直方图变换

最新推荐文章于 2024-03-30 19:58:33 发布
VIP文章 最新推荐文章于 2024-03-30 19:58:33 发布
阅读量6.1k 收藏 8
点赞数
分类专栏： 计算机学科学习笔记
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/u013007900/article/details/78060803
版权

直方图变

直方图拉伸(Histogram stretching)

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非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。这种方法也叫做归一化。

我们将一个灰度范围在 [x,y] 的图像进行直方图拉伸，使其灰度范围变成 [a,b] 。那么对于某个像素点的灰度 z ，变化为 z′ ：

z′=b−ay−x(
最低0.47元/天 解锁文章
SuPhoebe
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
基于直方图变换的图像增强方法
08-15
图像作为一种有效地信息载体，是人类获取和交换信息的主要来源。图像增强是图像处理的重要分支,它对图像整体和局部特征能非常有效地提高.在图像处理中，图像增强技术对于提高图像的质量起着非常重要的作用。
第二章、数字图像处理的基本运算（直方图变换）
qq_41391174的博客
04-29 4008
二、直方图变换 1、直方图定义（1） 一个灰度级在范围[0, L-1]的数字图像，其的直方图是一个离散函数。 n 是图像的像素总数 nk是像素中第k个灰度级的像素总数 rk是第k个灰度级，k=0,1,2，…，L-1。 2、图像直方图例 3、图像直方图定义（2） 一个灰度级别在范围[0, L-1]的数字图像的直方图是一个离散函数。 4、两种图像直方图定义的比较 1、使函数值正则化到[0 ，...
直方图原理与图像数据增强的方法
最新发布
weixin_59168281的博客
03-30 1022
直方图是一种统计工具，用于描述图像中像素的分布情况。它以图形的方式表示不同像素值的频率或出现次数。
直方图变换——查找
Gone_HuiLin的博客
11-18 455
#include #include #include int main() { // 图像获取及验证 cv::Mat srcImage = cv::imread("..\\images\\flower3.jpg"); if( !srcImage.data ) return 1; // 转化为灰度图像 cv::Mat srcGray; cv
直方图的转化
hahahanba的博客
03-14 351
直方图 问题描述：读取图像，然后图像的直方图进行归一化与均衡化。 归一化 归一化直方图的操作被称作灰度变换（Grayscale Transformation）。它描述的是像素点取值范围从[c,d][c,d][c,d]转换到[a,b][a,b][a,b]的过程。下面我们将imori_dark.jpeg的灰度扩展到[0,255][0, 255][0,255]范围： xout={a(ifxin<c)b−ad−c (xin−c)+a(else ifc≤xin<d)b(else) x
图像增强——直方图变换
帅才的博客
12-29 4488
直方图是图像的最基本的统计特征，事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。 1.直方图的定义： 图像的直方图是图像的重要统计特征，是表示数字图像中每一灰度级与该灰度级出现的频率（该灰度像素的数目）间的统计关系。 按照直方图的定义可表示为： ...
直方图变换卷积.zip
05-07
直方图变换，1. 从图像灰度级的分布可以看出一幅图像的灰度分布特性。本次实验需要作出所给图像的 直方图，并进行直方图均衡化处理等操作。 2. 实现卷积功能 MATLAB程序，以及实验步骤
实验四图像增强—直方图变换.pdf
09-30
实验四图像增强—直方图变换.pdf
图像处理中直方图变换
09-29
直方图变换可用于图像对比度增强，平衡变换技术较好。
对比度增强与直方图变换
xiaojiegege123456的专栏
04-18 3500
图像增强（Image Enhancement） 图像增强即增强图象中的有用信息，它可以是一个失真的过程。其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。 注意： 1、图像增
直方图变换手工计算
sun_rui_houqi的博客
10-03 775
一、直方图变换 灰度直方图 最简单、最有用的工具之一。“从对图像的分析与观察，直到形成一个有效的处理方法，都离不开直方图”。直方图：表示数字图像中每一灰度级像素出现的频次（该灰度级的像素数目）。 p(k)=nk nk:图像中第k个灰度级的像素总数 或p(rk)=nk/n n:图像的像素总数 过低、过高灰度级的像素占了绝大部分，对比度过大。直方图反映了图像清晰程度。直方图均匀分布时，图像最清晰。判断一幅图像是否清晰，查看是否合理的利用了全部被允许的灰度级。一幅图像应该尽可能利用全部可能的灰度级。 二、直方
图像基本变换---直方图
bravebean的博客
05-11 2348
本文详细介绍了直方图的相关知识，并 给出了完整程序DEMO的下载链接，跟大家分享一下，希望大家喜欢！
图像处理（〇）直方图修改基础
K.U.N. Guo的专栏
05-03 1979
直方图修改是增强图像的一种方法。为了便于描述，规定图像的灰度级分布在[0,1]范围内。对[0,1]之间内的任意值r进行下面的变换: s = T ( r )                                  （1） 也就是说，原图像的每一个像素灰度值r都可以通过公式（1）得到一个对应的s值。 T(r)要满足两个条件: （1）在r∈[0,1]内，T(r) 是单调增加的； （
直方图变换——累计
