直方圖均衡化
直方圖均衡化是將灰度值分布動態范圍偏小的圖像（如灰度值集中在直方圖右部，此時圖像過於明亮）擴大其動態范圍，改變后的圖像的灰度級數有可能降低。灰度統計直方圖是一個1-D的離散函數，表達式為：
其中nk為在k灰度級上的像素點個數，L為總灰度級數，將其歸一化有：
其中sk為圖像的第k級灰度值，N為像素點總個數。在滿足一定的條件下，s的累積分布函數為：
對tk取整擴展：
將sk與tk確定映射對應關系，可得直方圖均衡化結果。
表1中已知條件有：共有灰度級個數為8，原始圖像的每一級對應的分布概率為ps (sk )。
直方圖規定化
直方圖均衡化能自動增強圖像的整體對比度，但是往往結果難以受到控制。實際中常常需要增強某個特定灰度值范圍內的對比度或使圖像灰度值的分布滿足特定需求。這個時候使用直方圖規定化會有較好的結果。
直方圖規定化就是要調整原始圖像的直方圖去逼近規定的目標直方圖。M為原始圖的灰度級數，N為目標圖的灰度級數，且M>N。首先求出原始直方圖的累計分布：
規定目標直方圖，得出其累計分布：
接下來就是如何建立原始灰度級數和規定直方圖灰度級數的對應映射關系。映射規則一般有兩種：單映射規則（SML）和組映射規則（GML）。
單映射規則中，將k從小到大依次找到能使下式有最小值的l的值，這樣就可以將原始圖像灰度級數k和規定直方圖灰度級數l對應映射起來。
組映射規則中，設I(l)為整數函數，l=1,2,3,…,N-1，滿足0≤I(0)≤…≤I(l)≤…≤I(N-1)≤M-1。I(l)為不確定值，因此要確定能使下式達到最小的I(l)*值：
運算時有如下規則：如果l=0，則將原始圖灰度級的0到I(0)級對應映射到u0中去，如果l**≥1，則將原始圖灰度級的I(l-1)+1到I(l)級對應映射到ul中去。兩種映射規則如下表所示，S表示單映射，G表示組映射：
posted @
2019-03-04 12:39
MagicianY.L 閱讀(
4740) 評論(
)
編輯
收藏
