直方图计算与与均衡
一、实验要求:
1.读入给定的图像文件
2.求输入图像文件的直方图,并且利用MATLAB画出来
3.设计算法完成直方图的均衡,并利用MATLAB输出
4.将直方图均衡后的文件以图像形式输出
5.观察比较均衡前后图像与直方图的区别
二、实验原理
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
(I)直方图均衡化的过程:
1)列出原始图像和变换后图像的灰度级(L是灰度级的个数);
2)统计员图像中各灰度级的像素个数;
3)计算原始图像直方图P(i)=Ni/N;
4)计算累计直方图P(j)=P(1) + P(2) + P(3) +…+ P(i);
5)利用灰度值变换函数计算变换后的灰度值,兵四舍五入取整;j=INT[(L-1)Pj+0.5]
6)确定灰度变换关系i→j,据此将原图像的灰度值f(m,n)=i修正为g(m,n)=j;
7)统计变换后个灰度级的像素个数Nj;
8)计算变换后图像的直方图Pj=Nj/N
(II)图像均衡化后的缺点:
1)变换后图像的灰度级减少,某些细节消失;
2)某些图像,如直方图有高峰,经处理后对比度不自然的过分增强。
直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展
常用的亮度来实现这种功能。
三、实验思路:
图一(直方图计算与均衡流程图)四、实验代码
clc;
clear;
X=imread('ccc.png');%
I=rgb2gray(X);%灰度化
[m,n]=size(I);
GP=zeros(1,256);
for k=0:255
GP(k+1)=length(find(I==k))/(m*n);%得到每个像素出现的概率end
S1=zeros(1,256);
for i=1:256
for j=1:i
S1(i)=GP(j)+S1(i);%得到像素的分布函数
end
end
S2=round(S1*256+0.5);%得到四舍五入的整数
for i=1:256
GPeq(i)=sum(GP(find(S2==i)))
end
figure(1);
subplot(2,2,1);SI=imhist(I);SI=SI/(m*n);bar(0:255,SI,'b'); xlim([0, 256])title('系统设计原图像直方图');
xlabel('灰度值');ylabel('出现概率');%系统直方图
subplot(2,2,2);bar(0:255,GP,'b');
title('自己设计原图像直方图');xlabel('灰度值');
ylabel('出现概率');xlim([0, 256])
subplot(2,2,3);bar(0:255,GPeq,'b');%自己绘制直方图
title('均衡后图像直方图');xlabel('灰度值');ylabel('出现概率'); xlim([0, 256])
subplot(2,2,4);bar(0:255,S2);title('函数直方图非线性均衡曲线')
II=I;
for i=0:255
II(find(I==i))=S2(i+1);
end
figure(2);
subplot(1,2,1);imshow(I);title('原图像');
subplot(1,2,2);imshow(II);title('均衡后图像');
五、实验结果与分析
图二直方图对比曲线
由图二可以发现自己设计的直方图与matlab自带的直方图显示数据相同,说明设计流程与结果都没有错误。
从原图像直方图可以发现大部分灰度级像素都是集中在90-150这个范围,这使得图像对比度不能够很好的体现,为了使图像更加直观容易理解,我将直方图进行了均衡,第四幅图是用来进行非线性均衡的曲线,将横轴与纵轴的映射关系颠倒,使得原来占灰度级概率大的区域得到拉伸,灰度级概率小的区域进行压缩,让图像的对比更加鲜明。
从第三幅图形可以发现均衡之后的灰度级大部分是均匀分布,对原图像有非常鲜明的改经,但是总体亮度没有改变。
图三均衡前后对比图像
从图片对比中可以发现在均衡后的图像轮廓更加清晰,左边原图对于草的直观印象就是一堆,看不出明显的差别,但是右边均衡之后的图像草的颜色出现了不同,有草与草之间出现的白色空隙,单独一颗草的杂乱轮廓。路面也出现了坑坑洼洼的地形,将细节部分更加清晰表现出来。
六、思考题
1、在图像经过直方图均衡之后是否出现了背景增强?有什么解决办法?
