听说:单反穷三代,摄影毁一生。
本节目录
3.1 直方图均衡
3.2 直方图匹配(规定化)
数据处理中的中值滤波、3.3 局部直方图处理
3.4 图像增强中使用直方图
真是感谢雷神,举例子还是以灰度图为主,减负了不少。是因为图像识别的萌芽的年代彩色图片还没有流行吗?
不想抄书,但是对直方图的定义还是直接copy过来。
什么是直方图?
灰度级范围
图像灰度处理,总结来说,直方图可以表示特定灰度值的像素个数,归一化后的直方图表示特定灰度值在一张图中出现概率。
之所以我们有了教材还需要老师或者博客,我觉得很大的原因是教材为了权威性失去了灵活性。为什么不能让我们带着问题来读?由浅及深呢?我尝试把这一小章反过来写一下。
在了解了什么直方图后,我们先不去着急了解直方图均衡的概念,我们先想:为什么要引入直方图均衡?它能解决我们什么问题?
直接上图,先:
很显然,直方图均衡可以做到对整体较暗、较亮等对比度低的图片做到全局的对比度增强。
这么厉害,那么它是怎么做到的呢?
如果想到这,就需要了解一下,一张图片如果整体较暗或者较亮的图有什么特征(问题),这样才能对症下药。
灰度变换与空间滤波?经过一系列的化验和仪器扫描,我们发现这些图的直方图有异常:过于集中
看到这个图,心中就有数了。病症是一张图中的相似灰度等级的像素太过集中。集中在灰度低的地方征途图片就偏暗、高的地方图片就偏亮、集中在中间一处图片就偏灰辨识不清,只有把尽可能所有的像素的灰度值均匀分布在整个灰度级,这样才能得到一张对比度高(清晰)的图片,资源才不会浪费嘛。
知道了问题,就好下药了。抽象的来说,很简单,我要一门技术,可以把一张直方图集中的图片转成分散的。
这门技术就叫做直方图均衡。均衡的意思也很明显,不要搞特殊,雨露均沾,保持生物多样性才是王道。
我们知道了直方图均衡的含义以及宏观上的逻辑是通的。作为专业人士,就该考虑了。如何实现直方图均衡这门技术呢?
科研的法宝:大胆假设,小心求证。我们先把其中一个转换过程放在一块。
灰度直方图?
如果我们处理后图可以反向得到前图就好了,为什么?因为后面这种转换我们之前有见过啊。还记得上一章讲的对数变化和幂变换不?他们不都是可以把一小段密集输入映射到一大段宽频的输出上吗?
那么,对应这个直方图。抽象一下,如果我们有能找到一个这样的函数,可以做这种变换就好了。直观一点,还是上图:
我们设黑图的直方图为上图的
完美,我们已经把一个通用的Question变成了一个专业的Puzzle。这个问题就转变成了怎么找到这个转换函数,或者哪怕先缩小范围,找到它的一些特征也行。
灰度图像的直方图均衡化算法,我们先来反推这个T的一些特性:
规则1:当
2. 其次,要做到尽可能的信息不丢失不反转,也便于我们做
规则2:
注:单调好理解,为什么要递增呢?是为了保证输入中原本比
所以大体上
求图像的灰度直方图。
定量分析:
如果要定量分析,我们需要引入一些概率论的内容。
我们想,如果要定量
一幅图像的灰度级可以看成区间
灰度直方图均衡化步骤、由此可以得到图像处理中的特别重要的变换函数如下:
这是啥?
这就是说,我们只要确认了
好了,公式就这么出来了!我们来验证一下:
完美。
图像灰度直方图,拓展一下:
我们还可以对转换函数对输入
把求导结果代入导公式一:
这是啥?雷神说这是一个均匀概率密度函数。
数字图像处理中值滤波算法,把图画出来
这个真神奇,任意一个随机的密度函数
真神奇,因为数字图像中的
让我们记住这个对应的离散的变换公式:
数字图像处理中值滤波边缘值?
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态