实验-直方图统计及亮度调整概要
图像直方图实验报告
图像直方图实验报告实验目的本实验旨在通过使用Python编程语言对图像直方图进行分析和可视化，加深对图像亮度分布的理解，并通过实验结果来探索不同图像的特点和相似性。
实验步骤1. 导入必要的库在开始实验之前，首先需要导入所需的Python库，包括numpy、matplotlib.pyplot和cv2。
可以使用以下代码导入这些库：import numpy as npimport matplotlib.pyplot as pltimport cv22. 读取图像数据选择一张感兴趣的图像作为实验对象，并使用cv2库中的imread()函数读取图像数据。
例如，可以使用以下代码读取名为image.jpg的图像：image = cv2.imread('image.jpg', 0)3. 计算图像直方图使用numpy库中的histogram()函数计算图像的直方图。
直方图是一个表示图像亮度级别频率分布的数组。
可以使用以下代码计算直方图：histogram = np.histogram(image.flatten(), bins=256, range=[0, 256])上述代码将返回一个包含图像直方图数据的数组。
4. 可视化直方图使用matplotlib.pyplot库中的bar()函数将图像直方图可视化。
可以使用以下代码绘制直方图：plt.figure()plt.title('Image Histogram')plt.xlabel('Bins')plt.ylabel('Frequency')plt.bar(histogram[1][:-1], histogram[0], width=1, color='gray')plt.show()上述代码将绘制一个表示图像亮度级别频率分布的直方图。
5. 结果分析通过观察直方图，可以分析图像的亮度特性和分布情况。
掌握Adobe Photoshop软件中的直方图和曝光调整技巧
掌握Adobe Photoshop软件中的直方图和曝光调整技巧近年来，数字摄影技术迅速发展，让我们从传统相机所依赖的胶片、底片中解放出来。
而数字照片在传输或者后期处理时，可以通过图像处理软件进行优化，调整图像的曝光度、对比度等参数。
其中，Adobe Photoshop是最为知名的一款图像处理软件，而直方图与曝光调整是Photoshop中不可或缺的两个功能。
一、直方图的作用和原理直方图是一个显示图像亮度范围的统计图表，它可以告诉我们图像中每个亮度级别的像素数量。
直方图横轴表示像素亮度级别，纵轴表示对应亮度级别的像素数量，将每个像素的亮度级别进行统计，并以柱状图形式显示出来。
通过直方图，我们可以直观地了解图像的亮度分布情况，从而进行曝光调整和校正。
在Adobe Photoshop中，我们可以通过打开图像后，选择"窗口"->"直方图"来查看直方图。
直方图显示了从黑色到白色的灰度亮度范围，其中黑色表示暗部，白色表示亮部。
我们可以根据直方图的分布情况，调整图像的曝光度，使其更符合我们的需求。
二、曝光调整技巧1. 调整曲线在Photoshop中，我们可以使用曲线工具对图像进行曝光调整。
选择"图像"->"调整"->"曲线"，可以打开曲线对话框。
我们可以通过拖动直线，调整曲线的形状来改变图像的亮度分布情况。
拖动曲线上方的点可增加亮度，拖动曲线下方的点可减少亮度。
通过调整曲线，可以让图像中的阴影、中间调和高光部分呈现出更丰富的细节和层次感。
2. 调整曝光在Photoshop中，我们还可以使用曝光调整功能来改变图像的明暗度。
选择"图像"->"调整"->"曝光"，可以打开曝光对话框。
通过调整曝光、偏移和对比度的参数，我们可以改变图像中的亮度和对比度，使其更加鲜明和有层次感。
实验报告(1)—直方图
实验一(1)
2、利用抓屏方法（ctrl+sysRq）粘贴实验程序和实验结果。
实验过程与结果
第一题是对某大学100名新生数学素质测验分数生成频率直方图。
第一步：录入实验数据，并利用max函数找出最高分与最低分；
第二步：根据最高分与最低分之间的差选取合适的组距，本次实验分为7组；
第三步：根据每组的组频范围计算出频数与频率（注：本次实验组频选取左开右闭的形式）；第四步：利用Excel中得数据分析选项，生成频率直方图并调整使其简洁美观；
第五步：利用Average函数求出其均值，利用Vara函数求出其方差。
实验过程及结果如图所示：
均值求解的函数截图；
方差求解的函数截图。
