直方图原理与图像数据增强的方法

一、直方图原理

1、直方图的原理

直方图是一种统计工具，用于描述图像中像素的分布情况。它以图形的方式表示不同像素值的频率或出现次数。直方图的横轴通常代表像素值，而纵轴表示该像素值的出现频率或概率。

2、直方图的计算方式

步骤一：图像灰度化，将彩色图像转化为灰度图；

步骤二：像素值统计，计算图像中的像素点个数，并进行计算；

步骤三：概率分布，将图像中像素点出现的频率，进行概率化分布（通常用出现在图像不同部位的像素点除以像素点总数）；

3、直方图的用法

通过分析和观察直方图，可以了解图像的对比度、亮度和颜色分布等信息，对于后续的图像处理非常有用。

二、图像数据增强的方法

1、线性处理法

1）概念

在曝光不足或过度曝光的情况下，图像的灰度信息可能会局限在一个很小的范围内。这时就形成了一个模糊不清，没有灰度层次的图像，采用线性变换对图像中每个像素的灰度信息做线性拉伸，可以有效改善图像视觉效果。

线性变换主要是调整一幅图像的对比度和亮度。

2）工具

3）公式

y = ax + b

x：图像的每个像素点 【对应下图中的f(m,n)】

y：线性变换后的输出 【对应下图中的g(m,n)】

a：调整图像的对比度 【对应下图中的k=d-c/b-a】

b：调整图像的亮度 【对应下图中的截距，即上/下平移量】

4）应用

线性变换适用于图像的灰度信息集中在一个小范围内，应用线性变换后可增强图像的对比度和亮度，使图像更加清晰。

2、对数处理法

1）概念

对数变换的作用是提升图像中低灰度信息的范围，同时压缩高灰度信息的范围，将图像暗的部分扩展，而将亮的部分抑制，即强调图像的中灰度部分。

原因是对数曲线在像素值较低的区域斜率大，在像素值较高的区域斜率较小，所以图像经过对数变换后，较暗区域的对比度将有所提升，所以就可以增强图像的暗部细节。

2）工具

​

3）公式

y = λ log（1+x）

x：图像的每个像素点

y：线性变换后的输出

λ：调节常数，调整图像变换后的灰度值，使其符合实际要求

​

4）应用

对数变换适用于图像整体较暗，需要增强图像中暗色区域细节的情况。

3、伽马处理法

1）概念

图像曝光不足或过度时，伽马变换可调节图像的对比度。利用非线性变换，扩展图像的低/高灰度范围，从而对较暗或较亮的图像进行校正。

通过不同的γ值，就可以达到增强低灰度或高灰度部分细节的作用。

2）工具：曲线工具

3）公式

r：图像的每个像素点 

s：线性变换后的输出

c：灰度缩放系数，通常取1

γ：调节常数，控制伽马变换的缩放程度，对变换函数的特性有很大影响

4）应用

伽马变换主要用于图像的校正，将过曝的图像或者是欠曝的图像，进行修正。伽马变换也常常用于显示屏的校正，这是一个非常常用的变换。与对数变换相似，Gamma变换属于非线性操作，非线性变换的主要目的是通过灰度值映射增强目标域数据分布，达到对比度增强的目的。Gamma变换可以根据参数变换的更加灵活。

4、直方图均衡化

1）概念

（1）全局直方图均衡化

直方图均衡化是一种图像处理技术，通过重新分配图像灰度信息来增强图像的对比度和视觉效果。它基于整个图像的灰度直方图来调整像素的灰度值分布。通过增加较暗区域的亮度和减少较亮区域的亮度，直方图均衡化可以使图像的灰度级别分布更均匀，从而增强图像的细节和对比度。

（2）自适应直方图均衡化

自适应直方图均衡化是直方图均衡化的一种变体，考虑到图像中不同区域的局部差异。与直方图均衡化不同，自适应直方图均衡化将图像分成多个小块，并在每个小块内独立地应用直方图均衡化。通过这种方式，自适应直方图均衡化可以更好地保留图像的细节，并避免过度增强噪声。自适应直方图均衡化可以根据图像的局部特征自动调整每个小块的灰度级别，以实现更精细的图像增强。

2）工具

3）应用

全局直方图均衡化图像处理技术，在应用时要根据九种影调特性进行使用；

局部直方图均衡化图像处理技术，在应用时要在全局方案的基础上，采取区域选取的方式进行局部微调；