数字图像处理与分析第3章(2.pptVIP

3.2.2 直方图变换增强 灰度直方图是灰度值的函数，它描述了图像中各灰度值的像素个数。 通常用横坐标表示像素的灰度级别，纵坐标表示对应的灰度级出现的频率（像素的个数）。 数字图像的灰度直方图 —— 计算例 3.2.2直方图变换增强—灰度直方图 直方图的性质 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,。 一幅图像对应唯一的灰度直方图，反之不成立。 常用的直方图是规格化和离散化的，即纵坐标用相对值表示。 设图像总像素为N，某一级灰度像素数为nk，则直方图表示为： p(rk)= nk/N 灰度直方图反映了一幅图像的灰度分布情况。 (a)大多数像素灰度值取在较暗区域，图像会较暗.一般在摄影过程中曝光过弱就会造成这种结果。 (b)大多数像素灰度值集中在亮区,图像将偏亮.一般在摄影中曝光太强将导致这种结果。 (c)图像的像素窄而集中，对比度低。 从三幅图像的灰度分布来看图像的质量均不理想。 灰度直方图的又一应用 —— 分割阈值选取 假设某图像的灰度直方图具有 二峰性，则表明这个图像较亮的区域和较暗的区域可以较好地分离。 取二峰间的谷点为阈值点，可以得到好的二值处理的效果。 具有二峰性的灰度图的二值化 (2) 直方图均衡化 直方图均衡方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。 直方图均衡化 s=T(r) r代表原始图像的灰度级，s为变换后的灰度级。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。 ? ? 连续灰度的直方图非均匀分布 连续灰度的直方图均匀分布 直方图均衡化目标 直方图均衡化 要找到一种变换 S=T ( r ) 使直方图变平直，为使变换后的灰度仍保持从黑到白的单一变化顺序，且变换范围与原先一致，以避免整体变亮或变暗。必须规定： （1）在0≤r≤1中，T(r)是单调递增函数，且0≤T(r)≤1； （2）反变换r=T-1(s),T-1(s)也为单调递增函数，0≤s≤1。 ? 直方图均衡化 考虑到灰度变换不影响象素的位置分布，也不会增减像素数目。所以有 ? 直方图均衡化 应用到离散灰度级，设一幅图像的象素总数为n，分L个灰度级。 nk: 第k个灰度级出现的频数。 第k个灰度级出现的概率 P(rk)=nk/n 其中0≤rk≤1，k=0,1,2,...,L-1 形式为： ? 直方图均衡化的步骤 1、计算每个灰度级的像素个数在整个图像中所占的概率(百分比) 直方图均衡化的步骤 3、根据 的值判断变换后的灰度值 设图像的灰度级只有8级，因此需用1/7为量化单位进行舍入运算，得到如下结果： 例：设图像有64*64=4096个象素，有8个灰度级，灰度分布如表所示。进行直方图均衡化。 例：设图像有64*64=4096个象素，有8个灰度级，灰度分布如表所示。进行直方图均衡化。 1. 由（2-2）式计算sk。 直方图均衡化效果示例 直方图规定化—直方图均衡化存在的问题 直方图均衡化的优点是得到近似均匀分布的直方图。 但由于变换函数采用累积分布函数，只能产生近似均匀的直方图的结果 例：图像均衡化效果 直方图规定化的思想 直方图规定化方法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。 Matlab函数 imhist（f，n）函数：计算和显示图像的直方图。n为指定的灰度级数目，缺省值为256 。 g=histeq(f,nlev)%f为输入图像，nlev是输出图像的灰度级数，默认值为64，通常我们设置为256。 g=histeq(f,hspec)%f为输入图像，hspec为指定的直方图(一个由指定值构成的行向量)。 假设图像由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则相对独立。可以将一个像素及其邻域内的所有像素的平均灰度值赋给平滑图像中对应的像素，从而达到平滑的目的。（常用的邻域有4-邻域和8- 邻域） 作用：减噪，去除不相干的细节，对灰度级不足引起的伪轮廓进行平滑等等。 1.邻域平均法--非加权邻域平均 最简单的邻域平均法为非加权邻域平均： 一幅图像大小为N×N的图像f(x,y)，用邻域平均法得到的平滑图像为g(x,y)，则 x,y=0,1,…,N-