当前位置: 首页 > news >正文

[数字图像处理]直方图规定化

这里分别使用基于像素手动计算调用工具箱函数两种方法实现直方图规定化

1.基于像素进行直方图规定化

(1)读取了原始图像和期望图像,并将它们转换为灰度图像

(2)计算原始图像和期望图像的像素概率分布直方图P(i)和P(j),并统计它们的累积直方图Pi和Pj

(3)根据原始图像和期望图像的累积直方图,找到使Pi/Pj误差最小的映射关系

(4)对原始图像进行直方图规定化,展示原始图像、期望图像及规定化后的图像

代码:

%直方图规定化
I0=imread("C:\Users\Desktop\图像1.jpg");
I=rgb2gray(I0);
I1=rgb2gray(I0);
G=imread("C:\Users\Desktop\期望图像0.jpg");
G2=rgb2gray(G);
%计算原图像的长宽
[x,y]=size(I);
%创建数组存储像素概率
p=zeros(1,256)
%统计每个像素值出现的概率
for i=0:255
%length计算相同像素的个数
p(i+1)=length(find(I==i))/(x*y);
end
%输出原图及原图直方图
figure,
subplot(331),imshow(I);
title('原图')
subplot(332);
bar(0:255,p,'b')
title('原图直方图');
%求累计概率,得到累积直方图
s=zeros(1,256)
for i=1:256
for j=1:i
s(i)=p(j)+s(i);
end
end
subplot(333);
bar(0:255,s,'b');
title('原图累积直方图');
%计算期望图像的长宽
[a,b]=size(G2);
%创建数组存储像素概率
z=zeros(1,256)
%统计每个像素值出现的概率
for i=0:255
%length计算相同像素的个数
z(i+1)=length(find(G2==i))/(a*b);
end
%输出期望图像及直方图
subplot(334),imshow(G2);
title('期望图像')
subplot(335);
bar(0:255,z,'b')
title('期望图像直方图');
%求累计概率,得到累积直方图
h=zeros(1,256)
for i=1:256
for j=1:i
h(i)=z(j)+h(i);
end
end
subplot(336);
bar(0:255,h,'b');
title('期望图像累积直方图');
new_I=zeros(256,1,'uint8');
%按照[Pj/Pi]误差最小,查找i对应的j
for i=1:1:256
min=abs(s(i)-h(1));
for j=1:1:256
if(abs(s(i)-h(j))<min)
min=abs(s(i)-h(j));
new_I(i)=j;
end
end
end
% 应用映射关系进行直方图规定化
new_Img = zeros(size(I1));
for i = 1:256
new_Img(I1==i)=new_I(i);
end
[x,y]=size(new_Img);
p1=zeros(1,256)
for i=0:255
p1(i+1)=length(find(new_Img==i))/(x*y);
end
subplot(337)
imshow(uint8(new_Img)); % 使用uint8()函数将图像数据转换为无符号整数类型
title('规定化的图像');
subplot(338)
bar(0:255,p1,'b');
title('直方图规定化');
%求累计概率,得到累积直方图
p11=zeros(1,256)
for i=1:256
for j=1:i
p11(i)=p(j)+p11(i);
end
end
subplot(339);
bar(0:255,p11,'b');
title('规定图像后的累积直方图');

2.调用工具箱函数实现直方图规定化

实现直方图规定化的语法为:g=histeq(f,hspec)

其中,f为输入图像,hspec为规定的直方图,g为输出图像,输出图像的直方图近似于指定的直方图hspec。首先读取了一张灰度图片,然后定义了一个灰度级范围hgram,范围从50到250。接着使用histeq函数对原始图像G进行直方图规定化,得到规定化后的图像I_histeq。

代码:

%直方图规定化
G=imread('C:\Users\Desktop\灰度图片.jpg');
hgram=50:2:250
%使用histeq函数进行规定化
I_histeq=histeq(G,hgram);
figure,
subplot(221),imshow(G);
title('原图')
subplot(222),imhist(G);
title('原图直方图')
subplot(223),imshow(I_histeq);
title('规定化图像')
subplot(224),imhist(I_histeq);
title('规定化图像直方图')

图1为通过手动计算调整原始图像的像素值分布,使其尽可能接近期望图像的像素值分布,从而实现图像的直方图规定化的结果。原始图像的直方图可能比较集中,显示较低的对比度和动态范围。而期望图像的直方图覆盖了更广泛的像素值范围,有更高的对比度和动态范围。规定化后的图像直方图与期望图像的直方图更加相似,可以看到原始图像人物脸部区域较亮,对比度较高,而期望图像整体较暗,对比度较低,通过规定化处理后,图像对比度降低,可以明显发现人物脸部区域变暗。

图1

图2为调用工具包函数实现的直方图规定化结果。通过使用工具包中的函数调整图片的对比度和亮度。自定义期望直方图(hgram=50:2:250)使调整的图像像素均匀分布在50-250之间,经过规定化处理,可以发现规定化后的图像对比度和亮度增强。

 

图2
http://www.lryc.cn/news/547374.html

相关文章:

  • OpenMCU(一):STM32F407 FreeRTOS移植
  • Redis - 高可用实现方案解析:主从复制与哨兵监控
  • SPI硬件设计及通信原理解析
  • 腾讯云物联网平台(IoT Explorer)设备端使用
  • elk的相关的基础
  • 结合PyMuPDF+pdfplumber,删除PDF指定文本后面的内容
  • 张驰咨询:用六西格玛重构动力电池行业的BOM成本逻辑
  • 【深度学习CV】【图像分类】从CNN(卷积神经网络)、ResNet迁移学习到GPU高效训练优化【案例代码】详解
  • 《基于HarmonyOS NEXT API 12+,搭建新闻创作智能写作引擎》
  • python代码注释方式
  • 小哆啦解题记:螺旋矩阵
  • 【C#】委托是什么
  • [Lc(2)滑动窗口_1] 长度最小的数组 | 无重复字符的最长子串 | 最大连续1的个数 III | 将 x 减到 0 的最小操作数
  • 迷你世界脚本玩家接口:Player
  • 三、0-1搭建springboot+vue3前后端分离-springboot整合mybatis plus 之本地安装mysql
  • 市场趋势解析与交易策略优化
  • Spring Boot 常用注解全解析:从核心到进阶的实践指南
  • 如何优化FFmpeg拉流性能及避坑指南
  • 基础dp——动态规划
  • 通过微步API接口对单个IP进行查询
  • LLM实践——DeepSeek技术报告学习(含实现逻辑梳理)
  • Autojs无线连接vscode方法
  • 第一节:基于Winform框架的串口助手小项目---基础控件使用《C#编程》
  • 小红书湖仓架构的跃迁之路
  • pytorch高可用的设计策略和集成放大各自功能
  • 神经网络前向微分和后向微分区别
  • Android 创建一个全局通用的ViewModel
  • windows 利用nvm 管理node.js 2025最新版
  • 基于物联网技术的电动车防盗系统设计(论文+源码)
  • run方法执行过程分析