本篇介紹灰度直方圖和均衡化，也是屬于圖像灰度變換得范疇；

一、直方圖

直方圖：表示圖像中具有某種灰度級的像素的個(gè)數(shù)，反映了圖像中每種灰度出現(xiàn)的頻率。是圖像最基本的統(tǒng)計(jì)特征。

橫坐標(biāo)：灰度級；

縱坐標(biāo)：該灰度級出現(xiàn)的個(gè)數(shù)；

圖一

圖二

從上面兩個(gè)直方效果圖可以看出：圖一比較暗，圖二比較亮；

直方圖性質(zhì)：

1、直方圖只代表圖片中灰度值出現(xiàn)的次數(shù)（頻率），看不出灰度圖的位置，位置信息丟失；

2、一個(gè)圖像只有一個(gè)直方圖，但是一個(gè)直方圖可以對應(yīng)多張圖像；

3、可以把一張圖片分成幾個(gè)直方圖，然后把這幾個(gè)直方圖求和，會得到一張圖片的直方圖；

1、圖像直方圖多對一：上圖兩張圖片是兩張不同的圖片，但是五角星和六邊形的位置不同，但是他們的直方圖肯定是一樣的；

二、圖像分解：下圖對一張圖分解，一張圖片的直方圖等會幾個(gè)直方圖之和；

直方圖計(jì)算：

因?yàn)閳D像處理已經(jīng)是離散化的數(shù)值了，所以在離散的情況下，Rk代表灰度級數(shù)，我們把灰度級數(shù)歸一化（灰度級數(shù)歸一化：灰度級數(shù)除以255就得到了歸一化數(shù)值）

如下圖：rk代表離散灰度級，nk為圖像中出現(xiàn)Rk級灰度的像素?cái)?shù)，n是圖像像素總數(shù)，nk/n即為頻數(shù)，最后就可以求得直方圖的數(shù)值了。；

直方圖計(jì)算：

1、初始化數(shù)組，

2、統(tǒng)計(jì)灰度圖的個(gè)數(shù)；

3、歸一化

二、灰度直方圖的均衡化

對原圖直方圖進(jìn)行均衡化之后，雖然不是很平坦，但是比原圖直方圖平坦（每個(gè)顏色出現(xiàn)的次數(shù)相等）的多；擴(kuò)展了動態(tài)范圍，以前很窄，現(xiàn)在把其拉開；對于對比度出現(xiàn)很暗或者很亮的地方，沒有什么對比度或集中在一塊；通過均衡化一下就能把圖像給拉開；

均衡化的特點(diǎn)：變換之后的級數(shù)（原來是256級，均衡化之后就小于256）變少，叫簡并現(xiàn)象；灰度級數(shù)變少，并不一定會影響視覺感官，反之提高了視覺接受力；

均衡化計(jì)算：

利用累計(jì)分布函數(shù)作為灰度變換函數(shù)；

舉例：

假如一張圖片有八種顏色，每種顏色出現(xiàn)的概率就是直方圖；用累積法，累積概率密度：當(dāng)前的直方圖概率和前面累加；對于每一個(gè)累積乘以最大的灰度值，加0.5取整，就得到轉(zhuǎn)變后的顏色：原來為0的像素變?yōu)?,2變?yōu)?,3變?yōu)?以此類推；均衡化之后，有的灰度就沒了；最后就得到了一種映射關(guān)系，原來什么值，均衡化之后改為什么值；

總結(jié)：

1、統(tǒng)計(jì)直方圖數(shù)組，用一個(gè)數(shù)組HistogramUntreadImageArray記錄HistogramUntreadImageArray[i]

2、i從1開始，另CumulativehistogramArray[i]= CumulativehistogramArray[i-1] +

HistogramUntreadImageArray[i]

用TempArray數(shù)組記錄新的CumulativehistogramArray索引值，即：

TempArray[i] = CumulativehistogramArray[i] * (256 - 1)

3、依次循環(huán)每一個(gè)像素，取原圖的像素值作為數(shù)組TempArray的下標(biāo)值，取該下標(biāo)對應(yīng)的TempArray數(shù)組值為均衡化之后的像素值；

直方圖和直方圖均衡先暫時(shí)到這，下篇文章介紹灰度變換得代碼，請耐心等待；

喜歡的話，可以關(guān)注，一起學(xué)習(xí)，一起進(jìn)步。有錯(cuò)誤的請指出；

總結(jié)

以上是生活随笔為你收集整理的图像归一化处理 相同像素_图像处理学习笔记（九）——灰度直方图及其均衡化(理论篇)...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。