图像处理 第三章 灰度直方图
灰度直方图的用途

灰度直方图的用途灰度直方图(grayscale histogram)是一种统计图表,用于表示图像中每个灰度级别的像素数量。
它将图像的灰度级别作为横坐标,像素数量作为纵坐标,能够直观地展示图像中各个灰度级别像素的分布情况。
灰度直方图在计算机视觉和图像处理领域有着广泛的应用,以下将详细介绍它的用途。
1. 图像增强与调整灰度直方图可以帮助我们快速了解图像的亮度分布情况。
通过观察图像的灰度直方图,我们可以判断图像的亮度范围,并根据需要进行图像增强和调整。
例如,如果图像的灰度分布集中在较低的亮度范围,我们可以通过直方图均衡化等算法来增强图像的对比度,使得图像更加清晰明亮。
2. 图像分割与阈值处理利用灰度直方图,我们可以选择适当的阈值来进行图像分割。
图像分割是将图像划分为几个具有独立意义的区域,常用于目标检测和图像识别等应用。
通过分析灰度直方图可以确定一个或多个阈值,将图像分割成不同的区域,从而提取出感兴趣的目标。
3. 图像质量评估灰度直方图可以用于图像质量的评估和比较。
不同的图像质量可能对应着不同的灰度分布情况,通过对比不同图像的灰度直方图,我们可以直观地了解图像的细节信息和对比度。
在图像压缩、图像传输和图像复原等应用中,可以通过灰度直方图的对比来评估图像的质量,并确定是否需要使用图像增强或去噪等算法来改善图像的质量。
4. 图像匹配与检索利用灰度直方图可以进行图像的匹配与检索。
在图像数据库中,通过计算图像的灰度直方图,我们可以建立索引来加速图像的匹配和搜索。
通过对比查询图像与数据库中图像的灰度直方图相似性,可以找到与查询图像最相似的图像,从而实现图像的检索和识别。
5. 图像分类与识别灰度直方图也可用于图像分类与识别。
通过将图像的灰度直方图作为特征向量,我们可以训练分类器或者使用统计模型来对图像进行分类和识别。
例如,基于灰度直方图的人脸识别算法可以通过计算人脸图像的灰度直方图来进行人脸匹配和识别。
6. 图像分析与检测利用灰度直方图还可以进行图像的分析与检测。
实验一 灰度直方图

实验一灰度直方图1.1实验介绍直方图是对图像中灰度级分布的统计,是将数字图像中的所有像素,按照灰度值的大小,统计其所出现的频率。
灰度直方图可看作为灰度级的函数,表示为y=f(x),x是灰度级的取值,y是取该灰度值的像素个数。
直方图具有以下几条重要的性质,表征图像的一维信息,不能提供定位;可以与多个图像对应,但一幅图像只能有唯一的直方图;可以用来计算物体的面积;计算的图像面积可用来得到图像的概率密度函数和累积分布函数;子图直方图之和为整图直方图。
由于直方图能够渐简便直观地表征图像特性的信息,因此在图像处理中起着非常重要的作用,可以用来作为图像数字化的参数和确定分割图像阈值的依据。
本次实验目的通过对几幅8-bit的灰度图像的灰度直方图的比较与分析,理解灰度直方图的性质,然后利用直方图实现简单的图像分割,了解它的用途。
1.2数据介绍Test 文件夹中有如下图像:其中RGB.jpg为RGB彩色图像,在实验RGB图像基本操作中使用;Index.gif为索引图像,在实验索引图像基本操作中使用;Dark.jpg和low_contrast.jpg为灰度图像做对比度线性展宽操作中使用;Lung.jpg在灰级窗及灰级窗切片中使用;Light在综合操作中使用;1.3实验内容1)RGB图像基本操作用数码相机拍摄几幅数字图像,要求目标单一背景单一、简单。
如果处理的图像是RGB 图像,采用下面的处理步骤:1.用下列函数将它们转换成不同灰度级的图像,>>I=imread(‘<图像名>.<文件后缀>’); %打开的一般是彩色图像>>Ig=rgb2gray(I) %将彩色图像转化为灰度图像2.绘制图像>>figure;imshow(Ig); %在新窗口中绘制图像3.绘制直方图>>figure;imhist(Ig); %在新窗口中绘制Ig的直方图如果要在同一窗口中绘制图像和它的直方图,用下面的方式:>>subplot(3,1,1); imshow(Ig); %subplot指明窗口绘图区划分为3行1%列的区域,第三个参数1规定紧接着后%面的绘图结果在第1个区域中显示>>subplot(3,1,2);imhist(Ig); %在第2个区域显示直方图4.根据直方图,分析图像的亮度和对比度。
