数字图像处理课件-Lecture05 Image Enhancement I.ppt

Histogram MatchingExample rk ni p(r) T(r) sk G-1(s) 0 786 0.19 0.19 1 1 1020 0.25 0.44 3 2 852 0.21 0.65 5 3 650 0.16 0.81 6 4 333 0.08 0.89 6 5 245 0.06 0.95 7 6 130 0.03 0.98 7 7 80 0.02 1.00 7 * Calculation Steps Histogram MatchingExample zk p(z) G(z) s G-1(s) 0 0 0 0 0 4 1 0 0 0 1 2 0 0 0 2 5 3 0 0 0 3 4 0.2 0.2 1 4 5 0.3 0.5 4 5 6 6 0.2 0.7 5 6 7 7 0.3 1.0 7 7 * Calculation Steps Histogram MatchingExample rk ni p(r) sk G-1(s) p(z) 0 786 0.19 1 4 0.19 1 1020 0.25 3 5 0.25 2 852 0.21 5 6 0.21 3 650 0.16 6 7 0.35 4 333 0.08 6 7 5 245 0.06 7 7 6 130 0.03 7 7 7 80 0.02 7 7 * Calculation Steps s G-1(s) 0 4 1 2 5 3 4 5 6 6 7 7 Histogram MatchingExample * 原图像 原图像的直方图 规定直方图 输出图像 输出图像的直方图 直方图中高灰度值一边更密集 由于规定的直方图在高灰度区值较大，所以变换的结果比均衡化更亮 直方图图像增强小结 直方图均衡化：求s=T(r)，即累积分布函数 直方图规定化：求z=T(r)，以直方图均衡化作为桥梁 * r s v z ＝ * 较暗图象的直方图 P (r k) r k 较亮图象的直方图 P (r k) r k 对比度较低图象的直方图 P (r k) r k 基于灰度直方图的图像增强 直方图均衡化 直方图规定化 目的 原理及基本算法 应用举例 目的 原理及处理步骤 应用举例 基于直方图的图像增强 直方图的均衡化 Histogram Equalization 直方图均衡化： 将原始图像的直方图变为均衡分布的形式，即将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像。 图像均衡化处理后，图像的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。 * 对比度较高图象的直方图 P (r k) r k 直方图均衡化增强 * * Histogram Equalization 直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法 直方图均衡化 直方图均衡化的原理 首先假定连续灰度级的情况，推导直方图均衡化变换公式，令r 代表灰度级，p ( r ) 为概率密度函数。r 值已归一化，最大灰度值为1。 * 考虑到灰度变换不影响像素的位置分布，也不会增减像素数目。所以： * 推广到数字图像中（分离量） 设一幅图像的像素总数为n，分L个灰度级。 nk : 第k个灰度级出现的个数。 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： * 直方图均衡化的实现步骤 求出图像中所包含的灰度级rk,可以定为0~L-1, 统计各灰度级的像素数目nk (k=0,1,2,…L-1) 计算图像直方图 计算变换函数： 用变换函数计算映射后输出的灰度级Sk 统计映射后新的灰度级Sk的像素数目nk 计算输出图像的直方图 * 例 例：设图象有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。 r k r0=0 r1=1 r2=2 r3=3 r4=4 r5=5 r6=6 R7=7 n k 790 1023 850 656 329 245 122 81 例 r k r0=0 r1=1 r2=2 r3=3 r4=4 r5=5 r6=6 r7=7 n k 790 1023 850 656 329 245 122 81 p(r k ) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 计算p(rk)，求出原直方图 S k计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00 例 r k r0=0 r1=1 r2=2 r3=