直方图均衡化处理
图像处理中直方图均衡化的使用教程
图像处理中直方图均衡化的使用教程图像处理中的直方图均衡化是一种常用的增强图像对比度的方法。
通过对图像的像素值进行重新分布，直方图均衡化可以使图像中的明暗区域更具有对比度，从而提高图像的质量和清晰度。
本文将介绍直方图均衡化的原理、应用场景以及具体的步骤。
1. 直方图均衡化的原理直方图均衡化的原理基于对图像的灰度级进行重新分布。
它通过将原始图像的像素值映射到新的像素值上，使得直方图在整个灰度范围内得到均匀分布。
这样就能够增强图像中的低对比度区域，提高图像的视觉效果。
2. 直方图均衡化的应用场景直方图均衡化在图像处理领域有着广泛的应用。
下面列举了一些常见的应用场景：- 增强图像的对比度：直方图均衡化可以使得图像中的亮度值更加均匀分布，提高图像的对比度，使得图像变得更加清晰。
- 增强图像的细节：直方图均衡化通过增强图像中的低对比度区域，可以使得细节更加显著，提高图像的可视化效果。
- 降低图像的噪声：直方图均衡化可以将图像中的噪声分布均匀化，从而减少噪声对图像质量的影响。
3. 直方图均衡化的步骤下面是使用直方图均衡化对图像进行处理的具体步骤：步骤 1: 将彩色图像转换为灰度图像如果原始图像是彩色图像，我们需要将其转换为灰度图像。
这是因为直方图均衡化是针对灰度级进行处理的。
步骤 2: 计算原始图像的像素值分布使用图像处理工具，计算原始图像中每个像素值的出现频率。
这样可以得到一个直方图，该直方图显示了原始图像中像素值的分布情况。
步骤 3: 计算累积分布函数通过对原始图像的直方图进行累积求和，得到一个累积分布函数。
该函数显示了每个像素值的累积出现频率。
步骤 4: 计算新的像素值根据累积分布函数，计算每个像素值的新的映射像素值。
这个计算公式可以根据具体的图像处理工具而有所不同。
步骤 5: 创建均衡化后的图像使用新的像素值替换原始图像中的像素值，将得到的图像称为均衡化后的图像。
4. 注意事项在使用直方图均衡化时，需要考虑以下几个注意事项：- 直方图均衡化可能会改变图像的整体亮度。
图像直方图均衡化原理
图像直方图均衡化原理
图像直方图均衡化是一种常用的图像增强方法，通过调整图像的像素灰度分布，使得图像的对比度增强、细节更加清晰。
其原理主要分为以下几个步骤：
1. 统计像素灰度值的分布：首先，对待处理的图像，统计每个灰度级别的像素点数量，得到原始图像的灰度直方图。
2. 计算累计分布函数：根据灰度直方图，计算每个灰度级别对应的累计分布函数，即该灰度级别及其之前的像素点的累积数量比例。
3. 灰度映射：对于每个像素点，将其灰度值通过累计分布函数进行映射，得到新的灰度值。
通常情况下，可以通过线性映射或非线性映射来实现，使得图像的灰度分布变得更加均匀。
4. 重构图像：将经过灰度映射处理后的灰度值替换原始图像中的对应像素点的灰度值，从而得到均衡化后的图像。
通过图像直方图均衡化处理，可以提高图像的对比度，使暗部和亮部细节更加突出，同时抑制了图像中灰度级别分布不均匀的问题。
这种方法在图像增强、图像分析等领域都有广泛应用。
直方图的均衡化
三、例题演示
设有1幅64x64，8bit灰度图像，其直方 图见图1，所用均衡化变换函数（即累积 直方图）见图2，均衡化后的直方图见图 3。
直方图均衡化计算列表
序号
运算
1 列出原始图灰度级Sk，k=0,1,…7
0
1
2
2 统计原始直方图各灰度级象素数Nk 790 1023 850
3 用式1计算原始直方图（图1）
对图像空间域点的增强过程是通过增强函数t=EH(s)来完成的， t、s分别为目标图像和原始图像上的像素点(x，y)处的灰度值。
在进行均衡化处理时，增强函数EH需要满足两个条件： 1）、增强函数EH(s)在0≤s≤L-1的范围内是一个单调递增函数，
这个条件保证了在增强处理时没有打乱原始图像的灰度排列次序; 2）、对于0≤s≤L-1应当有0≤EH(s)≤L-1，它保证了变换过程
0 sk 1
k=0,1,…L-1
公式（2）
根据该方程可以由原图像的各像素灰度值直接得到直方图均衡化后各 像素的灰度值。
在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并
计算出原始直方图分布，然后根据计算出的累计直方图分布 t k ，按式 tkint[(L1)tk0.5]对其取整扩展并得出原灰度s k 到 t k 的灰度映
%step1:get histogram
for i=1:m;
for j=1:n;
k=plane(i,j);
tmhist(k)=tmhist(k)+1;
end
end
四、直方图均衡化的原理程序(lm2.m)
%step2:get cdf
cdf(1)=tmhist(1);
for i=2:256
▪ 其实在MATLAB中，用imhist函数求图像直方图，histeq函数可 以实现直方图均衡化操作（histogram equalization）。
数字图像处理第四章作业
第四章图像增强1.简述直方图均衡化处理的原理和目的。
拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。
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。
