9数字图像基础.pptVIP

第二章 数字图像处理基础 2.1 直方图的基本概念 如果将图像中像素亮度（灰度级别）看成是一个随机变量， 则其分布情况就反映了图像的统计特性，这可用Probability Density Function (PDF)来刻画和描述，表现为灰度直方图（Histogram）。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率， 如图3-16所示。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。 2 直 方 图 图3-16 图像灰度直方图 设r代表图像中像素灰度级，作归一化处理后，r将被限定在［0, 1］之内。在灰度级中，r=0代表黑，r=1代表白。对于一幅给定的图像来说，每一个像素取得［0, 1］区间内的灰度级是随机的，也就是说r是一个随机变量。假定对每一瞬间，它们是连续的随机变量，那么就可以用概率密度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标系的横轴代表灰度级r，用纵轴代表灰度级的概率密度函数pr(r)，这样就可以针对一幅图像在这个坐标系中作出一条曲线来。这条曲线在概率论中就是概率密度曲线，如图3-17所示。 图3-17 图像灰度分布概率密度函数 从图像灰度级的分布可以看出一幅图像的灰度分布特性。例如，从图3-17中的(a)和(b)两个灰度分布概率密度函数中可以看出： (a)的大多数像素灰度值取在较暗的区域，所以这幅图像肯定较暗；(b)图像的像素灰度值集中在亮区，因此，图像(b)将偏亮。当然，从两幅图像的灰度分布来看图像的质量均不理想。 2.2 直方图的性质 （1） 直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。也就是说，它只包含了该图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息。 （2）任一幅图像，都能惟一地确定出一幅与它对应的直方图， 但不同的图像，可能有相同的直方图。也就是说，图像与直方图之间是多对一的映射关系。如图3-18就是一个不同图像具有相同直方图的例子。 图3-18 图像与直方图间的多对一关系 2.3 直方图的计算 灰度直方图的计算非常简单，依据定义，在离散形式下， 用rk代表离散灰度级，用pr(rk)代表pr(r)，并且有下式成立： 式中：nk为图像中出现rk级灰度的像素数，n是图像像素总数，而nk/n即为频数。在直角坐标系中做出rk与pr(rk)的关系图形，即称为该图像的直方图。设若图像具有L级灰度（通常L=256，即8位灰度级），则大小为M×N的灰度图像f(x, y) 的灰度直方图pBuffer［0…L-1］可用如下算法得到： （1） 初始化：pBuffer［k］=0 ; k=0, …, L-1。 （2） 统计：pBuffer［f(x, y)］++ ; x, y =0, …, M-1, 0, …, N-1。 （3） 归一化：pBuffer［f(x, y)］/=M*N。 其中，直方图的归一化是一个可选项， 若不需要特殊处理可以不进行此项操作。 图3-20和图3-21分别是Lena图像、 钟楼图像与其对应的直方图。 图3-20 Lena图像及直方图 （a） Lena图像；（b） Lena图像的直方图 图3-21 2.4 直方图的拉伸 如上所述，一幅给定图像的灰度级分布在0≤r≤1范围内。可以对［0, 1］区间内的任一个r值进行如下灰度变换： s=T(r) (2-2) 也就是说，通过上述变换，每个原始图像的像素灰度值r都对应产生一个s值。变换函数T(r)应满足下列条件：  （1） 在0≤r≤1区间内，T(r)值单调增加；  （2） 对于0≤r≤1， 有 0≤T(r)≤1。  从s到r的反变换可用下式表示： r=T-1(s) (2-3) 由概率论理论可知，如果已知随机变量ξ的概率密度函数为pr(r)，而随机变量η是ξ 的函数，即η=T(ξ)，η 的概率密度为ps (s)，所以可由pr(r)求出ps (s)。 因为s=T(r)是单调增加的，它的反函数r=T-1(s)也是单调函数。在这种情况下，如图3-22所示，η＜s仅当ξ＜r时发生，所以可以求得随机变量η的分布函数为 (2-4) 对式(4-4)两边求导，即可得到随机变量η的分布密度函数ps (s)为 (2-5) 通