图像直方图均衡化的程序设计详解.docVIP

目 录 摘要 1 1. 概述 2 2. 理论知识 3 2.1直方图处理的基础 3 2.2直方图均衡化 4 2.2.1直方图均衡化理论 4 2.2.2 直方图均衡化算法 6 3. MATLAB实现 7 3.1实验预备知识 7 3.2 实验代码及结果 7 4. 结果分析 11 5. 心得体会 13 参考文献 14 摘要 图像增强作为数字图像处理的重要部分，直方图均衡化又作为图像增强的一种手段。报告书中探讨了直方图的理论基础，直方图均衡化的概念及理论，以MATLAB为平台，对灰度图像进行直方图均衡化的实验，并给出了具体程序、实验结果图像。实验结果表明，经直方图均衡化后，图像的对比度及亮度提高，直方图均衡化处理能有效改善灰度图像的质量。 关键词：数字图像处理，直方图，均衡化，MATLAB1.概述 图像按照色彩分类，可以分为灰度图像和彩色图像。灰度图像在黑色与白色之间还有许多级的颜色深度灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度。这种精度刚刚能够避免可见的条带失真，并且非常易于编程。直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法使用累积函数对灰度值进行“调整”以实现对比度的增强。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。…………………………………… …（2.1） 式中，k是第k级灰度，是图像中灰度级为k的像素个数。进行归一化，则概率： ……………………………………（2.2） 式中，n为图像中像素的总数。 设r 和 分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。即0≤r，S≤1，对[0，1]区间内的任一个r 值都可产生一个S 值，且 =T（r）………………………………………（2.3） 为变换函数。满足下列条件： a. 在 0≤r≤1 区间内是单值单调增加函数； b. 对于 0≤r≤1，有0≤≤1。 条件a 保证灰度级从黑到白的次序，而条件b 确保映射后的像素灰度在允许的范围内。 从S 到r 的反变换关系为 ……………………………………（2.4） 对r 同样满足上述条件。 由概率论知，若和变换函数已知，是单值单调增加函数，则变换后的概率密度函数如公式2.5所示： = = ……………………（2.5） 直方图修正从本质上说就是从入手，调整图像的概率密度函数从而改变图像的特征。 一般来说，如果图像的直方图轮廓线越接近正态分布，则说明图像的亮度接近随机分布，适合用统计方法处理，这样的图像一般反差适中；如果直方图峰值位置偏向灰度值大的一边，图像偏亮；如果峰值位置偏向灰度值小的一边，图像偏暗；峰值变化过陡、过窄，则说明图像的灰度值过于集中，后三种情况均存在反差小、质量差的问题。直方图分析是图像分析的基本方法，通过有目的地改变直方图形态可改善图像的质量。 2.2直方图均衡化 为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化及直方图规定化两种变换。本文主要介绍直方图均衡化并进行实验。 2.2.1直方图均衡化理论 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。 图像直方图描述图像中个灰度级出现的相对频率。基于直方图的灰度变换，可调整图像直方图到一个预定的形状。例如，一些图像由于其灰度分布集中在较窄的区间，对比度很弱，图像细节看不清。此时，可采用图像灰度直方图均衡化处理，使得图像的灰度分布趋向均匀，图像所占有的像素灰度间距拉开，加大了图像反差，改善视觉效果，达到增强目的。从人眼视觉特性来考虑，一副图像的直方图如果是均匀分布的，该图像色调给人的感觉比较协调。 假定原始图像灰度级r归一化在0—1之间，即。为原始图像灰度分布的概率密度函数，直方图均衡化处理实际上就是寻找一个灰度变换函数，是变换后的灰度值满足，其中，归一化为，建立r与s之间的映射关系，要求处理后图像灰度分布的概率密度函数=1（变换后概率密度为0—1上的均匀分布），期望所有灰度级出现的概率相同，可以描述为： a.当0≤s≤1 时，=1； b.当s 为其他时，=0。 直方图均衡变换函数如图2.1所示。 图2.1 直方图均衡变换函数 从图2.1中可以看出在灰度变换的和区间内，