数字图像 04数字图像处理.pptVIP

下面先讨论连续变化图像的均衡化问题，然后推广到离散的数字图像上。 设r和s分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。即 在[0,1]区间内的任一个r值，都可产生一个s值，且 T(r)作为变换函数，满足下列条件： ①在0≤r≤1内为单调递增函数，保证灰度级从黑到白的次序不变； ②在0≤r≤1内，有0≤T(r)≤1，确保映射后的像素灰度在允许的范围内。 反变换关系为 T-1(s)对s同样满足上述两个条件。 由概率论理论可知，如果已知随机变量r的概率密度为pr(r),而随机变量s是r的函数，则s的概率密度ps(s)可以由pr(r)求出。 假定随机变量s的分布函数用Fs(s)表示，根据分布函数定义 利用密度函数是分布函数的导数的关系，等式两边对s求导，有： 可见，输出图像的概率密度函数可以通过变换函数T(r)控制原图像灰度级的概率密度函数得到,因而改善原图像的灰度层次,这就是直方图修改技术的基础 从人眼视觉特性来考虑，一幅图像的直方图如果是均匀分布的，即Ps(s)=k(归一化时k=1)时，该图像色调给人的感觉比较协调。因此将原图像直方图通过T(r)调整为均匀分布的直方图，这样修正后的图像能满足人眼视觉要求。 因为归一化假定 由 则有 两边积分得 上式表明，当变换函数为r的累积直方图函数时，能达到直方图均衡化的目的。 对于离散的数字图像，用频率来代替概率,则变换函数T(rk)的离散形式可表示为: 上式表明，均衡后各像素的灰度值sk可直接由原图像的直方图算出。 一幅图像的sk与rk之间的关系称为该图像的累积灰度直方图 rk Pr(rk) rk S(rk) 1.0 1.0 1.0 直方图均衡化 直方图均衡化算法 (1)求出图像中所包含的灰度级fj ,可以定为0~L-1,(0~255) (2)统计各灰度级的像素数目nj(j=0,1,2,…L-1) (3)计算图像直方图: (4)计算累积分布函数： i=0,1,2,…L-1 n n f P j j f = ) ( （5）应用以下公式计算映射后的输出图像的灰度级gi ( i=0,1,2,…P- 1) ，P为输出图像灰度级的个数： 其中， 为取整符号； （6）统计映射后各灰度级的像素数目 ； （7）计算输出图像直方图 ； （8）用 的映射关系修改原始图像的灰度级，从而获得直方图近 似为均匀分布的输出图像。 均衡化处理举例，有一幅8×8的图像如下所示: 0 4 6 4 4 4 5 5 5 5 0 4 4 4 5 4 5 5 4 4 6 4 6 5 6 0 4 4 0 6 5 5 4 4 6 4 4 4 0 6 4 4 4 0 4 0 5 5 4 4 4 6 4 4 4 4 4 4 0 7 5 5 5 5 共有8个灰度级： 0 1 2 3 4 5 6 7 各灰度级像素数nj： 8 0 0 0 31 16 8 1 求直方图pf (nj /n)： .125 0 0 0 .484 .25 .125 .016 映射gi= INT[7 C(i)+0.5] ： 1 1 1 1 4 6 7 7 求 C(i)： .125 .125 .125 .125 .609 .859 .984 1.00 1 4 7 4 4 4 6 6 6 6 1 4 4 4 6 4 6 6 4 4 7 4 7 6 7 1 4 4 1 7 6 6 4 4 7 4 4 4 1 7 4 4 4 1 4 1 6 6 4 4 4 7 4 4 4 4 4 4 1 7 6 6 6 6 统计ni： 8 8 8 8 31 16 9 9 直方图(ni/n) ： .125 .125 .125 .125 .484 .25 .141 .141 fi?gi 这样，不同的灰度级(6,7)合并成同一个灰度级，减少了图像的灰度等级，以便换