直方图修正法

模式识别与仿真旦墼！曼！！旦皇！旦ｇ！！！！旦！璺！鱼墨！盟！！塾！垒！《自动化技术与应用》２００７年第２６卷第１２期直方图修改技术在车牌识别预处理中的应用李全利．陈银燕．刘长亮（哈尔滨理工大学，黑龙江哈尔滨１５００８０）摘要：在进行车牌识别的预处理过程中，如何有效地提高车牌图像质量是一个关键，这一步处理的好坏将直接影响到后面车牌识别的效果。

本文重点研究直方图修改技术增强图像方法在车牌识别预处理中的应用，给出了直方图修改技术的原理，以及直方图均衡化、规定化和对比度调整的原理，最后用ＭＡＴＬＡＢ来实现车牌图像增强的效果。

关键词：直方图；车睥图像，图像增强；ＭＡｎ．ＡＢ中图分类号：ＴＰ３９１．４１文献标识码：Ａ文章编号：１００３—７２４ｌ（２００７）１２—００７３—０３ＨｉＳｔＯｇｒａｍＲｅｗＯｒｋ—ｒ－ｅＣｈｎＯＩｏｇｙｉｎＰｒｅ—ｐｒＯＣｅＳＳｉｎｇＯｆｔｈｅＬｉＣｅｎＳｅＰＩａｔｅＲｅＣＯｇｎｉｔｉＯｎＬＩＱｕａｎ．１ｉ，ＣＨＥＮＹｉｎ－ｙａｎ，ＬＩＵＣｈ锄ｇ－Ｕａｎｇ饵ａｒｂｉｎＵｆｌｉ、镪埘ｏｆＳｃｉｅ；Ｉ啪锄ｄＴｅｃｈｎｏｌｏｇｙ’Ｈａｒｂｉｎ１５００８０，Ｃ｝１ｉＩｌａ）Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｈｉｓｔｏｇｒ锄ｒｅｗｏｒｋｔｅｃｈｎｏｌｏｇｙｉｎｐｒｅ—ｐｒｏｃｅｓｓｉｎｇｏｆｔｈｅ１ｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｅｂａｓｉｃｐｒｉｎｃｉｐｌｅｏｆｔｈｅｈｉｓｔｏｇｒａｍｒｅｗｏｒｋｔｅｃｈｎ０１０９ｙｉｓｐｒｅｓｅｎｔｅｄ，ａｎｄｔｈｅｍｅｔｈｏｄｓｏｆｈｉｓｔｏｇｒａｍｅｑｕａｌｉｚａｔｉｏｎ，ｒｅｇｕ。

１ａｔｉｏｎａｎｄｃｏｎｔｒａｓｔａｒｅａｌｓｏｄｉｓｃｕｓｓｅｄ．ＴｈｅｒｅｓｕｌｔｓＯｆｔｈｅｌｉｃｅｎｓｅｐｌａｔｅｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔｂａｓｅｄｏｎＭＡＴＬＡＢａｒｅａｌｓｏｐｒｅｓｅｎｔｅｄ．Ｋｅｙｗｏｒｄｓ：ｈｉｓｔｏｇｒａｍ；１ｉｃｅｎｓｅｐｌａｔｅｉｍａｇｅ；ｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔ；ＭＡＩ’ＬＡＢ１引言一个完整的车牌识别系统包括：预处理、车牌定位、字符分割与字符识别。

