实验-直方图统计及亮度调整概要
图像直方图实验报告
图像直方图实验报告实验目的本实验旨在通过使用Python编程语言对图像直方图进行分析和可视化，加深对图像亮度分布的理解，并通过实验结果来探索不同图像的特点和相似性。
实验步骤1. 导入必要的库在开始实验之前，首先需要导入所需的Python库，包括numpy、matplotlib.pyplot和cv2。
可以使用以下代码导入这些库：import numpy as npimport matplotlib.pyplot as pltimport cv22. 读取图像数据选择一张感兴趣的图像作为实验对象，并使用cv2库中的imread()函数读取图像数据。
例如，可以使用以下代码读取名为image.jpg的图像：image = cv2.imread('image.jpg', 0)3. 计算图像直方图使用numpy库中的histogram()函数计算图像的直方图。
直方图是一个表示图像亮度级别频率分布的数组。
可以使用以下代码计算直方图：histogram = np.histogram(image.flatten(), bins=256, range=[0, 256])上述代码将返回一个包含图像直方图数据的数组。
4. 可视化直方图使用matplotlib.pyplot库中的bar()函数将图像直方图可视化。
可以使用以下代码绘制直方图：plt.figure()plt.title('Image Histogram')plt.xlabel('Bins')plt.ylabel('Frequency')plt.bar(histogram[1][:-1], histogram[0], width=1, color='gray')plt.show()上述代码将绘制一个表示图像亮度级别频率分布的直方图。
5. 结果分析通过观察直方图，可以分析图像的亮度特性和分布情况。
掌握Adobe Photoshop软件中的直方图和曝光调整技巧
掌握Adobe Photoshop软件中的直方图和曝光调整技巧近年来，数字摄影技术迅速发展，让我们从传统相机所依赖的胶片、底片中解放出来。
而数字照片在传输或者后期处理时，可以通过图像处理软件进行优化，调整图像的曝光度、对比度等参数。
其中，Adobe Photoshop是最为知名的一款图像处理软件，而直方图与曝光调整是Photoshop中不可或缺的两个功能。
一、直方图的作用和原理直方图是一个显示图像亮度范围的统计图表，它可以告诉我们图像中每个亮度级别的像素数量。
直方图横轴表示像素亮度级别，纵轴表示对应亮度级别的像素数量，将每个像素的亮度级别进行统计，并以柱状图形式显示出来。
通过直方图，我们可以直观地了解图像的亮度分布情况，从而进行曝光调整和校正。
在Adobe Photoshop中，我们可以通过打开图像后，选择"窗口"->"直方图"来查看直方图。
直方图显示了从黑色到白色的灰度亮度范围，其中黑色表示暗部，白色表示亮部。
我们可以根据直方图的分布情况，调整图像的曝光度，使其更符合我们的需求。
二、曝光调整技巧1. 调整曲线在Photoshop中，我们可以使用曲线工具对图像进行曝光调整。
选择"图像"->"调整"->"曲线"，可以打开曲线对话框。
我们可以通过拖动直线，调整曲线的形状来改变图像的亮度分布情况。
拖动曲线上方的点可增加亮度，拖动曲线下方的点可减少亮度。
通过调整曲线，可以让图像中的阴影、中间调和高光部分呈现出更丰富的细节和层次感。
2. 调整曝光在Photoshop中，我们还可以使用曝光调整功能来改变图像的明暗度。
选择"图像"->"调整"->"曝光"，可以打开曝光对话框。
通过调整曝光、偏移和对比度的参数，我们可以改变图像中的亮度和对比度，使其更加鲜明和有层次感。
实验报告(1)—直方图
实验一(1)
2、利用抓屏方法（ctrl+sysRq）粘贴实验程序和实验结果。
实验过程与结果
第一题是对某大学100名新生数学素质测验分数生成频率直方图。
第一步：录入实验数据，并利用max函数找出最高分与最低分；
第二步：根据最高分与最低分之间的差选取合适的组距，本次实验分为7组；
第三步：根据每组的组频范围计算出频数与频率（注：本次实验组频选取左开右闭的形式）；第四步：利用Excel中得数据分析选项，生成频率直方图并调整使其简洁美观；
第五步：利用Average函数求出其均值，利用Vara函数求出其方差。
实验过程及结果如图所示：
均值求解的函数截图；
方差求解的函数截图。
第二题是对某校100名新生身高的频率直方图，步骤与第一题类似，不做详细介绍。
实验过程与结果如下图所示：
均值求解的函数截图
方差求解的函数截图。
