直方图匹配的数学原理

数字图像处理 专栏收录该内容
5 篇文章 2 订阅

直方图匹配的数学原理

1.绪论:

直方图匹配的数学原理,与直方图均衡化有密切的联系,建议看明白直方图均衡化(参考博主的另一篇博客直方图均衡化的数学原理),再看直方图匹配,文中图像截取自数字图像处理-冈萨雷斯-第三版,该书翻译一般,可以中英文对照。

注意:仔细耐心的看完,一定会明白其中的原理。

2.变量符号说明:

s=T(r),r为输入灰度级,s为输出灰度级,T为灰度变换函数(直方图处理也是灰度变换),ps(s)为s的概率密度函数,pr(r)为r的概率密度函数。

3.直方图均衡化的灰度转化函数的推导:

现在我们考虑直方图均衡化要做什么,要达到什么目的。即:完成下面的转化,从a->b(下面的图)。输入灰度级0≤r≦L-1,输出灰度级0≤s≦L-1,L为2的幂,8比特灰度级L=256。我们要求s的概率密度函数所围成的面积为1,所以ps(s)(s的概率密度函数ps,下角标打不了)应该=1/L-1。

现在已知ps(s)=1/L-1,我们想要求出灰度变换函数T,需要寻求一个关系。r,s都是随机变量,且s=T(r),那么s的概率密度函数与r的概率密度函数有什么关系呢?也就是如何求一个随机变量函数的概率密度函数。

这里我们知道了:,公式推导得到s与r的关系,即知道了直方图均衡化的灰度变换函数T。

4.直方图匹配的核心思想:

直方图匹配要求实现:输出的图像具有规定的直方图的形状。

一般情况的灰度变换,只需要一次映射:r->s,例如直方图均衡化。而直方图匹配,需要两次映射,r->s->z。这里的z是什么,看完本文就能知道。

直方图均衡化的T是什么呢?由上面我们知道,是r的累积分布函数×系数L-1(CDF,补充:概率密度函数是PDF)。一个随机变量r,通过累积分布函数所求得的是什么?也是随机变量,记为m(随机变量r的累积分布函数也是一个随机变量)。那么m的概率密度函数是什么呢?答案是常数1(与上面的公式推导一样,从后到前的过程,唯一的区别是系数)。也就是说m与r的PDF的形式无关。s=(L-1)*m,所以,s与r的PDF的形式无关。

s与r的PDF的形式无关,意味着什么呢?

z是另一个随机变量,而pz(z)不管是什么形式。z的累积分布函数=r的累积分布函数,也就是说pz(z)是我们事先就规定好的,即z的直方图的形状是提前规定好的。这样通过下面的式子完成了r->s->z。

5.直方图匹配详细介绍:

参考书籍:

 

【1】:数字图像处理-冈萨雷斯-第三版

【2】:《概率论与数理统计》浙大版(第四版)

 

评论 5 您还未登录,请先 登录 后发表或查看评论
©️2022 CSDN 皮肤主题:编程工作室 设计师:CSDN官方博客 返回首页

打赏作者

nachifur

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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、C币套餐、付费专栏及课程。

余额充值