答:直方图均衡之后会出现背景增强。为了减少因为均衡技术而带来的不好背景增强,可以采用局部直方图均衡算法和限制对比度自适应直方图均衡化方法。
实验 1.直方图均衡化程序的原理及步骤 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某灰度区间变成在全部灰度范围内的均匀分布。 直方图均衡化的原理: 直方图均衡化是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图,然后按均衡直方图修正原图像,其变换函数取决于图像灰度直方图的累积分布函数。概括地说,就是把一已知灰度概率分布的图像,经过一种变换,使之演变成一幅具有均匀概率分布的新图像。当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来更清晰。灰度直方图用各灰度值出现的相对频数(该灰度级的像素数与图像总像素数之比)表示。 直方图表示数字图像中每一灰度级与其出现频数的的统计关系,用横坐标表示灰度级,纵坐标表示频数。直方图就能给出该图像的概貌性描述,例如图像的灰度范围、每个灰度级的频数和灰度的分布、整幅图像的亮度和平均明暗对比度等,由此可得出进一步处理的重要依据。计算每个灰度级出现的概率为: P r (r k )=N k /N k=0,1,2,…,L-1 上式中, P r (r k )表示第k 个灰度级出现的概率,N k 为第 k 个灰度级出现的频数,N 为图像像素总数,L 为图像中可能的灰度级总数。由此可得直方图均衡化变换函数,即图像的灰度累积分布函数Sk 为: 1,...,2,1,0)()(00-====∑∑==L k r P r T s k j N N k j j r k k j 上式中, S k 为归一化灰度级。 这个变换映射称做直方图均衡化或直方图线性化。 直方图均衡化过程如下: (1) 输出原图像; (2) 根据公式P r (r k )=n k /m*n ( k=0,1,2,…,L-1)计算对应灰度级出现的概率, 绘制原图像的直方图。 (3) 计算原图象的灰度级累积分布函数:sk=Σp r (r k ); (4) 取整Sk=round((S1*256)+0.5);将Sk 归一到相近的灰度级,绘制均衡化后的 直方图。 (5) 将每个像素归一化后的灰度值赋给这个像素,画出均衡化后的图像。 2.根据直方图均衡化步骤对输入的原图象进行处理,输出的图像如下图所示。
《数字图像处理》实验 报告(二) 学号:____________ 姓名:__________ 专业:____ 课序号:__________ 计算机科学与技术学院
实验2直方图均衡化 一、实验学时:4学时(本部分占实验成绩的40%) 二、实验目的: 1、理解直方图均衡化的原理及步骤; 2、编程实现图像(灰度或彩色)的直方图均衡化。 三、必须学习和掌握的知识点: 直方图均衡化是一种快速有效且简便的图像空域增强方法,在图像处理中有着非常重要的意义,因此要求掌握。 四、实验题目: 编程实现灰度图像的直方图均衡化处理。要求给出原始图像的直方图、均衡化图像及其直方图和直方图均衡化时所用的灰度级变换曲线图。 五、思考题:(选做,有加分) 实现对灰度图像的直方图规定化处理。 六、实验报告: 请按照要求完成下面报告内容并提交源程序、可执行程序文件和实验结果图像。
1、请详细描述本实验的原理: 1.直方图均衡化概述 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整,从而“扩大”前景和背景灰度的差别,以达到增强对比度的目的,这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化的英文名称是Histogram Equalization. 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 2基本思想 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x,y)处的灰度为f,而改变后的图像为g,则对图像增强的方法可表述为将在(x,y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f),这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数): (1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序,原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。 (2)对于0≤f≤L-1有0≤g≤L-1,这个条件保证了变换前后灰度值动态范围的一致性。 累积分布函数(cumulative distribution function,CDF)即可以满足上述两个条件,并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: gk = EQ(fk) = (ni/n) = pf(fi) , (k=0,1,2,……,L-1)
实验1.直方图均衡化程序的原理及步骤 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某灰度区间变成在全部灰度范围内的均匀分布。 直方图均衡化的原理: 直方图均衡化是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图,然后按均衡直方图修正原图像,其变换函数取决于图像灰度直方图的累积分布函数。概括地说,就是把一已知灰度概率分布的图像,经过一种变换,使之演变成一幅具有均匀概率分布的新图像。当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来更清晰。灰度直方图用各灰度值出现的相对频数(该灰度级的像素数与图像总像素数之比)表示。 直方图表示数字图像中每一灰度级与其出现频数的的统计关系,用横坐标表示灰度级,纵坐标表示频数。