直方圖均衡化在图像增强中的应用.docxVIP

直方图均衡化在图像增强中的应用 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法；另一类是间接对比度增强方法。直方图均衡化是最常见的间接对比度增强方法。直方图均衡化通过使用累积函数对灰度值进行调整以实现对比度的增强。当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。本文首先对原始图像和经过直方图均衡化后的图像进行了对比，从视觉效果上验证了直方图均衡化在图像增强中的作用，同时对两幅图的直方图进行了定性分析，最后通过选择不同的灰度等级观察图像直方图的变化得出了直方图均衡化的一个重要结论。 基本思想 直方图均衡化的基本思想就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，从而使一定灰度范围内的像素数量大致相同。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，这样就增加了像素灰度值的动态范围从而达到增强图像整体对比度的效果。 仿真实现 2.1 验证直方图均衡化在图像增强中的作用 输入一幅对比度较低的原始图像，对其进行直方图均衡化处理后，得到一幅新的图像，同时分别对原始图像与经过处理后的图像的直方图进行定性分析，仿真结果如下： 图一 由实验结果可知： 经过直方图均衡化后，图像对比度明显增强，视觉效果大为改善。 原始图像较暗且所占据的灰度范围比较窄，对原始图像进行直方图均衡化后，直方图占据了整个图像的灰度值允许范围。 经过直方图均衡化后的直方图趋向平坦，灰度级有所减少，某些灰度进行了合并。 选择不同的灰度级观察图像直方图的变化。 仿真结果如下： 图二 结论：随着处理函数n值的减小，处理后图像的直方图越来越平坦，当n值远小于原始图像的灰度级时，图像的直方图服从均匀分布。 MATLAB 仿真程序 I=imread(rice.png); subplot(221);imshow(I); title(原始图像); subplot(222);imhist(I); title(原始图像的直方图); I1=histeq(I); subplot(223);imshow(I1); title(直方图均衡化后的图像); subplot(224);imhist(I1); title(直方图均衡化后图像的直方图); I=imread(rice.png); I1=histeq(I,16); I2=histeq(I,32); I3=histeq(I); I4=histeq(I,128); subplot(221);imhist(I4); title(n=128时的直方图); subplot(222);imhist(I3); title(n=64时的直方图); subplot(223);imhist(I2); title(n=32时的直方图); subplot(224);imhist(I1); title(n=16时的直方图);