第二题是对某校100名新生身高的频率直方图，步骤与第一题类似，不做详细介绍。
实验过程与结果如下图所示：
均值求解的函数截图
方差求解的函数截图。
如何利用直方图分析照片曝光情况
如何利用直方图分析照片曝光情况曝光是摄影中的一个关键概念，它指的是相机所曝光的图像区域的明暗程度。
照片曝光情况的合理分析对于拍摄出清晰、明亮、细节丰富的照片至关重要。
直方图是一个有力的工具，可以帮助我们有效地分析照片的曝光情况。
接下来，将详细介绍如何利用直方图分析照片曝光情况。
我们来了解一下直方图是什么。
直方图是一种用于表示图像中像素值分布的图形。
横轴表示像素值的范围，纵轴表示像素值在图像中出现的次数或所占的比例。
通过观察直方图，我们可以了解到图像中各个亮度层次的分布情况，进而判断照片的曝光情况是否合理。
在数字相机或手机相机上，我们可以通过查看直方图来评估照片的曝光情况。
通常来说，一个良好曝光的照片的直方图呈现为一个平滑的曲线，该曲线在整个像素值范围内均匀分布。
若直方图左侧高度集中，可能表示照片过曝，即亮度过高，细节丢失；相反，若直方图右侧高度集中，可能表示照片曝光不足，即亮度过低，阴影区域无细节。
我们需要了解如何读取直方图以获得对曝光情况的准确分析。
直方图由左至右表示从暗到亮的像素值范围，一般以0为最暗，255为最亮。
横轴上的每一个像素值都对应了纵轴上的一个柱状高度。
纵轴的高度表示该像素值在照片中的出现频率或比例。
我们可以通过纵轴的高度来判断各个亮度层次的分布情况。
我们可以开始根据直方图的特征来分析照片的曝光情况。
如果直方图呈现为一个中间较高的峰值，表明照片的曝光情况较好，亮度分布均匀。
如果直方图向左倾斜，即左侧较高，那么照片过曝，需要调整曝光补偿或减小光圈大小以降低亮度。
反之，如果直方图向右倾斜，即右侧较高，那么照片曝光不足，需要增加曝光补偿或增大光圈大小以提高亮度。
还可以利用直方图的信息来调整照片的曝光。
在某些情况下，我们可能更倾向于保留图像中的某些特定细节，比如高光或阴影区域的细节。
通过观察直方图，我们可以调整曝光参数，以使得对应细节的像素值分布在合适的亮度范围内，从而得到更理想的曝光效果。
第二章通过“直方图”了解照片亮度信息
什么是EXIF信息Exif (Exchangeable image file format) 是可交换图像文件的缩写，是专门为数码相机的照片设定的，可以记录数字照片的属性信息和拍摄数据。
Exif 最初由日本电子工业发展协会在 1996 年制定，版本为 1.0。
1998 年，升级到2.1，增加了对音频文件的支持。
2002 年 3 月，发表了 2.2 版。
Exif 可以附加于 JPEG、TIFF、RIFF 等文件之中，为其增加有关数码相机拍摄信息的内容和索引图或图像处理软件的版本信息。
Exif 是一个为数码相机使用的图像文件格式而制定的标准规格。
它由日本电子工业发展协会(JEIDA - Japan Electronic Industry Development Association)创建。
该规格使用现有的文件格式，如 JPEG，TIFF Rev. 6.0，和 RIFF WAVE 音频文件格式，和一些额外添加的特殊元数据标签。
它不支持 JPEG 2000 或 PNG。
该规格的 V2.1 版本于 1998 年 1 月制定，V2.2 版本于 2002 年 4 月制定。
在 Exif 标准中定义的元数据标签包括以下几大方面的信息：日期和时间信息。
数码相机将记录当前日期和时间，并把这些信息记录在元数据标签里。
相机设置。
这包括静态信息，如相机型号、生产厂商，及每张照片改变的信息(方位、光圈、快门速度、焦距、测光模式和ISO感光速度等信息)。
照片拍摄地的位置信息。
可以由 GPS(全球卫星定位系统)接收器连接到数码相机上，来提供相关全球定位信息。
2004 年，仅有极少数数码相机支持这个特性。
因此，有人使用普通的GPS接受器来记录他当时所在位置的地理信息，然后在图像的时间戳里，根据接受器日志记录的内容，为图像添加相机错失了的照片拍摄地地理信息。
描述和版权信息。
一些数码相机高端机型会在相机上提供允许用户编写这部分信息的功能。
用直方图分析高光溢出及调整方法
用直方图分析高光溢出及调整方法应枫林朋友的要求，要我用直方图分析高光溢出（死白）的现象并做后期修正。
因本人水平有限，对照片后期也不是精益求精，调整的参数不敢说是最佳的，因此，如果论坛里有朋友说我调整的效果没有达到最佳之类的话我一概不接受！呵呵！因为这世界上只有更好，没有最好。