直方图就能给出该图像的概貌性描述,例如图像的灰度范围、每个灰度级的频数和灰度的分布、整幅图像的亮度和平均明暗对比度等,由此可得出进一步处理的重要依据。计算每个灰度级出现的概率为: P r(r k)=N k/N k=0,1,2,…,L-1 上式中,P r(r k)表示第k个灰度级出现的概率,N k为第k个灰度级出现的频数,N为图像像素总数,L 为图像中可能的灰度级总数。由此可得直方图均衡化变换函数,即图像的灰度累积分布函数Sk 为:上式中, S k 为归一化灰度级。这个变换映射称做直方图均衡化或直方图线性化。 直方图均衡化过程如下: (1)输出原图像; (2)根据公式P r(r k)=n k/m*n(k=0,1,2,…,L-1)计算对应灰度级出现的概率,绘制原图像的直方图。(3)计算原图象的灰度级累积分布函数:sk=Σp r(r k); (4)取整Sk=round((S1*256)+0.5);将Sk归一到相近的灰度级,绘制均衡化后的直方图。 (5)将每个像素归一化后的灰度值赋给这个像素,画出均衡化后的图像。 2.根据直方图均衡化步骤对输入的原图象进行处理,输出的图像如下图所示。 由上图可以看出,采用直方图均衡化后,可使图像的灰度间距拉开或使灰度均匀分布,从而增大反差,使图像更加清晰,达到增强的目的。但直方图均衡在对灰度呈现两端分布,同时在图像的低灰度区域有较多像素点的图像进行处理后, 得不到满意的效果,达不到突出图像细节的目的。针对上述直方图均衡化的弊端,可以先计算出图像的灰度直方图,然后将其灰度进行拉伸,以便改善图像增强效果。
基于分块直方图均衡化的图像增强算法及 实现 (测控) 摘要:针对传统的直方图均衡化算法易导致图像细节信息丢失和噪声放大的特点,本文在直方图均衡化算法的基础上加以改进,将图像的高频分量和低频分量分开进行处理,然后在进行合并,达到去噪的效果,能够在增强图像整体视觉效果的同时较好地保持图像细节,抑制图像噪声。同时,本文又从另一个角度提出了一种基于概率的灰度图像直方图均衡化的改进算法,给出了较合理的变换关系。实验结果表明,该技术能使图像的细节和清晰度得到明显的增强。 关键词:图像增强;直方图均衡;灰度映射 1 引言 在实际应用中,无论采用何种输入装置采集的图像,由于光照、噪声等原因。图像的质量往往不能令人满意。例如,检测对象物的边缘过于模糊;在比较满意的一幅图像上发现多了一些不知来源的黑白或白点;图像的失真,变形等等。所以图像往往需要采取一些手段进行改善以求达到较好的效果。图像增强技术正是在此基础上提出的。图像增强是图像分析与处理的一个重要的预处理过程,其主要有两个目的:意识运用一系列技术手段改善图像的视觉效果,提高图像的清晰度;二是将图像转化成一种更适合于人或计算机惊行分析处理的形式。即改善图像质量是图像增强的根本目的。图像增强的意义一般可以理解为:按需求进行适当的变换,对图像的某些特征,如边缘轮廓、对比度进行强调和锐化,突出某些游泳的信息,去除或消弱无用的信息以便于显示、观察或进一步分析和处理。 图像增强技术是一类基本的图像处理技术,是指由选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征,其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统,包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。因此图像增强处理时图像分析和图像理解的前提和基础。在图像的获取过程中,贴别是对于多媒体监控系统采集的图像,由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。加之摄像设备、传感器等因素引入的噪声,使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。因此,为得到一幅清晰的图像必须进行图像增强处理。传统的图像增强算法通常是基于整幅图像的统计量,这样在计算整幅图像的变换时,图像中的低频信息、高频信息以及含有的噪声,同时进行了变换,因而在增强图像的同时增强了噪声,导致信息量下降,给监控图像的分析和后期处理带来了困难。针对此问题,提出一种新算法。 图像增强处理方法根据图像增强处理所在的空间不同,可分为基于空间域的增强方法和基于频率域的增强方法两类。空间域处理方法是图像像素组成的二维空间直接对每一个像素的灰度值进行处理,它可以使一幅图像内像素点之间的运算处理,也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进行间接处理。其特点是现将图像进行变换,在空间域对图像作傅里叶变换得到它的频谱按照某种变化模型(如傅里叶变换)变换到频率域,完成图像由空间域变换到频率域,然后在频率域内图像进行低通或高通频率域处理。处理完之后,再将其反变换到空间域。直方图均衡化算法是图像增强空域法中的最常用、最重要
图像直方图的均衡化处理 一,技术要求 1.1,利用matlab提供的函数处理 (2) 1.2,利用matlab自行编辑代码处理 (3) 二,基本原理 (3) 2.1,直方图的均衡化 (3) 2.2,直方图的标准化 (3) 三,建立模型描述 ......................................................................... 3~4 3.1,利用matlab提供的函数处理 (4) 3.2,利用matlab自行编辑代码 (4) 四,源程序代码 ............................................................................. 5~6 4.1,绘制图像直方图的代码 (5) 4.2,绘制图像均衡化后直方图的代码 (5) 4.3,显示均衡化后图像的代码 (6) 五,调试过程及结论 ..................................................................... 6~8 5.1,在编辑窗口键入绘制直方图的源代码得到的输出结果为图2 (6) 5.2,利用matlab函数绘制的图像直方图标准化的输出结果如图3..7 5.3,直方图均衡化输出结果如图4所示。 (8) 六,心得体会 (9) 七,参考文献 (9)
