• 直方图


    灰度:对于通常所谓的黑白图像,把黑色和白色之间按对数关系分为若干等级称为灰度。灰度分为256阶,用灰度表示的图像称作灰度图.在图像中用0~255表示,0是全黑,255是全白

    直方图:

     

    上图表示一幅图像的灰度级数,共有1-6个灰度,并且每个灰度级数的个数可知,则根据概率可画出上图;(1对应的概率=5/36,)

    由于实际图像的直方图每一个灰度级数概率不等,而我们目标是希望每一个灰度级概率相等,则可以使用直方图均衡化。

    计算方法:

       

    实际例子

    64*64=4096;对于0灰度级,790/4096=0.19;则累计直方图sk=0.19;对于1灰度级;1023/4096=0.25;以次计算到7;则累计直方图sk可以求出。

    对于累计直方图sk,将其与归一化rk对比,及0.19接近于1/7,0.44接近于3/7;以此类推得出新的灰度级,最后将新灰度级的个数加起来,从新计算概率,得到正方图均衡。

    下面用matlab来实现一遍,代码如下:

    clc;
    clear all;
    RGB=imread('04.jpg'); % 输入彩色图像,得到三维数组
    R=RGB(:,:,1); % 分别取三维数组的一维,得到红绿蓝三个分量
    G=RGB(:,:,2); % 为 R G B 。
    B=RGB(:,:,3);
    subplot( 4 , 2 ,1),imshow(RGB); % 绘制各分量的图像及其直方图
    title(' 原始真彩色图像 '); %
    subplot( 4 , 2 , 3 ),imshow(R);
    title(' 真彩色图像的红色分量 ');
    subplot( 4 , 2 , 4 ), imhist(R);
    title(' 真彩色图像的红色分量 直方图 ') ;
    subplot( 4 , 2 , 5 ),imshow(G);
    title(' 真彩色图像的绿色分量 ');
    subplot( 4 , 2 , 6 ), imhist(G);
    title(' 真彩色图像的绿色分量 直方图 ');
    subplot( 4 , 2 , 7 ),imshow(B);
    title(' 真彩色图像的蓝色分量 ');
    subplot( 4 ,2, 8 ), imhist(B);
    title(' 真彩色图像的蓝色分量 直方图 ');
    r=histeq(R); % 对个分量直方图均衡化,得到个分量均衡化图像
    g=histeq(G);
    b=histeq(B);
    figure,
    subplot( 3 , 2 , 1 ),imshow(r);
    title(' 红 色分量 均衡化后图像 ');
    subplot( 3 , 2 , 2 ), imhist( r );
    title(' 红 色分量 均衡化后图像直方图 ');
    subplot( 3 , 2 , 3 ),imshow(g);
    title(' 绿 色分量 均衡化后图像 ');
    subplot( 3 , 2 , 4 ), imhist( g );
    title(' 绿 色分量 均衡化后图像直方图 ');
    subplot( 3 , 2 , 5 ), imshow ( b );
    title(' 蓝 色分量 均衡化后图像 ');
    subplot( 3 , 2 , 6 ), imhist( b );
    title(' 蓝 色分量 均衡化后图像直方图 ');
    figure, % 通过均衡化后的图像还原输出原图像
    newimg = cat(3,r,g,b); %
    imshow(newimg,[]);
    title(' 均衡化后 分量 图像还原输出原图 ');

     

  • 相关阅读:
    c#与科学计算之一:发掘 C# 特性赋予科学计算项目以威力(转贴)
    我使用使用vs2005的理由
    MapXtrem2004经典代码:asp.net鹰眼
    LaheyFujitsu Fortran v7.1初感受
    .NET平台上的编译器不完全列表(转别)
    iNET:Microsoft.NET的Java实现
    MapXtreme2004 & vs2005的官方回答
    告别一段时间
    MapXtreme2004 连接oracle spatial的问题(已解决)
    手工卸载.Net写的win服务
  • 原文地址:https://www.cnblogs.com/fcfc940503/p/11195243.html
Copyright © 2020-2023  润新知