图像的直方图均衡、匹配和图像分割【数字图像处理大作业】.docxVIP

数字图像处理 ————————————————————————————— Porject3:图像的直方图均衡、匹配及图像分割 摘要：本文利用 matlab 的编程， 绘出图像的直方图。本文用了一般的直方图 均衡和自适应的直方图均衡的算法分别对各个直方图进行均衡，得到了不同的 效果。本文讨论了单映射规则和组映射规则的直方图匹配技术。本文采用了一 般的直方图图像分割技术对图像进行分割，同时还讨论了一种基于梯度的直方 图阈值图像分割技术。 2012 年 4 月 12 日星期四 I 项目题目： 共 10 幅经变亮或者变暗处理的源图像； 要求： 1.把附件图像的直方图画出； 2.把所有图像进行直方图均衡；输出均衡后的图像和源图像进行比对；分析 改善内容； 3.进一步把图像按照对源图像直方图的观察，各自指定不同源图像的直方图， 进行直方图匹配，进行图像增强； 4.利用直方图对图像 elain 和 woman 进行分割； 技术分析 1. 画出附件的直方图，先利用读取图像数据的函数将图像的数据点读取出来， 然后再对数据点的值进行排序，然后再统计每个灰度值出现的次数，然后再 用这些数据值绘出直方图 2. 把所有图像进行直方图均衡；输出均衡后的图像和源图像进行比对；分析改 善内容； 先说说直方图均衡的原理：从数学上来说图像直方图是图像各灰度值统 计特性和图像灰度值的函数，它是对图像中每一灰度值出现频率的统计，从 图形上来说，它是一个二维图，横坐标表示图像中各个像素点的灰度级，纵 坐标为各个灰度级上图像各个像素点出现的次数或概率。灰度直方图性质： ①表征了图像的一维信息。只反映图像中像素不同灰度值出现的次数（或频 数）而未反映像素所在位置。②和图像之间的关系是多对一的映射关系。 一幅图像的直方图基本上可描述图像的概貌，如图像的阴暗状况和对比 度等特征都可以通过直方图反映出来。既然一幅图像的概貌可以通过直方图 反映出来，反之，可以通过修改直方图的方法来调整图像的灰度分布情况， 因为直方图反映的是一个图像的灰度值的概率统计特征，所以，基于直方图 的图像增强技术是以概率统计学理论为基础的，直方图反映的是一个图像的 灰度值的概率统计特征。 直方图均衡处理是以累计分布函数为基础的直方图修改法，就是把一已 知灰度概率分布的图像经过一种变换，使之演变成一幅具有均匀灰度概率分 布的新图像。如果一副图象的直方图是均衡的，则其概率密度函数为 2 1 L是图像灰度级的取仅范围，对于归一化的灰度级来讲，因为L1=l，所以 Ps(s)＝l。因此,上式可改写为ds=Pr(r)dr： 两边取积分有： 如果取变换函数 则可以将概率密度函数为pr(r)的图像变为具有均匀概率密度分布函数 ps(s)的图像。由上述几个式子所表示的变换函数是原图像的累积概率密度函 数，该函数满足前述变换函数的两个条件，将上述结论推广到离散数字图象。 设一幅图像的像元数为n，共有L 个灰度级，nk代表灰废级为k 的像元的 数目，则第k 个灰度级出现的概率可表示为： 式中0≤rk≤1,0≤k≤L-1 所表示的变换函数T(r)可改写为: 式中0≤rr≤1,0≤k≤L-1,最后利用 公式将灰度图的灰度级进行变换。 因此程序中，需要将灰度图的直方图统计数组求出来，然后再利用上述 3 公式，将变换后的的灰度值求出来，最后再将图像的所有点都映射到新的灰 度值上去。 虽然直方图均衡可以提高整体的对比度，使图像清晰明亮，但是还是有 些缺陷的。 由于直方图均衡的理论来源于连续函数, 而数字图像的灰度是离散值, 使用于数字图像的变换函数进行了从连续到离散的近似。 因而在直方图均衡中存在的问题有: （1） 量化误差, 造成原图某些灰度信息的丢失.由于取整等操作。 （2） 结果图像中概率密度的不均匀性.输入图像在同一灰度层上的像 素, 经过直方图均衡后, 在输出图像中也在同一灰度层上. 由于 原图像中像素在各灰度分布的不均匀性和不连续性, 结果图像中 的概率密度p s ( s) 不可能始终为1, 同时p s( s) 的值和输入 图像的各灰度层上的像素分布有关. 当输入图像在某一灰度上的 概率密度值最大时,在变换后的图像对应该灰度层的变化上也有 最大值. 直方图均衡只是改变原图像中同一灰度层上所有像素的 灰度, 并不能改变单个像素点在灰度层上的分布, 因为从信息的 角度来看, 原图中同一灰度层上的像素点代表了相同的信息, 不 能通过变换使原本带有相同信息的像素点变成带有不同信息的像 素点. 以上的原因也就造成了直方图均衡在对灰度呈现两端分布, 同时在图像的低灰度区域有较多像素点的图像进行处理后, 得不 到满意的效果, 表现为处理后图像的亮度过度提升, 而整幅图像 的灰度动态范围没有有效提升, 达不到突出图像细节的目的. 为了使灰度