当前课程知识点：现代图像分析 > 第四章 图像增强 > 4.2 直方图修正 > 4.2.2 直方图规定化学习视频
同学们好，今天我们给大家介绍图像增强中的直方图规定化
我们知道，直方图均衡化能够自动的增强图像的整体的对比度
得到全局均衡化的直方图，因而获得更清晰的图像
但是它的增强效果不容易控制
实际上，我们有时候会希望根据给定直方图的形状来修正原始图像
这就是今天我们要给大家介绍的直方图规定化
屏幕上，我们显示了几种给定形状的直方图
我们来看一下原始的一个直方图，这是经过了正态扩展的直方图
这是均匀化之后的直方图，这是暗区扩展的直方图
这是亮区扩展的直方图
那数字图像的直方图规定化主要的步骤方法，我们简单介绍一下
首先第一步，对原始图像的直方图进行均衡化的操作
也就是说，我们要先求原始图像的累计直方图
第二步，根据规定的直方图来计算累计的直方图，是规定的累计直方图
第三步，根据最靠近的原则，我们寻找它们之间的一个映射关系
第四步，根据映射关系，我们进行灰度变换
下面我们通过一个具体的例子来说明直方图规定化的具体实施步骤
我们给了大家两个表
第一个表中呢，列出来的是原始直方图
是一共给了8级灰度，分别是从0到7
每一级灰度，它所对应的概率呢
给了大家0的概率是0.19，1对应的是0.25，以此类推
下面这个表呢，给了一个规定的直方图
也就是说我们希望对这个原始图像的进行了一个增强处理之后
使得变换后的图像的直方图变成这样的一个形式
那么下面呢，我们通过这个表格来给大家介绍一下
首先，我们看在这个表格的第一行中
我们列出了原始图像的灰度级，分别是从0到7
然后第二行里面给了大家原始的直方图
那就0.19、0.25、0.21、0.16一直到0.02
第三行给大家列出了我们规定的直方图
也就是说我们希望变换后的图像的直方图变成
灰度值是0123的没有，那么灰度值是4的呢，是0.2
灰度值是5的0.3，灰度值是6的，也是0.3，灰度值是7的，是0.2
按照我们刚才给大家的介绍
第四步，我们要做的呢，就是计算原始的累计直方图
原始的累计直方图和它的计算方法
和直方图均衡化里面的累计直方图计算方法呢是一样的
这是我们计算出来的原始的累计直方图
接下来按照同样的方法，我们可以把规定的累计直方图计算出来
分别是0.2、0.5、0.8和1.0
接下来就是我们刚才说的，按照最接近的原则去找他们的对应关系
这个原则呢，我们就是说，从累计的规定的累计直方图
在原始累计直方图中去寻找最接近的
比如说我们看一下，在规定的累计直方图中第一个不为零的是0.2
0.2和上面原始累计直方图中0.19是最接近的
所以呢，原始图像中灰度值是0的，是0.19，它所对应的
灰度值是0的呢，我们经过变换之后
现在要变成0.2所，对应的灰度值是4
所以在我们找的对应关系中灰度值是零的，就变成4
同样的道理，0.5呢是和这个原始累计直方图中的0.44是最接近的
而0.44呢，对应的是灰度值是1
因此，也就是说经过变换之后原始图像中灰度值是1的现在要变成5
同样的道理，0.8和0.81最接近，0.81对应的是灰度值是3
原始图像中灰度值是3
那么需要注意的就是原始图像中还有一个灰度值是2的，我们没有指定
所以这个时候，我们要把原始图像中灰度值是2和3的呢
现在全部都映射成6
一样的道理，这个规定累计直方图中最后一个是1.0
那么它显然是和这个7所对应1.0是最接近的
因此呢，我们就把灰度值原始图像中4567
这4个灰度值呢，全部都映射到7
因此呢，第七行，我们写出了它们的一个对应关系
就是0变成4，,1变成5，2、3变成6，4567都变成7
第八步呢，我们要写出变换后的这个直方图也就是说匹配直方图
按照相同的原则，我们可以写出这个概率是0，是1的也是0
那么只有灰度值是4的对应的是0.19，灰度值是5的是0.25、0.37和0.19
这个表格就显示了我们直方图修正的一个主要步骤
那么下面，我们在屏幕上给了大家直方图规定化之后的
显示出来的它的直方图
这是原始图像的直方图，这是我们规定的直方图
这个是我们变换后得到的匹配的直方图
那么从这两个图像进行比较一下，我们可以看出来
经过直方图规定化之后，得到的这个匹配的直方图
和原来的我们规定直方图并不是完全相同的
但是和原始图像的直方图相比较，匹配的直方图更接近于规定的直方图
下来，我们给了大家一个实验的例子
左边这幅图像是原始图像，这是经过均衡化之后的图像
这是我们进行规定化之后的图像
下面列出了三幅图像的对应的直方图
