看了几篇别人的博客,不是图像有问题,就是讲的不清晰(自己知识面不够),所以整理一下。
话不多说,直接进行推导,图像什么的我就不放了。
设随机变量
x
,
y
x,y
x,y为均衡化前后的值,由
y
=
T
(
x
)
y = T(x)
y=T(x)。
p
(
x
)
,
p
(
y
)
p(x),p(y)
p(x),p(y)为
x
,
y
x,y
x,y的概率密度函数。其中,
p
(
x
)
=
n
k
N
p(x) = \frac{n_k}{N}
p(x)=Nnk,
n
k
代
表
某
一
像
素
值
的
个
数
,
N
代
表
图
片
的
像
素
个
数
n_k代表某一像素值的个数,N代表图片的像素个数
nk代表某一像素值的个数,N代表图片的像素个数,显然
p
(
x
)
p(x)
p(x)是已知的。
由统计观察可以知道,要使图像的对比度强烈,感官更好,其直方图应该是更加均匀,理想条件下应该是一条直线。那么其各级概率分布就是
1
L
−
1
,
L
=
256
\frac{1}{L-1},L = 256
L−11,L=256,所以
p
(
y
)
=
1
L
−
1
p(y) = \frac{1}{L-1}
p(y)=L−11。
那么这个问题就变成了已知
p
(
x
)
,
p
(
y
)
,
求
T
(
x
)
p(x),p(y),求T(x)
p(x),p(y),求T(x)。
由于图像的分布函数是离散的,我们暂不做考虑,假设其是连续的。
下面复习一下概率论的知识:
已知
p
(
x
)
,
x
和
y
的
函
数
为
T
(
x
)
,
求
p
(
y
)
p(x),x和y的函数为T(x),求p(y)
p(x),x和y的函数为T(x),求p(y)。
设X有概率密度函数
f
(
x
)
f(x)
f(x),
Y
=
g
(
x
)
Y = g(x)
Y=g(x),
g
g
g单调增加,且可到,则其反函数
X
=
h
(
y
)
X = h(y)
X=h(y)存在。
任取
y
y
y 有
P
(
Y
≤
y
)
=
P
(
g
(
x
)
≤
y
)
=
P
(
x
≤
h
(
y
)
)
=
∫
−
∞
h
(
y
)
f
(
t
)
d
t
P(Y≤y) = P(g(x)≤y) = P(x≤h(y)) = \int_{-∞}^{h(y)}f(t)dt
P(Y≤y)=P(g(x)≤y)=P(x≤h(y))=∫−∞h(y)f(t)dt
(这一串要好好理解,不懂的翻翻书,做两道题就懂了)
然后做一下变换,该替换的替换掉。
F
(
y
)
=
P
(
g
(
x
)
≤
y
)
=
F
(
x
)
=
∫
−
∞
T
−
1
(
y
)
f
(
t
)
d
t
F(y) = P(g(x)≤y) =F(x)= \int_{-∞}^{T^{-1}(y)}f(t)dt
F(y)=P(g(x)≤y)=F(x)=∫−∞T−1(y)f(t)dt
对上式进行求导得:
f
(
y
)
=
f
(
T
−
1
(
y
)
∗
d
[
T
−
1
(
y
)
]
d
y
)
=
f
(
x
)
∗
d
x
d
y
f(y) = f(T^{-1}(y)*\frac{d[T^{-1}(y)]}{dy})=f(x)*\frac{dx}{dy}
f(y)=f(T−1(y)∗dyd[T−1(y)])=f(x)∗dydx
(这里的变换也要好好理解下,就是把符号变了变)
再继续变换符号
p
(
y
)
=
p
(
x
)
∗
d
x
d
y
p(y) = p(x)*\frac{dx}{dy}
p(y)=p(x)∗dydx
带入已知的值
1
L
−
1
=
n
k
N
∗
d
x
d
[
T
(
x
)
]
\frac{1}{L-1} = \frac{n_k}{N}*\frac{dx}{d[T(x)]}
L−11=Nnk∗d[T(x)]dx
整理后可得:
d
[
T
(
x
)
]
=
n
k
(
L
−
1
)
N
∗
d
x
d[T(x)] = \frac{n_k(L-1)}{N}*dx
d[T(x)]=Nnk(L−1)∗dx
对两边进行积分,因为图像函数并不是连续的,所以积分只是各级求和
T
(
x
)
=
L
−
1
N
∑
i
=
0
k
n
i
T(x) = \frac{L-1}{N}\sum_{i=0}^kn_i
T(x)=NL−1∑i=0kni
到此,推导结束。主要还是几个公式符号的变化可能会绕一下。
借鉴:
https://blog.csdn.net/schwein_van/article/details/84336633
https://blog.csdn.net/spongebob1234/article/details/77778709