图像直方图的均衡化处理 一,技术要求 1.1,利用matlab提供的函数处理 利用matlab提供的函数画出一幅图像的直方图,对其进行均衡化和标准化处理,并比较均衡化(标准化)后图像和原图像的区别。 1.2,利用matlab自行编辑代码处理 利用matlab自行编辑代码,实现一幅图像的直方图显示和均衡化的处理,同样比较处理前后两幅图像的区别,了解图像均衡化的效果和实际运用。 二,基本原理 直方图是多种空域处理技术的基础。它能有效的用于图像增强。 2.1,直方图的均衡化 直方图的均衡化是把原始图像的灰度直方图从比较集中的某个区域变成全部灰度范围内的均匀分布,实际上是对图像进行非线性拉伸。使一定灰度范围内的像素个数大致相同。这样就能增强图像的局部对比度,亮度可以更好的在直方图上分布。 2.2,直方图的标准化 直方图的标准化实际上原理和直方图的均衡化原理大致相同,也是将原始图像的灰度值从比较集中地部分扩展到较大范围内的均匀分布,但是它和均衡化的不同在于均衡化是将灰度值范围变成全部灰度范围的均匀分布,而标准化是将灰度值范围扩展到一个相对以前要大一些的范围内,并不要求要变成全部灰度范围内的均匀分布。 三,建立模型描述 3.1,利用matlab提供的函数处理
数字图像处理实验报告 实验名称:直方图均衡化 姓名: 班级: 学号: 专业:电子信息工程(2+2) 指导教师:陈华华 实验日期:2012年5月24日
直方图均衡化 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图均衡化是最常见的间接对比度增强方法。直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 缺点: 1)变换后图像的灰度级减少,某些细节消失; 2)某些图像,如直方图有高峰,经处理后对比度不自然的过分增强。 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x,y)处的灰度为f,而改变后的图像为g,则对图像增强的方法可表述为将在(x,y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f),这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数): (1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序,原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。 (2)对于0≤f≤L-1有0≤g≤L-1,这个条件保证了变换前后灰度值动态范围的一致性。 累积分布函数即可以满足上述两个条件,并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: gk = EQ(fk) = (ni/n) = pf(fi) , (k=0,1,2,……,L-1) 上述求和区间为0到k,根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时,一般先对原始图像的灰度情况进行统计分析,并计算出原始直方图分布,然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后,按照这个映射关系对
直方图均衡化(色调均化) “图像(Image)>调整(Adjust)”菜单的功能 色调均化(Equalize) Photoshop菜单:图像>调整>色调均化 公式: (公式中Sk表示均衡化后的灰度值,∑表示总和,nj是原图中某个灰度色阶j 的像素数量,j的范围是0~k,N是图像像素总数。) “色调均化”命令重新分布图像中像素的亮度值,以便它们更均匀地呈现所有范围的亮度级。使用此命令时,Photoshop尝试对图像进行直方图均衡化(HistogramEqualization),即于整个灰度范围中均匀分布每个色阶的灰度值。 当扫描的图像显得比原稿暗,而您想平衡这些值以产生较亮的图像时,可以使用“色调均化”命令。配合使用“色调均化”命令和“直方图”命令,可以看到亮度的前后比较。 使用“色调均化”命令: 1.选择菜单图像>调整>色调均化。 2.如果已选择一个图像区域,于弹出的对话框中选择要均化的内容,然后点按“好”。
?“仅色调均化所选区域”只均匀地分布选区的像素。 ?“基于所选区域色调均化整个图像”基于选区中的像素均匀分布所有图像的像素。 原理 直方图均衡化是一种灰度变换算法,所以我们重点研究灰度图像的直方图均衡化。 绝对的均匀 图A是一个黑白灰均匀渐变,0~255的每一个色阶的灰度数量均是相同的。图B 的是图A的像素打乱了顺序随机分布的,每种灰度的数量均与图A的相同,因而它的直方图也与图A的相同。 图A和图B的直方图。每种灰度数量是相同的,直方图呈一个黑色矩形。 近似的均匀 对于一般的图像,由于每种灰度的像素数量且不相同,我们没办法把每种灰度的分量调得像图A、B那么均匀,但是可以做到近似的均匀。也就是说,把直方图横向平均分成几份之后,使每一份的像素数量大致相等。 下面是一幅图片的直方图,共有19200个像素,从左到右平均分成三份。均衡化之后,每份的像素数量均于6400左右。
图像增强是数字图像处理的基本内容。遥感图像增强是为特定目的,突出遥感图像中的某些信息,削弱或除去某些不需要的信息,使图像更易判读。图像增强的实质是增强感兴趣目标和周围背景图像间的反差。它不能增加原始图像的信息,有时反而会损失一些信息。它也是计算机自动分类一种预处理方法。 目前常用的图像增强处理技术可以分为两 大类:空间域和频率域的处理。主要内容包括基于直方图的处理、图像平滑以及图像锐化等。空间域处理是指直接对图像进行各种运算以得到需要的增强结果。频率域处理是指先将空间域图像变换成频率域图像,然后在频率域中对图像的频谱进行处理,以达到增强图像的目的。 6.2.1 图像灰度的直方图 图像灰度直方图反映了一幅图像中灰度级 与其出现概率之间的关系。对于数字图像,由于图像空间坐标和灰度值都已离散化,可以统计出灰度等级的分布状况。数字图像的
