914740-数字图像处理-第3讲直方图规定化
数字图像处理直方图处理
0.2
0.1
0.10
0.05 0
1 7 2 7 3 7
0.03
6 7
0.02
1
原图 ps(Sk) 0.25 0.20 0.19 0.15 0.10 0.05 0
1 7 2 7
4 7
5 7
rk
0
1/7
3/7
(c)
5/7
1
zk
希望直方图
ps(Sk)
0.25
0.24 0.21 0.11
0.25 0.20 0.15 0.10 0.05
直方图均衡化计算列表
序 号 1 2 3 4 5 6 7 运算 列出原始灰度级rk 0 1 2 步骤和结果 3 4 5 6
122
7
81
统计原始直方图各级灰度 790 1023 850 656 329 245 nk 计算原始直方图rk的pk 计算累计直方图sk 取整sk=int[(L-1)sk +0.5] 确定映射关系(rk→sk) 统计新直方图各灰度级n’k
直方图的作法
a) 将图像的灰度级归一化
若图象的灰度级为0,1, , L 1, 则令 L 1 则0 rk 1. L为灰度级层次数，Lk rk 1 rk为灰度间隔 rk k , k 0,1, , L 1
b) 计算各灰度级的像素频数(或概率)
设nk 为灰度级为rk的像素的个数，N 为总的像素个数，令 N nk 是像素值为k的像素的频数，pr (rk )为其出现的概率 pr (rk ) nk
0.19 0.19 0.25 0.44 0.21 0.65 0.16 0.81 0.08 0.89 0.06 0.95
0.03 0.98
0.02 1.00
数字图像处理PPT 第3章_图像直方图
H Pi log 2 Pi i0
熵反映了图像信丰富的程度，在图像编码处理中具有重要意义。
1. 有一胶片图象，在背景明亮的天空衬托 下，有一亮色屋顶的深色谷仓.
在下述各种情况下，试指出直 方图看起来将是什么样子：如果该图象被（a） 正确数字化；（b）数字化时增益调整过低； （c）数字化时增益调整过高；（d）数字化 时偏置过大；（e）数字化时偏置过小；（f） 数字化时增益和偏置均过大。假设0为暗， 255为亮。
g fr (x, y,t), f g (x, y,t), fb (x, y,t)
3 图像灰度直方图
3.3 灰度直方图的应用
用于确定图像二值化的阈值
g fr (x, y,t), f g (x, y,t), fb (x, y,t)
3 图像灰度直方图
3.3 灰度直方图的应用
3.3 灰度直方图的应用
用于判断图像量化是否恰当
g fr (x, y,t), f g (x, y,t), fb (x, y,t)
3 图像灰度直方图
3.3 灰度直方图的应用
用于确定图像二值化的阈值 0 f (x, y) T
g(x, y) 1 f (x, y) T
3 图像灰度直方图
3.1 图像灰度直方图的基本概念
vi
g fr (x, y,t), f g (x, y,t), fb (x, y,t)
3 图像灰度直方图
3.1 图像灰度直方图的基本概念
vi
g fr (x, y,t), f g (x, y,t), fb (x, y,t)
N5=5
i
12321212
N6=8
31231221
数字图像处理-直方图处理与函数绘图
p(r)图 灰 像 度 上 为 的 r的 总 像 像 素 素 数 数
n
i 1
p(ri )
1
直方图处理与函数绘图
一.灰度级直方图的概念
灰度级
123456
灰度级的像素数 7 4 3 7 2 13
图像的直方图
直方图处理与函数绘图
一. 灰度级直方图的概念
灰度图像的直方图
直方图处理与函数绘图
二. 直方图的作法
直方图处理与函数绘图
三. 直方图的性质
不同图象对应相同的直方图
直方图处理与函数绘图
四. 直方图均衡化
1.原因
大多数自然图像，其灰度分布集中在较窄的区间，引起图像细 节不够清晰。例如一幅过曝光的图片，其灰度级都集中在高亮度范 围内，而曝光不足的图片，其灰度级集中在低亮度范围内，具有这 样直方图的图片其可视效果比较差。而采用直方图均衡化修正后可 使图像的灰度间距拉开或使灰度分布均匀，从而增大反差，使图像 细节清晰，增强对比度。
直方图处理与函数绘图
四. 直方图均衡化
2.直方图均衡化步骤