如何利用直方图分析照片曝光情况
如何利用直方图分析照片曝光情况曝光是摄影中的一个关键概念，它指的是相机所曝光的图像区域的明暗程度。
照片曝光情况的合理分析对于拍摄出清晰、明亮、细节丰富的照片至关重要。
直方图是一个有力的工具，可以帮助我们有效地分析照片的曝光情况。
接下来，将详细介绍如何利用直方图分析照片曝光情况。
我们来了解一下直方图是什么。
直方图是一种用于表示图像中像素值分布的图形。
横轴表示像素值的范围，纵轴表示像素值在图像中出现的次数或所占的比例。
通过观察直方图，我们可以了解到图像中各个亮度层次的分布情况，进而判断照片的曝光情况是否合理。
在数字相机或手机相机上，我们可以通过查看直方图来评估照片的曝光情况。
通常来说，一个良好曝光的照片的直方图呈现为一个平滑的曲线，该曲线在整个像素值范围内均匀分布。
若直方图左侧高度集中，可能表示照片过曝，即亮度过高，细节丢失；相反，若直方图右侧高度集中，可能表示照片曝光不足，即亮度过低，阴影区域无细节。
我们需要了解如何读取直方图以获得对曝光情况的准确分析。
直方图由左至右表示从暗到亮的像素值范围，一般以0为最暗，255为最亮。
横轴上的每一个像素值都对应了纵轴上的一个柱状高度。
纵轴的高度表示该像素值在照片中的出现频率或比例。
我们可以通过纵轴的高度来判断各个亮度层次的分布情况。
我们可以开始根据直方图的特征来分析照片的曝光情况。
如果直方图呈现为一个中间较高的峰值，表明照片的曝光情况较好，亮度分布均匀。
如果直方图向左倾斜，即左侧较高，那么照片过曝，需要调整曝光补偿或减小光圈大小以降低亮度。
反之，如果直方图向右倾斜，即右侧较高，那么照片曝光不足，需要增加曝光补偿或增大光圈大小以提高亮度。
还可以利用直方图的信息来调整照片的曝光。
在某些情况下，我们可能更倾向于保留图像中的某些特定细节，比如高光或阴影区域的细节。
通过观察直方图，我们可以调整曝光参数，以使得对应细节的像素值分布在合适的亮度范围内，从而得到更理想的曝光效果。
第二章通过“直方图”了解照片亮度信息
什么是EXIF信息Exif (Exchangeable image file format) 是可交换图像文件的缩写，是专门为数码相机的照片设定的，可以记录数字照片的属性信息和拍摄数据。
Exif 最初由日本电子工业发展协会在 1996 年制定，版本为 1.0。
1998 年，升级到2.1，增加了对音频文件的支持。
2002 年 3 月，发表了 2.2 版。
Exif 可以附加于 JPEG、TIFF、RIFF 等文件之中，为其增加有关数码相机拍摄信息的内容和索引图或图像处理软件的版本信息。
Exif 是一个为数码相机使用的图像文件格式而制定的标准规格。
它由日本电子工业发展协会(JEIDA - Japan Electronic Industry Development Association)创建。
该规格使用现有的文件格式，如 JPEG，TIFF Rev. 6.0，和 RIFF WAVE 音频文件格式，和一些额外添加的特殊元数据标签。
它不支持 JPEG 2000 或 PNG。
该规格的 V2.1 版本于 1998 年 1 月制定，V2.2 版本于 2002 年 4 月制定。
在 Exif 标准中定义的元数据标签包括以下几大方面的信息：日期和时间信息。
数码相机将记录当前日期和时间，并把这些信息记录在元数据标签里。
相机设置。
这包括静态信息，如相机型号、生产厂商，及每张照片改变的信息(方位、光圈、快门速度、焦距、测光模式和ISO感光速度等信息)。
照片拍摄地的位置信息。
可以由 GPS(全球卫星定位系统)接收器连接到数码相机上，来提供相关全球定位信息。
2004 年，仅有极少数数码相机支持这个特性。
因此，有人使用普通的GPS接受器来记录他当时所在位置的地理信息，然后在图像的时间戳里，根据接受器日志记录的内容，为图像添加相机错失了的照片拍摄地地理信息。
描述和版权信息。
一些数码相机高端机型会在相机上提供允许用户编写这部分信息的功能。
用直方图分析高光溢出及调整方法
用直方图分析高光溢出及调整方法应枫林朋友的要求，要我用直方图分析高光溢出（死白）的现象并做后期修正。
因本人水平有限，对照片后期也不是精益求精，调整的参数不敢说是最佳的，因此，如果论坛里有朋友说我调整的效果没有达到最佳之类的话我一概不接受！呵呵！因为这世界上只有更好，没有最好。
另外，本流程只分析直方图及调光，别的一概不考虑。
主体高光过曝是初学摄影者经常遇到的情况，原因是因为测光不准。
发本贴意在抛砖引玉给初学者提供处理高光溢出的一条可行性处理方法，绝对不敢说是金科玉律，高手对我这帖子可以嗤之以鼻，不屑一顾，因为我相信你们的技术比我高明百倍！在此，谢谢枫林朋友给我提供相片素材！另外，我重复一句，准确测光是摄影技术基础中的基础，拍摄时过曝了，后期是很难挽回高光细节的。
