四、灰度直方图是数字图像处理的重要工作。请简述灰度直方.docVIP

四、灰度直方图是数字图像处理的重要工作。请简述灰度直方图规定化、均衡化的基本原理。并以分辨率为5*4，图像的深度6bit的图像为例，自举例说明直方图均衡化的计算过程。 解答： 数字图像的直方图是作为图像每一个灰度级的统计概率分布它提供了图像灰度分布的概貌,直方图增强技术正是利用修改给定图像直方图的方法来增强图像的,最后得到的图像增强程度取决于我们所采用的直方图。令变量r和s分别代表图像增强前后的像素灰度级，相应灰度级分布的概率密度分别为和。 为讨论方便，假设像素灰度值已经归一化在区间[0，1]，在灰度级坐标中r=0表示黑，r=1表示白。对区间[0，1]内任一个r值按变换函数： s = T(r) （1） 进行变换，T（r）满足两个条件：（1）单值单调递增函数；(2) 0≤T（r）≤1。 条件（1）使灰度级保持从黑到白的次序，条件（2）保证映射变换后像素灰度值在允许的范围内。从s到r的反变换为：，0≤s≤1。 （2） 同样，规定变量s也满足条件（1）和（2）。由概率理论知，若和变换函数s = T(r)已知，是单值单调增加函数，则有： （3） 直方图增强技术就是通过变换函数T（r）控制图像灰度级的概率密度函数而改变图像的外貌。 对于连续图像，变换函数为： （4） 此式右边为累积分布函数（CDF），由该式对r求导有： (5) 代入（3）得到: （6） 这说明，在变换后变量s在定义域内, 是均匀概率密度。在图像增强意义上，这相当于像素的动态范围增加。 对于离散图像，灰度级的概率值为： （7） 其中，n表示图像中像素的总数，是在图像中出现这种灰度级的次数，L表示灰度级的数目，为第k级灰度级的概率。与连续图像的（4）式相对应。离散形式为： （8） 反变换为： （9） 可见，能够直接利用式（8）从所给的图像计算变换函数。 基于直方图的图像增强可划分为三种情况：直方图均衡化、直方图修正、非交叠块自适应直方图修正。以上讨论的便是传统的直方图均衡化，有人提出了新的改进算法，该方法是基于原始图像直方图分为三个子图重新安排像素。首先用k-means法进行k簇初始化，并递归得簇质心再求出两个阈值!运用数学形态法将分开的三个子图连接，最后再对子图分别运用直方图均衡法而获得图像增强。 直方图规定化 由于均衡化的直方图技术只能产生一种近似均匀的直方图，而不适于需要交互作用的图像增强的应用。实际上，为了能增强图像中某些灰度级的范围，有时希望能够规定交互作用的特定的直方图。直方图规定化可看作是直方图均衡化方法的改进。 假设和分别表示原始和希望的图像概率密度函数，同时利用式（4）直方图均衡化，则： （10） （11） （12） 由式(4)均衡化处理产生最后的结果与积分内的概率密度无关,因此处理后的原图像及理想图像的概率密度和具有相同的均匀密度。这样，可以从原始图像中得到的均匀灰度s代替逆过程中的v，其结果灰度级就是所要求的概率密度函数。上述过程即为： （1）将原始图像的灰度级均衡化 （2）规定希望的概率密度函数，并用式（11）得到变换函数。 （3）计算逆变换函数，便得到了所希望的灰度级。 由以上讨论可以得到： （13） 对离散图像，相应的规定化表达式为： （14） （15） （16） 以上各式表明，一幅图像决定出T（r）与反变换函数便可以进行直方图规定化，对连续变量使用上述方法实际上就是求得反变换函数解析式。而对于离散图像，由于离散的灰度级个数通常很少，对每一个可能像素值计算映射是