(求(13)变)对用换给新后定灰的的度新待代灰处替度理旧；图灰像度统，计求其出直Ps方(s)图，，这求一出步Pr是(r近k)似过nk程/N ，应
(根2)据根处据理统目计的出尽的量直做方到图合采理用，累同积时分把布灰函度数值作相变等换或, 近似地合
3.直方图均衡化MATLAB的实现
（2）imadjust函数
功能：通过直方图变换调整对比度。 格式：g=imadjust(f, ［low_in high_in］,［low_out
high_out］, gamma) 说明：g=imadjust(f, ［low_in high_in］, ［ low_out high_out , gamma)返回图像f经直方图调整后的图像g，gamma为校正量 ［low_in high_in］为原图像中要变换的灰度范围,［ low_out high_out 指定了变换后的灰度范围；newmap=imadjust(map, ［low high］ ［bottom top］, gamma)调整索引色图像的调色板map。此时若 ［low high］和［bottom top］都为2×3的矩阵，则分别调整R、 G、B 3个分量。
数字图像处理第3章_图像直方图
g f r ( x , y , t ) f g ( , x , y , t ) f b ( x , , y , t )
3 图像灰度直方图
3.2 灰度直方图的性质
g f r ( x , y , t ) f g ( , x , y , t ) f b ( x , , y , t )
3 图像灰度直方图
3.3 灰度直方图的应用
✓ 用于判断图像量化是否恰当
g f r ( x , y , t ) f g ( , x , y , t ) f b ( x , , y , t )
3 图像灰度直方图
3.3 灰度直方图的应用
✓ 用于确定图像二值化的阈值
g(x,y)10
f(x,y)T f(x,y)T
g f r ( x , y , t ) f g ( , x , y , t ) f b ( x , , y , t )
第3章 图像灰度直方图
内容： ✓ 灰度直方图的基本概念 ✓ 灰度直方图的性质 ✓ 灰度直方图的应用
g f r ( x , y , t ) f g ( , x , y , t ) f b ( x , , y , t )
3 图像灰度直方图
3.2 灰度直方图的性质
一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图
g f r ( x , y , t ) f g ( , x , y , t ) f b ( x , , y , t )
3 图像灰度直方图
3.3 灰度直方图的应用
✓ 用于判断图像量化是否恰当 ✓ 用于确定图像二值化的阈值 ✓ 当物体部分的灰度值比其他部分灰度值大时，可利用 直方图统计图像中物体的面积 ✓ 计算图像信息量H（熵）
3 图像灰度直方图
第三四直方图及直方图的规定化和均衡化PPT学习课件
f (sk )
rk
1
p
r
0
p sk 0
dr
s
ds
2020/2/26
sk ds rk p r dr
0
0
9
直方图均衡原理
• 连续模型下直方图均衡公式：
T rk
rk p r dr
0
• 离散化：
T rk
k
p rj
• 概率分布函数：
2020/2/26
f (rk )
rk p r dr ;
0
f (sk )
sk p s ds
0
8
直素面积 =
原图像在[0,rk]灰 度级范围内像素
f面(rk积) 。0rk p r dr =
sk T rkps
• 步骤3：求步骤2的反变换 ，将原始直方图对 应映射到规定直方图
zk G1(sk ) G1[T (rk )] k 0,1, 2,..., L 1
2020/2/26
17
直方图规定化
zk G1(sk ) G1[T (rk )] k 0,1, 2,..., L 1
分布均匀。
5
直方图均衡
• 基本思想:
– 将原始图直方图变换为在整个灰度范围内均匀分布。
• 目的：
– 增加像素灰度值的动态范围，增强图像整体对比度。
• 思路：
– –
寻要找求灰h%(度sk 映) 为射函均数匀T分(·布)，。有
sk T rk
2020/2/26
6
直方图均衡原理
• 灰度映射函数T(·)，有sk T rk
数字图像处理(直方图).
