matlab 直方图均衡化

原理:

直方图均衡化首先是一种灰度级变换的方法:

原来的灰度范围[r0,rk]变换到[s0,sk]变换函数为:s=T(r);

为便于实现,可以用查找表(look-up table)的方式存储,即:原始的灰度作为查找表的索引,表中的内容是新的灰度值。

其次,直方图均衡化是图像增强的一种基本方法,可提高图像的对比度,即:将较窄的图像灰度范围以一定规则拉伸至较大(整个灰度级范围内)的范围。

目的是在得到在整个灰度级范围内具有均匀分布的图像。

所以,当输入:直方图H(r)【此处指每个灰度级占有的像素数】;灰度级范围[r0,rk];目的是找到一个s=T(r)使得输出图像的直方图G(s)【同指】在整个灰度级范围内均匀分布。且需满足

(1)0—L(灰度范围)单调递增,避免黑白颠倒;

(2)0<r<L,时0<s<L,保持动态范围一致。

累积分布函数满足这几个要求。

\[\sum\limits_{i = 0}^k {G({s_i})}  = \sum\limits_{j = 0}^k {H({r_j})} \]

若图像有M*N个像素,则均衡化后的直方图G(q)就有均匀分布:

\[F = \frac{{NM}}{{{s_k} - {s_0}}}\]

代入上式:

\[NM\int\limits_{{s_0}}^s {\frac{1}{{{s_k} - {s_0}}}} ds = \frac{{NM(s - {s_0})}}{{{s_k} - {s_0}}} = \int\limits_{{r_0}}^r {H(r)} dr\]

则:

\[s = T(r) = \frac{{{s_k} - {s_0}}}{{NM}}\int\limits_{{r_0}}^r {H(r)} dr + {s_0}\]

转换成离散形式:

\[s = T(r) = \frac{{{s_k} - {s_0}}}{{NM}}\sum\limits_{{r_0}}^r {H(r)}  + {s_0}\]

一般\[{s_k} = 255,{s_0} = 0\]

自此就得到了与r相应的s。



matlab代码:

[filename,pathname]=uigetfile(‘*.*‘,‘select an image‘);
input_I=imread([pathname filename]);%读入图像

subplot(3,3,1);imshow(input_I);
title(‘原始图像‘);%显示原始图像

I_gray = rgb2gray(input_I);
subplot(3,3,4);imshow(I_gray);
title(‘灰度图像‘);
subplot(3,3,5);imhist(I_gray);
title(‘灰度图像直方图‘);%显示灰度图像及直方图

[height,width]=size(I_gray);

r=zeros(1,256);
for i=1:height
   for j=1:width
       r(I_gray(i,j)+1)= r(I_gray(i,j)+1)+1;
    end
end  %计算灰度直方图中的数值:每个灰度级对应的像素数目。
subplot(3,3,6);stem(r);
title(‘计算所得灰度图像直方图‘);

s=zeros(1,256);
s(1)=r(1);
for i=2:256
    s(i)=s(i-1)+r(i);
end         %累积分布函数:对应的也是像素的数目。
subplot(3,3,9);stem(s);

for i=1:256
    s(i)=floor(255*s(i)/(height*width));
end   % s(i)/(height*width) 为频率,*256 为归一到0—255之间,floor为取整(整数部分)函数。【round为四舍五入函数,ceil为取整数部分加1】

 I_HE=I_gray;
for i=1:height
   for j=1:width
       I_HE(i,j)= s(I_gray(i,j)+1);
    end
end%得到均衡化后的图像。s(1)~s(256)里的数值即为灰度值,1~256标号对应的是原始灰度图像的0~255的灰度值。

m=zeros(1,256);
for i=1:height
   for j=1:width
       m(I_HE(i,j)+1)= m(I_HE(i,j)+1)+1;
    end
end  %计算直方图中的数值:每个灰度级对应的像素数目。
subplot(3,3,9);stem(m);
title(‘计算所得均衡化后图像直方图‘);

imwrite(I_gray,‘1gray.png‘);
imwrite(I_HE,‘1he.png‘);
subplot(3,3,7);imshow(I_HE);
title(‘均衡化后的图像‘);
subplot(3,3,8);imhist(I_HE);
title(‘均衡化后图像直方图‘);


结果:

问题

直方图确实拉伸了,人眼视觉上对比度也提升了,可是说好的均匀分布呢?

