直方图
用EXCEL作数据的频率分布表和直方图
制作数据频率分布表和直方图 利用Excel处理数据，可以建立频率分布表和条形图。一般统计数据有两大类，即定性数据和定量数据。定性数据用代码转化为定量数据后再处理，这里就不涉及了，下面主要以定量数据为例来说明如何利用Excel进行分组，并作频率分布表和直方图。 ［资料］现有某管理局下属40个企业产值计划完成百分比资料如下： 97、123、119、112、113、117、105、107、120、107、125、142、92、 103、115、119、88、115、158、146、126、108、110、137、136、95、 108、127、118、87、114、105、117、124、129、138、100、103、127、104 (1)据此编制分布数列（提示：产值计划完成百分比是连续变量）； (2)计算向上累计频数（率）；(3)画出次数分布直方图。 ［步骤］ 第1步：打开Excel界面，输入40个企业的数据，从上到下输入A列（也可分组排列）。 第2步：选择“工具”下拉菜单，如图1－1。 图1－1图1－2 第3步：选择“数据分析”选项，如果没有该功能则要先行安装。“数据分析”的具体安装方法，选择“工具”下拉菜单中“加载宏”，在出现的选项中选择“分析工具库”，并“确定”就可自动安装。 第4步：在分析工具中选择“直方图”，如图1－2。 第5步：当出现“直方图”对话框时，在“输入区域”方框内键入A2:A41或$A$2：$A$41（“$”符号起到固定单元格坐标的作用，表示的是绝对地址），40个数据已输入该区域内，如果是分组排列的，就应选择整个分组区域。在“接收区域”方框内键入C2：C9或$C$2：$C$9，所有数据分成8组（主要根据资料的特点，决定组数、组距和组限），把各组的上限输入该区域内。在“输出区域”方框内键入E2或$E$2，也可重新建表在其他位置。对话框中，还选择“累积百分率”、“图表输出”（如图1－3）。 图1－3对话框内主要选项的含义如下： 输入区域：在此输入待分析数据区域的单元格范围。 接收区域（可选）：在此输入接收区域的单元格范围，该区域应包含一组可选的用来计算频数的边界值（上限）。这些值应当按升序排列。只要存在的话，Excel将统计在各个相邻边界值之间的数据出现的次数。如果省略此处的接收区域，Excel将在数据组的最小值和最大值之间创建一组平滑分布的接收区间。 标志：如果输入区域的第一行或第一列中包含标志项，则选中此复选框；如果输入区域没有标志项，则清除此该复选框，Excel将在输出表中生成适宜的数据标志。
第8讲2 直方图方法
直方图方法 什么是直方图 直方图也叫质量分布图、矩形图、柱形图、频数图。它是一种用于工序质量控制的质量数据分布图形，是全面质量管理过程中进行质量控制的重要方法之一。直方图适用于对大量计量数值进行整理加工，找出其统计规律，也就是分析数据分布的形态，以便对其整体的分布特征进行推断。 直方图是将测量所得到的一批数据按大小顺序整理，并将它划分为若干个区间，统计各区间内的数据频数，把这些数据频数的分布状态用直方形表示的图表。通过对直方图的研究，可以探索质量分布规律，分析生产过程是否正常。直方图的一般格式如图8-1所示。 图8-1 直方图基本格式直方图分析 直方图分析 在一般情况下，计量值直方图图形的中心附近最高，而愈向左右则愈低，多呈左右对称的形状。实际上形成各种各样的图形，具体分为正常型、孤岛型、双峰型、折齿型和陡壁型等形状。 ◆正常型直方图 正常型直方图是最为常见的图形，特点是中心附近频数最多，离开中心则逐渐减少，呈现左右对称的形状。当一种产品处于稳定期的时候，产品合格率的分布情况应该是呈现出正常型的特点，接近于正态分布。正常型直方图如图8-2所示。 ◆孤岛型直方图 孤岛型直方图的特点是在直方图的左端或者右端出现分立的小岛。当工序中有异常原因，例如在短期内由不熟练的工人替班加工，或者是测量有了系统性的错误时，会产生孤岛型直方图。孤岛型直方图如图8-3所示。 ◆双峰型直方图 双峰型直方图的特点是分布中心附近频数较少，左右各出现一个山峰形状。造成这种结果的原因可能是：观测值来自两个总体，进而产生了两个分布，说明数据分类存在问题；或