图像增强—灰度变换及直方图均衡化试验目的试验原理及知识点

图像增强—灰度变换及直方图均衡化一、实验目的1、了解图像增强的目的及意义,加深对图像增强的感性认识,巩固所学理论知识。
2、掌握直接灰度变换的图像增强方法。
3、掌握灰度直方图的概念及其计算方法;4、掌握直方图均衡化的计算过程;二、实验原理及知识点1、图像增强是指按特定的需要突出一幅图像中的某些信息,同时,消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强可以在空间域中执行,也可以在变换域中执行。
2、空间域指的是图像平面本身,在空间域内处理图像是直接对图像的像素进行处理。
空间域处理方法分为两种:灰度级变换、空间滤波。
空间域技术直接对像素进行操作,其表达式为g(x,y)=T[f(x,y)]其中f(x,y)为输入图像,g(x,y)为输出图像,T是对图像f进行处理的操作符,定义在点(x,y)的指定邻域内。
定义点(x,y)的空间邻近区域的主要方法是,使用中心位于(x,y)的正方形或长方形区域。
此区域的中心从原点(如左上角)开始逐像素点移动,在移动的同时,该区域会包含不同的邻域。
T应用于每个位置(x,y),以便在该位置得到输出图像g。
在计算(x,y)处的g值时,只使用该领域的像素。
2、灰度变换T的最简单形式是使用领域大小为1×1,此时,(x,y)处的g值仅由f在该点处的亮度决定,T也变为一个灰度变换函数。
由于灰度变换函数仅取决于亮度的值,而与(x,y)无关,所以亮度函数通常可写做如下所示的简单形式:s=T(r)其中,r表示图像f中相应点(x,y)的亮度,s表示图像g中相应点(x,y)的亮度。
灰度拉伸又叫对比度拉伸是最基本的一种灰度变换,使用简单的分段线性变换函数,可以提高灰度的动态范围,适用于低对比度图像的处理,增强对比度。
3、直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外,直方图固有的信息在其他图像处理应用中也是非常有用的,如图像压缩与分割。
图像灰度直方图

最常用的方式是将图像各像素用一维或二维数 组相应的各元素加以存储。除此之外,还有下 列方式。
2.6图像的数据结构与特征
1.组合方式 组合方式是一个字长存放多个像素灰度值的方 式。它能起到节省内存的作用,但导致计算量 增加,使处理程序复杂。
图像处理 解压 压缩
组合方式
2.6图像的数据结构与特征
2.6图像的数据结构与特征
图像的特征有很多,但在实际的特征提取中, 重视何种特征主要依赖于对象和处理的目的。 按提取特征的范围大小又可分为: ①点特征 仅由各个像素就能决定的性质。如单色图像 中的灰度值、彩色图像中的红 (R)、绿(G)、蓝 (B)成分的值。
2.6图像的数据结构与特征
②局部特征 在小邻域内所具有的性质,如线和边缘的强度、 方向、密度和统计量(平均值、方差等)等。 ③区域特征 在图像内的对象物 (一般是指与该区域外部有 区别的具有一定性质的区域 ) 内的点或者局部 的特征分布,或者统计量,以及区域的几何特 征(面积、形状)等。 ④整体特征 整个图像作为一个区域看待时的统计性质和结 构特征等。
2.6图像的数据结构与特征
②几何特征 几何特征主要表现为图像的空间分辨率、图像 纹理结构及图像变形等几个方面。 空间分辨率反映所采用的设备性能。如 SPOT 卫 星全色图像分辨力设计为10米×10米。 纹理结构是指影像细部的形状、大小、位置、 方向以及分布特征,是图像目视判读的主要依 据,也是模式识别的主要依据。 图像变形导致所得图像中的几何形状与实物平 面投影不相似。
2.5 图像处理算法的形式
对图像内的各像素同时进行相同形式运 算的一种处理形式称为并行处理。其特 点如下: ①输出图像像素(i, j)的值,只用输入 图像的 (i, j) 像素的邻域像素进行计算; ②相对于不同(i, j)的输出值可以独立 进行计算。
