第四讲 灰度直方图变换.ppt

第四讲 灰度直方图变换 Lecture 4 Gray-level  Histogram Transformations 图像灰度直方图(histogram) 一、定义 灰度直方图反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。它是图像的一个重要特征，反映了图像灰度分布的情况。 下图是一幅图像的灰度直方图。 频率的计算式为 直方图的性质 ①灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。 ②一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。下图给出了一个不同的图像具有相同直方图的例子。 不同的图像具有相同直方图 ③一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。 直方图的应用 ①用于判断图像量化是否恰当 (a) 恰当量化 (b)未能有效利用 (c)超过了动态范围 图2.4.4直方图用于判断量化是否恰当 ②用于确定图像二值化的阈值 ③当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时，可利用直方图统计图像中物体的面积。 A= ④ 计算图像信息量H（熵） 图像的算术运算——图像减去法处理Image Arithmetic Operations—Image Subtraction 图像的算术运算——图像平均处理 Image Arithmetic Operations—Image Averaging Exercise: P144 3.10 本文观看结束！！！ 直方图规定化（匹配化） 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。 原图像的直方图 规定化直方图 对于直方图规定化，下面仍从灰度连续变化的概率密度函数出发进行推导，然后推广出灰度离散的图像直方图规定化算法。 连续图像直方图规定化 首先对原始图像进行直方图均衡化，即求变换函数，所希望的图像，对它也进行均衡化处理，则二者均衡化的概率密度函数相同。 其中，r：输入图像的灰度级 z：输出图像的灰度级 pr(r) ：输入图像的概率密度函数 pz(z) ：输出图像的概率密度函数 这就是所求得的变换表达式 根据上述思想，可总结出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)（已给定），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)。 离散图像直方图规定化 rk：输入图像的灰度级 zk：输出图像的灰度级 pr(rk) ：输入图像的概率密度函数 pz(zk) ：输出图像的概率密度函数 利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。 原图像的直方图 规定化直方图 例题：采用与直方图均衡相同的原始图像数据（64×64像素且具有8级灰度），其灰度级分布列于表中。给定的直方图的灰度分布列于表中。 对应的直方图如下： 1 0.85 0.65 0.35 0.15 0 0 0 1 6/7 5/7 3/7 1/7 0 0 0 0.15 0.20 0.30 0.20 0.15 0 0 0 0.11 0.24 0.21 0.25 0.19 448 985 850 1023 790 1 6/7 5/7 3/7 1/7 1 0.98 0.95 0.89 0.81 0.65 0.44 0.19 81 122 245 329 656 850 1023 790 1 6/7 5/7 4/7 3/7 2/7 1/7 0 7 6 5 4 3 2 1 0 1 0.85 0.65 0.35 0.15 0 0 0 1 6/7 5/7 3/7 1/7 0 0 0 0.15 0.20 0.30 0.20 0.15 0 0 0 0.11 0.24 0.21 0.25 0.19 1 6/7 5/7 3/7 1/7 81 122 245 329 656 850 1023 790 1 6/7 5/7 4/7 3/7 2/7 1/7 0 7 6 5