很多老摄影的经验是宁欠勿过，就是说在测光时可以欠曝一点，千万别过曝了。
原片相机品牌:Canon 相机型号:Canon PowerShot G12光圈:F2.8 ISO:400 曝光补偿:0 EV 曝光时间:1/250 sec调整后效果：因为枫林给我的是jpeg格式的片子，调整后虽然纠正了高光溢出，但是，石台上的高光区细节已经丢失了，白晃晃的一片，这是没有办法挽回的，如果是RAW格式的片子，通过后期调整还是可以挽回一些细节的，这也是很多摄影大师一再强调要用RAW格式储存相片的原因。
相机品牌:Canon 相机型号:Canon PowerShot G12 光圈:F2.8 ISO:400 曝光补偿:0 EV 曝光时间:1/250 sec原片直方图调整后直方图第一步：将照片导入lightroom，至于怎么样导入，与别的软件不一样，大家自己找教程。
没有看过lightroom帮助说明或者教程的人，第一步就麻烦，真的不知道如何将照片导入到这个程序里，它与光影魔术手、PS之类的软件导入方法都不一样。
第二步：看直方图。
这是我的习惯，我打开lightroom软件后第一步就是看直方图。
直方图均衡化实验报告
直方图均衡化实验报告直方图均衡化实验报告引言：直方图均衡化是一种常用的图像处理技术，它可以增强图像的对比度和细节，使得图像更加清晰明亮。
本实验旨在通过实际操作验证直方图均衡化的效果，并探讨其在不同场景下的应用。
实验步骤：1. 图像获取与预处理：选择一张高对比度的彩色图像作为实验对象，通过图像处理软件将其转换为灰度图像。
确保图像的亮度范围适中，避免过亮或过暗的情况。
2. 直方图均衡化算法：实现直方图均衡化算法的代码，可以使用Python等编程语言。
算法的核心思想是将原始图像的像素值映射到新的像素值，使得新图像的直方图均匀分布在整个灰度范围内。
3. 实验结果展示：将经过直方图均衡化处理后的图像与原始图像进行对比展示。
通过观察图像的对比度、亮度和细节等方面的变化，评估直方图均衡化算法的效果。
实验结果与分析：经过直方图均衡化处理后，图像的对比度明显增强，细节更加清晰可见。
原本过亮或过暗的区域得到了适当的修正，使得整个图像的亮度分布更加均匀。
同时，图像中的细节也得到了突出，使得观察者能够更好地识别和分析图像中的内容。
在实际应用中，直方图均衡化可以用于图像增强、目标检测、图像匹配等领域。
例如，在安防监控系统中，直方图均衡化可以提高图像的对比度，使得目标物体更加明显，有利于目标检测和识别。
在医学图像处理中，直方图均衡化可以增强图像的细节，有助于医生对病灶的判断和诊断。
然而，直方图均衡化也存在一些局限性。
首先，直方图均衡化是一种全局操作，对整个图像进行处理，可能会导致某些局部细节的损失。
其次，直方图均衡化对于亮度变化较大的图像效果较差，可能会导致过度亮化或过度暗化的问题。
因此，在实际应用中，需要根据具体情况选择合适的图像处理方法。
结论：通过本次实验，我们验证了直方图均衡化在图像处理中的有效性。
直方图均衡化可以增强图像的对比度和细节，使得图像更加清晰明亮。
然而，直方图均衡化也存在一些局限性，需要根据具体情况选择合适的图像处理方法。
亮度直方图中RGB转亮度的快速算法
亮度直⽅图中RGB转亮度的快速算法亮度直⽅图中RGB转亮度的快速算法1）⾸先给出标准的亮度公式:Y(亮度)=(0.299*R)+(0.587*G)+(0.114*B)式中的 R 代表红⾊分量的值，G 为绿⾊分量的值，B 为蓝⾊分量的值。
2）为便于计算，快速算法不采⽤标准公式，⽽使⽤以下只取⼩数点后两个有效位的近似公式:Y(亮度)=(0.30*R)+(0.59*G)+(0.11*B)3) 对于 24 位图像⽽⾔，由于红，绿，蓝三原⾊分量的值域为0~255，我们完全可以事先将整个值域与系数的运算结果保存为三个元素⼤⼩为256的数组，并进⼀步将浮点数更改为两个⽆符号字符型的⽅式表⽰，如将 0.30 改为 { 0, 30 } 表⽰，其中前⼀元素表⽰值的整数部分，后⼀元素表⽰值的⼩数部分。
