直方图均值化

最新推荐文章于 2023-04-12 22:26:25 发布
最新推荐文章于 2023-04-12 22:26:25 发布
阅读量1.1k 收藏 2
点赞数
分类专栏： 图像处理 文章标签： 图像处理
原文链接：https://zhuanlan.zhihu.com/p/44918476
版权

直方图均衡化 图像对比度 灰度图 视觉增强 均匀分布
关键词由CSDN通过智能技术生成

直方图均衡化(Histogram Equalization)是一种增强图像对比度(Image Contrast)的方法。
主要思想是将一副图像的直方图分布变成近似均匀分布，从而增强图像的对比度。
1、直方图均衡化与对比度增强
图片是一张338 * 600的灰度图。可以看出汽车与背景都是雾蒙蒙的看不清楚，整张图片偏暗，并且汽车与背景(地面、房屋)区别不是很明显。
在这里插入图片描述
将其直方图绘制出来，其灰度绝大多数分布在100~180之间。
在这里插入图片描述
直方图均衡化要做的就是让直方图尽可能地均匀分布在0~255内。
在这里插入图片描述
在这里插入图片描述
2、直方图均衡化(HE)原理和实现
在这里插入图片描述
上面公式可以理解为对应区间内像素点总数不变。

实现直方图均衡化：
在这里插入图片描述
未完待续
https://zhuanlan.zhihu.com/p/44918476

qqq777_
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
图像直方图均值化处理
01-04
直方图是一个离散函数，它表示数字图像每一灰度级与该灰度级出现频率的对应关系。有的图像的灰度直方图在低值灰度区间上频率较大，使得图像中较暗区域中的细节常常看不清楚。为了使图像清晰，可将图像灰度范围拉开，并且让灰度频率较小的灰度级变大，即让灰度直方图在较大的动态范围内趋于一致
直方图均值化处理图像
11-30
代码实现了打开一个bmp位图文件，然后进行均衡化处理。
图像处理之直方图均值化
星影L的博客
08-24 5967
在图像处理中时常会用到图像像素的直方图，但是，一般情况下我们只会使用直方图做为二值化图像的根据，很少会想到处理图像的直方图也可以使图像对比度增加，达到显著的效果。这就是直方图的均值化。 首先，我们从图像的直方图说起。什么是直方图？图像直方图，是指对整个图像像在灰度范围内的像素值(0~255)统计出现频率次数，据此生成的直方图，称为图像直方图。直方图反映了图像灰度的分布情况。是图像的统计学特征。
直方图统计与均值化
b站：https://space.bilibili.com/36070349?spm_id_from=333.1007.0.0 知乎：https://www.zhihu.com/people/li-shao-zhuo-19
04-02 3748
文章目录直方图统计与直方图均值化：1 直方图统计2 均衡化直方图与图像 直方图统计与直方图均值化： 1 直方图统计 研究：对该图像进行直方图统计，并画出直方图。 假设：该图像的直方图主要分布在0-256区间的左边。 假设的原因：该图像颜色整体是暗色。 实验分析： 数字图像本质是矩阵，定义像素灰度值区间为0-256获得图像的行和列，依次统计像素灰度值的个数。 import cv2 import numpy as np import matplotlib.pyplot as plt def histogra
直方图均衡化
schwein_van的博客
11-29 11万+
引言 图像的空域处理是一种重要的图像处理技术，这类方法直接以图像的像素操作为基础，主要分为灰度变换和空域滤波两大类，直方图均衡化（Histogram equalization）就是一种常用的灰度变换方法。 直方图 对于灰度级（intensity levels）范围为[0,L−1][0, L-1][0,L−1]的数字图像，其直方图可以表示为一个离散函数h(rk)=nkh(r_k)=n_kh(rk​)...
图像处理算法 之 直方图均衡化
流觞时光
09-28 4041
1、 直方图 对于一幅图像的每个灰度级的像素个数进行统计，得到每个灰度级占整张图像的比例： n_k为灰度等级k的像素数量，N为整幅图像的像素数总和。 将各个灰度级的像素数量绘制为条形图就是直方图了 2、 直方图均衡化 一幅对比度较小的图像其直方图分布一定集中在一个比较小的灰度级范围内，想要更好多的展现图像的细节信息，可以对直方图进行均值化，使得各个灰度级的占比(大致)相同，这样就加大了图像的对比度。 直方图均衡化实现： 由直方图可以得到灰度等级的离散概率分布函数： 而根据灰度量化级数M得到各个等级的量化
MATLAB.rar_直方图均值化
07-14
灰度直方图，中值滤波，均值化等等图像基础处理方法。。经验证，可用
用matlab实现直方图均衡化、平滑滤波、均值滤波
06-28
在图像处理领域，直方图均衡化、平滑滤波和均值滤波是常见的预处理技术，用于改善图像质量，增强视觉效果。MATLAB作为一款强大的数学计算和数据分析工具，提供了丰富的图像处理函数，同时也允许用户自定义算法来实现...
作业一：彩色图像的直方图均衡化.zip
12-15
在图像处理领域，直方图均衡化是一种常用的增强图像对比度的方法，尤其对于低对比度图像效果显著。本文将深入探讨直方图均衡化的概念、原理以及如何在MATLAB环境中实现这一过程，同时结合给定的作业内容进行分析。 ...
opencv学习笔记--直方图的均值化
恒持此志成永志
08-22 2911
opencv中图像的均值化都是基于灰度图的。 直方图的均值化能提高图片的对比度。     下面介绍两种方法 自带函数均值化 cv.equalizeHist() 参数： 输入一个8比特的单通道图像 自定义均值化 上述的直方图均衡化可以可能到是一种全局意义上的均衡化，但是有的时候这种操作并不是很好，会把某些不该调整的部分给调整了。Opencv中还有一种直方图均衡化，它是一种局部局部来的均...