灰度直方图

边界阈值选择
轮廓线提供了一个确立图像中简单物体的边界的 有效的方法。使用轮廓线作为边界的技术被称为 阈值化。 假定一幅图背景是深色的,其中有一个浅色的物 体。物体中的浅色像素产生了直方图上的右峰, 而背景中大量的灰度级产生了直方图上的左峰。 物体边界附近具有两个峰值之间灰度级的像素数 目相对较少,从而产生了两峰之间的谷。选择谷 作为灰度阈值将得到合理的边界。
直方图均衡化
直方图均衡化方法的基本思想是,对在图 像中像素个数多的灰度级进行展宽,而对 像素个数少的灰度级进行缩减。从而达到 清晰图像的目的(增强图像的整体对比 度)。 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。
直方图匹配(规定化)
对于两峰之间的最低点的灰度级作为阈值来确定边界是最 适合的。直方图是面积函数的导数。在谷底的附近,直方 图的值相对较小,意味着面积函数随阈值灰度级的变化很 缓慢。如果我们选择谷底处的灰度作为阈值,将可以使其 对物体的边界的影响达到最小。如果我们试图测量物体的 面积,选择谷底处阈值将使测量对于阈值灰度变化的敏感 降低到最小。
直方图均衡化校正不具备交互作用特性, 而直方图规定化校正在运用均衡化原理的 基础上,向人们提供了根据给定直方图作 图像增强的手段。 指定希望处理的图像所具有的直方图形状, 这种用于产生处理后又特殊直方图的图像 方法,叫做直方图匹配或直方图规格化处 理。
特点:
直方图均衡化的优点是能自动的增强整体 图像的对比度,但是它的具体增强效果却 不易控制,处理的结果总是得到全局均衡 化的直方图。 直方图规定化可以有选择的增强某个灰度 值范围内的对比度或使图像灰度值的分布 满足特的事图 像中该灰度级的像素个数。即:横坐标表 示灰度级,纵坐标表示图像中该灰度级出 现的频率(对数字图像即指像素的个数)。
图像处理基础(8):图像的灰度直方图、直方图均衡化、直方图规定化(匹配)

图像处理基础(8):图像的灰度直⽅图、直⽅图均衡化、直⽅图规定化(匹配)本⽂主要介绍了灰度直⽅图相关的处理,包括以下⼏个⽅⾯的内容:利⽤OpenCV 计算图像的灰度直⽅图,并绘制直⽅图曲线直⽅图均衡化的原理及实现直⽅图规定化(匹配)的原理及实现图像的灰度直⽅图⼀幅图像由不同灰度值的像素组成,图像中灰度的分布情况是该图像的⼀个重要特征。
图像的灰度直⽅图就描述了图像中灰度分布情况,能够很直观的展⽰出图像中各个灰度级所占的多少。
图像的灰度直⽅图是灰度级的函数,描述的是图像中具有该灰度级的像素的个数:其中,横坐标是灰度级,纵坐标是该灰度级出现的频率。
不过通常会将纵坐标归⼀化到[0,1]区间内,也就是将灰度级出现的频率(像素个数)除以图像中像素的总数。
灰度直⽅图的计算公式如下:p (r k )=n kMN其中,r k 是像素的灰度级,n k 是具有灰度r k 的像素的个数,MN 是图像中总的像素个数。
OpenCV 灰度直⽅图的计算直⽅图的计算是很简单的,⽆⾮是遍历图像的像素,统计每个灰度级的个数。
在OpenCV 中封装了直⽅图的计算函数calcHist ,为了更为通⽤该函数的参数有些复杂,其声明如下:void calcHist( const Mat* images, int nimages,const int* channels, InputArray mask,OutputArray hist, int dims, const int* histSize,const float** ranges, bool uniform = true, bool accumulate = false );该函数能够同时计算多个图像,多个通道,不同灰度范围的灰度直⽅图.其参数如下:images ,输⼊图像的数组,这些图像要有相同⼤⼤⼩,相同的深度(CV_8U CV_16U CV_32F ).nimages ,输⼊图像的个数channels ,要计算直⽅图的通道个数。
图像处理中的灰度直方图匹配算法介绍
图像处理中的灰度直方图匹配算法介绍随着数字图像处理技术的不断发展,图像处理的各种应用已经渗透到了我们日常的生活中。