也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。
把给定图像的直方图分布改变成“均匀”分布直方图分布目的：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。
它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。
通过直方图均衡化，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常用的亮度来实现这种功能。
Matlab程序如下：clc;RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。
简述直方图均衡化的基本原理
简述直方图均衡化的基本原理直方图均衡化，也称为图像增强是对图像进行增强，是研究图像处理和认知计算的研究内容。
它最早诞生于一百多年前的摄影技术，到了二十世纪八十年代，随着计算机技术的发展，用于图像处理的计算机算法也被用于直方图均衡化。
直方图均衡化的基本原理是将每一个灰度级别的图像分布调整到最大概率密度，使得其灰度分布最大化，从而提高图像的对比度，增强图像的细节结构，并减少噪声的影响。
首先，要计算灰度级别的分布。
通过计算得到不同灰度级别的像素数量，就可以得到灰度级别的百分比。
然后，根据灰度级别的最低百分比和最大百分比，计算每一个灰度级别的转换值，这些转换值就是灰度级别均衡化后的灰度值。
具体的计算方法是，将最低百分比记为L，最大百分比记为H，灰度级别1的转换值记为T1，灰度级别2的转换值记为T2，那么可以推出T2 =T1+(H-L)(2-1) 。
接下来，通过转换值对原始图像进行均衡化处理。
也就是说，将原始图像的每个像素的灰度值，替换成上面计算得出的转换值。
最后，就可以得到一幅均衡化后的图像。
直方图均衡化的优点在于能够有效地提高图像的对比度，增强图像的细节结构，从而达到较好的图像增强效果。
传统的灰度图像，最终图像的细节和结构可能会受到噪声的影响，但是通过直方图均衡化，可以减少噪声的影响，提高图像的清晰度。
然而，由于直方图均衡化是一种图像处理方法，所以它还有可能增加某些图像处理过程中可能出现的锯齿，导致不理想的处理效果。
总之，直方图均衡化是一种有效的图像增强技术，它旨在增强图像的对比度和细节结构，减少噪声的影响，使图像更加清晰。
它是利用计算机算法，根据不同灰度级别的分布情况，计算出每一个像素点的转换值，最终将原始图像的灰度值替换成新的均衡化值，从而达到图像增强的效果。
直方图均衡化原理
直方图均衡化原理
直方图均衡化是一种图像处理技术，目的是提高图像对比度并增强细节。
其原理是通过重新分配图像的灰度级，使得原始图像的像素值更均匀地分布在亮度范围内。
在直方图均衡化过程中，首先计算原始图像的灰度直方图。
灰度直方图是一个统计图，用来表示不同灰度级在图像中出现的频率。
然后，根据灰度直方图的统计结果，通过累积函数计算每个灰度级的累积频率。
累积函数将原始图像的像素值映射到新的像素值范围上。
在最后一步，通过将原始图像的每个像素值映射到新的像素值范围上，完成图像的均衡化。
通过重新映射，灰度级在整个亮度范围内得到了平均分布，从而增加了对比度，并提高了图像的细节。
直方图均衡化的优点是简单易实现，并且在许多图像处理任务中都能取得良好的效果。
然而，直方图均衡化也有一些限制。
例如，在有限的灰度级范围内，图像可能仍然存在过多的低对比度区域。
此外，该方法也可能导致图像噪点的增加。
因此，在实际应用中，可根据具体情况选择合适的图像增强方法。
图像直方图的均衡化处理图的均衡化
图像直⽅图的均衡化处理图的均衡化图像直⽅图的均衡化处理⼀，技术要求1.1，利⽤matlab提供的函数处理 (2)1.2，利⽤matlab⾃⾏编辑代码处理 (3)⼆，基本原理 (3)2.1，直⽅图的均衡化 (3)2.2，直⽅图的标准化 (3)三，建⽴模型描述 ......................................................................... 3~43.1，利⽤matlab提供的函数处理 (4)3.2，利⽤matlab⾃⾏编辑代码 (4)四，源程序代码 ............................................................................. 5~64.1，绘制图像直⽅图的代码 (5)4.2，绘制图像均衡化后直⽅图的代码 (5)4.3，显⽰均衡化后图像的代码 (6)五，调试过程及结论 ..................................................................... 6~85.1，在编辑窗⼝键⼊绘制直⽅图的源代码得到的输出结果为图2 (6)5.2，利⽤matlab函数绘制的图像直⽅图标准化的输出结果如图3..75.3，直⽅图均衡化输出结果如图4所⽰。
(8)六，⼼得体会 (9)七，参考⽂献 (9)图像直⽅图的均衡化处理⼀，技术要求1.1，利⽤matlab提供的函数处理利⽤matlab提供的函数画出⼀幅图像的直⽅图，对其进⾏均衡化和标准化处理，并⽐较均衡化（标准化）后图像和原图像的区别。