者是两个产品混在了一起，这时应当再加以分层，然后再画直方图。双峰型直方图如图8-4所示。 ◆折齿型直方图 折齿型直方图的特点是在区间的某一位置上频数突然减少，形成折齿形或者梳齿形。造成这种结果的原因可能是：由于数据分组太多，或者是测量误差过大，或者是观测数据不准确所导致，应重新进行数据的收集和整理。折齿型直方图如图8-5所示。 ◆陡壁型直方图 陡壁型直方图的特点是直方图平均值偏离中心靠近一侧，频数多集中于同一侧，而另一侧则逐渐减少，形成一侧较陡，左右非对称的图形，如图8-6所示。当产品质量较差时，为了得到合格的产品，需要进行全数检查，以便剔除不合格品，当剔除不合格品以后的产品数据频数作直方图时，就会产生陡壁型直方图，这是一种非自然形态的直方图。
品管七大手法之直方图
品管七大手法之直方图 Corporation standardization office #QS8QHH-HHGX8Q8-GNHHJ8
直方图(Histogram) 一、前言 现场工作人员经常都要面对许多的数据，这些数据均来自于生产过程中抽样或检查所得的某项产品的质量特性。如果我们应用统计绘图的方法，将这些数据加以整理，则生产过程中的质量散布的情形及问题点所在及过程、能力等，均可呈现在我们的眼前；我们即可利用这些信息来掌握问题点以采取改善对策。通常在生产现场最常利用的图表即为直方图。 二、直方图的定义 ⒈什么是直方图： 即使诸如长度、重量、硬度、时间等计量值的数值分配情形能容易地看出的图形。直方图是将所收集的测定值特性值或结果值，分为几个相等的区间作为横轴，并将各区间内所测定值依所出现的次数累积而成的面积，用柱子排起来的图形。因此，也叫做柱状图。 ⒉使用直方图的目的： ⑴了解分配的形态。 ⑵研究制程能力或计算制程能力。 ⑶过程分析与控制。 ⑷观察数据的真伪。 ⑸计算产品的不合格率。 ⑹求分配的平均值与标准差。 ⑺用以制定规格界限。 ⑻与规格或标准值比较。 ⑼调查是否混入两个以上的不同群体。 ⑽了解设计控制是否合乎过程控制。 116 品管七大手法 3.解释名词： ⑴次数分配
将许多的复杂数据按其差异的大小分成若干组，在各组内填入测定值的出现次数，即为次数分配。 ⑵相对次数 在各组出现的次数除以全部的次数，即为相对次数。 ⑶累积次数(f) 自次数分配的测定值较小的一端将其次数累积计算，即为累积次数。 ⑷极差(R) 在所有数据中最大值和最小值的差，即为极差。 ⑸组距(h) 极差/组数=组距 ⑹算数平均数(X) 数据的总和除以数据总数，通常一X （X-bar ）表示。 ⑺中位数(X) 将数据由大至小按顺序排列，居于中央的数据为中位数。若遇偶位数时，则取中间两数据的平均值。 ⑻各组中点的简化值(μ) ⑼众数(M) 次数分配中出现次数最多组的值。 例： 次数最多为24，不合格数是9，故众数为9。 ⑽组中点(m) 一组数据中最大值与最小值的平均值， （上组界+下组界）÷ 2=组中点 第八章 直方图 117 X= X 1+X 2+ …… +X n n X= S μf n X 0 +h ~ μ= , X i - X 组距(h) X 0=次数最多一组的组中点 X =各组组中点 n Xi n i ∑=1=
基于内容的图像检索_累加直方图算法
基于容的图像检索——累加直方图算法 摘要 随着多媒体、网络技术的迅速发展，图像信息的应用日益广泛，对规模越来越大的图像数据库、可视信息进行有效的管理成为迫切需要解决的问题，灵活、高效、准确的图像检索策略是解决这一问题的关键技术之一。因此，基于容的图像检索已成为国外学者研究的主要热点问题，并取得了不少的成果。 本文主要对当今热门的基于容的图像检索技术进行了研究，重点对它的算法进行研究。在半年的时间里，通过查阅很多相关的资料，并认真学习了基于容的图像检索的基本理论，特别是深入研究了颜色直方图理论和累加直方图算法，最后在MATLAB平台下编程实现此系统，该系统可以实现基本图像检索的功能，根据用户输入的样本图像来与图像库中的图像进行特征匹配，然后找出与样本图像距离比较小的若干幅图像，并按照图像之间的距离由小到大的顺序显示给用户。 经过对该系统进行反复的调试运行后，该系统所实现的功能基本达到了设计目标，并且运行良好。当用户提供出所要查询的关键图后，系统就可以从用户提供的图像库中检索到与关键图相似的图片并排序返回给用户，达到了预期效果。 关键词：图像检索累加直方图颜色特征 MATLAB
目次 1 绪论 (1) 1.1 国外的研究现状 (1) 1.2 选题意义及本文研究的容 (3) 2 基于容的图像检索的简介 (4) 2.1 基于容的图像检索技术的概述 (4) 2.2 基于容的图像检索的关键技术 (5) 3 基于容的图像检索原理和特点 (6) 3.1 基于容的图像检索的原理及处理过程 (6) 3.2 基于容图像检索的特点 (8) 4 颜色特征理论 (8) 4.1 颜色模型 (9) 4.2 颜色特征提取 (10) 5 直方图理论 (12) 5.1 颜色直方图 (12) 5.2 直方图的矩 (13) 5.3 直方图均衡化算法 (14) 5.4 基于直方图的图像检索技术分析 (14) 6 累加直方图算法 (16) 6.1 累加直方图 (16) 6.2 算法实现 (18) 6.3 改进的局部累加直方图算法 (18)