一种直接直方图修正方法
余日泰;蔡吸礼
【期刊名称】《中国图象图形学报》
【年(卷),期】1999(004)006
【摘要】图象增强中的直方图修正一般分为2种不同的方法:直方图均衡和直方图规定,这是因为传统的直方图规定[1]要经过2次直方图均衡.本文提出的方法通过将直方图均衡作为直方图规定的特例考虑,既可实现直方图均衡又可实现直方图规定,从而实现了这2种方法的统一,而且直方图规定的结果好于文献[1]方法.
【总页数】3页(P467-469)
【作者】余日泰;蔡吸礼
【作者单位】杭州电子工业学院,杭州,310037;杭州广播电视大学,杭州,310009【正文语种】中文
【中图分类】TN919.8
【相关文献】
1.阻尼矩阵与刚度矩阵的一种直接修正方法 [J], 袁永新;戴华
2.数字图像直方图处理中的映射规则--评"用于数字图像直方图处理的一种二值映射规则"一文 [J], 章毓晋
3.灰度成像扩展目标跟踪直方图匹配修正方法 [J], 秦雨萍;张双;张萍;尹福成
4.一种基于直方图统计特征的直方图匹配算法的研究 [J], 朱磊
5.一种简单的直方图工具—数据库的直方图映象 [J], 朱景德
因版权原因，仅展示原文概要，查看原文内容请购买。

重庆交通大学测量与空间信息处理实验报告实验课程：遥感原理及应用实验名称：直方图修正法班级：姓名：学号：实验日期：2012 年11 月17 日实验原理一.直方图均衡化直方图均衡算法是图象增强空域法中的最常用、最重要的算法之一。

目前较常用的增强方法有全局直方图均衡化、局部直方图均衡化两大类。

全局直方图均衡化是将原图像的直方图通过变换函数变为均匀的直方图, 然后按均匀直方图修正原图像, 从而获得一幅灰度分布均匀的新图像。

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, 从而达到图象增强的目的。

它的变换函数取决于图像灰度直方图的累积分布函数。

概括的说, 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,图像看起来就显得清晰。

下面先讨论连续变化图像的均衡化问题。

设r 、s 分别表示原图像和增强后图像的灰度。

假设r 被归一化到区间[0,1], 且r =0 表示黑色及 r = 1表示白色。

当r 、s 在[0,1] 之间时,表示像素灰度在黑白之间变化。

灰度变换函数为s=T（r） 0≤r≤1 （1）它满足以下两个条件：(1) T（r）在区间0≤r≤1中为单值且单调递增；(2) 当0≤r≤1时, 0 ≤T（r）≤1；条件(1)中要求T（r）为单值是为了保证反变换存在, 单调条件保证原图各灰度级在变换后仍保持从黑到白( 或从白到黑) 的排列次序；条件(2)保证变换前后灰度值动态范围的一致性。

图1 给出了满足这两个条件的一个变换函数的例子, 由s 到r 的反变换可以表示为：= 0≤s≤1 （2）r-),(1sT即使 T（r）满足条件(1)和(2), 相应的函数)(1sT-也可能不为单值。

一幅图像的灰度级可被视为区间[0,1] 的随机变量。

令)(r p r 和)(s p s 分别代表随机变量 r 和s 的概率密度函数。

一、实验名称：直方图修正二、实验目的1.对影像进行直方图规定化和均衡化2.利用另外一幅影像进行直方图匹配3.利用直方图统计功能对结果进行分析三、实验内容1.对两幅卫星遥感影像进行规定化并统计分析2.对一幅卫星遥感影像进行均衡化并统计分析四、实验所用的仪器设备计算机和ENVI软件在不同时刻同地的卫星遥感影像2幅五、实验原理1.直方图规定化：是使原图像灰度直方图变成规定形状的直方图而对原始图像作修正的增强方法。

作用：对于在不同时间获取的同一地区或者邻接地区的图像，或者是由于太阳高度角或大气的影响引起差异的图像很有用，特别是对图像镶嵌和变化检测。

2.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影响，经过某种变换变成一幅具有均匀灰度概率密度分布的新影像，其结果是是扩大了像元取值得动态范围。

效果:(1)均衡后每个灰度级的像元频率近似相等。

（2）频率少的灰度级被合并，频率数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。

六、实验步骤1.直方图规定化与统计：同时打开两幅遥感影像，影像显示号分别为Display#1，Display#2.规划化前影像——Display#2规划化前影像——Display#11)在Display#2的主影像窗口选择Enhance/HistogramMatching,出现HistogramMatchingInputparameter对化框。