从这个图中，我们可以看出来
经过直方图均衡化处理之后，整体图像的对比度都增加了
但是在一些较暗的区域，有些细节，仍然不大清楚
比如说我们头发的这个部分，由于颜色昏暗
所以，这个地方细节还不是看的很清楚
而采用了直方图规定化之后
由于规定化的这个函数，在高亮区域的值是比较大的
所以变换结果，图像结果比均衡化是整体是更明亮的
而较暗区域的一些细节，就看得更清楚了
从直方图上看，我们也可以看出来
在这幅直方图中，它的这个高灰度值的这一边
是相比较它来讲，是更为密集了，这是我们的一个例子
那么下面，我们再来看一下这个图像
是放大了130倍的一个钨丝的图像
在这个图像中，我们明显的可以看到一个钨丝和它的支架
在图像的正中间，显示的比较清楚
但是这幅图像的右边，其实还有一根钨丝
但是由于比较暗，所以看不太清楚
经过规定化处理之后这个图像中第二个钨丝看着就比较清楚了
这个就是我们今天给大家介绍的直方图规定化
好，今天的内容，就介绍到这里，谢谢大家再见
-1.1 图像及图像的基本概念
--1.1.2 图像及图像的基本概念作业
-1.2 数字图像处理的起源
--1.2.2 数字图像处理的起源作业
-1.3 数字图像处理的步骤和方法
--1.3.2 数字图像处理步骤和方法作业
-1.4 数字图像处理系统的组成
--1.4.2 数字图像处理系统的组成作业
-1.5 数字图像处理主要应用领域
--1.5.2 数字图像处理主要应用领域作业
-2.1 色度学基础
--2.1.3 色度学基础作业
-2.2 人的视觉特性
--2.2.1 人的视觉特性作业
-2.3 图像数字化
--2.3.2 图像数字化作业
-2.4 数字图像特点
--2.4.2 数字图像特点作业
-3.1 图像变换的基本概念
--3.1.2 图像变换的基本概念作业
-3.2 图像的几何变换
--3.2.2 图像的几何变换作业
-3.3 图像的离散傅立叶变换
--3.3.2 图像的离散傅立叶变换作业
-3.4 图像变换的一般表示形式
--3.4.2 图像变换的一般表示形式作业
-3.5 图像的离散余弦变换
--3.5.2 图像的离散余弦变换作业
-3.6 图像离散沃尔什-哈达玛变换
--3.6.2 图像离散沃尔什-哈达玛变换作业
-3.7 K-L变换
--3.7.2 K-L变换作业
-4.1 图像的对比度增强
--4.1.2 图像的对比度增强作业
-4.2 直方图修正
--4.2.3 直方图修正作业
-4.3 图像平滑
--4.3.4 图像平滑作业
-4.4 同态滤波
--4.4.2 同态滤波作业
-4.5 图像锐化
--4.5.2 图像锐化作业
-4.6 图像的彩色增强
--4.6.2 图像的彩色增强作业
-5.1 退化模型及常见退化模型
--5.1.2 退化模型及常见退化模型作业
-5.2 图像的无约束恢复
--5.2.2 图像的无约束恢复作业
-5.3 图像有约束最小二乘恢复
--5.3.2 图像有约束最小二乘恢复作业
-6.1 概述
--6.1.1 概述作业
-6.2 图像编码基本理论
--6.2.2 图像编码基本理论作业
-6.3 无损编码理论
--6.3.2 无损编码理论作业
-6.4 霍夫曼编码
--6.4.2 霍夫曼编码作业
-6.5 算数编码
--6.5.2 算数编码作业
-6.6 预测编码
--6.6.2 预测编码作业
-6.7 正交变换编码
--6.7.2 正交变换编码作业
-7.1 图像分割的定义及依据
--7.1.2 图像分割的定义及依据作业
-7.2 边缘点检测
--7.2.2 边缘点检测作业
-7.3 边缘线跟踪
--7.3.3 边缘线跟踪作业
-7.4 门限化分割
--7.4.2 门限化分割作业
-7.5 区域分割法
--7.5.2 区域分割法作业
-7.6 聚类分割法
--7.6.3 聚类分割法作业
-8.1 像素间的基本关系
--8.1.2 像素间的基本关系作业
-8.2 目标物的边界描述
--8.2.2 目标物的边界描述作业
-8.3 目标物的区域描述
--8.3.2 目标物的区域描述作业
-8.4 图像的几何特征
--8.4.2 图像的几何特征作业
-8.5 特征描述子
--8.5.4 特征描述子作业
-9.1 图像匹配
--9.1.2 图像匹配作业
-9.2 图像分类
--9.2.2 图像分类作业
-9.3 图像识别
--9.3.2 图像识别作业
-9.4 模式识别分类专题
--9.4.4 模式识别分类专题作业
-中国天网
-车道检测
-期末测试
--期末测试