1.2，利⽤matlab⾃⾏编辑代码处理利⽤matlab⾃⾏编辑代码，实现⼀幅图像的直⽅图显⽰和均衡化的处理，同样⽐较处理前后两幅图像的区别，了解图像均衡化的效果和实际运⽤。
⼆，基本原理直⽅图是多种空域处理技术的基础。
它能有效的⽤于图像增强。
《直方图的均衡化》课件
直方图均衡化的效果评估
直方图均衡化的效果可以通过比较处理前后的直方图、对比度和视觉效果来 评估，通常希望处理后的图像具有更均匀的像素值分布和更好的对比度。
结论和总结
直方图的均衡化是一种有效的图像增强技术，在图像处理和计算机视觉中具有广泛的应用，能够改善图 像的质量和视觉效果。
《直方图的均衡化》PPT 课件
直方图的均衡化是什么
直方图的均衡化是一种图像增强技术，通过调整图像的亮度分布，使得图像中的像素值更均匀地分布在 整个灰度范围内，从而改善图像的对比度和视觉效果。
直方图的基本概念
直方图是用于表示图像中像素值分布的统计图，横坐标表示像素值，纵坐标 表示该像素值对应的像素数量。
直方图的均衡化原理
直方图均衡化的原理是通过对图像的像素值进行变换，使得原始图像的像素值分布更均匀，同时增强图 像的对比度。
直Байду номын сангаас图均衡化的应用场景
直方图均衡化广泛应用于图像增强、图像处理、计算机视觉等领域，可以改 善图像的质量、增强图像的细节和对比度。
直方图均衡化的步骤
直方图均衡化的步骤包括计算原始图像的像素值累计分布函数、对像素值进 行映射，以及将映射后的像素值替换到原始图像中。
- 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)。
数字图像处理实验报告
姓名: 王程学号: 2012021199037 日期：2013.3.30 一、实验要求
（1）对一幅的对比度灰度图像进行直方图均衡化处理，画出处理前后的图像及直方图（2）用matlab读取和显示
二、实验代码
clc;
clear;
I=imread('E:\数字图像处理\exp2\伊伽贝拉.jpg'); %读入图像文件
if isrgb(I)
I=rgb2gray(I);
end
subplot(221),imshow(I);
title('原图像伊伽贝拉')
[m,n]=size(I); %测量图像尺寸参数
B=zeros(1,256); %预创建存放灰度出现概率的向量for i=1:m
for j=1:n
%k=I(i,j);
%k=k+1;
%B(k)=B(k)+1;
B(I(i,j)+1)=B(I(i,j)+1)+1; %计算每级灰度出现的概率end
end
subplot(222),
stem(0:255,B,'Marker','none'); %绘制直方图
title('未均衡化的直方图');
S=I;
[m,n]=size(S); %读出图像的大小
BP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255
BP(k+1)=length(find(S==k))/(m*n); %计算每级灰度出现的概率
end
B1=zeros(1,256)
for i=1:256
for j=1:i
B1(i)=BP(j)+B1(i);
end
end
B2=round((B1*256)+0.5); for i=1:256
BPeq(i)=sum(BP(find(B2==i))); end I=S;
for i=0:255;
I(find(S==i))=B2(i+1); %将各个像素归一化后的灰度值赋
给这个像素 end
subplot(223),
imshow(I); %显示均衡化后的图像
title('均衡化后的图像'); subplot(224),
imhist(I); %利用系统函数进行直方图计算
title('均衡化后的直方图'); 三、 实验结果截图并做分析
原图像伊伽贝拉
0100200
300
1234x 104
未均衡化的直方图
均衡化后的图像
02000
4000
均衡化后的直方图
100
200
分析：
从上面各个图中可以看出在原图像中的一些看不到或看不清楚的细节在均衡化后可以
分辨出来，均衡化的图像变得更清晰。
在原图像中，灰度主要集中在黑色部分，也就是灰度为0部分，但变化后的图像能看到图像的灰度还是比较均匀的分布，但还是不够理想，我想原因是因为选图不够准确，没能更清楚显示结果。
均衡化所需步骤：1）、对给定的待处理图像统计其直方图。
2）根据统计出的直方图采用累计分布函数作变换，求出变换后的新灰度。
3）用新灰度代替旧灰度，这一步是近似过程，应根据处理目的尽量做到合理，同时把灰度值相等或相近的合并到一起。
小结：
实验是使用自编函数，在进行均衡化步骤时，开始由于没有完全掌握这方面的知识，比较不了解函数该怎么编写。
在看了多遍笔记和参考其它资料的情况下，终于把函数编写出来。
当然在课堂上，老师还是给了许多提示，同时在编写时也可以参考MA TLAB自带函数histep，在以后使用这些自带函数的同时，定要掌握函数的原理。
只知其表，不知其里对于学习来说是有百害无一益的。
在显示直方图的时候用上了上次实验的直方图显示模块，当然在最后为了简洁还是用上了imhist函数。
在以后的实验中要深入学习函数的逻辑原理，培养自己的编程能力。
本人承诺，此实验报告全部内容均为本人独立完成，若有欺瞒，猪狗不如！
签字：。