另外，本流程只分析直方图及调光，别的一概不考虑。
主体高光过曝是初学摄影者经常遇到的情况，原因是因为测光不准。
发本贴意在抛砖引玉给初学者提供处理高光溢出的一条可行性处理方法，绝对不敢说是金科玉律，高手对我这帖子可以嗤之以鼻，不屑一顾，因为我相信你们的技术比我高明百倍！在此，谢谢枫林朋友给我提供相片素材！另外，我重复一句，准确测光是摄影技术基础中的基础，拍摄时过曝了，后期是很难挽回高光细节的。
很多老摄影的经验是宁欠勿过，就是说在测光时可以欠曝一点，千万别过曝了。
原片相机品牌:Canon 相机型号:Canon PowerShot G12光圈:F2.8 ISO:400 曝光补偿:0 EV 曝光时间:1/250 sec调整后效果：因为枫林给我的是jpeg格式的片子，调整后虽然纠正了高光溢出，但是，石台上的高光区细节已经丢失了，白晃晃的一片，这是没有办法挽回的，如果是RAW格式的片子，通过后期调整还是可以挽回一些细节的，这也是很多摄影大师一再强调要用RAW格式储存相片的原因。
相机品牌:Canon 相机型号:Canon PowerShot G12 光圈:F2.8 ISO:400 曝光补偿:0 EV 曝光时间:1/250 sec原片直方图调整后直方图第一步：将照片导入lightroom，至于怎么样导入，与别的软件不一样，大家自己找教程。
没有看过lightroom帮助说明或者教程的人，第一步就麻烦，真的不知道如何将照片导入到这个程序里，它与光影魔术手、PS之类的软件导入方法都不一样。
第二步：看直方图。
这是我的习惯，我打开lightroom软件后第一步就是看直方图。
直方图均衡化实验报告
直方图均衡化实验报告直方图均衡化实验报告引言：直方图均衡化是一种常用的图像处理技术，它可以增强图像的对比度和细节，使得图像更加清晰明亮。
本实验旨在通过实际操作验证直方图均衡化的效果，并探讨其在不同场景下的应用。
实验步骤：1. 图像获取与预处理：选择一张高对比度的彩色图像作为实验对象，通过图像处理软件将其转换为灰度图像。
确保图像的亮度范围适中，避免过亮或过暗的情况。
2. 直方图均衡化算法：实现直方图均衡化算法的代码，可以使用Python等编程语言。
算法的核心思想是将原始图像的像素值映射到新的像素值，使得新图像的直方图均匀分布在整个灰度范围内。
3. 实验结果展示：将经过直方图均衡化处理后的图像与原始图像进行对比展示。
通过观察图像的对比度、亮度和细节等方面的变化，评估直方图均衡化算法的效果。
实验结果与分析：经过直方图均衡化处理后，图像的对比度明显增强，细节更加清晰可见。
原本过亮或过暗的区域得到了适当的修正，使得整个图像的亮度分布更加均匀。
同时，图像中的细节也得到了突出，使得观察者能够更好地识别和分析图像中的内容。
在实际应用中，直方图均衡化可以用于图像增强、目标检测、图像匹配等领域。
例如，在安防监控系统中，直方图均衡化可以提高图像的对比度，使得目标物体更加明显，有利于目标检测和识别。
在医学图像处理中，直方图均衡化可以增强图像的细节，有助于医生对病灶的判断和诊断。
然而，直方图均衡化也存在一些局限性。
首先，直方图均衡化是一种全局操作，对整个图像进行处理，可能会导致某些局部细节的损失。
其次，直方图均衡化对于亮度变化较大的图像效果较差，可能会导致过度亮化或过度暗化的问题。
因此，在实际应用中，需要根据具体情况选择合适的图像处理方法。
结论：通过本次实验，我们验证了直方图均衡化在图像处理中的有效性。
直方图均衡化可以增强图像的对比度和细节，使得图像更加清晰明亮。
然而，直方图均衡化也存在一些局限性，需要根据具体情况选择合适的图像处理方法。
亮度直方图中RGB转亮度的快速算法
亮度直⽅图中RGB转亮度的快速算法亮度直⽅图中RGB转亮度的快速算法1）⾸先给出标准的亮度公式:Y(亮度)=(0.299*R)+(0.587*G)+(0.114*B)式中的 R 代表红⾊分量的值，G 为绿⾊分量的值，B 为蓝⾊分量的值。
2）为便于计算，快速算法不采⽤标准公式，⽽使⽤以下只取⼩数点后两个有效位的近似公式:Y(亮度)=(0.30*R)+(0.59*G)+(0.11*B)3) 对于 24 位图像⽽⾔，由于红，绿，蓝三原⾊分量的值域为0~255，我们完全可以事先将整个值域与系数的运算结果保存为三个元素⼤⼩为256的数组，并进⼀步将浮点数更改为两个⽆符号字符型的⽅式表⽰，如将 0.30 改为 { 0, 30 } 表⽰，其中前⼀元素表⽰值的整数部分，后⼀元素表⽰值的⼩数部分。
