一、直方图处理 P72 - P88
- 直方图是多种空间域处理技术的基础
- 对于直方图的定义
每个直方图的水平轴对应 灰度值 r k r_k rk,垂直轴对应于值 h ( r k ) = n k h(r_k)=n_k h(rk)=nk,或归一化后的值 p ( r k ) = n k / M N p(r_k)=n_{k}/MN p(rk)=nk/MN。这样直方图可以简单的视为 h ( r k ) = n k h(r_k)=n_k h(rk)=nk对应于 r k r_k rk或 p ( r k ) = n k / M N p(r_k)=n_{k}/MN p(rk)=nk/MN对应于 r k r_k rk的图形
① r k r_k rk表示图像中某一像素点的 灰度值
② h ( r k ) = n k h(r_k)=n_k h(rk)=nk表示 r k r_k rk灰度值对应该图像中 像素点的个数
③ p ( r k ) = n k / M N p(r_k)=n_{k}/MN p(rk)=nk/MN表示该 灰度值对应像素点个数 占该图像全部像素点个数的比例
1.1 直方图均衡 P72 - P77
若一幅图像的像素倾向于占据整个可能的灰度级并且分布均匀,则该图像有较高的对比度并且图像展示效果会相对好。
直方图均衡的目的就是经过处理,使一幅图像的像素占有全部可能的灰度级且分布均匀
式3.3-3、3.3-4、3.3-8推导的过程为:
① 已知
s
=
T
(
r
)
s = T (r)
s=T(r),由严格递增条件推知
r
=
T
−
1
(
s
)
r=T^{-1}(s)
r=T−1(s) ,原图像任意像素的概率密度函数为
P
(
r
)
P(r)
P(r),目标图像任意像素的概率密度函数 P(s) = 1 / (L - 1)
② 推导输出在 s 处的的累计概率分布公式(其输出灰度级随机变量为S,原图像的灰度级随机变量为R)有,
F
(
s
)
=
F
(
S
<
=
s
)
=
F
(
T
(
R
)
<
=
s
)
=
F
(
R
<
=
T
−
1
(
s
)
)
=
F
(
r
)
∣
r
=
T
−
1
(
s
)
F(s) = F(S <= s) = F(T(R) <= s) = F(R <= T^{-1}(s)) = F(r)|r=T^{-1}(s)
F(s)=F(S<=s)=F(T(R)<=s)=F(R<=T−1(s))=F(r)∣r=T−1(s) … (1)
(1) 式等号左右对 s 求导,
P
(
s
)
=
P
(
r
)
∗
d
r
/
d
s
P(s) = P(r) * dr / ds
P(s)=P(r)∗dr/ds
即为 式3.3-3
③ 由 ① 中条件与 式3.3-3联立可得,
d
(
T
(
r
)
)
=
(
L
−
1
)
∗
P
(
r
)
∗
d
r
d(T(r)) = (L - 1) * P(r) * dr
d(T(r))=(L−1)∗P(r)∗dr … (2)
对(2)式左右同时对 r 积分,得
即为 式3.3-4
④ 对于③中(2)式在离散区间等号左右做"积分",即为做累加,得
即为 式3.3-8
1.2 直方图匹配(规定化)P77 - P83
实则是有目标直方图的变换
简单的说,
① 先使用任意像素的灰度值 r 在直方图均衡中计算出输出图像的像素灰度 s ;
② 再使用 s 与 z 的关系式求出,目标直方图 经过 直方图均衡后,输出灰度值同为 s 的输入图像灰度值 z.
③ 最终实现了 r 到 z 的转换
本章知识点总结
- 直方图均衡的目的就是经过处理,使一幅图像的像素占有全部可能的灰度级且分布均匀
- 直方图匹配,实则是有目标直方图的变换