Excel2003制作直方图方法(一)
Excel 2003制作直方图方法（一） 一、直方图(柱形图)的定义： 直方图是频数直方图的简称，它是用一系列宽度相等、高度不等的长方形表示数据大小的图，并对数据进行比较分析。 二、直方图的适用范围： 1、用于数据整理； 2、研究数据分布。 三、直方图的作用： 1、寻找数据分布的中心位置在哪；散布状态如何？ 2、分布的形态是什么样的；效果、目标对比如何？ 四、Excel 2003制作直方图具体步骤： 1、将数据导入Excel 2003表格中，在G1单元格输入分组标志，在G2：G10单元格区域输入899、999、1099、1199、1299、1399、1499、1599、1699分段点，如图1.1所示：
2、点击菜单栏中“工具”菜单，出现工具栏子菜单，点击“加载宏”，弹出“加载宏”对话框，单击选中【分析工具库】和【分析工具库-VBA】复选框，如图1.2.1、1.2.2所示：完成后点击【确定】按钮。 3、点击菜单栏中“工具”菜单，出现工具栏子菜单，点击“数据分析”，弹出“数据分析”对话框，选中【直方图】，如图1.3.1、1.3.2所示： 4、单击【确定】按钮，弹出【直方图】对话框，单击【输入区域】后的折叠按钮，将对话框折叠，选择A2：E11单元格区域（居民购买消费品支出数据）；如图1.4所示：
5、单击打开折叠按钮，返回【直方图】对话框；单击【接收 区域】后的按钮，将对话框折叠，选择接收区域对应的G2：G10单元格；单击打开按钮，返回【直方图】对话框。如图1.5所示： 6、单击【输出区域】单选按钮，单击【输出区域】后的折叠按钮，选择A13单元格区域，单击打开折叠按钮，返回【直方图】对话框；单击选中【累积百分比】和【图表输出】复选框，如图1.6所示：
c#灰度直方图算法及调用
颜色直方图 颜色直方图是在许多图像检索系统中被广泛采用的颜色特征，它所描述的是不同色彩在整福图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适用于描述那些难以进行自动分割的图像 灰度直方图 灰度直方图是灰度级的函数，它表示图像中具有每种灰度级的像素的个数，反映图像中每种灰度出现的频率。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图像的最基本的统计特征。 灰度直方图的算法实现 大致步骤如下： 1.将图像转换成相同大小，以有利于计算出想象的直方图来 2.计算转化后的会度直方图 3.利用xx公式，得到直方图相似度的定量度量 4.输出这些不知道有用没用的相似度结果数据 代码实现 步骤1.将图像转化成相同大小，我们暂且转化成256×256吧 public static Bitmap Resize(string imageFile, string newImageFile) { Image img = Image.FromFile(imageFile); Bitmap imgOutput = new Bitmap(img, 256, 256); imgOutput.Save(newImageFile, System.Drawing.Imaging.ImageFormat.Jpeg); imgOutput.Dispose(); return (Bitmap)Image.FromFile(newImageFile); } 解释一下：imageFile是原始图片的完整路径，newImageFile是强制转换大小后的256×256图片的路径，为了“赛”后可以看到我们转化出来的图片长啥样，所以我就把它保存到了本地了，以至于有了上面的代码 步骤2.计算图像的直方图 ///
直方图与散布图的制作及案例分析
前言 在现今的时代,信息决定一切,输赢成败,皆乎于信息的弹指之间.而数据,占据着信息的核心位置,种类繁多,杂类无张的数据总是让我们眼花缭乱,手忙脚乱,心烦意乱,最后而不知所措, 那么希望下面的一小结内容中的方法,能给各位同事的生活和工作带去一些启发和便利,今天我们主要共同要学习的就是七大手法中2大手法-直方图和特性要因图,这两种手法运用广泛,其作用也得了广大企业的认可,是简单而实用的管理工具.