其中,灰度直方图匹配算法是图像处理中的一个非常重要的工具,它可以帮助我们快速地对图像进行灰度级的调整,从而使我们得到更加清晰明亮的图像。
在本文中,我们将会对灰度直方图匹配算法进行介绍,并探讨一些该算法的相关技术和应用。
一、什么是灰度直方图匹配算法?灰度直方图匹配算法是一种常用的图像处理算法,它可以将一张图像的灰度级转换为另一种灰度级。
在灰度直方图匹配算法中,我们利用图像的灰度直方图来判断该图像的灰度级分布情况,然后去匹配一个新的灰度级分布,以达到改变图像灰度级的效果。
二、灰度直方图匹配算法的原理灰度直方图是指图像中各个灰度级的像素点个数的统计数据,它包含了图像的整体亮度分布情况。
灰度直方图匹配算法可以通过将原始图像的灰度级值进行映射,使其变得更加清晰明亮。
在具体实现时,我们可以采用以下步骤来完成灰度直方图匹配算法:1、统计原始图像的灰度直方图,得到其像素点分布情况。
2、统计目标图像的灰度直方图,得到其像素点分布情况。
3、利用原始图像的灰度级和目标图像的灰度级之间的分布关系,对原始图像的每一个像素进行映射。
这一步可以通过一些数学公式来实现,例如线性变换、S形变换等。
4、得到新的映射后的图像,并进行保存。
三、灰度直方图匹配算法的应用灰度直方图匹配算法在图像处理中有着广泛的应用,例如在数字图像矫正、影像亮度调整、图像增强等方面,都可以采用该算法进行处理。
1、数字图像矫正数字图像矫正是图像处理中的一个重要应用。
传统的数字图像矫正方法通常需要进行图像的旋转、平移等操作,而这些操作常常会导致图像的质量下降。
灰度直方图匹配算法可以在数字图像矫正中起到重要的作用,通过对原始图像和目标图像进行灰度直方图匹配,可以使图像得到更加精确的矫正效果。
2、影像亮度调整影像亮度调整是指对影像中的亮度进行调整,以实现影像明暗的调整。
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]);
数字图像处理实验-灰度直方图
实验一灰度直方图1.实验目的:(1)加强灰度直方图的图像增强技术的认识和了解;(2)掌握均衡化处理方法对图像做增强处理;2.实验内容:如下图所示是一张大脑的医学核磁共振( MRI)图像,原图由于对比度太低而使得大脑的内部组织层次不清,欲利用直方图均衡等方法对该图做增强处理,先编制出位图读取程序,对该图像进行灰度值统计,并在屏幕上绘制出相应的直方图。
3.实验结果(代码&结果可视化)1)编写程序设原始图像在x,y处的灰度为f而改变后的图像为g则对图像增强的方法即为在x,y处的灰度f映射为g在直方图均衡化处理中对图像的映射函数可以定义为g=Q(f), 即是一个累加分布函数CDF。
实际处理变换算法是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求出f->g的灰度映射关系。
重复上述步骤得到原始图像所有灰度级到目标图像灰度级的映射关系后按照这个映射关系对原始图像各点像素进行灰度转换即可完成对原始图像的直方图均衡化。
具体算法:首先统计原始图像的各级灰度值在程序中定义了一个数组lCount[256]来统计原设计图像的各级灰度值,然后对得到的灰度值做灰度映射将映射后的结果存到一个新的灰度映射关系数组bMap[256]中根据这个数组就可以确定出原始图像的某个灰度级经过变换后对应于德灰度级,最后将变换后的结果保存到DIB中。
2)核心程序for (i = 0; i < lHeight; i ++){for (j = 0; j < lWidth; j ++){lpSrc = (unsigned char *)lpDIBBits + lLineBytes * i + j;lCount[*(lpSrc)]++; // 计数加1}}// 统计原设计图像的各级灰度值// 计算灰度映射关系for (i = 0; i < 256; i++){lTemp = 0; // 初始为0for (j = 0; j <= i ; j++){lTemp += lCount[j];}bMap[i] = (BYTE) (lTemp * 255 / lHeight / lWidth); // 计算对应的新灰度值}for(i = 0; i < lHeight; i++)// 每行{for(j = 0; j < lWidth; j++)// 每列{// 指向DIB 第i 行第j 个象素的指针lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - i) + j;// 保存新的灰度值*lpSrc = bMap[*lpSrc];}}3)直方图绘制4.