则三原⾊的亮度值数组结果如下:staticunsigned char lumRed[256][2]={{ 0,0 }, { 0,30 }, { 0,60 }, { 0,90 }, { 1,20 }, { 1,50 }, { 1,80 }, { 2,10 }, { 2,40 }, { 2,70 },{ 3,0 }, { 3,30 }, { 3,60 }, { 3,90 }, { 4,20 }, { 4,50 }, { 4,80 }, { 5,10 }, { 5,40 }, { 5,70 },{ 6,0 }, { 6,30 }, { 6,60 }, { 6,90 }, { 7,20 }, { 7,50 }, { 7,80 }, { 8,10 }, { 8,40 }, { 8,70 },{ 9,0 }, { 9,30 }, { 9,60 }, { 9,90 }, { 10,20 }, { 10,50 }, { 10,80 }, { 11,10 }, { 11,40 }, { 11,70 },{ 12,0 }, { 12,30 }, { 12,60 }, { 12,90 }, { 13,20 }, { 13,50 }, { 13,80 }, { 14,10 }, { 14,40 }, { 14,70 },{ 15,0 }, { 15,30 }, { 15,60 }, { 15,90 }, { 16,20 }, { 16,50 }, { 16,80 }, { 17,10 }, { 17,40 }, { 17,70 },{ 18,0 }, { 18,30 }, { 18,60 }, { 18,90 }, { 19,20 }, { 19,50 }, { 19,80 }, { 20,10 }, { 20,40 }, { 20,70 },{ 21,0 }, { 21,30 }, { 21,60 }, { 21,90 }, { 22,20 }, { 22,50 }, { 22,80 }, { 23,10 }, { 23,40 }, { 23,70 },{ 24,0 }, { 24,30 }, { 24,60 }, { 24,90 }, { 25,20 }, { 25,50 }, { 25,80 }, { 26,10 }, { 26,40 }, { 26,70 },{ 27,0 }, { 27,30 }, { 27,60 }, { 27,90 }, { 28,20 }, { 28,50 }, { 28,80 }, { 29,10 }, { 29,40 }, { 29,70 },{ 30,0 }, { 30,30 }, { 30,60 }, { 30,90 }, { 31,20 }, { 31,50 }, { 31,80 }, { 32,10 }, { 32,40 }, { 32,70 },{ 33,0 }, { 33,30 }, { 33,60 }, { 33,90 }, { 34,20 }, { 34,50 }, { 34,80 }, { 35,10 }, { 35,40 }, { 35,70 },{ 36,0 }, { 36,30 }, { 36,60 }, { 36,90 }, { 37,20 }, { 37,50 }, { 37,80 }, { 38,10 }, { 38,40 }, { 38,70 },{ 39,0 }, { 39,30 }, { 39,60 }, { 39,90 }, { 40,20 }, { 40,50 }, { 40,80 }, { 41,10 }, { 41,40 }, { 41,70 },{ 42,0 }, { 42,30 }, { 42,60 }, { 42,90 }, { 43,20 }, { 43,50 }, { 43,80 }, { 44,10 }, { 44,40 }, { 44,70 },{ 45,0 }, { 45,30 }, { 45,60 }, { 45,90 }, { 46,20 }, { 46,50 }, { 46,80 }, { 47,10 }, { 47,40 }, { 47,70 },{ 48,0 }, { 48,30 }, { 48,60 }, { 48,90 }, { 49,20 }, { 49,50 }, { 49,80 }, { 50,10 }, { 50,40 }, { 50,70 },{ 51,0 }, { 51,30 }, { 51,60 }, { 51,90 }, { 