直方图均衡化及Matlab实现

文章目录

直方图均衡化

直方图均衡化是一种图像增强 技术,主要用于增强图像的对比度 ,特别是当图像的有用数据的对比度接近时效果显著。通过改变图像的直方图分布,直方图均衡化能够使图像的灰度值更加接近均匀分布,从而增加图像的整体对比度。‌

关键点及思路

直方图均衡化有两个关键点:

  • 像素的强度顺序不变,也就是说经过一个灰度映射函数后,原本低强度值的像素依然比原本高强度值的像素强度低,即单调递增
  • 变换后像素的直方图是接近均匀的,即每个等间隔灰度范围的像素个数基本相等。

这里不列举公式了(看也看不懂...),基于这两个关键点,直方图均衡化的思路其实很简单,就是基于原图像素灰度的累计概率分布(CDF)与变换后图像的累计概率分布((CDF))保持一致 ,只是变换后的图像灰度范围是0-255,一般要比原图的灰度范围广。这样就达到了把原图的一小部分的灰度范围以一种近似均匀的方式扩散到整个0-255灰度范围。

Matlab实现
matlab 复制代码
clc;clear;close all;

%%调用自定义函数进行直方图均衡化
imageName = 'lena.png';
img = imread(imageName);
histeq_img = hisuni(img);
subplot(1,2,1);
imshow(img);
title('原图');
subplot(1,2,2);
imshow(histeq_img);
title('直方图均衡化图像');

%%绘制直方图
subplot(1,2,1);
imhist(img);
title('原图直方图');
subplot(1,2,2);
imhist(histeq_img);
title('均衡化直方图');

function new_image = hisuni(image)
    % 直方图均衡化函数
    % 输入: image - 输入的灰度图像
    % 输出: new_image - 均衡化后的图像
    
    [m, n] = size(image);

    % 计算直方图
    [Counts, ~] = histcounts(image(:), 0:256)
    
    % 计算概率密度函数 (PDF)
    pdf = Counts/(m*n)
    
    % 计算累积分布函数 (CDF)
    cdf = cumsum(pdf)
    
    % 生成映射表
    mapping = uint8(cdf * 255)
    
    % 初始化新图像
    new_image = zeros(size(image), 'uint8');
    
    % 对每个像素值进行映射
    for idx = 1:255
        new_image(image == idx - 1) = mapping(idx);
    end
end

当然matlab中也有内置函数histeq函数,直接对原图矩阵调用即可进行均衡化增强。

相关推荐
叶子爱分享8 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
cver1238 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
freexyn10 小时前
Matlab自学笔记六十一:快速上手解方程
数据结构·笔记·matlab
kyle~10 小时前
目标检测在国防和政府的应用实例
人工智能·目标检测·计算机视觉
Akttt11 小时前
【T2I】R&B: REGION AND BOUNDARY AWARE ZERO-SHOT GROUNDED TEXT-TO-IMAGE GENERATION
人工智能·深度学习·计算机视觉·text2img
ytttr87312 小时前
matlab通过Q学习算法解决房间路径规划问题
学习·算法·matlab
jndingxin12 小时前
OpenCV CUDA模块设备层-----反向二值化阈值处理函数thresh_binary_inv_func()
人工智能·opencv·计算机视觉
jndingxin13 小时前
OpenCV CUDA模块设备层-----在 GPU 上执行类似于 std::copy 的操作函数warpCopy()
人工智能·opencv·计算机视觉
jndingxin14 小时前
OpenCV CUDA模块设备层-----在GPU 上高效地执行两个 uint 类型值的最大值比较函数vmax2()
人工智能·opencv·计算机视觉
加油吧zkf15 小时前
目标检测新纪元:DETR到Mamba实战解析
图像处理·人工智能·python·目标检测·分类