数字图像处理读书笔记（二）直方图

易燃易爆の狮

于 2020-09-01 15:54:34 发布

阅读量232

点赞数

分类专栏：数字图像处理读书笔记

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/weixin_41924649/article/details/107760674

版权

数字图像处理读书笔记专栏收录该内容

4 篇文章 1 订阅

订阅专栏

一.连续值

1.直方图均衡

抽象的变换公式为 s = T(r)，0≤r≤L-1;

同时书中假设两条：

（a）T(r)在区间0≤ r ≤L-1是单调递增函数。

（b）当0≤ r ≤L-1时，0≤ T(r) ≤L-1。

如果想通过s来进行反变换 $T^{-1}$ 来求r，应该保证T(r)是严格单调递增的函数，让r和s一一映射，消除二义性。

同时r和s的取值区间，也保证了变换T不会造成灰度值的溢出。

在实际应用工程中，像素值都是整数，应该找最近邻的可取整数。

2.T(r)变换函数的引出

由基本概率论得道的一个基本结果是，如果 $p_{r}(r)$ 和T(r)已知，且在感兴趣的值域上T(r)是可微的。则变换（映射）后的变量s的PDF可由下面的简单公式得到：

$p_{s}(s) = p_{r}(r)|\frac{dr}{ds}|$ 公式1

而直方图均衡的变换公式为T(r)。

$s = T(r)=(L-1)\int_{0}^{r}p_{r}(w)dw$ 公式2

关于T(r)的获取，书中直接引出，并将其带入。我想可以通过反向推导的方式来

我们想要得到的概率密度为 $p_{s}(s) = \frac{1}{L-1}$ ，0≤s≤L-1。

$p_{r}(r)|\frac{dr}{ds}| = \frac{1}{L-1}$

因为之前假设T（r）为单调递增函数，去掉绝对值，得到

$p_{r}(r)dr = \frac{1}{L-1}ds$

对两边积分即可得到

$s = T(r)=(L-1)\int_{0}^{r}p_{r}(w)dw$ 公式2

二.离散值

对于离散值，个人总结需要三步操作。

1.概率密度与求和来代替处理概率密度函数与积分

且易知： $p_{r}(r_{k}) = \frac{n_{k}}{MN}$ ，k=0,1,2,3,...,L-1

2.公式2变形为

$s_{k} = T(r_{k}) = (L-1)\sum_{j=0}^{k} p_{r}(r_{j}) = \frac{L-1}{MN}\sum_{j=0}^{k}n_{j}$ ，k=0,1,2,...,L-1

3.将得到的sk值进行四舍五入取整。

易燃易爆の狮

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
数字图像处理读书笔记（二）直方图

1.直方图均衡抽象的变换公式为 s = T(r)，0≤r≤L-1;同时书中假设两条：（a）T(r)在区间0≤ r ≤L-1是单调递增函数。（b）当0≤ r ≤L-1时，0≤ T(r) ≤L-1。如果想通过s来进行反变换来求r，应该保证T(r)是严格单调递增的函数，让r和s一一映射，消除二义性。同时r和s的取值区间，也保证了变换T不会造成灰度值的溢出。在实际应用工程中，像素值都是整数，应该找最近邻的可取整数。2.直方图均衡公式介绍上述概念，其实是为了引出T(r)的变换公式.
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。