DIP03 空域图像增强(上).ppt

液晶的伽马系数较小 * INTRANS 亮度变换 * * * 离散变换一般不能产生完全均匀的 pdf，但其有展开输入直方图的趋势，直方图均衡化后的图像灰度级能扩展到更大的范围。 直方图均衡化能自动的确定变换函数，产生有近似均匀直方图的输出图像。 比较几组直方图均衡化的结果 虽然原始图像差别很大，但直方图均衡化后的图像视觉效果相近。 最后一组图像中变换前后图像差别不大，因为高对比图像直方图本身灰度级别所占的范围就很广。 直方图均衡化 * 暗图像 亮图像 直方图均衡化 * 低对比度图像 高对比度图像 直方图均衡化 * 直方图均衡化转化函数 (由原始图像经上面的 sk=T(rk) 定义得到) 直方图均衡化 * 直方图增强举例： 图象f(x,y)，宽300，高100像素，偏暗。 计算变换 T T(0) = 1000/3000 * 255 = 85 ……… T(63) = T(62) + 0/3000 = 85 T(64) = (1000/3000 + 1000/3000)*255 = 170 ……… T(254)= T(253) + 0/30000 = 170 T(255)= (1000/3000 + 1000/3000 + 1000/3000)*255 = 255 255 1000 0 64 rk nk 直方图均衡化 * 变换后的图像和直方图 得到变换函数 T(0) = 85 ……… T(63) = 85 T(64) = 170 ……… T(254)= 170 T(255)= 255 255 1000 0 85 rk nk 170 问题：图象最暗处依赖于原图像 0 灰度像素的个数。有偏亮的倾向。 矫正：X0= (Xi-85) / (255-85) * 255 直方图均衡化 * 变换后的图像和直方图 矫正后的变换函数 T(0) = 0 ……… T(63) = 0 T(64) = 128 ……… T(254)= 128 T(255)= 255 255 1000 0 128 rk nk 直方图均衡化 * 矫正前后的比较 1000 1000 255 0 85 170 255 1000 0 64 255 0 128 直方图均衡化 * 直方图均衡化 Matlab 直方图均衡化 Matlab 函数：s = histeq(r, nlev) r 是输入图像, s 是输出图像 nlev 是输出图像的灰度级数目，缺省值 nlev = 64。通常 nlev 赋予最大的灰度级数，一般为 256. % 直方图均衡化 clear, clc f = imread(Fig0308(a)(pollen).tif); subplot(1,2,1),imshow(f), subplot(1,2,2),imhist(f) ylim(auto) g = histeq(f,256); figure,subplot(1,2,1),imshow(g), subplot(1,2,2),imhist(g) ylim(auto) * 直方图均衡化 Matlab 直方图均衡化变换函数 变换函数是归一化直方图值的简单累加求和，其 Matlab 语句： clear, clc f = imread(Fig0308(a)(pollen).tif); hnorm = imhist(f) ./ numel(f); % 归一化直方图 cdf = cumsum(hnorm); % 变换函数 x = linspace(0, 1, 256); plot(x, cdf); axis([0 1 0 1]) set(gca, xtick, 0:.2:1) set(gca, ytick, 0:.2:1) xlabel(Input intensity values, fontsize, 9) ylabel(Ouput intensity values, fontsize, 9) text(0.18, 0.5, Transformation function, fontsize, 9) 可以清楚地看到该传输函数把输入图像偏暗的、动态范围较窄的灰度级变换为输出图像整个灰度范围 * 直方图匹配（规定化） 直方图均衡仅产生一个结果：具有近似均匀直方图的图像，但缺少灵活性。 直方图匹配（又称直方图规定化）：使处理后的输出具有规定的直方图形状。 规定： 连续随机变量 r 和 z 分别代表输入和输出图像灰度级 pr(r) 和 pz(z) 为对应的连续概率密度函数 过程： 说明特定的直方图形状 pz(z) ； 寻找转换函数：r → z ； 存在的问题： 有针对性的直方图难以构造； 对于给定的 Pr(r) 和 Pz(z)，难以得到转换函数；(拟合) * 直方图匹配 方法