Gone_HuiLin的博客
11-18 906
#include #include #include int main() { // 图像获取及验证 cv::Mat srcImage = cv::imread("..\\images\\flower3.jpg"); if( !srcImage.data ) return 1; // 转化为灰度图像 cv::Mat srcGray; cv
直方图及灰度映射
duganlx的博客
03-18 6333
采样和量化 1.采样：一维信号时间轴、二维信号空间轴的数字化 采样频率、采样间隔：空间分辨率 2.量化：一维信号振幅、二维信号振幅、图像明暗的数字化 量化级数/量化数：幅度分辨率 3.信息无损复原，采样间隔多大合适？ 设：采样间隔：T ,量子化数：（n为比特数） 则 无损复原的采样间隔： 【Nyquist frequency:2fmax】【f为频率】 例1：解 无损间隔 T &l...
图像处理之直方图均衡化拉伸
人生海海 山山而川
02-10 3186
详细介绍了图像处理中直方图均衡的原理，并借助OpenCV和GDAL，通过C/C++来直接操作内存buf来底层实现。
图像处理之----直方图处理
xp_fangfei的博客
08-17 1995
在图像处理中，直方图处理包含两种方法：直方图均衡和直方图匹配；接下来将分别对这两种方法进行介绍。 在介绍之前先说一下，直方图处理在图像处理中是用来干什么的：直方图操作主要用于图像增强。 直方图均衡 ...
直方图拉伸和图像均衡
wushuqiong2kyoto的博客
01-20 1126
使用matlab对一幅图像，分别添加不同模板的高斯噪声、椒盐噪声，并进行直方图变换、均值滤波、中值滤波，最后分析滤波效果。代码
06-13
好的，以下是Matlab代码： ```matlab % 读取图像 img = imread('your_image.jpg'); % 添加高斯噪声 gaussian_noise_img = imnoise(img, 'gaussian', 0, 0.01); % 添加椒盐噪声 salt_pepper_noise_img = imnoise(img, 'salt & pepper', 0.02); % 直方图变换 histeq_img = histeq(img); gaussian_noise_histeq_img = histeq(gaussian_noise_img); salt_pepper_noise_histeq_img = histeq(salt_pepper_noise_img); % 均值滤波 mean_filter_img = imfilter(img, ones(3)/9); gaussian_noise_mean_filter_img = imfilter(gaussian_noise_img, ones(3)/9); salt_pepper_noise_mean_filter_img = imfilter(salt_pepper_noise_img, ones(3)/9); % 中值滤波 median_filter_img = medfilt2(img, [3,3]); gaussian_noise_median_filter_img = medfilt2(gaussian_noise_img, [3,3]); salt_pepper_noise_median_filter_img = medfilt2(salt_pepper_noise_img, [3,3]); % 展示结果 figure; subplot(3,4,1);imshow(img);title('原图'); subplot(3,4,2);imshow(gaussian_noise_img);title('高斯噪声'); subplot(3,4,3);imshow(salt_pepper_noise_img);title('椒盐噪声'); subplot(3,4,4);imshow(histeq_img);title('直方图变换'); subplot(3,4,5);imshow(gaussian_noise_histeq_img);title('高斯噪声+直方图变换'); subplot(3,4,6);imshow(salt_pepper_noise_histeq_img);title('椒盐噪声+直方图变换'); subplot(3,4,7);imshow(mean_filter_img);title('均值滤波'); subplot(3,4,8);imshow(gaussian_noise_mean_filter_img);title('高斯噪声+均值滤波'); subplot(3,4,9);imshow(salt_pepper_noise_mean_filter_img);title('椒盐噪声+均值滤波'); subplot(3,4,10);imshow(median_filter_img);title('中值滤波'); subplot(3,4,11);imshow(gaussian_noise_median_filter_img);title('高斯噪声+中值滤波'); subplot(3,4,12);imshow(salt_pepper_noise_median_filter_img);title('椒盐噪声+中值滤波'); ``` 其中，`your_image.jpg` 为你所要处理的图像文件名，需要放在代码所在的文件夹内。 代码中使用 `imnoise()` 函数添加噪声，使用 `histeq()` 函数进行直方图变换，使用 `imfilter()` 函数进行均值滤波，使用 `medfilt2()` 函数进行中值滤波。最后使用 `subplot()` 函数将结果展示在一张图中，方便比较滤波效果。 注意：以上代码只是示例，具体使用中需要根据实际情况进行调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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