计算机视觉基础（2）——图像直方图与平面几何变换

本周我们将学习计算机基础的第二章，底层视觉相关知识——图像直方图与平面几何变换。本次内容将分为三个部分进行讲解，分别是图像直方图、图像直方图变换和图像几何变换。这部分内容主要和数学有很强的相关性：图像直方图部分主要介绍图像直方图的定义、性质以及计算步骤；直方图变换部分主要介绍变换的操作步骤，包括点操作、通过单调映射函数实现直方图变换，并举例说明具体的应用之一——直方图均衡化；图像几何变换部分包括平移变换、仿射变换、图像插值和图像扭曲等内容。

一、图像直方图

我们先来了解一下图像直方图的定义：

• 直方图是一种用于描述数据统计分布情况的表示方法
• 横坐标为统计样本，每个柱条(bin)的宽度代表一段取值范围，纵坐标为期对应的某个属性的度
• 通常，人们也会对直方图进行归一化，即直方图上每个属性的计数除以所有属性的计数之和
• 图像直方图描述了图像像素值的分布情况

图像直方图  定义为数值为 g 的像素值的个数，其统计意义为图像中随机一个像素它具有像素值 𝑔 的概率：

图像直方图的计算步骤如下：

计算复杂性：和像素个数成正比，所以是 𝑂(𝑁)。

下面我们举例说明图像直方图的计算：

对于下面这个小猫的图像，我们先构造一个长度为256的向量 h，然后将其初始化为0。我们开始遍历该小猫图像的所有像素点，对于图像中的每一个像素（i，j），我们计算该像素对应的像素值，将该像素值在直方图中对应的横坐标位置，增加1个单位纵坐标。表示增加一个像素值为该数值的像素点个数。如像素（1，1），对应的像素值为100，即 g(1,1) = 100，对应的就是直方图的横坐标为100，那么我们在直方图中 x = 100 的位置，将 y+1。然后按照上述规则依次遍历所有的像素点，构建出像素点个数关于像素值的图像直方图。

图像直方图表现的是图像像素值的分布情况，描述出了图像的亮度、对比度等信息。

那么如何去描述直方图呢，我们可以用一下统计量来描述：

• 均值 (Mean):描述图像的亮度
• 方差 (Variance):描述图像的对比度
• 中值 (Median):描述图像的亮度，比均值更加鲁棒

 前面我们讨论的都是灰度图像直方图，彩色图像直方图由彩色图像的每个通道计算一个图像直方图得到的，如下所示：

二、图像直方图变换

在学习了图像直方图的基本概念和性质之后，我们需要知道图像直方图在计算机视觉中是用来做什么的，那么下面我们就来了解一下图像直方图变换。

通过对直方图进行变换，我们就可以改变图像直方图的性质，如增加方差，增加对比度，直方图均衡化等。通过这些变换来改变图像的基本信息，来达到想要的效果。

首先，我们来学习图像直方图变换的操作。

点操作 (Point Operator)

• 仅基于输入的单点像素值进行映射，将其映射到一个新的像素值；
• 对某一点像素值的映射只与它本身有关，与其他位置的像素值无关。

通过上面基于线性函数的点变换操作，我们能达到如下效果：

（1）调整亮度

        增大        k>0

        减小        k<0

（2）调整对比度

        增大        m>1

        减小        0<m<1

（3）对比度翻转

        亮变暗或暗变亮        m=-1

考虑到像素值范围是[0 ... 255]，因此对输出还要进行截断，保持其范围，即进行阈值截断操作。

 接下来，我们将学习通过单调映射函数变换图像直方图。下面是两类不同的图像直方图变换：

在掌握基本概念之后，我们来进行图像直方图变换的公式推导：

最后，让我们来看一个直方图变换的例子——直方图均衡化，

 

 其中，N为图像的像素点总数，N = H(255)。

让我们来看看直方图均衡化的效果：

 直方图均衡化的优点如下：

• 增加对比度
• 局部对比度低的区域获得了更大的对比度增强
• 使整幅图像的像素值尽量均匀的分布

三、图像几何变换

平移变换和仿射变换如下：

图像插值分为最近邻插值和双图像插值：

最后是图像扭曲，包括前向扭曲映射和反向扭曲映射：

 

 总结

本文主要聚焦于底层视觉的基本知识，从数学的角度，给大家讲解了图像直方图、直方图变换和平面几何变换这三个部分。本文主要分析的是理论部分的内容，希望大家能去网站上查看相关的论文，去Github上找相关的项目学习。理论与实践结合，有更好的学习效果噢~