直方图均衡化原理与实现 |
您所在的位置:网站首页 › 什么是直方图均衡化法 › 直方图均衡化原理与实现 |
直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。 直方图是表示数字图像中每一灰度出现频率的统计关系。直方图能给出图像灰度范围、每个灰度的频度和灰度的分布、整幅图像的平均明暗和对比度等概貌性描述。灰度直方图是灰度级的函数, 反映的是图像中具有该灰度级像素的个数, 其横坐标是灰度级r, 纵坐标是该灰度级出现的频率( 即像素的个数) pr( r) , 整个坐标系描述的是图像灰度级的分布情况, 由此可以看出图像的灰度分布特性, 即若大部分像素集中在低灰度区域, 图像呈现暗的特性; 若像素集中在高灰度区域, 图像呈现亮的特性。 图1所示就是直方图均衡化, 即将随机分布的图像直方图修改成均匀分布的直方图。基本思想是对原始图像的像素灰度做某种映射变换, 使变换后图像灰 度的概率密度呈均匀分布。这就意味着图像灰度的动态范围得到了增加, 提高了图像的对比度。
图1 直方图均衡化 通过这种技术可以清晰地在直方图上看到图像亮度的分布情况, 并可按照需要对图像亮度调整。另外,这种方法是可逆的, 如果已知均衡化函数, 就可以恢复原始直方图。 设变量r 代表图像中像素灰度级。对灰度级进行归一化处理, 则0≤r≤1, 其中r= 0表示黑, r= 1表示白。对于一幅给定的图像来说, 每个像素值在[ 0,1] 的灰度级是随机的。用概率密度函数 为了有利于数字图像处理, 引入离散形式。在离散形式下, 用 其中, 0≤ 式中, k为灰度级数。相应的反变换为: 四、算法实现及结果分析 4.1核心算法 #define HDIM 256 #define SRC 0 #define DST 1 int main(int argc, char** argv) { IplImage *src = 0, *dst = 0; int n[] = {HDIM,HDIM,HDIM}; int r[256] = {0}, g[256] = {0}, b[256] = {0}; if(argc!=2 || (src = cvLoadImage(argv[1],3))== NULL) return -1; cvNamedWindow("source",1); cvNamedWindow("result",1); int width = src->width; int height = src->height; int sum = width * height; //图像中的像素点综合 int i,j; //分别统计直方图的RGB分布 for(i=0; iwidth))[j*src->nChannels+0]]++; g[((uchar*)(src->imageData+i*src->width))[j*src->nChannels+1]]++; r[((uchar*)(src->imageData+i*src->width))[j*src->nChannels+2]]++; } ////构建直方图的累计分布方程,用于对直方图进行均衡化 double val[3] = {0}; for(i=0; inChannels+0]=b[((uchar*)(src->imageData+i*src->widthStep))[j*src->nChannels+0]]; ((uchar*)(dst->imageData+i*dst->widthStep))[j*dst->nChannels+1]=g[((uchar*)(src->imageData+i*src->widthStep))[j*src->nChannels+1]]; ((uchar*)(dst->imageData+i*dst->widthStep))[j*dst->nChannels+2]=r[((uchar*)(src->imageData+i*src->widthStep))[j*src->nChannels+2]]; } cvShowImage("source",src); cvShowImage("result",dst); cvSaveImage("out.jpg",dst); cvWaitKey(0); cvDestroyWindow("source"); cvDestroyWindow("result"); cvReleaseImage(&src); cvReleaseImage(&dst); cvReleaseHist(&hist); return 0; }
4.2结果展示
对于第一幅图像,首先我们在RGB空间对其进行直方图均衡化得如下结果: 可见右上角由较大的光影,我们对其进行同台滤波,如下图所示,但是效果也不太好。 如下图所示为直方图均衡前后图像RGB分量的直方图,可以看到收到了较好的效果,由于直方图均衡第二个作业已经做过,我们在此不再赘述。 对于HSI空间的直方图均衡化,首先我们要进行RGB和HIS空间颜色分量的转化,代码如下: /************************************************************** 函数功能:对图像进行由RGB空间到HSI空间的转化 输入参数:源图像src;目标图像des;图像参数width,height,nChannels; 输出参数:目标图像 **************************************************************/ void rgb_hsi(unsigned char* des, const unsigned char* src, int width, int height, int nChannels) { for(int y=0; y |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |