【图像处理笔记】直方图匹配（规定化）

本文会涉及到一些和直方图均衡相关的公式推导以及编程实现，这部分内容在这以下这篇博文中已经详细说明过了：

【图像处理笔记】正方图均衡 http://blog.csdn.net/u013162930/article/details/48087527

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）。

现在，我们暂时回到连续灰度r 和z （看成是连续的随机变量）并且Pr（r）和Pz（z）表示它们所对应的连续概率密度函数。在这种表示方法中，r 和z 分别代表输入图像和输出图像的灰度级。我们可以由给定的输入图像估计出Pr（r），而Pz（z）是我们希望输出图像所具有的指定概率密度函数。

令S为一个有着如下特性的随机变量：

w为积分假变量。上式是直方图均衡的连续形式。

接着我们定义一个有如下特性的随机变量Z：

其中，t为积分假变量。

由以上两个等式可知，G（z） = T（r），因此，z也必须满足以下的条件

一旦由输入图像估计出Pr（r），变换函数T（r）就可以由得到。

类似地，因为Pz（z）已知，变换函数G（z）可由得到。

上面的证明过程表明，按照上面的步骤，可由一幅给定图像得到一幅其灰度级具有给定概率密度函数的图像。

直方图规定化，在原理上并不复杂，但是有一个困难是寻找T（r）和G-1的有意义的表达式。

幸运的是，在处理离散量时，问题可以被大大的简化。处理离散量时，仅希望得到一个近似的直方图，所以付出的代价与直方图均衡一样。不去考虑这些代价的话，我们可以得到一些非常有用的结果，尽管是粗糙近似的。

离散形式的直方图均衡如下

MN是图像的像素总数，

nj是灰度值rj 的像素的个数。

类似地，给定一个规定的Sk值

对于一个q值，有G（Zq） = Sk

其中，Pz（Zi）是规定的直方图的第i个值。

与前面一样，我们用反变换找到期望的值Zq：

换句话说，该操作对每个S给出一个Z值，这样，就形成了从S到Z的一个映射。

我们可以总结直方图规定化的变换过程如下：

①计算给定图像的值反图Pr（r），并对他进行直方图均衡变换。把Sk的结果四舍五入为[0，L - 1]内的整数，并存入一个表中。

②用变换q = 0,1,2，...，L - 1，Pz（Zi）是规定的直方图的值，并存入一个表中。

③对于每一个值Sk，使用②存储的值寻找相应的Zq值，使G（Zq）最接近Sk，并存储这些从S到Z的映射。

下面是我用vb实现的直方图规定化：

首先对比一下原图与直方图均衡化后的结果。

原图 直方图均衡化后的结果

 

分析：

直方图均衡化后的图像对比度明显增加了，但是边角部分阴影加重了。

因此想降低这部分PDF的斜率，或许可以增加图片的质量。

红色部分是我想规定的变换后的PDF。

Pz（Z）我假定为以下的分段函数

{

0.5 * Z + 60 , ( 0 , 80 ],

2.6 * Z - 108 , ( 80 , 140 ],

- 2.09 * Z + 547.6 , ( 140 , 255 ]

}

这一部分理解的不太到位，也不知道我假定的PDF是否可以改善图像。以后对这部分有更深的理解的时候再来补充~

欢迎留言指教~

'直方图规定化
'先对图像进行直方图均衡
Dim img As New Image(Of Gray, Byte)("C:\图像处理实验\test1.bmp")
Dim height As Integer = img.Height
Dim width As Integer = img.Width
'统计每级灰度的像素个数
Dim pixelCounts(255) As Integer
For i = 0 To height - 1
    For j = 0 To width - 1
        pixelCounts(img.Data(i, j, 0)) = pixelCounts(img.Data(i, j, 0)) + 1
    Next
Next
'统计每级灰度的累计像素个数
Dim pixelAccumulative(255) As Integer
For i = 0 To 255
    For j = 0 To i
        pixelAccumulative(i) = pixelAccumulative(i) + pixelCounts(j)
    Next
Next
'根据像素的灰度值映射到新的灰度值
For i = 0 To height - 1
    For j = 0 To width - 1
        img.Data(i, j, 0) = (256 - 1) / (width * height) * pixelAccumulative(img.Data(i, j, 0))
    Next
Next
For i = 0 To 255
    pixelAccumulative(i) = (256 - 1) / (width * height) * pixelAccumulative(i)
Next

'计算变换函数的PDF
'Pz(Z) = {
'0.5 * Z + 60 , ( 0 , 80 ],
'2.6 * Z - 108 , ( 80 , 140 ],
'- 2.09 * Z + 547.6 , ( 140 , 255 ]
'}
For i = 0 To 255
    If i <= 80 Then
        pixelPz(i) = 0.5 * i + 60
    ElseIf i <= 140 Then
        pixelPz(i) = 2.6 * i - 108
    Else
        pixelPz(i) = -2.09 * i + 547.6
    End If
Next
Dim sumPz As Double = 0
For i = 0 To 255
    sumPz = sumPz + pixelPz(i)
Next
For i = 0 To 255
    pixelPz(i) = pixelPz(i) / sumPz
Next
'计算G
Dim pixelG(255) As Integer
For i = 0 To 255
    For j = 0 To i
        pixelG(i) = pixelG(i) + pixelPz(j) * (256 - 1)
    Next
Next
'映射
Dim pixelSkZq(255) As Integer
For i = 0 To 255
    Dim Sk = pixelAccumulative(i)
    Dim flage As Boolean = False
    For j = 0 To 255
        If pixelG(j) = Sk Then
            pixelSkZq(i) = j
            flage = True
            Exit For
        End If
    Next
    If flage = False Then
        For j = 0 To 255
            If j = 255 Then
                pixelSkZq(i) = j
                Exit For
            End If
            If pixelG(j) < Sk And pixelG(j + 1) > Sk Then
                pixelSkZq(i) = j
                flage = True
                Exit For
            End If
        Next
    End If
Next
'根据像素的灰度值映射到新的灰度值
For i = 0 To height - 1
    For j = 0 To width - 1
        img.Data(i, j, 0) = pixelSkZq(img.Data(i, j, 0))
    Next
Next
img.Save("C:\图像处理实验\直方图匹配\test_result.bmp")

以下是直方图匹配的结果与直方图均衡的结果比较

 

从结果上来看，实验失败了。图片的效果并没有增强。

我分析的原因可能是指定的灰度值密度变换函数并不恰当，并不能有效的改善图像。但也有可能是我对直方图匹配理解有误导致的算法的错误。有想法的同学欢迎留言指教。

直方图规定化，大多数时候，都是试凑的过程。

一般来说，并没有规定直方图的规则，对于任何一个给定的增强任务，都必须借助于实际分析。