图像处理直方图.pptVIP

直方图均衡化均衡化前后直方图比较例由上面的例子可见，利用累积分布函数作为灰度变换函数，经变换后得到的新灰度的直方图虽然不很平坦，但毕竟比原始图像的直方图平坦得多，而且其动态范围也大大地扩展了。因此这种方法对于对比度较弱的图像进行处理是很有效的。因为直方图是近似的概率密度函数，所以用离散灰度级作变换时很少能得到完全平坦的结果。另外，从上例中可以看出变换后的灰度级减少了，这种现象叫做“简并”现象。由于简并现象的存在，处理后的灰度级总是要减少的。这是像素灰度有限的必然结果。由于上述原因，数字图像的直方图均衡只是近似的。产生简并现象的根源是利用变换公式求新灰度时，所得到的往往不是允许的灰度值，这时就要采用舍入的方法求近似值，以便用与它最接近的允许灰度来代替它。在舍入的过程中，一些相邻的值变成了相同的值，这就发生了简并现象，于是也就造成了一些灰度层次的损失。那么为什么会有简并现象呢？那么如何减少简并现象呢？减少简并现象的简单方法是增加像素的比特数。比如，通常用8bit来代表一个像素，而现在用12bit来表示一个像素，这样就可减少简并现象发生的机会，从而减少灰度层次的损失。另外，采用灰度间隔放大理论的直方图修正法也可以减少简并现象。这种灰度间隔放大可以按照眼睛的对比度灵敏度特性和成像系统的动态范围进行放大。均衡化直方图均衡化实质上是减少图象的灰度级以换取对比度的加大。在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。直方图调整法修改一幅图象的直方图，使得它与另一幅图象的直方图匹配或具有一种预先规定的函数形状。1目标：突出我们感兴趣的灰度范围，使图象质量改善。2直方图匹配P(r)为原始图象的灰度密度函数，P(z)是期望通过匹配的图象灰度密度函数。对P(r)及P(z)作直方图均衡变换，通过直方图均衡为桥梁，实现P(r)与P(z)变换。如上面所述，一幅给定的图像的灰度级分布在0≤r≤1范围内。可以对[0,1]区间内的任一个r值进行如下变换(3.3.1)也就是说，通过上述变换，每个原始图像的像素灰度值r都对应产生一个s值。1直方图均衡的基础2变换函数T(r)应满足下列条件：01在0≤r≤1区间内，T(r)单值单调增加；02对于0≤r≤1，有0≤T(r)≤1。03这里的第一个条件保证了图像的灰度级从白到黑的次序不变。第二个条件则保证了映射变换后的像素灰度值在允许的范围内。满足这两个条件的变换函数的一个例子如图3.16所示。04图3.16一种灰度变换函数从s到r的反变换可用式(3.3.2)表示(3.3.2)由概率论理论可知，如果已知随机变量的概率密度为，而随机变量是的函数，即，的概率密度为，所以可以由求出。因为是单调增加的，由数学分析可知，它的反函数也是单调函数。在这种情况下，如图所示，＜且仅当ξ＜时发生，和的变换函数关系123所以可以求得随机变量的分布函数为对式两边求导，即可得到随机变量的分布密度函数为(3.3.3)123通过变换函数T(r)可以控制图像灰度级的概率密度函数，从而改变图像的灰度层次。这就是直方图修改技术的基础。假定变换函数为(3.3.4)式中是积分变量，而就是的累积分布函数(CDF)。直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。这里，累积分布函数是的函数，并且单调地从0增加到1，所以这个变换函数满足关于*在0≤≤1内单值单调增加，在0≤≤1内有0≤≤1的两个条件。01(3.3.5)02对式(3.3.4)中的求导，则再把结果代入式(3.3.3)，则(3.3.6)两个重要概念：用累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。直方图均衡化处理技术是用累积分布函数作变换函数的直方图修正方法；图4-5均匀密度变换法例如，在图4—5中，(a)是原始图像的概率密度函数。从图中可知，这幅图像的灰度集中在较暗的区域，这相当于一幅曝光过强的照片。(b)和(c)分别为变换函数和变换后的均匀的概率密度函数。由此可知变换后的值与