An
Combining
DFRT( n )
Renewed output images An exp(j n ) Cn
IDFRT( n )
Several input images Rn an exp(jn )
1 1 an , 0 n n n Updated input images a0 exp(j0 ) a0
15
按列统计的直方图
histc(pascal(3),1:6) produces the array [3 1 1; 0 1 0; 0 1 1; 0 0 0; >> pascal(3) 0 0 0; ans = 0 0 1]
1 1 1 1 2 3 1 3 6
每列目标数据的个数 统计
16
其他类型的统计图
条状图：bar x = 1:5; y = [0.2,0.3,0.1,0.8,0.9; 0.5,0.6,0.2,0.7,0.1]; bar(x,y');
20
其他类型的统计图
累加式条状图：barh rand('state',0); figure; barh(rand(10,5),'stacked'); colormap(cool)
6
彩色图像直方图
axes(‘Position’,*0.1,0.1,0.8,0.2+);% 生成坐标轴 stem(0:255,h1,'Marker','None','Color','r'); set(gca,'YColor','r','Xlim',[0,255]); axes('Position',[0.1,0.3,0.8,0.2]); stem(0:255,h2,'Marker','None','Color',[0,0.6,0]); set(gca,'YColor',[0,0.6,0],'Ytick',[0.005,0.01],'Xlim',[0,255]); axes('Position',[0.1,0.5,0.8,0.2]); stem(0:255,h3,'Marker','None','Color','b'); set(gca,'YColor','b','Ytick',[0.01,0.02],'Xlim',[0,255]);
【数字图像处理】直方图的均衡与规定化
【数字图像处理】直⽅图的均衡与规定化很多情况下，图像的灰度级集中在较窄的区间，引起图像细节模糊。
通过直⽅图处理可以明晰图像细节，突出⽬标物体，改善亮度⽐例关系，增强图像对⽐度。
直⽅图处理基于概率论。
直⽅图处理通常包括直⽅图均衡化和直⽅图规定化。
直⽅图均衡化可实现图像的⾃动增强，但效果不易控制，得到的是全局增强的结果。
直⽅图规定化可实现图像的有选择增强，只要给定规定的直⽅图，即可实现特定增强的效果。
直⽅图均衡化直⽅图均衡化借助灰度统计直⽅图和灰度累积直⽅图来进⾏。
灰度统计直⽅图灰度统计直⽅图反映了图像中不同灰度级出现的统计情况。
灰度统计直⽅图是⼀个⼀维离散函数，可表⽰为h (k )=n k ,k =0,1,...L −1，其中k 为某个灰度级，L 为灰度级的数量，最⼤取256，n k 为具有第k 级灰度值的像素的数⽬。
灰度直⽅图归⼀化概率灰度统计直⽅图的归⼀化概率表达形式给出了对s k 出现概率的⼀个估计，可表⽰为p s (s k )=n k /N ,k =0,1,2..,L −1式中，k 为某个灰度级；L 为灰度级的数量，最⼤取256；s k 为第k 级灰度值的归⼀化表达形式，s k =k /255，故s k ∈[0，1]；n k 为具有第k 级灰度值的像素的数⽬；N 为图像中像素的总数，故（n k /N ）∈[0，1]。
灰度累计直⽅图灰度累积直⽅图反映了图像中灰度级⼩于或等于某值的像素的个数。
灰度累积直⽅图是⼀个⼀维离散函数，可表⽰为H (k )=k ∑i =0n i ,k =0,1,2..,L −1式中，k 为某个灰度级；L 为灰度级的数量，最⼤取256；n i 为具有第i 级灰度值的像素的数⽬。
累积分布函数可以表⽰为：t k =k ∑i =0p s (s i )相对的，灰度累积直⽅图的归⼀化表⽰如下图：Processing math: 100%原理步骤直⽅图均衡化主要⽤于增强动态范围偏⼩的图像的反差。
图像直方图均衡的标准化与规定化处理
图像直方图均衡的标准化处理均衡化基本原理：对在图像中像素个数多的灰度值（即对画面其主要作用的灰度值）进行展宽，而对像素个数少的灰度值进行归并，从而达到清晰图像的目的。