直方图定义及作用 什么是直方图,它有什么作用? 1.直方图：直方图又称为柱状图，用直方图可以将杂乱无章的资料，解析出规则性，比较直观地看出产品质量特性的分布状态，对於资料中心值或分布状况一目了然，便於判断其总体质量分布情况。
直方图的制作步骤 A、收集数据，并记录于纸上。统计表上的资料很多，少则几十，多则上百，都 要一一记录下来，其总数以N表示。 B、定组数：1总资料数与组数的关系大约如下表所示： 数据N50-100100-250250以上 组数K6-107-1210-20 C、找出最大值（L）及最小值（S），并计算全距（R），R=L-S。 D、定组距（C），R÷组数=组距，通常是2.5或10的倍数。 E、定组界： 最小一组的下组界=S-测量值的最小位数（一般是1或0.1）×0.5 最小一组的上组界=最小一组的下组界+组距 最小二组的下组界=最小的上组界依此类推. F、决定组的中心点：（上组界+下组界）=组的中心点 G、制作次数分布表：依照数值大小记入各组的组界内，然后计算各组出现的次数。 H、制作直方图：横轴表示测量值的变化，纵轴表示次数，将各组 的组界标示在横轴上，各组的次数多少，则用柱形划在各组距上。
直方图 知识讲解
直方图知识讲解 责编：康红梅 【学习目标】 1. 会制作频数分布表，理解频数分布表的意义和作用； 2. 会画频数分布直方图，理解频数分布直方图的意义和作用. 【要点梳理】 要点一、组距、频数与频数分布表的概念 1．组距：每个小组的两个端点之间的距离（组内数据的取值范围）． 2．频数：落在各小组内数据的个数． 3．频数分布表：把各个类别及其对应的频数用表格的形式表示出来，所得表格就是频数分布表．要点诠释： （1）求频数分布表的一般步骤：①计算最大值与最小值的差；②决定组距和组数； ③确定分点；④列频数分布表； （2）频数之和等于样本容量． （3）频数分布表能清楚、确切地反映一组数据的大小分布情况，将一批数据分组，一般数据越多，分的组也越多，当数据在100个以内时，按数据的多少，常分成5～12组，在分组时，要灵活确定 组距，使所分组数合适，一般组数为最大值-最小值 组距 的整数部分+1． 要点二、频数分布直方图 1．频数分布直方图：是以小长方形的面积来反映数据落在各个小组内的频数的大小，直方图由横轴、纵轴、条形图三部分组成． (1)横轴：直方图的横轴表示分组的情况(数据分组)； (2)纵轴：直方图的纵轴表示频数； (3)条形图：直方图的主体部分是条形图，每一条是立于横轴之上的一个长方形、底边长是这个组的组距，高为频数． 2．作直方图的步骤： (1)计算最大值与最小值的差； (2)决定组距与组数； (3)列频数分布表； (4)画频数分布直方图． 要点诠释：(1)频数分布直方图简称直方图，它是条形统计图的一种． (2)频数分布直方图用小长方形的面积来表示各组的频数分布，对于等距分组的数据，可以用小长方形的高直接表示频数的分布． 【高清课堂：数据的描述 369923 直方图和条形图的联系与区别：】 3.直方图和条形图的联系与区别： （1）联系：它们都是用矩形来表示数据分布情况的；当矩形的宽度相等时，都是用矩形的高来表示数据分布情况的； （2）区别：由于分组数据具有连续性，直方图中各矩形之间通常是连续排列，中间没有空隙，而条形图中各矩形是分开排列，中间有一定的间隔；直方图是用面积表示各组频数的多少，而条形图是用矩形的高表示频数. 要点三、频数分布折线图 频数分布折线图的制作一般都是在频数分布直方图的基础上得到的，具体步骤是：首先取直方图中每一个长方形上边的中点；然后再在横轴上取两个频数为0的点(直方图最左及最右两边各取一个，它们分别与直方图左右相距半个组距)；最后再将这些点用线段依次连接起来，就得到了频
图像增强及距离测量
基于Matlab的图像距离测量及图像增强处理 1.图像对比度及亮度调整 原图经过图像对比度及亮度调整，处理后如图1所示（图片名称webwxgetmsgimg.jpg）： 图 1 对比度亮度调整后图片 2.距离测量 在Matlab中导入图片后，imshow（'*. pic '）后，在命令窗口输入imdistline，即可在当前显示图片上创建一条线。通过拖动线条端点位置来测量图片中任意两个像素点之间的距离，长度单位为像素。Matlab code为（1），测量结果如表格1所示： 表格 1 直径测量
图 2 直径测量示例 3.直方图均衡化图像增强 处理方法为直方图均衡化方法，直方图均衡化旨在寻找一种灰度级变换关系，使得变换后的灰度图像的各级灰度的出现概率相同或相近。本次采用adapthisteq和histep函数进行直方图均衡对比。 图表 3 直方图均衡增强处理前后对比
（a）adapthisteq均衡后的图（b）histep均衡后的图 图表 4 两种均衡方法处理后的图 用到Matlab Code （1）距离测量 I = imread('C:\Users\lx123\Desktop\Matlab学习\测试_批处理 _20170718\webwxgetmsgimg.jpg'); Ig=rgb2gray(I); figure; imshow(Ig); % 若f为某图像 d=imdistline; % 此时可以在图像上对任意两点进行距离估计 （2）直方图均衡化图像增强 %Matlab code： I=imread('J:\Matlab学习\QQ截图20171016154118.png');%读入图像 Ig=rgb2gray(I); subplot(3,2,1); imshow(Ig); title('灰度图像'); subplot(3,2,2); imhist(Ig); title('原图的直方图'); subplot(3,2,3); H1=adapthisteq(Ig); %J =适应度adapthisteq（I）通过使用对比度限制自适应直方图均衡（CLAHE）转换值来增强灰度图像I的对比度。 imshow(H1); title('adapthisteq均衡后的图'); subplot(3,2,4); imhist(H1); title('adapthisteq均衡后的直方图'); subplot(3,2,5); H2=histeq(Ig);
