第3章数字图像处理基本操作.ppt

3.6 非几何变换:直方图 直方图 图象直方图的定义 直方图应用举例 直方图均衡化 直方图匹配 图象直方图的定义（1） 一个灰度级别在范围[0，L-1]的数字图象的直方图是一个离散函数 p(rk)= nk/n n 是图象的像素总数 nk是图象中第k个灰度级的像素总数 rk 是第k个灰度级，k = 0,1,2,…,L-1 图象直方图的定义举例 p(rk) Nk 0.1 0.2 0.3 0.4 31 15 7 23 图象直方图的定义（2） 一个灰度级别在范围[0，L-1]的数字图象的直方图是一个离散函数 p(rk)= nk k = 0,1,2,…,L-1 由于rk的增量是1，直方图可表示为： p(k)= nk 即，图象中不同灰度级像素出现的次数 两种图象直方图定义的比较 p(rk)= nk p(rk)= nk/n 使函数值正则化到[0,1]区间，成为实数函数 函数值的范围与象素的总数无关 给出灰度级rk在图象中出现的概率密度统计 较暗图象的直方图 p(rk) nk 较亮图象的直方图 p(rk) nk 对比度较低图象的直方图 p(rk) nk 对比度较高图象的直方图 p(rk) nk 直方图应用举例——直方图均衡化 一种自动调节图象对比度质量的算法 使用的方法是灰度级变换：s = T(r) 基本思想是通过灰度级r的概率密度函数p(rk )，求出灰度级变换T(r) ，建立等值像素出现的次数与结果图象像素值之间的关系。 直方图均衡化方法 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。 一、 求灰度直方图 设f、g分别为原图像与处理后的图像。 求出原图f的灰度直方图，设为h。 显然，在[0,255]范围内量化时，h是一个256维的向量。 例 1 3 9 9 8 2 1 3 7 3 3 6 0 6 4 6 8 2 0 5 2 9 2 6 0 f h 0 3 1 2 2 4 3 4 4 1 5 1 6 4 7 1 8 2 9 3 注：这里为了描述方便起见，设灰度级的分布范围为[0,9]。 二、计算灰度分布概率 2.1 求出图像f的总体像素个数 Nf = m*n (m,n分别为图像的长与宽） 2.2 计算每个灰度级的像素个数在整个 图像中所占的百分比。 hs(i)=h(i)/Nf (i=0,1,…,255) 例 hs 0 0.12 1 0.08 2 0.16 3 0.16 4 0.04 5 0.04 6 0.16 7 0.04 8 0.08 9 0.12 h 0 3 1 2 2 4 3 4 4 1 5 1 6 4 7 1 8 2 9 3 hs=h/25 三、计算灰度级的累计分布 设图像各灰度级的累计分布hp。 例 hp 0 0.12 1 0.20 2 0.36 3 0.52 4 0.56 5 0.60 6 0.76 7 0.80 8 0.88 9 1.00 hs 0 0.12 1 0.08 2 0.16 3 0.16 4 0.04 5 0.04 6 0.16 7 0.04 8 0.08 9 0.12 四、计算新图像的灰度值 新图像g的灰度值g(i,j)为 例 f hp 0 0.12 1 0.20 2 0.36 3 0.52 4 0.56 5 0.60 6 0.76 7 0.80 8 0.88 9 1.00 2 5 9 9 8 3 2 5 7 5 5 7 0 7 5 7 8 3 0 5 3 9 3 7 0 g 1 3 9 9 8 2 1 3 7 3 3 6 0 6 4 6 8 2 0 5 2 9 2 6 0 五、处理前后灰度直方图的比较 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 f 的灰度直方图 g 的灰度直方图 直方图均衡化的效果 1.? 图像处理算法可分为几类？图像的基本运算有哪几种？ 2.? 为什么进行灰度变换可以增强对比度？如果想减弱对比度怎么办？ 3.? 图像的负片是怎么形成的？ 齐次坐标的几何意义 齐次坐标的几何意义：相当于点(x, y)落在3D空间H＝1的平面上， 如果将XOY 平面内的三角形abc 的各顶点表示成齐次坐标(xi, yi, 1)(i=1, 2, 3)的形式，就变成H＝1平面内的三角形a1b1c1的各顶点。 将2×n阶的二维点集