实验分析和总结直方图均衡化处理后图像的直方图较为平直,各灰度级的值相对均匀。
数字图像处理灰度化直方图均衡化灰度拉伸
数字图像处理与模式识别实验目的打开一幅图像,进行直方图均衡化。
并将其灰度线性变化,将灰度线性拉伸。
实验准备实验之前,收集数字图像处理编程的相关资料,查阅C或Java关于本实验图像处理的相关类库和编程核心。
经过C和Java相关资料编程的比较,Java将图像处理的类封装的较完整,运用起来比C灵活方便。
以下是相关类库和实现操作的方法:import java.awt.image.*;import javax.imageio.*; //相关的图像处理类库和方法封装在两个包中//Java读取图像的方法BufferedImage newImage = ImageIO.read(new File(filePath));int width = newImage.getWidth(); //获得图像的像素宽度int height = newImage.getHeight(); //获得图像像素的长度//获得图像的色彩模型RGB分量ColorModel colorModel = ColorModel.getRGBdefault();int r = colorModel.getRed(currPixArray[k]);int g = colorModel.getGreen(currPixArray[k]);int b = colorModel.getBlue(currPixArray[k]); //分别获得图像的rgb分量PixelGrabber p = new PixelGrabber(image, 0, 0, width, height, array, 0, width); //将image图像像素值读入一位矩阵实验步骤算法实现RGB图像转灰度图由于数字图像的直方图均衡化和灰度的线性拉伸都是基于灰度图的算法实现,本框架中增加了由彩色图转灰度图的功能。
简单讲述下算法思想:将存储图像的一维矩阵像素点彩色分量用ColorModel类中的getRed(),getGreen()和getBlue()方法读取,按照(r * 0.3 + g * 0.59 + b * 0.11)公式计算灰度值。
- 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)。
第三章灰度直方图
目录
1. 1.灰度直方图
2. 2.直方图均衡化
3. 3.直方图规范化
4. 4.色彩直方图
作业
1.灰度直方图
灰度直方图(histogram)是灰度级的函数,它表示图象中具有每种灰度级的象素的个数,反映图象中每种灰度出现的频率。
如下图所示,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,是图象的最基本的统计特征。
从概率的观点来理解,灰度出现的频率可看作其出现的概率,这样直方图就对应于概率密度函数pdf(probability density function),而概率
分布函数就是直方图的累积和,即概率密度函数的积分,如下图所示:
若直接从代表每种灰度的象素数目的直方图来观察,常用如下的表示:
灰度直方图的计算是很简单的,依据定义,若图象具有L (通常L=256,即8位灰度级)级灰度,则大小为MxN 的灰度图象f (x,y)的灰度直方图hist[0…L -1]可用如下计算获得:
5. 1. 初始化 hist[k ]=0 ; k=0,…,L -1
