java灰度图像增强_数字图像处理——图像增强

图像增强

图像增强的目的是：改善图像的视觉效果或使图像更适合于人或机器的分析处理

$$ 图像增强 \begin{cases} 空域法 \begin{cases} 点操作 \begin{cases} 直接灰度变换\ 直方图修正 \end{cases}\ 邻域操作 \begin{cases} 图像平滑\ 图像锐化 \end{cases} \end{cases}\ 频域法 \begin{cases} 低通滤波\ 高通滤波 \end{cases} \end{cases} $$

点操作

直接灰度变换

$g(x,y)=T[f(x,y)]$

$T$ => 灰度映射函数

坐标位置 $(x,y)$ 为 $f$ 的自变量，表示当前灰度值，经过函数$T$ 转变为$g$， 注意在T函数中$f(x,y)$为其自变量

直接灰度变换又可以分为：

线性变换

分段线性变换

非线性变换

线性变换 & 分段线性变换

对于$f(x,y)$灰度范围为$[a,b]$的部分，进行线性变换

$$g(x,y) = {d-c\over b-a}[f(x,y)-a]+c$$

我们可以用它来做什么？

举个简单的例子，我们可以很容易的通过调整灰度分布，使得图片白的部分更白，黑的部分更黑

void increase(Mat &inputImage, Mat& outputImage){

outputImage = inputImage.clone();

int rows = outputImage.rows;

int cols = outputImage.rows;

for (int i = 0; i < rows; i++){

for (int j = 0; j < cols; j++){

Vec3b & tmp = outputImage.at(i, j);

for (int k = 0; k < 3; k++){

if (tmp[k] < 48)

tmp[k] = tmp[k] / 1.5;

else if (tmp[k] > 191)

tmp[k] = (tmp[k] - 192) * 0.5 + 223;

else tmp[k] = (tmp[k] - 38) * 1.33;

}

}

}

效果图：

非线性灰度变换

$$g(x,y)=clog_{10}[1+f(x,y)]$$

直方图

在数字图像处理中，直方图是最简单并且最有用的工具

灰度直方图是灰度级的函数，描述的是图像中该灰度级的像素个数

横坐标表示灰度级，纵坐标表示图像中该灰度级出现的像素个数

数据表示：

变量

含义

n

图像的像素总数

L

灰度级的个数

$r_k$

第 k 个灰度级

$n_k$

第 k 个灰度级的像素数

$p_r(r_k)$

该灰度级出现的频率

则 归一化形式：

$$p_r(r_k) = {n_k\over n},~k = 0,1,2,\cdots,L-1$$

公式利于归纳但是不利于理解，我们举个例子说明：

原始图像数据(每个位置上面的数字表示灰度级)

1

2

3

4

5

6

6

4

3

2

2

1

1

6

6

4

6

6

3

4

5

6

6

6

1

4

6

6

2

3

1

3

6

4

6

6

直方图

灰度系数

1

2

3

4

5

6

像素个数

5

4

5

6

2

14

归一化直方图数据

1/6

2/6

3/6

4/6

5/6

6/6

5/36

4/36

5/36

6/36

2/36

14/36

图像略

直方图性质

直方图未反映某一灰度级像素所在位置，即丢失了位置信息

一幅图像对应一个灰度直方图，但是不同的图像可能有相同的直方图

灰度直方图具有可加性，整幅图像的直方图等于素有不重叠子区域的直方图之和

直方图用途

反映图像的亮度、对比度、清晰度。用来判断一幅图像是否合理地利用了全部被允许的灰度级范围

图像分割阈值选取，如果某图像的灰度直方图具有二峰性，那么这个图像的较亮区域与较暗区域可以较好分离，取谷底做为阈值点

直方图计算

先求出图像灰度级总数，然后遍历图像，对应像素点的灰度级的像素个数++，最后归一化即可

直方图均衡化

目的:将$p_r(k_r)$ 修正为均匀分布形式，使动态范围增加，图像清晰度增加，对比度增加

方法：

求出灰度直方图

计算累积分布$p's(s_k) = \sum{j=0}^kp_r(r_j)$

计算新的灰度值$s_k=int[(L-1)p's(s_k)+0.5]$

$r_k$

$n_k$

$p_r(r_k)$

$p'_s(s_k)$

$s_k$

$N'_k$

$p_s(s_k)$

0

790

0.19

0.19

1

0

0

1

1023

0.25

0.44

3

790

0.19

2

850

0.21

0.65

5

0

0

3

656

0.16

0.81

6

1023

0.25

4

329

0.08

0.89

6

0

0

5

245

0.06

0.95

7

850

0.21

6

122

0.03

0.98

7

985

0.24

7

81

0.02

1.00

7

488

0.11

新的 $N'_k$ 由上一级的$n_k$ 而来

//可以直接调用opencv库写好的方法

void equalization(Mat &input, Mat &output){

Mat imageRGB[3];

split(input, imageRGB);

for (int i = 0; i < 3;i++)

equalizeHist(imageRGB[i], imageRGB[i]);

merge(imageRGB, 3, output);

}