第3章空域图像增强-1.pptVIP

3.3 直方图处理 灰度级为[0，L-1]范围的数字图像的直方图是离散函数 ，rk是第k级灰度，nk是图像中灰度级为rk的像素的个数。 直方图归一化 这里k=0,1,2,……,L-1。 给出了灰度级为 发生的概率估计值，n为图像像素的总数。 一个归一化的直方图其所有部分之和等于1。 直方图是多种空间域处理技术的基础，直方图操作能有效地用于图像增强。 3.3 直方图处理 3.3 直方图处理 考虑连续函数并让变量r代表增强图像的灰度级。假设r被归一化到区间[0,L-1]。对于任一个满足上述条件的r,我们注意以下变换形式 在原始图像中,对于每一个象素值r产生一个灰度值s。显然可以假设变换函数T( r )满足以下条件: 1) T( r )在区间[0,1]中为单值且单调递增。 2)当 时, 。 3.3.1 直方图均衡化 T( r )在区间[0,L-1]中为单值且单调递增。那么变换s的概率密度函数可由以下简单公式得到: 0 1 rk sk= T(rk) s r T(r) 3.3.1 直方图均衡化 在图像处理中一个尤为重要的变换函数如下: 其中w是积分变量。上式的右部为随机变量r的累积分布函数,且满足条件(1)和条件(2)。 用这个结果代入式(3.3.3),取概率值为正,得到: 3.3.1 直方图均衡化 式(3.3.6)中给出的 形式为均匀概率密度函数.即,执行式(3.3.3)会得到一随机变量s,其特征为一均匀概率密度函数,且 的结果始终是均匀的,与 的形式无关。 3.3.1 直方图均衡化 对于离散的数字图像，则变换函数T(rk)的离散形式可表示为: 上式表明，均衡后各像素的灰度值sk可直接由原图像的直方图算出。 3.3.1 直方图均衡化 一幅图像sk同rk之间的关系称为该图像的累积灰度直方图。 rk Pr(rk) rk S(rk) 1.0 1.0 1.0 下面举例说明直方图均衡过程。 rk nk pr(rk)=nk/n sk计 sk并 sk nsk pk(s) r0=0 790 0.19 0.19 1/7 s0=1/7 790 0.19 r1=1/7 1023 0.25 0.44 3/7 s1=3/7 1023 0.25 r2=2/7 850 0.21 0.65 5/7 s2=5/7 850 0.21 r3=3/7 656 0.16 0.81 6/7 ? ? ? r4=4/7 329 0.08 0.89 6/7 s3=6/7 985 0.24 r5=5/7 245 0.06 0.95 1 ? ? ? r6=6/7 122 0.03 0.98 1 ? ? ? r7=1 81 0.02 1.00 1 s4=1 448 0.11 例 假定有一幅总像素为n=64×64的图像，灰度级数为8，各灰度级分布列于表中。对其均衡化计算过程如下： ？ 若在原图像一行上连续8个像素的灰度值分别为：0、1、2、3、4、5、6、7，则均衡后，他们的灰度值为多少？ 3.3.1 直方图均衡化 3.3.1 直方图均衡化 在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。 可见，它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。 3.2.3 直方图规定化 首先对原始图像进行直方图均衡化，即求变换函数： 假定已得到了所希望的图像，对它也进行均衡化处理，即 它的逆变换是 由s代替v 得 z=G-1(s) 3.2.3 直方图规定化 这表明可由均衡化后的灰度得到希望图像的灰度。 若对原始图像和希望图像都作了均衡化处理，则二者均衡化的ps(s)和pv(v)相同，即都为均匀分布的密度函数。 3.2.3 直方图规定化 3.2.3 直方图规定化 3.2.3 直方图规定化 直方图规定化增强处理的步骤如下： ①对原始图像作直方图均衡化处理； ②按照希望得到的图像的灰度概率密度函数pz(z)，求得变换函数G(z)； ③用步骤①得到的灰度级s作逆变换z= G-1(s)。 经过以上处理得到的图像的灰度级将具有规定的