目录图像直方图的定义与计算直方图均衡化60课件.pptxVIP

目录图像直方图的定义与计算直方图均衡化

3.1.2直方图均衡化原理直方图是图像灰度级分布的统计图表，横轴代表灰度值，纵轴代表该灰度值对应的像素数量。直方图形状可以反映图像的亮度、对比度等信息。013.1图像增强原理与实践图像直方图的定义与计算定义:图像直方图是图像中每个灰度级像素点个数（或出现频率）的统计分布图。对于灰度图像，横坐标范围是0到255（8位图像），纵坐标是对应灰度级的像素数。统计意义:直方图集中在低灰度区（左侧），表示图像偏暗。直方图集中在高灰度区（右侧），表示图像偏亮。直方图集中在狭窄的范围内，表示图像对比度低（灰蒙蒙）。直方图分布均匀，表示图像对比度高，灰度级利用充分。OpenCV计算与绘制:cv2.calcHist()用于计算直方图，matplotlib.pyplot用于绘制。

013.1图像增强原理与实践直方图统计生成案例：预期运行结果:会显示原始图像和其直方图。对于low_contrast_example.jpg，直方图应集中在中间的狭窄区域。

013.1图像增强原理与实践直方图均衡化(HistogramEqualization)概念本质:直方图均衡化是一种自动图像增强技术，它通过重新分布图像像素的灰度级，使得结果图像的灰度直方图尽可能地均匀分布，从而达到增强图像全局对比度的目的。数学原理(基于累积分布函数-CDF):概率密度函数(PDF):图像中某个灰度级r_k出现的概率p(r_k)=n_k/N，其中n_k是灰度级r_k的像素数量，N是图像总像素数。累积分布函数(CDF):CDF(r_k)=Σ(p(r_j))forj=k。它表示灰度值小于或等于r_k的所有像素的累积概率。变换函数:直方图均衡化的核心思想是利用CDF作为变换函数s=T(r)。理论上，如果原始图像的灰度级是连续的，那么通过s=(L-1)*CDF(r)进行变换，得到的新图像的灰度直方图将是均匀分布的。离散化:对于离散图像，变换公式为s_k=round((L-1)*Σ(p_j))forj=0tok。实现步骤:计算原始图像的灰度直方图。计算每个灰度级的累积分布函数（CDF）。根据CDF构建一个映射表（查找表），将原始灰度值映射到新的灰度值。遍历图像所有像素，根据映射表将每个像素的灰度值进行转换。

013.1图像增强原理与实践（4）适用场景:改善整体对比度较低的图像，特别是那些灰度级集中在狭窄范围内的图像（如欠曝、曝光不足的图像，或雾气、烟雾遮挡下的图像）。在医学影像（如X光片、MRI）和遥感图像处理中，常用于提高细节可见性。（5）局限性:可能会增强图像中的噪声，特别是在图像背景或平坦区域。可能会改变图像的平均亮度。对局部对比度增强效果不佳，因为它处理的是全局直方图。图2-4直方图均衡化效果对比图像增强技术通过灰度变换（线性、非线性）和直方图均衡化等方法，可以有效地改善图像的视觉质量，突出有用信息。选择合适的增强方法取决于图像的具体问题和期望达成的目标。

013.1图像增强原理与实践表3-1图像增强三种方法比较方法核心原理关键参数/函数适用场景灰度线性变换通过线性函数s=a*r+b映射像素值，调整对比度（a）和亮度（b）a：对比度因子b：亮度偏移量图像整体偏暗/偏亮、对比度均匀不足（如像素值集中在某个区间）灰度非线性变换使用非线性函数（对数/伽马）映射像素值，扩展或压缩特定灰度区域的动态范围对数：??对数：增强暗区细节（如医学影像、频谱图）；伽马：校正非线性显示设备（如显示器）直方图均衡化基于累积分布函数（CDF）将直方图重新分布为均匀分布，自动增强全局对比度无（自动根据直方图计算变换函数）对比度极低、直方图集中在窄区间的图像（如光照不足的照片、监控视频）

THANKS!让网络更安全让世界更美好