52,20 }, { 52,50 }, { 52,80 }, { 53,10 }, { 53,40 }, { 53,70 },{ 54,0 }, { 54,30 }, { 54,60 }, { 54,90 }, { 55,20 }, { 55,50 }, { 55,80 }, { 56,10 }, { 56,40 }, { 56,70 },{ 57,0 }, { 57,30 }, { 57,60 }, { 57,90 }, { 58,20 }, { 58,50 }, { 58,80 }, { 59,10 }, { 59,40 }, { 59,70 },{ 60,0 }, { 60,30 }, { 60,60 }, { 60,90 }, { 61,20 }, { 61,50 }, { 61,80 }, { 62,10 }, { 62,40 }, { 62,70 },{ 63,0 }, { 63,30 }, { 63,60 }, { 63,90 }, { 64,20 }, { 64,50 }, { 64,80 }, { 65,10 }, { 65,40 }, { 65,70 },{ 66,0 }, { 66,30 }, { 66,60 }, { 66,90 }, { 67,20 }, { 67,50 }, { 67,80 }, { 68,10 }, { 68,40 }, { 68,70 },{ 69,0 }, { 69,30 }, { 69,60 }, { 69,90 }, { 70,20 }, { 70,50 }, { 70,80 }, { 71,10 }, { 71,40 }, { 71,70 },{ 72,0 }, { 72,30 }, { 72,60 }, { 72,90 }, { 73,20 }, { 73,50 }, { 73,80 }, { 74,10 }, { 74,40 }, { 74,70 },{ 75,0 }, { 75,30 }, { 75,60 }, { 75,90 }, { 76,20 }, { 76,50 },};staticunsigned char lumGreen[256][2]={{ 0, 0}, { 0,59}, { 1,18}, { 1,77}, { 2,36}, { 2,95}, { 3,54}, { 4,13}, { 4,72}, { 5,31},{ 5,90}, { 6,49}, { 7, 8}, { 7,67}, { 8,26}, { 8,85}, { 9,44}, { 10, 3}, { 10,62}, { 11,21},{ 11,80}, { 12,39}, { 12,98}, { 13,57}, { 14,16}, { 14,75}, { 15,34}, { 15,93}, { 16,52}, { 17,11},{ 17,70}, { 18,29}, { 18,88}, { 19,47}, { 20, 6}, { 20,65}, { 21,24}, { 21,83}, { 22,42}, { 23, 1},{ 23,60}, { 24,19}, { 24,78}, { 25,37}, { 25,96}, { 26,55}, { 27,14}, { 27,73}, { 28,32}, { 28,91},{ 29,50}, { 30, 9}, { 30,68}, { 31,27}, { 31,86}, { 32,45}, { 33, 4}, { 33,63}, { 34,22}, { 34,81},{ 35,40}, { 35,99}, { 36,58}, { 37,17}, { 37,76}, { 38,35}, { 38,94}, { 39,53}, { 40,12}, { 40,71},{ 41,30}, { 41,89}, { 42,48}, { 43, 7}, { 43,66}, { 44,25}, { 44,84}, { 45,43}, { 46, 2}, { 46,61},{ 47,20}, { 47,79}, { 48,38}, { 48,97}, { 49,56}, { 50,15}, { 50,74}, { 51,33}, { 51,92}, { 52,51},{ 53,10}, { 53,69}, { 54,28}, { 54,87}, { 55,46}, { 56, 5}, { 56,64}, { 57,23}, { 57,82}, { 58,41},{ 59, 0}, { 