灰度编码从0,1,2,…,2n-1(n为图像量化时的比特数),每一个灰度级的像元个数mi可以从图像中统计出来,整幅图像的像元数为M,则任意灰度级出现的频率为: (6-20) (6-21) 由2n个P值即可绘制出数字图像的灰度直方图,如图6-5。图像直方图随图像不同而不同,不同图像有不同的直方图。 图6-5数字图像直方图 灰度直方图可以看成是一个随机分布密度函数,其分布状态用灰度均值和标准差两个参数来衡量。灰度均值为: (6-22)
式中:为整幅图像灰度平均值; X ij为(i,j)处像元的灰度值; R为图像行数; L为图像列数; M=R*L为图像像元总数; 标准差: Xi:i处像元的灰度值 直方图分布状态不同,图像特征不同,如图6-6所示。
医学图像处理实验报告 实验名称:直方图均衡化实验 姓名:gao jun qiang 学号:20105405 班级:生医1001 指导教师:……
2013年6月5日 一、 实验目的 1、编程实现下列功能:读出存储的黑白灰度图象并显示,显示灰度直方图,对 图象进行直方图均衡化处理,显示处理后图象及直方图,画出灰度变换曲线,并存储处理后图象。 二、 实验原理 直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中 的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化是一种自动调节图象对比度质量的算法,使用的方法是灰度级变换:s = T(r) 。它的基本思想是通过灰度级r 的概率密度函数p(rk ),求出灰度级变换T(r). 灰度直方图的计算十分简单,依据定义在离散形式下有下面的公式成 立: ()1,1,0,-==L k n n k p k Λ (1) 公式中:k n 为图像中出现k s 级灰度的像素数,n 是图像像素总数,而n n k 即为频数。 计算累积直方图各项: ()1 ,1,0,00-===∑∑==L k i p n n t k i k i i k Λ (2) 取整扩展: ]5.0)1int[(+-=k k t L t (3) 映射对应关系 :k t k ?
三、实验代码及结果 直方图均衡化实验代码: clc; close all; clear all; Imag = imread('lena.tiff'); figure() imshow(Imag),title('原图像'); ImagGray = rgb2gray(Imag); figure() imshow(ImagGray),title('灰度图像'); [r,c] = size(ImagGray); %统计灰度直方图 GrayPixNum = zeros(1,255); for i = 1:r for j = 1:c GrayPixNum(1,ImagGray(i,j)) = GrayPixNum(1,ImagGray(i,j))+1; end end %对灰度直方图进行归一化 GrayPixPro = GrayPixNum./(r*c); figure() plot(GrayPixPro),title('图像直方图'); %----------------------------------------------------------- % -----------------------直方图均衡化------------------------ %----------------------------------------------------------- %直方图累加 GrayAdd = zeros(1,255); GrayAdd(1,1) = GrayPixPro(1,1); for i = 2:255 GrayAdd(1,i) = GrayAdd(1,i-1)+GrayPixPro(1,i); end NewGray = round(GrayAdd.*254.+0.5); NewGrayPro = zeros(1,255); for i = 1:255 GrayTemp = NewGray(1,i); NewGrayPro(1,GrayTemp) = NewGrayPro(1,GrayTemp)+GrayPixPro(1,i); end figure()
直方图均衡化图像增强与彩色图像处理算法分析 2012.05.29
目录 1. 前言 (1) 2. 理论分析 (2) 2.1 直方图修正技术的基础 (2) 2.2 直方图的均衡化 (3) 2.3 直方图均衡化的算法步骤 (4) 3. 仿真实验与结果 (6) 3.1直方图均衡化Matlab程序 (6) 3.2 彩色图形处理Matlab程序 (8) 3.3 直方图均衡化仿真结果: (10) 3.4 彩色图像处理仿真结果: (13) 4. 结论 (14) 参考文献 (15)
1. 前言 在实际应用中,无论采用何种输入装置采集的图像,由于光照、噪声等原因,图像的质量往往不能令人满意。例如,检测对象物的边缘过于模糊;在比较满意的一幅图像上发现多了一些不知来源的黑点或白点;图像的失真、变形等等。所以图像往往需要采取一些手段进行改善以求达到较好的效果。图像增强技术正是在此基础上提出的。图像增强是图像分析与处理的一个重要的预处理过程,其主要有两个目的:一是运用一系列技术手段改善图像的视觉效果,提高图像的清晰度;二是将图像转化成一种更适合于人或计算机进行分析处理的形式。即改善图像质量是图像增强的根本目的。图像增强的意义一般可以理解为:按需要进行适当的变换,对图像的某些特征,如边缘、轮廓、对比度进行强调或锐化,突出某些有用的信息,去除或削弱无用的信息以便于显示、观察或进一步分析和处理。 图像增强技术是一类基本的图像处理技术,是指有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征,其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统,包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。