彩色图像的直方图均值化
何解然_K|user
03-31 507
可以看到 src[:,:,0]与cv.split()的第一个分量是相等的，与src[0]并不相同 import cv2 as cv import numpy as np import matplotlib.pyplot as plt src=cv.imread("C:/Users/surface/Downloads/svmtest/view.jpg") # cv.imshow...
OPENCV图像直方图以及均值化
tugouxp的专栏
05-29 1470
直方图是我们在照片中使用来查看图像中每个值有多少像素，照片中的每个像素的值都从0(黑色)到255(白色)，图的左侧代表音阶的暗色调，右侧代表较亮的色调。在彩色摄影中，每个像素对于每种颜色都有其自己的值(0-255)。图片中的直方图显示了每种颜色(红色，蓝色和绿色)的像素值分布. 图像直方图，也叫灰度直方图，反映了图像像素分布的统计特征，是图像处理中简单有效的工具，图像直方图广泛地应用于图像处理的各个领域，如：特征提取，图像匹配，灰度图像的阈值分割，基于颜色的图像检索以及图像分类。 图像的直方图的形态很大
图像处理-直方图均衡化
chi's blog
04-27 659
直方图均值化; 要求： 1、不改变像素之间的相对亮度大小 2、处理后的像素值分布在0-255之间 3、将图像的灰度区间拉大，增强对比度让图像更清晰 步骤： 1、统计图像中每个灰度级的像素个数 2、计算每个灰度级的累计概率分布（0-1） 3、依据累计分布值计算其对应的灰度值（0-255） 4、映射回原来坐标的像素值 代码： 一、基础的图像操作 import cv2 import numpy as np import matplotlib.pyplot as plt # ope
【数字图像处理】直方图均衡化
专注人工智能，主攻CV
04-12 1万+
综上所述，CLAHE 是一种比较优秀的图像增强算法，可以有效地保留图像的局部细节信息，但其计算量较大，对算法的参数设置较为敏感，需要进行合理的参数设置和优化。限制对比度自适应直方图均衡化（CLAHE）是一种改进的直方图均衡化算法，它通过在图像的局部区域内进行直方图均衡化，以保留图像的局部细节信息。直方图均衡化的目的是将一幅图像的直方图变成一个均匀分布的直方图，从而增强图像的对比度。总的来说，直方图均衡化的数学原理就是通过对原始图像的直方图进行变换，将其变成一个均匀分布的直方图，从而增强图像的对比度。
【图像处理算法】直方图均衡化
热门推荐
GQ
03-26 22万+
参考文献： Rafael C. Gonzalez, Richard E. Woods，Digital Image Processing (Third Edition) 胡学龙. 数字图像处理（第三版） 左飞. 图像处理中的数学修炼 目录 直方图均衡化的介绍 直方图的概念 直方图均衡化的理论基础 手工实现直方图均衡化 MATLAB上实现直方图均衡化 直方图均衡化的缺点 直方图均衡...
python直方图均值化
最新发布
09-15
Python直方图均衡化是图像处理中的一种操作，可以使图像的灰度值分布更加均匀，增强图像的对比度和细节。在Python中，可以使用PIL库和matplotlib库来实现直方图均衡化操作。 首先，使用PIL库读取图像并将其转换为灰度图像。然后，使用matplotlib库的hist函数绘制原图像的直方图。接下来，使用PIL库中的histeq函数对图像进行直方图均衡化处理，并将处理后的图像保存到img2变量中。最后，再次使用matplotlib库绘制处理后的图像以及其对应的直方图。 下面是一段实现图像直方图均衡化的Python代码示例： ```python # 利用PIL库读取图像 from PIL import Image import matplotlib.pyplot as plt import numpy as np # 将图像转成灰度图并读取到数组中 img = np.array(Image.open('./pictures/pp.jpg').convert('L')) # 使用matplotlib的库绘制图片进行显示 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.figure() # 新建一个图像 plt.subplot(2, 2, 1) plt.imshow(img, cmap='gray') plt.title('原图') plt.axis('off') # 不显示坐标轴 plt.subplot(2, 2, 2) plt.imshow(img2, cmap='gray') plt.title('均衡化之后图像') plt.axis('off') plt.subplot(2, 2, 3) plt.hist(img.flatten(), 128) plt.title('原图直方图') plt.axis('off') plt.subplot(2, 2, 4) img2 = np.array(img2) plt.hist(img2.flatten(), 128) plt.title('均衡化之后图像直方图') plt.axis('off') plt.show() ``` 通过这段代码，你可以看到原始图像、直方图均衡化后的图像以及两者对应的直方图。这样可以直观地观察直方图均衡化对图像的影响。
评论
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