1、任务说明
打开一幅图像，进行直方图均衡。将灰度线性变化，将灰度拉伸。
2、算法原理
1) 图像灰度化
在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值，灰度范围为0-255。一般有四种方法对彩色进行灰度化，分别为：
分量法，最大值法，平均值法和加权平均法。本实验中采用平均值法，即
2) 直方图均衡
直方图表示数字图像中每一个灰度级与其出现频率间的统计关系。设有某一个灰度等级，属于该灰度等级的像素个数为nk，图像总像素个数为n，则直方图的定义为
图像的直方图反映了图像的灰度范围、灰度分布、图像的平均亮度等。
直方图均衡化也叫直方图均匀化，其目的是使所有灰度级出现的相对频率表相同，此时图像的熵最大，图像所包含的信息量最大。
本实验处理在离散情况下的直方图修正。其中第k个灰度级出现的概率为：
进行均匀化处理的变换函数为：
由新rk得到均衡化处理后的直方图。
3) 线性变化
设输入图像的的灰度范围为[a,b]，希望经过变换后的输出图像的灰度范围变化为[c,d]，则变换函数T的表达式可以表示为
根据不同的线性变换的斜率和截距，可以达到对图像不同的处理效果。当斜率大于1时，可以增加图像的对比度；当斜率在0与1之间时，
图像的对比度和整体效果都被削弱，灰度会被集中在一段区域上，灰度取值变窄，使图片趋于灰色。当斜率为负时，源图像较亮的区域变暗，
较暗的区域变量，可以实现反色效果。而当截距为正时，图像的亮度将会增加；截距为负时，图像的亮度将会降低。
4) 灰度拉伸（分段线性变化）
为了突出感兴趣的目标或灰度区间，相对一致不感兴趣的灰度区间，可以采用分段线性变换。本实验采用常用的三段线性变换方法。
具体算法如下：
3、算法实现
1) 图像灰度化
public void turnGray()
{
for (int i=minx;i<width;i++)
{
for(int j=miny;j<height;j++)
{
int pixel=bi.getRGB(i,j);//获得8位的RGB值
int a = (pixel >> 24) & 0xff; //提取前两位透明度
int r = (pixel >> 16) & 0xff; //提取次两位，R值
int g = (pixel >> 8) & 0xff; //提取再次两位，G值
int b = pixel & 0xff; //提取最后两位，B值
int gray=(r+g+b)/3; //计算平均值，得到像素灰度
//根据灰度得到完整8位RGB值
pixel= (a<<24)|(gray<<16)|(gray<<8)|gray;
//将新的RGB值赋给像素点
bi.setRGB(i, j,pixel);
}
}
//输出图像
try{
ImageIO.write(bi, "jpg", new File("D://gray.jpg"));
}catch(IOException e)
{
e.printStackTrace();
}
}
2) 直方图均衡
public void histEqua()
{
int[] gray = new int[sum]; //保存初始灰度值
int[] newgray = new int[sum]; //保存新灰度值
int[] oldgrayscale = new int[256]; //保存灰度累加值
double[] grayscale = new double[256];
double[] cumulative = new double[256];
//统计所有像素中各灰度值出现的次数
for(int i=minx;i<width;i++){
for(int j=miny;j<height;j++){
int pixel=bi.getRGB(i, j);
gray[height*i+j] = (pixel & 0xff);
oldgrayscale[gray[height*i+j]]++;
}
}
for(int i=0;i<256;i++){
//计算原直方图中各灰度值出现的频率
grayscale[i] = ((double)oldgrayscale[i])/sum;
for(int j=0;j<=i;j++){
//计算累加后的直方图
cumulative[i] += grayscale[j];
}
//得到新的映射关系
cumulative[i] = (int)(cumulative[i]*256);
}
BufferedImage hist_equa = new BufferedImage(width,height,BufferedImage.TYPE_INT_RGB);
//根据累加数组得到新的像素灰度
for(int i=minx;i<width;i++){
for(int j=miny;j<height;j++){
newgray[height*i+j] = (int)cumulative[gray[height*i+j]];
int pixel = (newgray[height*i+j])|(newgray[height*i+j]<<8)|(newgray[height*i+j]<<16);
hist_equa.setRGB(i, j, pixel);
}
}
//输出图像
try {
ImageIO.write(hist_equa,"jpg", new File("D://histEqua.jpg"));
} catch (IOException e) {
e.printStackTrace();
}
}
3) 线性变换
public void linTrans()
{
//得到线性变换函数的斜率和截距
double slope;
double intercept;
Scanner in = new Scanner(System.in);
System.out.println("输入线性变换斜率：");
slope=in.nextDouble();
System.out.println("输入线性变换截距：");
intercept=in.nextDouble();
BufferedImage lt =new BufferedImage(width,height,BufferedImage.TYPE_INT_BGR);
for(int i=minx;i<width;i++)
{
for(int j=miny;j<height;j++)
{
//提取灰度值
int pixel = bi.getRGB(i, j);
pixel = pixel & 0xff;
//进行线性变换
pixel = (int)(pixel*slope + intercept);
//对超出边界的值进行处理
if(pixel<0)
pixel=0;
if(pixel>255)
pixel=255;
//恢复为RGB值
pixel = (pixel<<16)|(pixel<<8)|pixel;
lt.setRGB(i, j, pixel);
}
}
//输出图像
try {
ImageIO.write(lt,"jpg", new File("D://linTrans.jpg"));
} catch (IOException e) {
e.printStackTrace();
}
}
4) 灰度拉伸
public void linStr()
{
int x1,x2,y1,y2;
double k1,k2,b1,b2,k3,b3;
//读入线性变换两份转折点的坐标
Scanner in = new Scanner(System.in);
System.out.println("输入灰度拉伸第一个点的坐标，以空格分开：");
x1 = in.nextInt();
y1 = in.nextInt();
System.out.println("输入灰度拉伸第二个点的坐标，以空格分开：");
x2 = in.nextInt();
y2 = in.nextInt();
in.close();
//计算三段线性变换各阶段的斜率与截距
k1 = y1/x1;
b1 = 0;
k2 = (y2-y1)/(x2-x1);
b2 = y1-k2*x1;
k3 = (255-y2)/(255-x2);
b3 = y2-k3*x2;
BufferedImage ls =new BufferedImage(width,height,BufferedImage.TYPE_INT_BGR);
for(int i=minx;i<width;i++)
{
for(int j=miny;j<height;j++)
{//提取像素点灰度值
int pixel = bi.getRGB(i, j);
pixel = pixel & 0xff;
//分段进行线性变化
if(pixel<x1)
pixel = (int)(pixel*k1 + b1);
else if(pixel>=x2)
pixel = (int)(pixel*k3 + b3);
else
pixel = (int)(pixel*k2 + b2);
//对于超出边界的值进行处理
if(pixel<0)
pixel=0;
if(pixel>255)
pixel=255;
pixel = (pixel<<16)|(pixel<<8)|pixel;
ls.setRGB(i, j, pixel);
}
}
//输出图像
try {
ImageIO.write(ls,"jpg", new File("D://linStr.jpg"));
} catch (IOException e) {
e.printStackTrace();
}
}
private BufferedImage bi=null;
private int width;
private int height;
private int minx;
private int miny;
private int sum;
}
4、实验
源图像 灰度图像
直方图均衡化 (-1,255)线性变换，相当于反色
灰度拉伸，某些像素得到凸显