则三原⾊的亮度值数组结果如下:staticunsigned char lumRed[256][2]={{ 0,0 }, { 0,30 }, { 0,60 }, { 0,90 }, { 1,20 }, { 1,50 }, { 1,80 }, { 2,10 }, { 2,40 }, { 2,70 },{ 3,0 }, { 3,30 }, { 3,60 }, { 3,90 }, { 4,20 }, { 4,50 }, { 4,80 }, { 5,10 }, { 5,40 }, { 5,70 },{ 6,0 }, { 6,30 }, { 6,60 }, { 6,90 }, { 7,20 }, { 7,50 }, { 7,80 }, { 8,10 }, { 8,40 }, { 8,70 },{ 9,0 }, { 9,30 }, { 9,60 }, { 9,90 }, { 10,20 }, { 10,50 }, { 10,80 }, { 11,10 }, { 11,40 }, { 11,70 },{ 12,0 }, { 12,30 }, { 12,60 }, { 12,90 }, { 13,20 }, { 13,50 }, { 13,80 }, { 14,10 }, { 14,40 }, { 14,70 },{ 15,0 }, { 15,30 }, { 15,60 }, { 15,90 }, { 16,20 }, { 16,50 }, { 16,80 }, { 17,10 }, { 17,40 }, { 17,70 },{ 18,0 }, { 18,30 }, { 18,60 }, { 18,90 }, { 19,20 }, { 19,50 }, { 19,80 }, { 20,10 }, { 20,40 }, { 20,70 },{ 21,0 }, { 21,30 }, { 21,60 }, { 21,90 }, { 22,20 }, { 22,50 }, { 22,80 }, { 23,10 }, { 23,40 }, { 23,70 },{ 24,0 }, { 24,30 }, { 24,60 }, { 24,90 }, { 25,20 }, { 25,50 }, { 25,80 }, { 26,10 }, { 26,40 }, { 26,70 },{ 27,0 }, { 27,30 }, { 27,60 }, { 27,90 }, { 28,20 }, { 28,50 }, { 28,80 }, { 29,10 }, { 29,40 }, { 29,70 },{ 30,0 }, { 30,30 }, { 30,60 }, { 30,90 }, { 31,20 }, { 31,50 }, { 31,80 }, { 32,10 }, { 32,40 }, { 32,70 },{ 33,0 }, { 33,30 }, { 33,60 }, { 33,90 }, { 34,20 }, { 34,50 }, { 34,80 }, { 35,10 }, { 35,40 }, { 35,70 },{ 36,0 }, { 36,30 }, { 36,60 }, { 36,90 }, { 37,20 }, { 37,50 }, { 37,80 }, { 38,10 }, { 38,40 }, { 38,70 },{ 39,0 }, { 39,30 }, { 39,60 }, { 39,90 }, { 40,20 }, { 40,50 }, { 40,80 }, { 41,10 }, { 41,40 }, { 41,70 },{ 42,0 }, { 42,30 }, { 42,60 }, { 42,90 }, { 43,20 }, { 43,50 }, { 43,80 }, { 44,10 }, { 44,40 }, { 44,70 },{ 45,0 }, { 45,30 }, { 45,60 }, { 45,90 }, { 46,20 }, { 46,50 }, { 46,80 }, { 47,10 }, { 47,40 }, { 47,70 },{ 48,0 }, { 48,30 }, { 48,60 }, { 48,90 }, { 49,20 }, { 49,50 }, { 49,80 }, { 50,10 }, { 50,40 }, { 50,70 },{ 51,0 }, { 51,30 }, { 51,60 }, { 51,90 }, { 52,20 }, { 52,50 }, { 52,80 }, { 53,10 }, { 53,40 }, { 53,70 },{ 54,0 }, { 54,30 }, { 54,60 }, { 54,90 }, { 55,20 }, { 55,50 }, { 55,80 }, { 56,10 }, { 56,40 }, { 56,70 },{ 57,0 }, { 57,30 }, { 57,60 }, { 57,90 }, { 58,20 }, { 58,50 }, { 58,80 }, { 59,10 }, { 59,40 }, { 59,70 },{ 60,0 }, { 