6. 2. 统计 hist[f (x,y)]++ ; x , y =0,…,M -1, 0,…,N -1
7. 3. 标准化 hist[f (x,y)]/=M*N
dr
r dP r p dr r p r P r
)()(,
)()(0
=
=⎰∑⎰⎰⎰===≈
=====
=k
i i
k k k k k r
r
n
n
r P n n r p n r n A dA
r p dr dr
r H A r P A dr r dA A r H r p dr
r H A dr r H r A 00
0000255
00
)()()(1)(1
)(,/)()()()
()(,
)()(,而概率分布函数,则概率密度的象素数为,灰度为若记象素总数为,时,在离散情况下,取概率密度象素总数一幅图象的总面积,或
2.直方图均衡化
直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图,即在每个灰度级上都具有相同的象素点数的过程。
设灰度变换 s=f (r ) 为斜率有限的非减连续可微函数,它将输入图象A(x,y)转换为输出图象B(x,y),输入图象的直方图为H A (r),输出图象的直方图为H B (s),则它们的关系可由如下过程导出:
)
(,'))(('))
(()(')()()()()(111s f r dr
df
f s f f s f H r f r H dr ds r H s H dr
r H ds s H A A A B A B ---===
===其中故面积元相等:过灰度变换后对应的小根据直方图的含义,经
例如,下图是直方图均衡化后的飞机图片及其直方图,可见其直方图与原图的直方图相比是很均衡的,但必须说明的是,离散情况下不可能作到绝对的一致。
∑
⎰⎰=======
k
i i
k k m r
A m r A m A m
B n
n r P r P R r f dr r H A r P r P R dr r H A R r f r H A R r f s H 00
0000
)(,)()()(1)(,)()()()()(')(其中离散情况下,数(概率分布函数)。
变换函数是累积分布函使直方图均衡化的灰度结论:其中常数,即:一比例常数时,它就为的分子和分母函数只差由此可见,当上式中
3.直方图规范化
直方图规范化是指将一幅图象通过灰度变换后,使其具有特定的直方图形式,如使图象与某一标准图象具有相同的直方图,或使图象具有某一特定函数形式的直方图。
如下图所示,希望将图象A(x,y)变换为具有特定直方图H 3(D)的图象C(x,y)。
首先利用直方图均衡化将图象A(x,y)变换为具有平坦直方图的图象B(x,y),再利用第二个灰度变换将B(x,y)变换为C(x,y):
4.色彩直方图
色彩直方图是高维直方图的特例,它统计色彩的出现频率,即色彩的概率分布信息。
通常这需要一定的量化过程,将色彩分成若干互不重叠的种类。
一般不直接在RGB 色彩空间中统计,而是在将亮度分离出来后,对代表色彩部分的信息进行统计,如在HSI 空间的HS 子空间、YUV 空间的UV 子空间,以及其它反映人类视觉特点的彩色空间表示中进行。
例如,下图是统计肤色分布情况的例子。
A(x,y)
m
p 1P 1B(x,y)
m P 2P 2C(x,y)
m P 3P 3
b(x,y)=f[a(x,y)] c(x,y)=g[b(x,y)]
)]},([{)]},([{),()()/()()],([),(,)],([),(1133133y x A P P y x A f g y x C r P R R r P r g y x C P R y x B y x B g y x C m m m --===∴==故的反函数是且
(图片来源:Lv Fengjun, Ai Haizhou, et.al., Face Detection Based on Skin Color and Template Matching, ICIG'2000, Aug.16-18, 2000.)
作业
1.编制直方图均衡化及直方图规范化程序(输入输出图象格式bmp)。