2)在“MatchTo”列表中，选择匹配的直方图的影像显示号Display#1。

3)在InputHistogram/Image/OK得到直方图匹配后的结果。

4)在“Flie/SaveImageAs/Imagefile”中得到对话框“OutputDisplaytoimageFile”选择保存所在文件下，保存为”guihua”。

在“BasicTools/statistics/ComputerStatistics/ComputerStatisticsInputFile”,选择所要分析统计的图像文件.例如guihua/OK/BasicStats/Histograms/OK按Display#1的影像进行匹配后的Display#2即guihua规划化前影像——Display#1 在StatisticsResults:guihua/SelectPlot/Histogram：AllBands并对三幅图进行分析Guihua直方统计图Display#2直方统计图Display#1直方统计图结果分析：[1].由上显示图—1为规划化后的图，图—2，3为规划化前的图，三幅图每个都有3个波段，图—2，3在灰度值0—255之间变化，图—1在0-210之间变化，图—1，2在灰度值80—170变化较集中。

【关键字】精品第5章直方图修正和彩色变换这一章，我们主要和调色板打交道。

先从最简单的反色讲起。

5.1 反色反色(invert)就是形成底片效果。

例如，图5.2为图5.1反色后的结果。

图5.1 原图图5.2 图5.1反色后的结果反色有时是很有用的，比如，图5.1中黑色区域占绝大多数，这样打印起来很费墨，我们可以先进行反色处理后再打印。

反色的实际含义是将R、G、B值反转。

若颜色的量化级别是256，则新图的R、G、B值为255减去原图的R、G、B值。

这里针对的是所有图，包括真彩图、带调色板的彩色图(又称为伪彩色图)、和灰度图。

针对不同种类有不同的处理。

先看看真彩图。

我们知道真彩图不带调色板，每个象素用3个字节，表示R、G、B三个分量。

所以处理很简单，把反转后的R、G、B值写入新图即可。

再来看看带调色板的彩色图，我们知道位图中的数据只是对应调色板中的一个索引值，我们只需要将调色板中的颜色反转，形成新调色板，而位图数据不用动，就能够实现反转。

灰度图是一种特殊的伪彩色图，只不过调色板中的R、G、B值都是一样的而已。

所以反转的处理和上面讲的一样。

这里，我想澄清一个概念。

过去我们讲二值图时，一直都说成黑白图。

二值位图一定是黑白的吗？答案是不一定。

我们安装Windows95时看到的那幅setup.bmp 是由蓝色和黑色组成的，但它实际上是二值图。

原来，它的调色板中的两种颜色是黑与蓝，而不是黑与白。

所以说二值图也可以是彩色的，只不过一般情况下是黑白图而已。

下面的程序实现了反色，注意其中真彩图和调色板位图处理时的差别。

BOOL Invert(HWND hWnd){DWORDOffBits,BufSize;LPBITMAPINFOHEADER lpImgData;LPSTR lpPtr;HLOCAL hTempImgData;LPBITMAPINFOHEADER lpTempImgData;LPSTR lpTempPtr;HDC hDc;HFILE hf;LONG x,y;LOGPALETTE *pPal;HPALETTE hPrevPalette=NULL;HLOCAL hPal;DWORD i;unsigned char Red,Green,Blue;OffBits=bf.bfOffBits-sizeof(BITMAPFILEHEADER);BufSize=OffBits+bi.biHeight*LineBytes; //新开缓冲区的大小if((hTempImgData=LocalAlloc(LHND,BufSize))==NULL){MessageBox(hWnd,"Error alloc memory!","Error Message",MB_OK|MB_ICONEXCLAMATION);return FALSE;}lpImgData=(LPBITMAPINFOHEADER)GlobalLock(hImgData);lpTempImgData=(LPBITMAPINFOHEADER)LocalLock(hTempImgData );//拷贝头信息memcpy(lpTempImgData,lpImgData,BufSize);hDc=GetDC(hWnd);if(NumColors!