60,30 }, { 60,60 }, { 60,90 }, { 61,20 }, { 61,50 }, { 61,80 }, { 62,10 }, { 62,40 }, { 62,70 },{ 63,0 }, { 63,30 }, { 63,60 }, { 63,90 }, { 64,20 }, { 64,50 }, { 64,80 }, { 65,10 }, { 65,40 }, { 65,70 },{ 66,0 }, { 66,30 }, { 66,60 }, { 66,90 }, { 67,20 }, { 67,50 }, { 67,80 }, { 68,10 }, { 68,40 }, { 68,70 },{ 69,0 }, { 69,30 }, { 69,60 }, { 69,90 }, { 70,20 }, { 70,50 }, { 70,80 }, { 71,10 }, { 71,40 }, { 71,70 },{ 72,0 }, { 72,30 }, { 72,60 }, { 72,90 }, { 73,20 }, { 73,50 }, { 73,80 }, { 74,10 }, { 74,40 }, { 74,70 },{ 75,0 }, { 75,30 }, { 75,60 }, { 75,90 }, { 76,20 }, { 76,50 },};staticunsigned char lumGreen[256][2]={{ 0, 0}, { 0,59}, { 1,18}, { 1,77}, { 2,36}, { 2,95}, { 3,54}, { 4,13}, { 4,72}, { 5,31},{ 5,90}, { 6,49}, { 7, 8}, { 7,67}, { 8,26}, { 8,85}, { 9,44}, { 10, 3}, { 10,62}, { 11,21},{ 11,80}, { 12,39}, { 12,98}, { 13,57}, { 14,16}, { 14,75}, { 15,34}, { 15,93}, { 16,52}, { 17,11},{ 17,70}, { 18,29}, { 18,88}, { 19,47}, { 20, 6}, { 20,65}, { 21,24}, { 21,83}, { 22,42}, { 23, 1},{ 23,60}, { 24,19}, { 24,78}, { 25,37}, { 25,96}, { 26,55}, { 27,14}, { 27,73}, { 28,32}, { 28,91},{ 29,50}, { 30, 9}, { 30,68}, { 31,27}, { 31,86}, { 32,45}, { 33, 4}, { 33,63}, { 34,22}, { 34,81},{ 35,40}, { 35,99}, { 36,58}, { 37,17}, { 37,76}, { 38,35}, { 38,94}, { 39,53}, { 40,12}, { 40,71},{ 41,30}, { 41,89}, { 42,48}, { 43, 7}, { 43,66}, { 44,25}, { 44,84}, { 45,43}, { 46, 2}, { 46,61},{ 47,20}, { 47,79}, { 48,38}, { 48,97}, { 49,56}, { 50,15}, { 50,74}, { 51,33}, { 51,92}, { 52,51},{ 53,10}, { 53,69}, { 54,28}, { 54,87}, { 55,46}, { 56, 5}, { 56,64}, { 57,23}, { 57,82}, { 58,41},{ 59, 0}, { 59,59}, { 60,18}, { 60,77}, { 61,36}, { 61,95}, { 62,54}, { 63,13}, { 63,72}, { 64,31},{ 64,90}, { 65,49}, { 66, 8}, { 66,67}, { 67,26}, { 67,85}, { 68,44}, { 69, 3}, { 69,62}, { 70,21},{ 70,80}, { 71,39}, { 71,98}, { 72,57}, { 73,16}, { 73,75}, { 74,34}, { 74,93}, { 75,52}, { 76,11},{ 76,70}, { 77,29}, { 77,88}, { 78,47}, { 79, 6}, { 79,65}, { 80,24}, { 80,83}, { 