码迷,mamicode.com
首页 > 其他好文 > 详细

直方图均衡化原理与实现

时间:2016-03-05 18:51:32      阅读:231      评论:0      收藏:0      [点我收藏+]

标签:

    直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。

    直方图是表示数字图像中每一灰度出现频率的统计关系。直方图能给出图像灰度范围、每个灰度的频度和灰度的分布、整幅图像的平均明暗和对比度等概貌性描述。灰度直方图是灰度级的函数, 反映的是图像中具有该灰度级像素的个数, 其横坐标是灰度级r, 纵坐标是该灰度级出现的频率( 即像素的个数) pr( r) , 整个坐标系描述的是图像灰度级的分布情况, 由此可以看出图像的灰度分布特性, 即若大部分像素集中在低灰度区域, 图像呈现暗的特性; 若像素集中在高灰度区域, 图像呈现亮的特性。

    1所示就是直方图均衡化, 即将随机分布的图像直方图修改成均匀分布的直方图。基本思想是对原始图像的像素灰度做某种映射变换, 使变换后图像灰

度的概率密度呈均匀分布。这就意味着图像灰度的动态范围得到了增加, 提高了图像的对比度。

技术分享

 

1 直方图均衡化

通过这种技术可以清晰地在直方图上看到图像亮度的分布情况, 并可按照需要对图像亮度调整。另外,这种方法是可逆的, 如果已知均衡化函数, 就可以恢复原始直方图。

设变量r 代表图像中像素灰度级。对灰度级进行归一化处理, 0r1, 其中r= 0表示黑, r= 1表示白。对于一幅给定的图像来说, 每个像素值在[ 0,1] 的灰度级是随机的。用概率密度函数技术分享来表示图像灰度级的分布。

为了有利于数字图像处理, 引入离散形式。在离散形式下, 技术分享 代表离散灰度级, 技术分享 代表技术分享 , 并且下式成立:技术分享

其中, 0技术分享1, k=0, 1, 2, , n-1。式中技术分享 为图像中出现技术分享这种灰度的像素数, n是图像中的像素总数, 技术分享就是概率论中的频数。图像进行直方图均衡化的函数表达式为:

技术分享

式中, k为灰度级数。相应的反变换为:

技术分享

四、算法实现及结果分析

4.1核心算法

#define HDIM 256
#define SRC 0
#define DST 1
int main(int argc, char** argv)
{
    IplImage *src = 0, *dst = 0;
    int n[] = {HDIM,HDIM,HDIM};
    int r[256] = {0}, g[256] = {0}, b[256] = {0};
 
    if(argc!=2 || (src = cvLoadImage(argv[1],3))== NULL)    return -1;
 
    cvNamedWindow("source",1);
    cvNamedWindow("result",1);
 
    int width = src->width;        
    int height = src->height;
    int sum = width * height;       //图像中的像素点综合
    int i,j;
 
    //分别统计直方图的RGB分布
    for(i=0; i<height; i++)
        for(j=0; j<width; j++)
        {
            b[((uchar*)(src->imageData+i*src->width))[j*src->nChannels+0]]++;
            g[((uchar*)(src->imageData+i*src->width))[j*src->nChannels+1]]++;
            r[((uchar*)(src->imageData+i*src->width))[j*src->nChannels+2]]++;
        }
 
    ////构建直方图的累计分布方程,用于对直方图进行均衡化
    double val[3] = {0};
    for(i=0; i<HDIM; i++)
    {
        val[0] += b[i];
        val[1] += g[i];
        val[2] += r[i];
        b[i] = val[0]*255/sum;
        g[i] = val[1]*255/sum;
        r[i] = val[2]*255/sum;
    }
 
    dst = cvCreateImage(cvSize(width,height),8,3);
    //归一化直方图
    for(i=0; i<height; i++)
        for(j=0; j<width; j++)
        {
        ((uchar*)(dst->imageData+i*dst->widthStep))[j*dst->nChannels+0]=b[((uchar*)(src->imageData+i*src->widthStep))[j*src->nChannels+0]];
        ((uchar*)(dst->imageData+i*dst->widthStep))[j*dst->nChannels+1]=g[((uchar*)(src->imageData+i*src->widthStep))[j*src->nChannels+1]];
        ((uchar*)(dst->imageData+i*dst->widthStep))[j*dst->nChannels+2]=r[((uchar*)(src->imageData+i*src->widthStep))[j*src->nChannels+2]];
        }
    cvShowImage("source",src);
    cvShowImage("result",dst);
    cvSaveImage("out.jpg",dst);
    cvWaitKey(0);
 
    cvDestroyWindow("source");
    cvDestroyWindow("result");
    cvReleaseImage(&src);
    cvReleaseImage(&dst);
    cvReleaseHist(&hist);
 
    return 0;
}

  

4.2结果展示

技术分享技术分享

技术分享技术分享

技术分享技术分享

技术分享技术分享

技术分享技术分享

技术分享技术分享

技术分享技术分享

技术分享技术分享

直方图均衡化原理与实现

标签:

原文地址:http://www.cnblogs.com/hustlx/p/5245461.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!