=0){ //NumColors不为0说明是带调色板的lpPtr=(char *)lpImgData+sizeof(BITMAPINFOHEADER);//指向原图数据lpTempPtr=(char *)lpTempImgData+sizeof(BITMAPINFOHEADER);//指向新图数据//为新调色板分配内存hPal=LocalAlloc(LHND,sizeof(LOGPALETTE)+NumColors*sizeof(PALETTEENTRY));pPal =(LOGPALETTE *)LocalLock(hPal);pPal->palNumEntries =(WORD) NumColors;pPal->palVersion = 0x300;for (i = 0; i < NumColors; i++) {Blue=(unsigned char )(*lpPtr++);Green=(unsigned char )(*lpPtr++);Red=(unsigned char )(*lpPtr++);lpPtr++;//反转调色板中的颜色，存入新的调色板pPal->palPalEntry[i].peRed=(BYTE)(255-Red);pPal->palPalEntry[i].peGreen=(BYTE)(255-Green);pPal->palPalEntry[i].peBlue=(BYTE)(255-Blue);pPal->palPalEntry[i].peFlags=0;*(lpTempPtr++)=(unsigned char)(255-Blue);*(lpTempPtr++)=(unsigned char)(255-Green);*(lpTempPtr++)=(unsigned char)(255-Red);*(lpTempPtr++)=0;}if(hPalette!=NULL)DeleteObject(hPalette);hPalette=CreatePalette(pPal); //产生新的调色板LocalUnlock(hPal);LocalFree(hPal);if(hPalette){hPrevPalette=SelectPalette(hDc,hPalette,FALSE);RealizePalette(hDc);}}else{ //不带调色板，说明是真彩色图for(y=0;y<bi.biHeight;y++){lpPtr=(char *)lpImgData+(BufSize-LineBytes-y*LineBytes);lpTempPtr=(char *)lpTempImgData+(BufSize-LineBytes-y*LineBytes);for(x=0;x<bi.biWidth;x++){Blue=(unsigned char )(*lpPtr++);Green=(unsigned char )(*lpPtr++);Red=(unsigned char )(*lpPtr++);//反转位图数据中的颜色，存入新的位图数据中*(lpTempPtr++)=(unsigned char)(255-Blue);*(lpTempPtr++)=(unsigned char)(255-Green);*(lpTempPtr++)=(unsigned char)(255-Red);}}}if(hBitmap!=NULL)DeleteObject(hBitmap);hBitmap=CreateDIBitmap(hDc,(LPBITMAPINFOHEADER)lpTempImgData,(LONG)CBM_INIT,(LPSTR)lpTempImgData+sizeof(BITMAPINFOHEADER)+NumColors*sizeof(RGBQUAD),(LPBITMAPINFO)lpTempImgData,DIB_RGB_COLORS);if(hPalette && hPrevPalette){SelectPalette(hDc,hPrevPalette,FALSE);RealizePalette(hDc);}hf=_lcreat("c:\\invert.bmp",0);_lwrite(hf,(LPSTR)&bf,sizeof(BITMAPFILEHEADER));_lwrite(hf,(LPSTR)lpTempImgData,BufSize);_lclose(hf);//释放内存和资源ReleaseDC(hWnd,hDc);LocalUnlock(hTempImgData);LocalFree(hTempImgData);GlobalUnlock(hImgData);return TRUE;}5.2 彩色图转灰度图第2章中提到了YUV的颜色表示方法，在这种表示方法中，Y分量的物理含义就是亮度，它含了灰度图(grayscale)的所有信息，只用Y分量就完全能够表示出一幅灰度图来。

实验名称：直方图的修正一、实验内容1.对影像进行直方图均衡化。

2.利用另外一幅影像进行直方图匹配。

二、实验所用的仪器设备，包括所用到的数据电脑一台，遥感影像处理软件（ENVI4.3），bhtmref遥感影像三、实验原理（一）直方图的均衡化1.定义：又称直方图的平坦化。