各种图片模式介绍
各种图片模式介绍 亦称为点阵图像或绘制图像，是由称作像素（元素）的单个点组成的。这些点可以进行不同的排列和染色以构成图样。当放大位图时，可以看见赖以构成整个图像的无数单个方块。扩大位图尺寸的效果是增多单个像素，从而使线条和形状显得参差不齐。然而，如果从稍远的位置观看它，位图图像的颜色和形状又显得是连续的。在体检时，人员会给你一个本子，在这个本子上有一些图像，而图像都是由一个个的点组成的，这和位图图像其实是差不多的。由于每一个像素都是单独染色的，您可以通过以每次一个像素的频率操作选择区域而产生近似相片的逼真效果，诸如加深阴影和加重颜色。缩小位图尺寸也会使原图变形，因为此举是通过减少像素来使整个图像变小的。同样，由于位图图像是以排列的像素集合体形式创建的，所以不能单独操作（如移动）局部位图。 Photoshop RGB 位图颜色的一种编码方法，用红、绿、蓝三原色的光学强度来表示一种颜色。这是最常见的位图编码方法，可以直
接用于屏幕显示。 CMYK 位图颜色的一种编码方法，用青、品红、黄、黑四种颜料含量来表示一种颜色。常用的位图编码方法之一，可以直接用于彩色印刷。 索引颜色/颜色表 位图常用的一种压缩方法。从位图中选择最有代表性的若干种颜色（通常不超过256种）编制成颜色表，然后将中原有颜色用颜色表的索引来表示。这样原可以被大幅度有损压缩。适合于压缩网页图形等颜色数较少的图形，不适合压缩照片等色彩丰富的图形。 Alpha通道 在原有的编码方法基础上，增加像素的透明度信息。图形处理中，通常把RGB三种颜色信息称为红通道、绿通道和蓝通道，相应的把透明度称为Alpha通道。多数使用颜色表的位图格式都支持Alpha通道。 色彩深度 色彩深度又叫色彩位数，即位图中要用多少个二进制位来表示每个点的颜色，是分辨率的一个重要指标。常用有1位（单色），2位（4色，CGA），4位（16色，VGA），8位（256色），16位（增强色），24位和32位（真彩色）等。色深16位以上的位图还可以根据其中分别表示RGB三原色或CMYK四
数字图像处理点运算和直方图处理
实验1 点运算和直方图处理 一、实验目的 1. 掌握利用Matlab图像工具箱显示直方图的方法 2. 掌握运用点操作进行图像处理的基本原理。 3. 进一步理解利用点操作这一方法进行图像处理的特点。 4. 掌握利用Matlab图像工具箱进行直方图均衡化的基本方法。 二、实验的硬件、软件平台 硬件：计算机 软件：操作系统：WINDOWS 7 应用软件：MATLAB 三、实验内容及步骤 1. 了解Matlab图像工具箱的使用。 2. 利用Matlab图像工具箱对图像进行点操作，要求完成下列3个题目中 的至少2个。 ⑴图1灰度范围偏小，且灰度偏低，改正之。 ⑵图2暗处细节分辨不清，使其能看清楚。 ⑶图3亮处细节分辨不清，使其能看清楚。 图1 图2 图3 3. 给出处理前后图像的直方图。 4. 利用MatLab图像处理工具箱中函数对以上图像进行直方图均衡化操 作，观察结果。 四、思考题 1. 点操作能完成哪些图像增强功能？ 2. 直方图均衡化后直方图为何并不平坦？为何灰度级会减少？ 五、实验报告要求
1．对点操作的原理进行说明。 2．给出程序清单和注释。 3．对处理过程和结果进行分析（包括对处理前后图像的直方图的分析）。实验代码以及解析 点操作： I = imread('POINT1.BMP'); %读入图像 j=rgb2gray(I); %将图像转为灰度图像 INFO=IMFINFO('POINT1.BMP') %获取图片的格式、尺寸、颜色数量、修改时间等信息[l,r]=size(j); %图片大小 figure; %建立一个图形框 subplot(221) imshow(j) %在两行两列的第一个位置放置图片j title('POINT1.BMP') %给该图片加上标题POINT1.BMP for m=1:l for n=1:r %从第一个像素循环到最后一个像素 p1(m,n)=j(m,n)*1.2; %把各点乘上1.2得到p1图 end end for m=1:l for n=1:r p2(m,n)=j(m,n)*2; %%把各点乘上2得到p2图 end end for m=1:l for n=1:r p3(m,n)=j(m,n)*2+50; %把各点乘上2再加50得到p2图 end end subplot(222) imshow(p1) title('j(m,n)*1.2') %p1图放在第二个位置且冠名j(m,n)*1.2 subplot(223) imshow(p2) title('j(m,n)*2') %p1图放在第三个位置且冠名j(m,n)* 2 subplot(224) imshow(p3) title('j(m,n)*2+50') %p1图放在第四个位置且冠名j(m,n)*2+50 figure; %建立一个新的窗口并且依次显示以上四个图的直方图subplot(221),imhist(j,64); title('原图直方图') %64代表把0-250的灰度范围分为64份
计算图像的直方图
