直方图均衡化(HE)及理论推导 |
您所在的位置:网站首页 › 密度函数的公式推导过程 › 直方图均衡化(HE)及理论推导 |
直方图均衡化
一个灰度分布不均匀的图像 它的直方图
可以看出,直方图上灰度集中在60周围,整个图像对比度较差,通过直方图均衡化,即可将其灰度均匀分布各个灰度级,从而使得图像具有更好的对比,增强图像细节。 均衡化后图像 均衡化后的直方图 1.问题分析设随机变量x,y分别是均衡化前后的灰度取值,存在一个转换关系y=T(x)。 p(x),p(y)分别是x,y的概率密度函数。以p(x)为例,可以理解成,原图像灰度值是x的概率为多少。根据概率论相关知识,这里p(x)其实就是指 灰度值为x的像素数/总像素数,即该灰度值的出现概率,取值范围[0~1],同理得p(y)。(一开始我是用f(x),f(y)表示,为了表明它是一个概率,所以这样还是用p(x),p(y)代替) p(x)是已知的。 p(y)是直方图均衡化得到的概率密度函数,在前面我们已经说了,希望能均衡化后的直方图,拥有跟高的对比度,灰度分布更均匀,所以理想状态中的分布均匀的直方图是这样的 这是理想中的直方图分布,这时每个灰度级的概率p=1/(L-1),就是p(y)=1/(L-1) L是灰度级数量,例如常用的L=256,灰度范围就是【0~255】 我们既然希望通过x计算出形如上面灰度分布的y,就需要求T(x)这个转换关系。这样,问题转变为: 已知p(x)和p(y),求T(x)。 问题【1】 2.公式推导已知两个概率密度函数p(x),p(y),求x,y之间的转换关系T(x)。 这里,为了方便进行一般化情况的推导,我们将x视为一个连续的随机变量(实际上灰度值x肯定不是连续随机变量,但是为了进行公式推导和证明,先证明连续型随机变量成立,再引出离散型随机变量的情况),y就是随机变量x的函数。 概率论里有一个小章节,叫“随机变量的函数的概率分布”,应该所有版本的概率论与数理统计都有这个内容。在这个部分所求解的问题是: 已知p(x),x与y之间的转换关系T(x),求p(y)。 问题【2】 这两个问题本质上都是建立的三者之间的关系,通过两个已知量即可推导第三个量。现在我们只需要去求解问题【2】,然后就可以得到三者之间的关系式,带入p(x),p(y)就可以得到问题【1】的解。 问题【2】,p(y)证明过程,出自《概率论与数理统计》-陈希孺版: 逐步推导 : x是随机变量,y=T(x),则y是随机变量x的函数,求解随机变量函数的概率密度,一般是通过求该函数的分布函数,对 分布函数求导,得到概率密度函数。 (我去看了几个概率论的视频,老师都是说这是一般求法,我还在想为啥非得要从分布函数入手,后来贴吧大神回答说应该去看一下概率密度函数的定义,然后我看了一下书,赫然有如下定义:) 求y的分布函数F(y),根据分布函数定义 所以F(y)=P(Y20的。因为我们必须保证,直方图均衡化后,图像的明暗关系不能改变,原本最暗的像素点,可以变亮,但是在新图像里,它也应该是相对最暗的像素点。所以T(x)必须是一个严格单调的图像(在这里进一步说,对于图像,应该是严格单调递增的。) ∵ ∴ 这一步的转换, {
|
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 |