81,42}, { 82, 1},{ 82,60}, { 83,19}, { 83,78}, { 84,37}, { 84,96}, { 85,55}, { 86,14}, { 86,73}, { 87,32}, { 87,91},{ 88,50}, { 89, 9}, { 89,68}, { 90,27}, { 90,86}, { 91,45}, { 92, 4}, { 92,63}, { 93,22}, { 93,81},{ 94,40}, { 94,99}, { 95,58}, { 96,17}, { 96,76}, { 97,35}, { 97,94}, { 98,53}, { 99,12}, { 99,71},{100,30}, {100,89}, {101,48}, {102, 7}, {102,66}, {103,25}, {103,84}, {104,43}, {105, 2}, {105,61},{106,20}, {106,79}, {107,38}, {107,97}, {108,56}, {109,15}, {109,74}, {110,33}, {110,92}, {111,51},{112,10}, {112,69}, {113,28}, {113,87}, {114,46}, {115, 5}, {115,64}, {116,23}, {116,82}, {117,41},{118, 0}, {118,59}, {119,18}, {119,77}, {120,36}, {120,95}, {121,54}, {122,13}, {122,72}, {123,31},{123,90}, {124,49}, {125, 8}, {125,67}, {126,26}, {126,85}, {127,44}, {128, 3}, {128,62}, {129,21},{129,80}, {130,39}, {130,98}, {131,57}, {132,16}, {132,75}, {133,34}, {133,93}, {134,52}, {135,11},{135,70}, {136,29}, {136,88}, {137,47}, {138, 6}, {138,65}, {139,24}, {139,83}, {140,42}, {141, 1},{141,60}, {142,19}, {142,78}, {143,37}, {143,96}, {144,55}, {145,14}, {145,73}, {146,32}, {146,91},{147,50}, {148, 9}, {148,68}, {149,27}, {149,86}, {150,45},};staticunsigned char lumBlue[256][2]={{ 0, 0 }, { 0,11 }, { 0,22 }, { 0,33 }, { 0,44 }, { 0,55 }, { 0,66 }, { 0,77 }, { 0,88 }, { 0,99 },{ 1,10 }, { 1,21 }, { 1,32 }, { 1,43 }, { 1,54 }, { 1,65 }, { 1,76 }, { 1,87 }, { 1,98 }, { 2, 9 },{ 2,20 }, { 2,31 }, { 2,42 }, { 2,53 }, { 2,64 }, { 2,75 }, { 2,86 }, { 2,97 }, { 3, 8 }, { 3,19 },{ 3,30 }, { 3,41 }, { 3,52 }, { 3,63 }, { 3,74 }, { 3,85 }, { 3,96 }, { 4, 7 }, { 4,18 }, { 4,29 },{ 4,40 }, { 4,51 }, { 4,62 }, { 4,73 }, { 4,84 }, { 4,95 }, { 5, 6 }, { 5,17 }, { 5,28 }, { 5,39 },{ 5,50 }, { 5,61 }, { 5,72 }, { 5,83 }, { 5,94 }, { 6, 5 }, { 6,16 }, { 6,27 }, { 6,38 }, { 6,49 },{ 6,60 }, { 6,71 }, { 6,82 }, { 6,93 }, { 7, 4 }, { 7,15 }, { 7,26 }, { 7,37 }, { 7,48 }, { 7,59 },{ 7,70 }, { 7,81 }, { 7,92 }, { 8, 3 }, { 8,14 }, { 8,25 }, { 8,36 }, { 8,47 }, { 8,58 }, { 8,69 },{ 8,80 }, { 8,91 }, { 9, 2 }, { 9,13 }, { 9,24 }, { 9,35 }, { 9,46 }, { 9,57 }, { 9,68 }, { 9,79 },{ 9,90 }, { 10, 1 }, { 10,12 }, { 10,23 }, { 10,34 }, { 10,45 }, { 10,56 }, { 10,67 }, { 10,78 }, { 10,89 },{ 11, 0 }, { 11,11 }, { 11,22 }, { 11,33 }, { 11,44 }, { 11,55 }, { 11,66 }, { 11,77 }, { 11,88 }, { 11,99 },{ 12,10 }, { 12,21 }, { 12,32 }, { 12,43 }, { 12,54 }, { 12,65 }, { 12,76 }, { 12,87 }, { 12,98 }, { 13, 9 },{ 13,20 }, { 13,31 }, { 13,42 }, { 13,53 }, { 13,64 }, { 13,75 }, { 13,86 }, { 13,97 }, { 14, 8 }, { 14,19 },{ 14,30 }, { 14,41 }, { 14,52 }, { 14,63 }, { 14,74 }, { 14,85 }, { 14,96 }, { 15, 7 }, { 15,18 }, { 15,29 },{ 15,40 }, { 15,51 }, { 15,62 }, { 15,73 }, { 15,84 }, { 15,95 }, { 16, 6 }, { 16,17 }, { 16,28 }, { 16,39 },{ 16,50 }, { 16,61 }, { 16,72 }, { 16,83 }, { 16,94 }, { 17, 5 }, { 17,16 }, { 17,27 }, { 17,38 }, { 17,49 },{ 17,60 }, { 17,71 }, { 17,82 }, { 17,93 }, { 18, 4 }, { 18,15 }, { 18,26 }, { 18,37 }, { 18,48 }, { 18,59 },{ 18,70 }, { 18,81 }, { 18,92 }, { 19, 3 }, { 19,14 }, { 19,25 }, { 19,36 }, { 19,47 }, { 19,58 }, { 19,69 },{ 19,80 }, { 19,91 }, { 20, 2 }, { 20,13 }, { 20,24 }, { 20,35 }, { 20,46 }, { 20,57 }, { 20,68 }, { 20,79 },{ 20,90 }, { 21, 1 }, { 21,12 }, { 21,23 }, { 21,34 }, { 21,45 }, { 21,56 }, { 21,67 }, { 21,78 }, { 21,89 },{ 22, 0 }, { 22,11 }, { 22,22 }, { 22,33 }, { 22,44 }, { 22,55 }, { 22,66 }, { 22,77 }, { 22,88 }, { 22,99 },{ 23,10 }, { 23,21 }, { 23,32 }, { 23,43 }, { 23,54 }, { 23,65 }, { 23,76 }, { 23,87 }, { 23,98 }, { 24, 9 },{ 24,20 }, { 24,31 }, { 24,42 }, { 24,53 }, { 24,64 }, { 24,75 }, { 24,86 }, { 24,97 }, { 25, 8 }, { 25,19 },{ 25,30 }, { 25,41 }, { 25,52 }, { 25,63 }, { 25,74 }, { 25,85 }, { 25,96 }, { 26, 7 }, { 26,18 }, { 26,29 },{ 26,40 }, { 26,51 }, { 26,62 }, { 26,73 }, { 26,84 }, { 26,95 }, { 27, 6 }, { 27,17 }, { 27,28 }, { 27,39 },{ 27,50 }, { 27,61 }, { 27,72 }, { 27,83 }, { 27,94 }, { 28, 5 },};4) 近似公式变为:lumin = lumRed[red][0] + lumGreen[green][0]+ lumBlue[blue][0];lumin1 = lumRed[red][1] + lumGreen[green][1]+ lumBlue[blue][1];if( lumin1 >= 200 ) lumin += 2; /* ⼩数部分产⽣进位，整数部分加⼆, 这⾥不作四舍五⼊处理 */else if( lumin1 >= 100 ) lumin += 1;5) 本算法的关键在于将费时的浮点运算转换为两个整数加法和两个判断处理，在嵌⼊式系统中对于⽆浮点协处理器的 MCU/MPU 性能的提⾼是极为显著的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验 2.直方图统计及亮度调整
一、实验目的
了解并掌握直方图统计方法以及分段线性拉伸、直方图均衡等亮度调整算法, 通过观察对这些运算建立感性认识。
二、实验内容
1. 观察各类图像的直方图;
2. 操作 LUT 灰度对照表,进行分段线性拉伸;
3. 采用直方图均衡方法对低对比度的图像进行对比度增强。
三、基本原理
1.直方图的定义
图象的灰度直方图是一个函数, 表示数字图象中每一灰度级与该灰度级出现的频数 (即具有这一灰度级的象素数目间的对应关系:
P b N b M
(
( =
M 为一幅图象所包含的象素总数; N (b 为图象中灰度值为 b 的象素总数。
通常,以灰度值 b 为横坐标, N (b 为纵坐标。
直方图是图象中象素灰度值的一阶概率分布密度的一种近似。
2.对比度增强
对比度增强又称为点运算,逐点改变输入图象的每一象素的灰度,而各象素的位置不改变, 一般用来拓宽图象的灰度范围。
(1灰度变换法(LUT 对照
典型的对比度拉伸灰度变换关系如图 1所示,其对应关系如下:
g
f f a f a
g a f b f b g b f L a
b
=
≤< -+≤< -+≤<⎧
⎨
⎪
⎩
⎪
α
β
γ
(
(
式中, f 、 g 分别表示输入及输出图象, α、β、γ为折线段的斜率, a 、 b 决定低、中、高灰度级的范围。
选择不同的α、β、γ、 a、 b 、 g a 及 g b 数值,可得到各种各样的灰度拉伸效果。
灰度变换前后的灰度变化范围是不变的, 对一部分灰度区域的扩张 (感兴趣区都是以其它区域的压缩为代价的。
图 1. 典型的对比度拉伸灰度变换关系
可见,输出和输入图象之间各点的灰度是按照一定的映射关系相联系的,这种映射关系在计算机中则是通过一个查照表(look-up table,即 LUT 实现的。
通过 LUT 对照改变了图象中不同灰度特性趋于的对比度或反差(contrast ,达到改善视觉效果的目的。
(2 直方图均衡
直方图均衡(histogram equalization就是通过点运算使输入图像的灰度分布较为均匀, 使图像具有较好的视觉效果。
设 r , s 分别为原图和新图的灰度, ϕr (r , ϕs (s 分别为原图及新图的概率密度函数,则均衡变换为原图像的累积分布函数:
s T r r r r
==⎰( ϕ( 0 对于离散图像,均衡转换公式为: ∑∑=====k j j k j j r k k n M L r P r T s 0max
0 ( (
其中, L max 指图像中的最大灰度值(对于灰度图像就是 255。
四、实验步骤
(一 Matlab 的 demo 演示
1. 在命令窗中输入 demo, 在左边窗口选中 image processing, 在右下窗口选中
Intensity Adjustment and Histogram Equalization进入演示窗口 .
2. Operation 选 Intensity Adjustment 改变 Intensity Transformation 窗内曲线
的形状 , 或触动亮度 , 对比度 , 灰度按钮 , 调整图像质量 , 观察图像参数对直方图分布的影响。
3. Operation 选 Histogram Equalization 观察均衡化处理图像的效果。
(二 ImgPro 演示
1. 在 Matlab 界面下输入“ ImgPro ” ;
2. 选择“图像的基本性质->直方图与图像特性” ,观察各种图像的直方图;
3. 选择“图像增强->对比度修正->LUT对照之一” ,任意改变 LUT 形状,观察其处理效果;
4. 选择“图像增强->对比度修正->直方图修正” ,进行直方图均衡操作。
五、实验报告要求
1. 画出以下几种图像调整到最佳质量时的强度变换图和 gamma 值:1. 电路
2. 轮胎
3. 花
4. 生气
5. 土星。
2.归纳不同类型图像,其直方图的特点。
3.归纳调整直方图分布对图像质量的效果。