南通大学计算机科学与技术学院 《数字图像处理》课程实验 报告书 实验名计算图像的直方图 班级计 121 姓名张进 学号 1213022016 2014年6月 16 日
一、实验内容 1、打开一张图，计算其直方图。 二、图像直方图的概念 图像直方图是反映一个图像像素分布的统计表，其实横坐标代表了图像像素的种类，可以是灰度的，也可以是彩色的。纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的百分比。 图像是由像素构成，因为反映像素分布的直方图往往可以作为图像一个很重要的特征。在实际工程中，图像直方图在特征提取、图像匹配等方面都有很好的应用。 三、灰度直方图的计算 1、灰度直方图的定义 灰度直方图是灰度级的函数，描述图像中该灰度级的像素个数（或该灰度级像素出现的频率）：其横坐标是灰度级，纵坐标表示图像中该灰度级出现的个数（频率）。 一维直方图的结构表示为 高维直方图可以理解为图像在每个维度上灰度级分布的直方图。常见的是二维直方图。如红-蓝直方图的两个分量分别表示红光图像的灰度值和蓝光图像灰度值的函数。其图像坐标（Dr,Db）处对应在红光图像中具有灰度级Dr同时在蓝光图像中具有灰度级Db的像素个数。这是基于多光谱——每个像素有多个变量——的数字图像，二维中对应每个像素统计个变量。 简单的说，直方图就是对数据进行统计，将统计值组织到一系列事先定义好的bin中。bin的数值是从数据中计算出的特征的统计量，这些数据可以是诸如梯度，方向，色彩或者任何其他特征。无论如何，直方图获得的是数据分布的统计图。通常直方图的数据要低于原始数据。由于原始数据点可以表征任何事情，所以直方图实际上是一个方便表示图像特征的手段。
实验1 图像直方图分析
实验1 图像直方图分析 模式识别与智能系统王衍平 2010043003 1 实验目的 本试验通过MATLAB编程，获取一幅RGB图像的灰度直方图信息，并根据灰度直方图获得图像中的像素亮度的分布情况。 2 实验步骤 （1）使用imread函数读取一幅RGB图像，并输出显示该图像； （2）使用size函数获取该图像的大小，然后分离三个颜色通道； （3）分别输出显示R、G、B三个颜色通道的图像； （4）分别绘制R、G、B三个颜色通道的灰度直方图； （5）绘制RGB三个颜色通道的灰度直方图于一幅图像中。 3 MATLAB程序代码 I=imread('D:\数字图像处理实验\001.bmp'); % 若果不是RGB图像，报错 if(size(I,3)~=3) error('rgbhist:numberOfSamples','Input image must be RGB.') end figure(1),imshow(I); title('原RGB图像'); S=size(I); % Size of array file. H=reshape(I,S(1)*S(2),S(3)); % 将每个颜色通道变为一列 H=double(H); % Convert to double precision. nHist=2^8-1; figure(2),imshow(I(:,:,1)); % 显示R通道上的图像 title('R通道上的图像'); figure(3),imshow(I(:,:,2)); % 显示G通道上的图像 title('G通道上的图像'); figure(4),imshow(I(:,:,3)); % 显示B通道上的图像 title('B通道上的图像'); figure(5),imhist(I(:,:,1),nHist); % 绘制图像R通道上的灰度直方图 title('R通道上的灰度直方图'); figure(6),imhist(I(:,:,2),nHist); % 绘制图像R通道上的灰度直方图 title('G通道上的灰度直方图'); figure(7),imhist(I(:,:,3),nHist); % 绘制图像R通道上的灰度直方图 title('B通道上的灰度直方图');
直方图制作步骤详细讲解
直方图制作步骤 1）定义：直方图是数据分布形态分析的工具。 在质量管理中，如何预测并监控产品质量状况？如何对质量波动进行分析？直方图就是一目了然的把这些图表化处理的工具。它通过对收集到的貌似无序的数据进行处理，来反映产品质量的分布情况，判断和预测产品质量及不合格率。直方图是针对某产品或过程的特性值，把50个以上的数据进行分组，并算出每组出现的次数，画成以组距为底边，以频数为高度的一系列连接起来的直方矩形图。 2）直方图制作步骤 ①收集数据：收集数据时，对于抽样分布必须特别注意，不可取部分样品，应全部均匀的加以随机抽样，所收集的数据个数应大于50以上。 例:某厂成品尺寸规格为130~160mm，按随机抽样方式抽取60个样本，其测定值如下： 单位：mm 138142148145140141 139140141138138139 144138139136137137 131127138137137133 140130136128138132 125141135131136131 134136137133134132 135134132134121129 137132130135135134 136131131139136135 ②找出每组数据中最大值（L），与最小值（S） A B C D E F 138142148145140141 139140141138138139 144138139136137137 131127138137137133 140130136128138132 145141135131136131 134136137133134132 135134132134121129 137132130135135134 136131131139136135 ③求全部数据中的最大值和最小值 A L1=145S1=131 B L2=142S2=127