因此图像增强处理是图像分析和图像理解的前提和基础。在图像的获取过程中,特别是对于多媒体监控系统采集的图像,由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。加之摄像设备、传感器等因素引入的噪声,使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。因此,为得到一幅清晰的图像必须进行增强处理。传统的图像增强算法通常是基于整幅图像的统计量,这样在计算整幅图像的变换时,图像中的低频信息、高频信息以及含有的噪声,同时进行了变换,因而在增强图像的同时增强了噪声,导致信息熵下降,给监控图像的分析和后期处理带来了困难。针对此问题,提出一种新算法。 图像增强处理方法根据图像增强处理所在的空间不同,可分为基于空间域的增强方法和基于频率域的增强方法两类。空间域处理方法是在图像像素组成的二维空间里直接对每一个像素的灰度值进行处理,它可以是一幅图像内像素点之间的运算处理,也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进行间接处理。其特点是先将图像进行变换,在空间域对图像作傅里叶变换得到它的频谱按照某种变化模型(如傅里叶变换)变换到频率域,完成图像由空间域变换到频率域,然后在频率域内对图像进行低通或高通频率域滤波处理。处理完之后,再将其反变换到空间域。 直方图均衡化算法是图像增强空域法中的最常用、最重要的算法之一。它以概率理论作基础,运用灰度点运算来实现直方图的变换,从而达到图像增强的目的。本文介绍一种基于累积分布函数变换法为基础的直方图修正法。它可以通过对直方图进行均匀化修正,可使图像的灰度间距增大或灰度均匀分布、增大反差,是图像的细节变得清晰。
海南大学课程论文 课程名称:数字图像处理 题目名称:直方图均衡化的matlab实现 学院:信息科学技术学院 专业班级:2010级计算机科学与技术专业
直方图均衡化的matlab实现 摘要 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的图像增强方法。为了使图像的灰度范围拉开或使灰度均匀分布,从而增大反差,使图像细节清晰,以达到增强的目的,本文采用直方图均衡化的图像增强的基本理论原理,在matlab环境下,对数字图像进行直方图均衡化处理。实验结果表明,原来偏暗的且对比度较低的图像经过直方图均衡化后图像的对比度及平均亮度明显提高,直方图均衡化处理能有效改善灰度图像的对比度差和灰度动态范围。 关键词:直方图,均衡化,matlab 引言 图像增强的方法是通过一定手段对原图像附加一些信息或变换数据,有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征,使图像与视觉响应特性相匹配。在图像增强过程中,不分析图像降质的原因,处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同,可分为基于空间域的算法和基于频率域的算法两大类。 基于空间域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图均衡化等,目的或使图像成像均匀,或扩大图像动态范围,扩展对比度。 直方图均衡化能够增强整个图像的对比度,提高图像的辨析程度,增强效果好。本文讨论了空间域的直方图均衡化增强方法,并用matlab 进行了实现。
1.论文目的 1.1通过直方图以及均衡化的理论原理,用matlab实现直方图均衡化; 1.2 在加深对直方图以及均衡化的理论原理知识理解的基础上,学会运用已 学的知识设计直方图均衡化实验并对结果进行分析,并用实验的结果来说明直方图均衡化的特点和应用。 2.直方图理论 灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像元的个数。确定图像像元的灰度值范围,以适当的灰度间隔为单位将其划分为若干等级,以横轴表示灰度级,以纵轴表示每一灰度级具有的像元数或该像元数占总像元数的比例值,做出的条形统计图即为灰度直方图。在matlab中,在imhist函数的返回值中,counts保存了落入每个区间的像素的个数,通过计算counts与图像中像素总数的商可以得到归一化的直方图。 3.直方图均衡化 很多原始的灰度图像由于其灰度分布集中在较窄的范围内,使图像的细节不够清晰,对比度较低。为了使图像的灰度范围拉开或使灰度均匀分布,从而增大反差,使图像细节清晰,以达到增强的目的,通常采用直方图均衡化变换。3.1 直方图均衡化的概念 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 3.2 直方图均衡化理论 考虑连续灰度值,并用变量r 表示待处理图像的灰度,假设日取值范围为[0,L-1],且r=0表示黑色,r=L-1表示白色,用S 分别表示输出图像灰度值。在r 满足这些条件的情况下,有S=T(r),0≤r≤L-1,T(r )为变换函数。对于输入
作业3:直方图均衡 1.选取一张对比度不明显的彩色图像,编写MATLAB代码对RGB通道独立地进行直方图 均衡,同时用PHOTOSHOP软件对其进行均衡,比较两种处理方法在效果上的差异。 使用R/G/B=image(:,:,1/2/3);提取图像的三个通道,imshow(R);显示三个通道的图像,imhist(R);显示对应颜色分量的直方图,r=histeq(R);分别对三个通道进行直方图均衡化,equated = cat(3,r,g,b);联合RGB三个数组,得到均衡化后的图像。 原图与matlab直方图均衡化后的图像 原图的RGB分量
