详细解析图像处理 直方图均衡化计算 |
您所在的位置:网站首页 › 图像处理均衡化 › 详细解析图像处理 直方图均衡化计算 |
什么是直方图均衡化
看一个图了解一下什么是直方图均衡化: 第一个图灰度都集中在左边,整体图像较暗 第二个图灰度都集中在右边,整体图像较亮 第三个图灰度都集中在中间,整体图像适中,但是雾蒙蒙的并不清晰 最后一个图是均衡化之后,让灰度相对均匀地占据各个灰度级,图片亮暗合理的同时也更清晰 用个经典例子看一下计算: 假设有一幅图像,共有64×64个像素,8个灰度级,各灰度级概率分布见下表: r k r_k rk:灰度级,比如0~255,本题中是0~8 n k n_k nk:整幅图像里有多少个像素属于该灰度级 p ( r k ) p(r_k) p(rk):每个灰度级的概率 p ( r k ) = n k M N , k = 0 , 1 , 2 , ⋯ , L − 1 p\left(r_{k}\right)=\frac{n_{k}}{M N}, \quad k=0,1,2, \cdots, L-1 p(rk)=MNnk,k=0,1,2,⋯,L−1 本题中 p ( r k ) = n k 64 × 64 , k = 0 , 1 , . . . , 7 p(r_k)=\frac{n_k}{64×64},k=0,1,...,7 p(rk)=64×64nk,k=0,1,...,7 看一下现在的直方图,并不均衡。 原书的公式是 s k = T ( r k ) = ( L − 1 ) ∑ j = 0 k p ( r j ) = ( L − 1 ) M N ∑ j = 0 k n j , k = 0 , 1 , 2 , ⋯ , L − 1 s_{k}=T\left(r_{k}\right)=(L-1) \sum_{j=0}^{k} p\left(r_{j}\right)=\frac{(L-1)}{M N} \sum_{j=0}^{k} n_{j}, \quad k=0,1,2, \cdots, L-1 sk=T(rk)=(L−1)∑j=0kp(rj)=MN(L−1)∑j=0knj,k=0,1,2,⋯,L−1 这个公式其实可以拆开理解,先是对概率依次求和,再乘以灰度级范围(由于灰度级是0开始的所以是用L-1,本题中8个灰度级,L-1就是7)。 找到映射关系之后,把原来的概率挪过去就行了。 看下表,最后两个格子是拼色的。拿最后一个说一下,5,6,7都映射到7,那映射之后7的概率就是
P
(
r
5
)
+
P
(
r
6
)
+
P
(
r
7
)
=
0.06
+
0.03
+
0.02
=
0.11
P(r_5)+P(r_6)+P(r_7)=0.06+0.03+0.02=0.11
P(r5)+P(r6)+P(r7)=0.06+0.03+0.02=0.11 参考书: 为什么要写这个文章呢,因为期末考试,图像处理最后一个是直方图均衡化,我会计算,但是我没画图。是来不及了吗,不是,是我自我怀疑,不确定图是不是那么画。离谱。 |
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 |