数字图像 4.1.pptVIP

指数变换 γ值的选择对于变换函数的特性有很大影响，当 γ＜1时会将原图像的灰度向高亮度部分映射，当γ＞ 时向低亮 度部分映射，而当 γ =1 时相当于正比变换。 定义：：灰度直方图定义为数字图像中各灰度级与其出现的频数间的统计关系，可表示为： 直方图修正 性质：1. 直方图的位置缺失性 2. 直方图与图像的一对多特性 3. 直方图的可叠加性 4.2 图像的直方图修正 ▓直方图均衡化的计算过程如下： (1)列出原始图像和变换后图像的灰度级： ，其中L是灰度级数； (2)统计原图像各灰度级的像素个数 ； (3)计算原始图像直方图： ，n为原始图像像素总个数； (4)计算累积直方图： ； (5)利用灰度变换函数计算变换后的灰度值，并四舍五入取整： (6)确定灰度变换关系 i--j ，据此将原图像的灰度值 修正为 ； (7)统计变换后各灰度级的像素个数 ； (8)计算变换后图像的直方图： 。 4.2 图像的直方图修正 [例4.1] 设有一幅大小为64×64，包含灰度值是0?7的8个灰度级的数字图像，其各灰度级的像素个数见表4.2.1所示，要求对其进行直方图均衡化，求出灰度变换关系和变换后的直方图。 表4.2.1 图像各灰度级的像素个数 灰度级（i） 0 1 2 3 4 5 6 7 像素个数（ni） 786 1020 852 650 333 245 130 80 4.2 图像的直方图修正 计算累积直方图： 计算变换后的灰度值： 确定灰度变换关系： 统计变换后各灰度级的像素个数 计算变换后图像的直方图： 计算原始直方图： 0.11 0.24 0.21 0.25 0.19 8 455 983 852 1020 786 7 5,6,7?7 3,4?6 2?5 1?3 0?1 6 7 7 7 6 6 5 3 1 5 1.00 0.98 0.95 0.89 0.81 0.65 0.44 0.19 4 0.02 0.03 0.06 0.08 0.16 0.21 0.25 0.19 3 80 130 245 333 650 852 1020 786 统计原图像各灰度级像素个数ni 2 7 6 5 4 3 2 1 0 列出图像灰度级（i或j） 1 计算结果 计算方法或公式 步骤 图4.2.3给出了直方图均衡化的示意图。从图和表中可以看出，由于数字图像灰度取值的离散性，通过四舍五入使变换后的灰度值出现了归并现象，而使变换后的直方图并非完全均匀分布，但相比于原直方图要平坦得多。 图4.2.3 直方图均衡化的示意图（a）原始直方图P(i)；（b）累计直方图Pi ；（c）均衡化后的直方图P(j)。 4.2 图像的直方图修正 4.2 图像的直方图修正 （a） （b） （c） （d） 图4.2.4 直方图均衡化的示例 均衡化前 均衡化后 直方图匹配 ? 直方图规定化（匹配） 图4.2.5 几种给定形状的直方图 （a）原直方图；（b）正态扩展直方图；（c）均匀化直方图；（d）暗区扩展直方图 （e）亮区扩展直方图。 （a） （b） （c） （d） （e） 4.2 图像的直方图修正 2.直方图规定化(匹配) 对于直方图规定化，下面仍从灰度连续变化的概率密度函数出发进行推导，然后推广出灰度离散的图像直方图规定化算法。 假设pr(r)和pz(z)分别表示已归一化的原始图像灰度分布的概率密度函数和希望得到的图像的概率密度函数。 首先对原始图像进行直方图均衡化，即求变换函数： 假定已得到了所希望的图像，对它也进行均衡化处理，即 它的逆变换是 这表明可由均衡化后的灰度得到希望图像的灰度。 若对原始图像和希望图像都作了均衡化处理，则二者均衡化的ps(s)和pv(v)相同，即都为均匀分布的密度函数。 由s代替v 得 z=G-1(s) ▓数字图像直方图规定化的方法步骤如下： （1） 对原直方图均衡化，即求其累计直方图 ： （2） 对规定直方图均衡化，即求其累计直方图 ：