均衡后的RGB分量 在photoshop中处理图像后得到下图的结果。 Ps中得到的图像RGB通道独立直方图均衡得到的图像比较:选取的原图是逆光拍摄,颜色很暗,暗部细节很多。经过matlab处理后,灰度级部分合并,灰度级较低的间隔变大,灰度级较高的间隔变小。但对真彩色图像的直方图均衡化时,通过单纯地对RGB三个分量图像分别均衡、合并, 会使均衡后的图像出现轻微的色彩失真现象, 而且原图中灰度级较高的地方的细节部分缺失。但是经过ps处理后的图像,原本灰度值较低的地方明显变亮,同时原本灰度值较高的地方仍然很好保留了,并没有出现matlab处理后的问题。Ps处理后的图像色彩也很正常,没有出现失真的问题。 数字图像直方图的算法步骤: ①列出原始图像的灰度级f j,j=0,1,…,L-1, ②统计各灰度级的像素数目n j,j=0,1,…,L-1, ③计算原始图像直方图各灰度级的频数p(f j)= n j/N,j=0,1,…,L-1, ④计算累计分布函数C(j)=Σp(f k), j=0,1,…,L-1, ⑤g i= INT[(g max-g min)C(f)+g min+0.5]
基于直方图均衡化图像增强算法分析
目录 1. 前言 (1) 2. 理论分析 (2) 2.1 直方图修正技术的基础 (2) 2.2 直方图的均衡化 (3) 2.3 直方图均衡化的算法步骤 (4) 3. 仿真实验与结果 (5) 4. 结论 (9) 参考文献 (9)
1. 前言 在实际应用中,无论采用何种输入装置采集的图像,由于光照、噪声等原因,图像的质量往往不能令人满意。例如,检测对象物的边缘过于模糊;在比较满意的一幅图像上发现多了一些不知来源的黑点或白点;图像的失真、变形等等。所以图像往往需要采取一些手段进行改善以求达到较好的效果。图像增强技术正是在此基础上提出的。图像增强是图像分析与处理的一个重要的预处理过程,其主要有两个目的:一是运用一系列技术手段改善图像的视觉效果,提高图像的清晰度;二是将图像转化成一种更适合于人或计算机进行分析处理的形式。即改善图像质量是图像增强的根本目的。图像增强的意义一般可以理解为:按需要进行适当的变换,对图像的某些特征,如边缘、轮廓、对比度进行强调或锐化,突出某些有用的信息,去除或消弱无用的信息以便于显示、观察或进一步分析和处理。 图像增强技术是一类基本的图像处理技术,是指有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征,其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统,包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。因此图像增强处理是图像分析和图像理解的前提和基础。在图像的获取过程中,特别是对于多媒体监控系统采集的图像,由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。加之摄像设备、传感器等因素引入的噪声,使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。因此,为得到一幅清晰的图像必须进行增强处理。传统的图像增强算法通常是基于整幅图像的统计量,这样在计算整幅图像的变换时,图像中的低频信息、高频信息以及含有的噪声,同时进行了变换,因而在增强图像的同时增强了噪声,导致信息熵下降,给监控图像的分析和后期处理带来了困难。针对此问题,提出一种新算法。 图像增强处理方法根据图像增强处理所在的空间不同,可分为基于空间域的增强方法和基于频率域的增强方法两类。空间域处理方法是在图像像素组成的二维空间里直接对每一个像素的灰度值进行处理,它可以是一幅图像内像素点之间的运算处理,也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进行间接处理。其特点是先将图像进行变换,在空间域对图像作傅里叶变换得到它的频谱按照某种变化模型(如傅里叶变换)变换到频率域,完成图像由空间域变换到频率域,然后在频率域内对图像进行低通或高通频率域滤波处理。处理完之后,再将其反变换到空间域。 直方图均衡化算法是图像增强空域法中的最常用、最重要的算法之一。它以概率理论作基础,运用灰度点运算来实现直方图的变换,从而达到图像增强的目的。本文介绍一种基于累积分布函数变换法为基础的直方图修正法。它可以通过对直方图进行均匀化修正,可使图像的灰度间距增大或灰度均匀分布、增大反差,是图像的细节变得清晰。
郑州大学硕士学位论文局部直方图均衡化算法研究及其应 用姓名:蔡超峰申请学位级别:硕士专业:电路与系统指导教师:徐力平20050520郑辩太擎嫒l:学键论文搀舞∞弱年5嚣撼要本文主要研究了局部直方图均衡化(LAHE)及其修正算法在尘肺x线图像增强中的应用。尘肺病是我国最主要的一种职业病。目前,医学界尚无将其彻底治愈的办法。尘肺x线检查是确定尘肿和分期的主要诊断方法。然而,一方面尘肺X线图像具有动态范围宽、细节丰富和对比度差的特点:另一方面尘肺早期病变特征并不是十分明显。这些因素给尘肺的早期诊断带来了难度。借助于数字图像处理技术,对尘肺x线图像进行对比度增强处理,突出尘肺病灶,从而有助于降低尘肺早期诊断的漏诊率。直方图均衡 化(HE)是一种最常用的图像对比度增强技术,它能够在很大程度上增强图像的视觉效果,帮助人们识别图像中隐藏的信息。当我们感兴趣的信息包含在图像中相对较小且灰度分布比较均匀的区域时,HE并不能给出令人满意的结果。LAHE对HE做了一些修正,取得了比较好的结果。但是LAHE只有一个控制参数:相关区域(矩形窗)的大小Ⅳ,这显然还不够灵活。小窗口在增强图像中细节的同时削弱了图像的整体轮廓,而大窗口能使图像的整体轮廓更加清晰,但却模糊了图像中的细节。论文结合尘肺X线图像的特点对LAHE进行了两方面的修正。一方面,仍然保持相关区域