直方图计算与均衡
直方图计算与与均衡 一、实验要求： 1.读入给定的图像文件 2.求输入图像文件的直方图，并且利用MATLAB画出来 3.设计算法完成直方图的均衡，并利用MATLAB输出 4.将直方图均衡后的文件以图像形式输出 5.观察比较均衡前后图像与直方图的区别 二、实验原理 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 （I）直方图均衡化的过程： 1）列出原始图像和变换后图像的灰度级（L是灰度级的个数）； 2）统计员图像中各灰度级的像素个数； 3）计算原始图像直方图P(i)=Ni/N； 4）计算累计直方图P(j)=P(1) + P(2) + P(3) +…+ P(i)； 5）利用灰度值变换函数计算变换后的灰度值，兵四舍五入取整；j=INT[(L-1)Pj+0.5] 6）确定灰度变换关系i→j，据此将原图像的灰度值f（m,n）=i修正为g（m，n）=j； 7）统计变换后个灰度级的像素个数Nj； 8）计算变换后图像的直方图Pj=Nj/N （II）图像均衡化后的缺点： 1）变换后图像的灰度级减少，某些细节消失； 2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展
一种基于直方图统计特征的直方图匹配算法的研究_朱磊
收稿日期:2004-01-21 作者简介:朱磊(1973— ),男,江苏南京人,工学博士,讲师,研究方向:多媒体信息处理与通信网络管理。文章编号:1003-6199(2004)02-0048-04 一种基于直方图统计特征的直方图匹配算法的研究 朱 磊 (解放军理工大学通信工程学院,江苏南京 210007) 摘 要:本文提出并验证了基于直方图统计特征的直方图匹配算法。直方图作为对图像 颜色或灰度分布的一种基本描述量,利用其统计特征进行直方图之间的相似性度量。实验结果表明,在获得相同查准率的情况下,利用直方图统计特征量测算的算法比经典的欧氏距离测算算法具有更高的查全率。 关键词:直方图;匹配算法;统计特征中图分类号:TP391 文献标识码:A The Application of Digital Library T echnology in the Integrated Management Platform for Military Information ZHU Lei (Institute of Communication Engineering ,PLAUST ,Nanjing ,210007,China ) Abstract :In this paper ,the histogram ’s matching that based on the histogram ’s statistical characteriza 2tion was put forward and implemented.As a basic descriptor of the distribution of color or gray ,histogram ’s statistical characterization was used to compute the similarity between each other.The experimental result in 2dicates that when compared with the classical Euclidean distance measure method ,the new matching algo 2rithm can achieve a higher recall and the same precision. K ey w ords :histogram ;matching algorithm ;statistical characterization 1 引言 在对图像颜色特征的描述上,直方图(his 2togram )是一个非常有效的工具。直方图描述了图像颜色的统计分布特征,且具有平移、尺度和旋转的不变性,因此在颜色检索中被广泛采用。经典的直方图匹配算法是计算直方图之间的欧氏距离,在这种计算方法中,对直方图之间的相似度测量是按照矢量距离测量的思路进行的。本文采用随机变量的数字特征分析方法,利用直方图的统计特征进行直方图之间的相似性度量,将直方图随机变量的均值、方差和K olmogorov -Smirnov 检测量结合起 来,利用三者的加权和来代替欧氏距离判决公式, 对两幅图像的直方图之间的相似性进行度量。本文对这部分的工作进行了实验比较,实验结果表明,在获得相同查准率的情况下,利用直方图统计特征量测算的算法比经典的欧氏距离测算算法具有更高的查全率。 2 基于随机变量统计特征的直方图匹配算法 灰度直方图是灰度级的函数,它表示图像中具有每种灰度级的像素的个数,反映图像中每种灰度出现的频率。如图1所示,灰度直方图的横坐标是灰度级,纵坐标是该灰度级出现的频率,是图像最 第23卷第2期2004年6月 计 算 技 术 与 自 动 化Computing Technology and Automation Vol 123,No 12 J un 12004
教你使用直方图整曝光
教你使用直方图整曝光
————————————————————————————————作者：————————————————————————————————日期：