代码：img=imread('tim.jpg');figure,imshow(img);[m,n]=size(img); %测量图像尺寸参数h=zeros(1,256) %预创建存放灰度出现概率的向量for k=0:255h(k+1)=length(find(img==k))/(m*n);endfigure,bar(0:255,h,'k') %绘制直方图title('原图像直方图')xlabel('灰度值')ylabel('出现概率')S1=zeros(1,256);for i=1:256for j=1:iS1(i)=h(j)+S1(i); %计算SkendendS2=round(S1*256); %将Sk归到相近级的灰度for i=1:256heq(i)=sum(h(find(S2==i))); %显示均衡化后的直方图endfigure,bar(0:255,heq,'k') %显示灰度变化曲线title('均衡化后的直方图')xlabel('灰度值')ylabel('出现概率')figure,plot(0:255,S2,'r') %显示灰度变化曲线legend('灰度变化曲线')xlabel('原图像灰度级')ylabel('均衡化后灰度级')TR=img;for i=0:255TR(find(img==i))=S2(i+1); %将各个像素归一化后的灰度值付给这个像素endfigure,imshow(TR) %将各个像素归一化后的灰度值赋给这个像素 title('均衡化后图像')imwrite(TR,'tim.jpg');实验效果图：原图像原图像直方图标准化后图像标准化后直方图：灰度变化曲线图像直方图均衡的规定化处理直方图规定化的基本原理：有目的地增强某个灰度区间的图像，即能够人为地修正直方图的形状，使之与期望的形状相匹配。
数字图像的直方图规定化处理实验
XX 大学实验报告
（一） 掌握数字图像的直方图规定化处理的算法和方法。
（二） 熟悉数字图像的直方图规定化处理的算法原理。
按照实验内容及参考程序，独立完成此次实验，记下不懂的知识点，查阅资料或者向老 师咨询。
直方图规定化是用于产生处理后有特殊直方图的图像方法。
学院:
专业: 班级: 姓名 实验时间 实验项目名称
实验二：数字图像的直方图规定化处理
令
p r （r ）和Pz （z ）分别为原始图像和期望图像的灰度概率密度函数。
和期望图像均作直方图均衡化处理，应有：
r
s T （r ） 0 p r （r ）dr ，V G （Z ）
对原始图像
z 0
P z
(z )dz ，z
G
1
(V)
由于都是作直方图均衡化处理，所以处理后的原图像的灰度概率密度函数
p S （s ）及理
想图像的灰度概率密度函数 P V （V ）是相等的。
因此，可以用变换后的原始图像灰度级
S
代替上式中的V, 即Z G 1[T （r ）]。
利用此式可以从原始图像得到希望的图像灰度级。
对离散图像，有
P Z (ZJ
虹，V i G (乙)^P z (Z i )， Z i
G 1(S i ) G 1[T(r i )]
n
i 0
综上所述，数字图像的直方图规定化就是将直方图均衡化后的结果映射到期望的理想直 方图上，使图像按人的意愿去变换。
数字图像的直方图规定的算法如下：
（一）将原始图像作直方图均衡化处理， 求出原图像中每一个灰度级 r i 所对应的变
学号 指导教师
实验组 成绩。
(精品)数字图像处理实验报告--直方图规定化
数字图像处理实验报告直方图匹配规定化直方图均衡化能够自动增强整个图像的对比度，但它的具体增强效果不容易控制，处理的结果总是得到全局均匀化的直方图。
实际上有时需要变换直方图，使之成为某个特定的形状，从而有选择地增强某个灰度值范围内的对比度。
这时可以采用比较灵活的直方图规定化。
一般来说正确地选择规定化的函数可以获得比直方图均衡化更好的效果。
所谓直方图规定化，就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。
所以，直方图修正的关键就是灰度映像函数。
直方图匹配方法主要有3个步骤（这里设M和N分别为原始图和规定图中的灰度级数，且只考虑N≤M的情况）：(1) 如同均衡化方法中，对原始图的直方图进行灰度均衡化：(2) 规定需要的直方图，并计算能使规定的直方图均衡化的变换：(3) 将第1个步骤得到的变换反转过来，即将原始直方图对应映射到规定的直方图，也就是将所有pf(fi)对应到pu(uj)去。
一、A图直方图规定B图Matlab程序:%直方图规定化clear allA=imread('C:\Users\hp\Desktop\A.tif'); %读入A图像imshow(A) %显示出来title('输入的A图像')%绘制直方图[m,n]=size(A); %测量图像尺寸B=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255B(k+1)=length(find(A==k))/(m*n); %计算每级灰度出现的概率，将其存入B中相应位置endfigure,bar(0:255,B,'g'); %绘制直方图title('A图像直方图')xlabel('灰度值')ylabel('出现概率')axis([0,260,0,0.015])C=imread('C:\Users\hp\Desktop\B.tif');%读入B图像imshow(C) %显示出来title('输入的B图像')%绘制直方图[m,n]=size(C); %测量图像尺寸D=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255D(k+1)=length(find(C==k))/(m*n); %计算每级灰度出现的概率，将其存入D中相应位置endfigure,bar(0:255,D,'g'); %绘制直方图title('B图像直方图')xlabel('灰度值')ylabel('出现概率')axis([0,260,0,0.015])S1=zeros(1,256);for