为大小固定的矩形窗,通过改变相关区域内直方图的构造方法来解决这个问题。另一方面,保持局部直方图的构造方法不变,通过自适应的改变相关区域的大小来解决这个问题。最后我们给出采用LAHE及其修正算法对尘肺x线图像 进行对比度增强处理的结果,并比较了各种算法的优劣。关键词:图像增强,直方图,局部直方图均衡化,尘肺Il郑州大学硕士学位论文目录2005年5月AbstractThispaperfocusesonthestudyofLocalAreaHistogramEqualization(LAHE)anditsapplicationsinpneumoconiosisX-rayfilmsenhancements.Pneurnoconiosisisoneofthemajoroccupationald iseasesofwhichnocureshaveturnedouteffectivesof ar.X-rayfilmexaminationisnecessarilyadoptedtodi agnoseanddiscernpneumoco niosis.However,X-rayfilmfeaturesallexcessivelybroadrange,over—exhaustivede
课程名称___图像处理与分析 题目名称_直方图均衡化与规定化 学院信息工程 专业电子信息工程 年级班别 0503 学号 3105003438 学生姓名姚艺锋 指导老师曹江中 2008年6月16日
《图像处理与分析》课程设计报告 直方图均衡化与规定化 1、设计方案(原理) 一般情况下,如果图像的灰度分别集中在比较窄的区间,从而引起图像细节的模糊,为了使图像细节清晰,并使目标得到突出,达到图像增强的目的,可通过改善各部分亮度的比例关系,即通过直方图的方法来实现.直方图的方法是以概率论为基础的.常用的方法有直方图均衡化和直方图规定化. (1) 直方图均衡化 直方图均衡化又称直方图平坦化,是将一已知灰度概率密度分布的图像经过某种变换,变成一幅具有均匀灰度概率密度分布的新图像.其结果是扩展了像元取值的动态范围,从而达到增强图像整体对比度的效果. 直方图均衡化的具体实现步骤如下: 1).列出原始图像的灰度级 1 ,,1,0,-=L j f j 2).统计各灰度级的像素数目 1 ,,1,0,-=L j n j 3).计算原始图像直方图各灰度级的频数 1 ,,1,0,/)(-==L j n n f P j j f 4).计算累积分布函数 1 ,,,1,0,)()(0 -== ∑ =L k j f P f C k j j f 5).应用以下公式计算映射后的输出图像的灰度级,P 为输出图像灰度级的个 数,其中INT 为取整符号 1 ,,1] 5.0)()[(min min max -=++-=P i g f C g g INT g i 6).统计映射后各灰度级的像素数目 ni, i=0,1,…,k,…P-1. 7). 计算输出直方图Pg(gi)=ni/n, i=0,1,…,P-1. 8). 用fj 和gi 的映射关系修改原始图像的灰度级,从而获得直方图近似为均匀
课程设计报告 题目基于matlab的直方图均衡化程序设计 学生姓名: 学生学号: 系别: 专业: 届别: 指导教师: 电气信息工程学院制
目录 1、引言·······················································································- 2 - 2、直方图基础 ···············································································- 2 - 3、直方图均衡化············································································- 3 -3.1 直方图均衡化的概念·····················································································- 3 -3.2 直方图均衡化理论························································································- 4 - 3.3 Matlab 实现······························································································- 4 - 4、结论 ······················································································- 10 - 5、心得体会················································································- 10 -参考文献·····················································································- 10 - 基于matlab的直方图均衡化程序设计
数字图像处理实验报告实验二图像直方图均衡 姓名:******* 学号:********* 专业:************
一.实验目的 学习并掌握图像直方图均衡的基本理论,并通过分析均衡前后的图像验证课堂教学内容,总结直方图均衡的特点。 二.实验内容 对图像 img2 进行直方图均衡(img2为X光片图像) 1.对比均衡前后图像的直方图及特点, ①图形显示其直方图以及灰度映射关系 ②计算以下参数:概率非零灰度数,概率非零灰度中最大概 率、最小概率、最大最小概率之比。 ③统计图像中概率大于平均概率的灰度级数; ④计算非零概率的平均值和方差 ⑤您认为哪些参数能够表现图像直方图分布的均匀程度?试 提取相关参数进行测试。 2.找一到两幅图像重复上述实验。 3.通过实验结果对比,能得出什么结论? 三、实验报告要求 1.源程序(C或Matlab): (1).画直方图的Matlab程序 filname='E:\课件\大三下\图像处理\实验二\1.bmp'; //打开文件 A=imread(filname); //读取文件信息 imhist(A); //画出图像文件的直方图 (2)C程序 #include
#include