教你使用直方图调整曝光 几乎所有的数码相机都有液晶屏，DC用它来取景，单反用它查看照片。虽然目前液晶屏的素质提高了许多，但户外强烈的光线，依然会给取景及查看照片带来困难，尤其是在想要通过液晶屏查看曝光是否正确的时候。遇到这种情况时，相机内的直方图功能就派上了用场，了解并正确的使用它，可以让你正准确的调整曝光，从而拍摄出更棒的照片。 阳光下的液晶屏有时会让人很纠结 ·什么是照片的直方图？ 在回放照片的时候，相机通常会提供几种不同的显示模式，其中有一种是图像缩放成一小块，下面有详细的拍摄数据，并且配有一张“参差不齐”的图表——这就是照片的直方图。直方图将照片的曝光信息量化并用图表的形式表现出来，用户根据它就可以清楚的了解照片的曝光情况。在后期处理软件中打开图片，我们也可以调出照片的直方图调整曝光。
在相机上回放照片时可以调出直方图查看 图片后期处理软件也拥有查看直方图的功能 上面就是一张照片的直方图，我们应该如何解读呢？简单的说，直方图是一张二维的坐标系，其横轴代表明暗，最左侧代表黑色（最暗），最右边代表白色（最亮）；纵轴代表在某个亮度值像素的相对数量。查看直方图上的色块位置，就可以直观的了解照片的曝光情况。下面我们就用一组对比照片来看看直方图与照片曝光之间的关系。 ·直方图与曝光之间的关系 下面，我们使用相机的A档并调整曝光补偿连续拍摄了5张照片。由于减了两档曝光，第一张看上去很暗淡。再来看照片的直方图：色块区域明显集中在左侧（即暗部），右侧亮部区域基本没有任何像素，单从直方图就可以看出，这张照片一定会比较“黑”。
基于灰度直方图和边界方向直方图的图像检索
基于灰度直方图和边界方向直方图的图像 检索 摘要：针对用传统灰度直方图方法检索图像效果不佳的问题，提出了结合灰度直方图和边界方向直方图的方法。灰度直方图反映了灰度图像的整体亮度特征，而忽略了图像的空间分布。而边界方向直方图则表征了图像的形状特征。论文综合使用图像的颜色特征与形状特征进行图像，实验结果表明相比使用单个特征提高了检索正确率。 关键词：图像检索，灰度直方图，边界方向直方图 1 前言 随着互联网的发展，人类的生活已与网络密不可分。网络共享的资源包括数目众多的文字、图像及视频等数据。而如果用户需要从大量的图像中搜索到自己需要的一副图像，就需要应用图像检索技术。图像检索技术包括基于文本的图像检索技术（text-based image retrieval，TBIR）和基于内容的图像检索技术（content-based image retrieval，CBIR）。TBIR依靠人工对图像进行文字注解，利用文本检索实现对图像特征的查找。由于文字很难反映图像中的完整内容，且费时费力，CBIR技术已渐渐不能适应图像检索的需求。CBIR利用图像自身具有的颜色、纹理、形状及区域等特征，依靠例图在图像数据库中进行检索，实现了图像视觉内容特征的检索。由于能更好地满足用户对图像的检索需求，CBIR 成为图像检索技术研究的主流。 灰度图像作为数字图像的一大类，具有灰度分辨率高的特点，包含了十分丰富的图像信息。在MATLAB中，可以将数字图像转化成灰度图像，计算其灰度直方图作为图像的一个特征。 形状特征是图像的一种基本特征，也是人类视觉系统进行物体识别时所识别的关键信息之一。边界方向直方图具有尺度不变性, 能够比较好的描述图像的大体形状。 综合特征检索就是综合图像的颜色、形状、纹理或空间位置等特征表示，计算图像特征向量。各个特征间应有一个权重关系，由用户根据需要进行调整，以适应不同情况的查询。本文采用的检索方式就是综合颜色特征和形状特征的图像检索，与单个特征检索相比，多特征组合的图像检索提高了检索正确率。
直方图均衡化
算法 经典算法 下面以一幅3*2像素的简单图片（图C）为例，来说明灰度直方图均衡化的算法。 （图C） 图C的直方图： 注意看百分位(Percentile)这一项。一般软件的百分位是当前色阶的像素数量÷总像素数量，而Photoshop不同，Photoshop显示的是当前色阶与前面色阶的所有像素数量÷总像素数量。因此图C色阶为100时的百分位就是(3+2)/6=5/6=83.33%，这个百分位其实就是我们要求的灰度值(范围0~1)，把它转换成0~255的范围，要再乘255。 求出每个色阶的百分位之后，再乘255，就可以求出与其对应的灰度值来。
色阶数量出现频率百分位 255*百分位 根据每个色阶的色阶->255*百分位的对应关系组成一个灰度映射表，然后根据映射表来修改原来图片每个像素的灰度值。对于图C，用128替换50，用212替换100，用255替换200。这样，灰度直方图的均衡化就完成了。 直方图均衡化是灰度变换的一个重要应用，它高效且易于实现，广泛应用于图像增强处理中。图像的像素灰度变化是随机的，直方图的图形高低不齐，直方图均衡化就是用一定的算法使直方图大致平和。 均衡化处理后的图象只能是近似均匀分布。均衡化图象的动态范围扩大了，但其本质是扩大了量化间隔，而量化级别反而减少了，因此，原来灰度不同的象素经处理后可能变的相同，形成了一片的相同灰度的区域，各区域之间有明显的边界，从而出现了伪轮廓。 如果原始图像对比度本来就很高，如果再均衡化则灰度调和，对比度降低。在泛白缓和的图像中，均衡化会合并一些象素灰度，从而增大对比度。均衡化后的图片如果再对其均衡化，则图像不会有任何变化。 灰度直方图均衡化的算法，简单地说，就是把直方图的每个灰度级进行归一化处理，求每种灰度的累积分布，得到一个映射的灰度映射表，然后根据相应的灰度值来修正原图中的每个像素。 经典的直方图均衡化算法可能存在以下一些不足： 1.输出图像的实际灰度变化范围很难达到图像格式所 允许的最大灰度变化范围。 2.输出图像的灰度分布直方图虽然接近均匀分布, 但 其值与理想值1/n仍有可能存在较大的差异, 并非 是最佳值。