直方图均衡化的作用是图像增强。
有两个问题比较难懂,一是为什么要选用累积分布函数,二是为什么使用累积分布函数处理后像素值会均匀分布。
第一个问题。均衡化过程中,必须要保证两个条件:①像素无论怎么映射,一定要保证原来的大小关系不变,较亮的区域,依旧是较亮的,较暗依旧暗,只是对比度增大,绝对不能明暗颠倒;②如果是八位图像,那么像素映射函数的值域应在0和255之间的,不能越界。综合以上两个条件,累积分布函数是个好的选择,因为累积分布函数是单调增函数(控制大小关系),并且值域是0到1(控制越界问题),所以直方图均衡化中使用的是累积分布函数。
第二个问题。累积分布函数具有一些好的性质,那么如何运用累积分布函数使得直方图均衡化?比较概率分布函数和累积分布函数,前者的二维图像是参差不齐的,后者是单调递增的。直方图均衡化过程中,映射方法是
其中,n是图像中像素的总和,是当前灰度级的像素个数,L是图像中可能的灰度级总数。
来看看通过上述公式怎样实现的拉伸。假设有如下图像:
得图像的统计信息如下图所示,并根据统计信息完成灰度值映射:
映射后的图像如下所示:
以上就是直方图映射均衡化的步骤,当然还有一些基于此的更优算法,比如Photoshop中的方法,在此就不一一列举了,大同小异。
下附源码:
View Code
实验结果:
实现方法一:
hisi 3559av100的 ive 提供 HI_MPI_IVE_EqualizeHist 函数接口,可以实现
方法二:
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
int main()
{
system(“color 1A”);
Mat srcImage, dstImage;
srcImage = imread(“C:/Users/hasee-pc/Desktop/night.jpg”, 1);
cvtColor(srcImage, srcImage, COLOR_BGR2GRAY);
imshow("原始图", srcImage);
equalizeHist(srcImage, dstImage);
imshow("经过直方图均衡化后的图", dstImage);
waitKey(0);
return 0;
————————————————
版权声明:本文为CSDN博主「OOPABC」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/lvcuncc/article/details/84885666
本文参考:
http://blog.csdn.net/rushkid02/article/details/9178117
http://blog.csdn.net/zrongh/article/details/7302816 直方图均衡化原理
http://bbs.ednchina.com/BLOG_ARTICLE_219471.HTM 直方图均衡化