时间: 2024-10-23 21:44:53

matlab 直方图均衡化的相关文章

直方图均衡化的计算以及MATLAB实现

直方图均衡,这里不写公式,只看怎么算 一.手算直方图均衡 例如一个矩阵 \[源矩阵= \left[ \begin{matrix} 4&4&4&4&4&4&4&0\4&5&5&5&5&5&4&0\4&5&6&6&6&5&4&0\4&5&6&7&6&5&4&0\4&5&6&

基于matlab的直方图均衡化代码

2007-04-15 20:15 clear all %一,图像的预处理,读入彩***像将其灰度化 PS=imread('1.jpg');                 %读入JPG彩***像文件 imshow(PS)                                  %显示出来 title('输入的彩色JPG图像') imwrite(rgb2gray(PS),'PicSampleGray.bmp'); %将彩***片灰度化并保存 PS=rgb2gray(PS);      

直方图均衡化(matlab)

对图像(灰度图)进行直方图均衡化主要有一下几个步骤: 1.计算各个灰度值(0-255)出现的次数 2.计算各个灰度值的累积分布率 2.根据累积分布率计算出原来各灰度值的均衡化之后的新的值 %直方图均衡化 clear; I = imread('1.bmp'); [height,width] = size(I); figure subplot(221) imshow(I)%显示原始图像 subplot(222) imhist(I)%显示原始图像直方图 %进行像素灰度统计; s = zeros(1,2

直方图均衡化会造成灰度级的合并【伪轮廓】

均衡化处理后的图象只能是近似均匀分布.均衡化图象的动态范围扩大了,但其本质是扩大了量化间隔,而量化级别反而减少了, 因此,原来灰度不同的象素经处理后可能变的相同,形成了一片的相同灰度的区域,各区域之间有明显的边界,从而出现了伪轮廓. 如果原始图像对比度本来就很高,如果再均衡化则灰度调和,对比度降低.在泛白缓和的图像中,均衡化会合并一些象素灰度,从而增大对比度.均衡化后的图片如果再对其均衡化,则图像不会有任何变化. 灰度直方图均衡化的算法,简单地说,就是把直方图的每个灰度级进行归一化处理,求每种灰

图像处理------直方图均衡化

一.直方图均衡化数学推导 直方图均衡化的总体思想:首先考虑连续函数并且让变量r代表待增强图像的灰度级,假设被归一化到区间[0,1],且r=0表示黑色及r=1表示白色.然后再考虑一个离散公式并允许像素值在区间[0,L-1]内. 对于连续函数而言,假设其变换函数为 s=T(r),  0=<r<=1 在原始图像中,对于每一个像素值r产生一个灰度值s.其中,变换函数要满足以下条件: (1)T(r)在区间中为单值且单调递增.这是为了保证其逆函数的存在,并且输出图像从黑到白顺序增加: (2)当0=<

数字图像处理-----直方图均衡化

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

彩色图像的直方图均衡化

彩色图像的直方图均衡化 - YangYudong2014的专栏 - CSDN博客 http://blog.csdn.net/yangyudong2014/article/details/40515035 matlab进阶摸索篇——彩色图直方图均衡化 - Rachel Zhang的专栏 - CSDN博客 http://blog.csdn.net/abcjennifer/article/details/6667504 用matlab_实现基于直方图均衡化的彩色图像增强 - 成人教育 - 道客巴巴 h

图像直方图均衡化

1. 直方图均衡化介绍 自我感觉书上讲的很清楚,直接把截图贴上了. 在进行直方图均值化的过程如下 读入图像对每个通道分别统计像素值[0,255]出现的次数.对每个通道分别求像素值[0,255]出现的概率,得到概率直方图.对每个通道分别求像素值[0,255]概率的前缀和,得到累计直方图.对每个通道根据累计直方图分别求像素映射函数.对每个通道完成每个像素点的映射.输出直方图均衡化的图像.2.代码(MATLAB) 1 %直方图均衡化 2 I = imread('D:/picture/girl.jpg'

python实现直方图均衡化,理想高通滤波与高斯低通滤波

写在前面 HIT大三上学期视听觉信号处理课程中视觉部分的实验二,经过和学长们实验的对比发现每一级实验要求都不一样,因此这里标明了是2019年秋季学期的视觉实验二. 由于时间紧张,代码没有进行任何优化,实验算法仅供参考. 实验要求 实现图像直方图均衡化,要求显示均衡化前.后直方图以及均衡化后图像. 对单通道图像进行DFT变换,要求显示幅度图和相位图,并设计理想高通滤波器和高斯低通滤波器对图像进行频域滤波,并显示滤波之后的图像. 注:除DFT和IDFT外,不允许调库 实验代码 代码首先贴在这里,仅供