是将一已知的灰度概率密度分布的影像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新影像，结果是扩大了像元取值的动态范围。

2.直方图均衡的效果：（1）均衡后每个灰度级的像元频率近似相等（2）频数少的灰度级被合并，频数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。

（二）直方图的规定化1.定义：是使原影像灰度直方图变成规定形状的直方图而对原始影像做修正的增强方法。

2.原理：先对原始影像进行均衡化，再对希望影像进行均衡化，由原始影像均衡化的灰度级得到希望影像的灰度级。

3.作用：对于在不同时间获取的同一地区或者邻接地区的影像，或者是由于太阳高度角或大气的影响引起差异的影像很有用，特别是对影像镶嵌和变化检测。

四、实验步骤及其结果分析（一）直方图均衡化1.实验步骤：（1）打开bhtmref遥感影像，显示如图一所示。

（2）在Image窗口菜单上点击Enhance/[Image]Equalization，得到结果影像（图2）。

（3）点击New Display，在image窗口菜单上点击Enhance/[Zoom]Equalization,得到结果影像（图3）。

图1.TM432（RGB）合成影像图2.图1Image窗口均衡化结果影像图3.图1 Zoom窗口均衡化影像结果2.结果及分析：（1）图2比图1更清晰。

通过对两幅图的比较，发现图2相邻地物之间的对比更加明显。

从表一中比较图1和图2的基础数据，可以得到以下结果：从灰度级的最值的差异度可以看出，图二灰度级的最值差绝对值更大，这说明对比度更大。

图2的灰度平均值比图1大很多，这说明图2 的亮度更高。

灰度成像扩展目标跟踪直方图匹配修正方法一、研究背景和意义1.目标跟踪在计算机视觉领域的应用2.灰度成像扩展的应用和特点3.直方图匹配修正方法概述4.本研究的方法和目的二、灰度成像扩展的原理和方法1.灰度级计算方法2.灰度成像扩展的算法3.灰度成像扩展的优势与缺陷三、目标跟踪方法的选择及评价1.目标跟踪的算法分类2.目标跟踪评价指标3.灰度成像扩展在目标跟踪中的应用四、直方图匹配修正方法的设计和改进1.直方图均衡化的原理和方法2.匹配直方图的方法和优缺点3.本研究设计的直方图匹配修正方法及其改进五、实验分析和结论1.实验设计和分析2.对比实验结果分析3.本研究的结论和展望一、研究背景和意义随着计算机视觉技术的不断进步和应用的不断拓展，目标跟踪成为了计算机视觉领域一个关注度较高的研究方向。

目标跟踪技术是指在连续的图像序列中，对于一个既定的目标，在第一帧中提供该目标的位置信息，然后通过查找该目标在下一帧中的位置来跟踪该目标。

目标跟踪在很多应用场景中都发挥着重要的作用，比如轨迹分析、复杂环境中的自动驾驶等。

与此同时，随着计算机计算能力的不断提高，目标跟踪技术也在不断发展和完善，很多新的方法不断被提出来。

灰度成像扩展作为一种较新的图像处理技术，它的主要思想是不同灰度级之间的信息互相融合，以此提取更多的图像信息。

灰度成像扩展技术具有简单、快速、高效的特点，在目标跟踪中的应用也引起了研究者的广泛关注。

而直方图匹配是另一种图像处理方法，主要是通过比较两幅图像的直方图信息来进行图像配准、图像增强等操作，近年来在目标跟踪中也逐渐得到了应用。

本论文的主要目的是将灰度成像扩展和直方图匹配两种图像处理技术相结合，提出一种灰度成像扩展目标跟踪直方图匹配修正方法，以此能更好地处理目标跟踪中的一些难点问题，提高目标跟踪的准确性和稳定性。

因此，本研究具有一定的学术意义和实际应用价值，可以为相关领域的研究者提供一种新的思路和方法。