i=1:256for j=1:iS1(i)=D(j)+S1(i); %计算B灰度图累计直方图endendcounts=Bfigure,bar(0:255,counts,'r')title('A图像直方图 ')S2=zeros(1,256);for i=1:256for j=1:iS2(i)=counts(j)+S2(i);endend; %"累计"规定化直方图%对比直方图，找到相差最小的灰度级for i=1:256for j=1:255if S1(j)<=S2(i)&S1(j+1)>=S2(i)if abs(S1(j)-S2(i))<=abs(S1(j+1)-S2(i)) T(i)=j;else T(i)=j+1;endendendend%确定变换关系，重组直方图H=zeros(1,256);H(1)=S2(1);for i=2:255if T(i-1)>0for k=(T(i-1)+1):T(i)H(i)=H(i)+D(k);endelse H(i)=0;endendfigure,bar(0:255,H,'g') %显示规定化后的直方图title('A规定B后的直方图')xlabel('灰度值')ylabel('出现概率')axis([0,260,0,0.6])%显示规定图PA=C; %将各个像素归一化后的灰度值赋给这个像素for i=1:mfor j=1:nfor k=2:255if T(k-1)<=C(i,j)&C(i,j)<=T(k)PA(i,j)=k;break;endendendendfigure,imshow(PA) %显示规定化后的图像title('A规定B后图像')imwrite(PA,'guidinghua.bmp');二、用已知直方图规定A图规定灰度为[zeros(1,49),0.3,zeros(1,49),0.1,zeros(1,49),0.2,zeros(1,49),0.1,zeros(1,49 ),0.2,zeros(1,49),0.1]Matlab程序：clear allA=imread('C:\Users\hp\Desktop\B.tif'); %读入A图像imshow(A) %显示出来title('输入的A图像')%绘制直方图[m,n]=size(A); %测量图像尺寸B=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255B(k+1)=length(find(A==k))/(m*n); %计算每级灰度出现的概率，将其存入B中相应位置endfigure,bar(0:255,B,'g'); %绘制直方图title('A图像直方图')xlabel('灰度值')ylabel('出现概率')axis([0,260,0,0.015])S1=zeros(1,256);for i=1:256for j=1:iS1(i)=B(j)+S1(i); %计算原灰度图累计直方图endendcounts=[zeros(1,49),0.3,zeros(1,49),0.1,zeros(1,49),0.2,zeros(1,49),0.1,zer os(1,49),0.2,zeros(1,49),0.1];%规定化直方图figure,bar(1:300,counts,'r')title('规定化直方图')S2=zeros(1,256);for i=1:256for j=1:iS2(i)=counts(j)+S2(i);endend; %"累计"规定化直方图%对比直方图，找到相差最小的灰度级for i=1:256for j=1:256if S1(j)<=S2(i)&S1(j+1)>=S2(i)if abs(S1(j)-S2(i))<=abs(S1(j+1)-S2(i)) T(i)=j;else T(i)=j+1;endendendend%确定变换关系，重组直方图H=zeros(1,256);H(1)=S2(1);for i=2:256if T(i-1)>0for k=(T(i-1)+1):T(i)H(i)=H(i)+B(k);endelse H(i)=0;endendfigure,bar(0:255,H,'g') %显示规定化后的直方图title('规定化后的直方图')xlabel('灰度值')ylabel('出现概率')axis([0,260,0,0.6])%显示规定图PA=A; %将各个像素归一化后的灰度值赋给这个像素for i=1:mfor j=1:nfor k=2:256if T(k-1)<=A(i,j)&A(i,j)<=T(k)PA(i,j)=k;break;endendendendfigure,imshow(PA) %显示规定化后的图像title('规定化后图像')imwrite(PA,'guidinghua.bmp');。