直方图规定化可以显著改善图像的对比度，使得图像中的细节更加突出。调整亮度：通过匹配目标直方图，可以调整图像的亮度分布，使得图像更贴近期望的亮度效果。保留图像特征：在规定化过程中，图像的整体特征和结构通常能够得到保留，只是对比度和亮度发生了调整。信息丢失：直方图规定化可能会导致原始图像中的一些细节和信息丢失，特别是在目标直方图与原始直方图差异较大的情况下。
灰度图直方图均衡化的步骤
08-30
### 回答1： 灰度图直方图均衡化的步骤如下： 1. 将图像转化为灰度图：如果图像是彩色图像，那么需要将其转化为灰度图。 2. 计算直方图：对于灰度图像，我们需要计算它的直方图，这将告诉我们图像中每个灰度级别的像素数量。 3. 计算累计直方图：接下来，我们需要计算累计直方图，它表示图像中灰度级别小于等于给定灰度级别的像素数量。 4. 计算转换函数：使用累计直方图计算转换函数，该函数将图像中的每个灰度级别映射到新的灰度级别。 5. 应用转换函数：最后，我们需要使用转换函数将图像中的每个像素的灰度级别进行转换，从而得到均衡化后的图像。 以上就是灰度图直方图均衡化的步骤。 ### 回答2： 灰度图直方图均衡化是一种用于增强图像对比度的方法，下面是它的步骤： 1. 将彩色图像转换为灰度图像：根据图像的亮度信息，将彩色图像转换为灰度图像。这样可以减少计算量，并且更容易进行直方图均衡化操作。 2. 计算原始图像的直方图：统计灰度图像中每个灰度级别的像素数量，得到原始图像的直方图。 3. 计算累积直方图：对原始图像的直方图进行累积操作，得到累积直方图。累积直方图可以用于后续的均衡化计算。 4. 计算像素映射函数：根据累积直方图计算像素映射函数。像素映射函数用于将原始图像中的每个像素值映射到均衡化后的像素值。 5. 应用均衡化映射：遍历原始图像的每个像素，使用像素映射函数将原始像素值转换为均衡化后的像素值。 6. 计算均衡化后的直方图：统计均衡化后图像中每个灰度级别的像素数量，得到均衡化后的直方图。 7. 可选的限制动态范围操作：根据需要，可以对均衡化后的图像应用限制动态范围操作，来进一步调整图像的对比度。 通过以上步骤，可以将原始图像进行直方图均衡化，增强图像的对比度，使得图像更加清晰和易于分析。 ### 回答3： 灰度图直方图均衡化，是指对一幅灰度图像的像素进行重新分布，使其直方图呈现均匀分布的过程。下面是灰度图直方图均衡化的步骤： 1. 将灰度图像转换成灰度直方图。首先，将灰度图像进行灰度分级，将像素值的范围分成0~255个区间，然后统计各个像素值所占的像素数量。得到灰度直方图。 2. 计算累积分布函数。通过对灰度直方图进行累积求和，得到累积分布函数。累积分布函数的值可表示为原直方图中小于等于某个像素值的像素所占总像素的比例。 3. 进行直方图均衡化。使用累积分布函数对原灰度图像进行像素值变换。对于原图像中的每个像素，计算其对应的累积分布函数值并乘以255（像素值范围）。得到新的像素值。 4. 更新灰度直方图。根据新的像素值重新计算灰度直方图。 5. 显示直方图均衡化后的图像。将更新后的像素值重新绘制成一幅新的图像，即为直方图均衡化后的图像。 总结：灰度图直方图均衡化的步骤包括：灰度直方图的计算、累积分布函数的求解、像素值的变换、灰度直方图的更新以及最终结果的显示。通过这些步骤，可以改善图像的对比度，使得图像中的细节更加清晰，更有利于后续的图像处理和分析。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值