59,59}, { 60,18}, { 60,77}, { 61,36}, { 61,95}, { 62,54}, { 63,13}, { 63,72}, { 64,31},{ 64,90}, { 65,49}, { 66, 8}, { 66,67}, { 67,26}, { 67,85}, { 68,44}, { 69, 3}, { 69,62}, { 70,21},{ 70,80}, { 71,39}, { 71,98}, { 72,57}, { 73,16}, { 73,75}, { 74,34}, { 74,93}, { 75,52}, { 76,11},{ 76,70}, { 77,29}, { 77,88}, { 78,47}, { 79, 6}, { 79,65}, { 80,24}, { 80,83}, { 81,42}, { 82, 1},{ 82,60}, { 83,19}, { 83,78}, { 84,37}, { 84,96}, { 85,55}, { 86,14}, { 86,73}, { 87,32}, { 87,91},{ 88,50}, { 89, 9}, { 89,68}, { 90,27}, { 90,86}, { 91,45}, { 92, 4}, { 92,63}, { 93,22}, { 93,81},{ 94,40}, { 94,99}, { 95,58}, { 96,17}, { 96,76}, { 97,35}, { 97,94}, { 98,53}, { 99,12}, { 99,71},{100,30}, {100,89}, {101,48}, {102, 7}, {102,66}, {103,25}, {103,84}, {104,43}, {105, 2}, {105,61},{106,20}, {106,79}, {107,38}, {107,97}, {108,56}, {109,15}, {109,74}, {110,33}, {110,92}, {111,51},{112,10}, {112,69}, {113,28}, {113,87}, {114,46}, {115, 5}, {115,64}, {116,23}, {116,82}, {117,41},{118, 0}, {118,59}, {119,18}, {119,77}, {120,36}, {120,95}, {121,54}, {122,13}, {122,72}, {123,31},{123,90}, {124,49}, {125, 8}, {125,67}, {126,26}, {126,85}, {127,44}, {128, 3}, {128,62}, {129,21},{129,80}, {130,39}, {130,98}, {131,57}, {132,16}, {132,75}, {133,34}, {133,93}, {134,52}, {135,11},{135,70}, {136,29}, {136,88}, {137,47}, {138, 6}, {138,65}, {139,24}, {139,83}, {140,42}, {141, 1},{141,60}, {142,19}, {142,78}, {143,37}, {143,96}, {144,55}, {145,14}, {145,73}, {146,32}, {146,91},{147,50}, {148, 9}, {148,68}, {149,27}, {149,86}, {150,45},};staticunsigned char lumBlue[256][2]={{ 0, 0 }, { 0,11 }, { 0,22 }, { 0,33 }, { 0,44 }, { 0,55 }, { 0,66 }, { 0,77 }, { 0,88 }, { 0,99 },{ 1,10 }, { 1,21 }, { 1,32 }, { 1,43 }, { 1,54 }, { 1,65 }, { 1,76 }, { 1,87 }, { 1,98 }, { 2, 9 },{ 2,20 }, { 2,31 }, { 2,42 }, { 2,53 }, { 2,64 }, { 2,75 }, { 2,86 }, { 2,97 }, { 3, 8 }, { 3,19 },{ 3,30 }, { 3,41 }, { 3,52 }, { 3,63 }, { 3,74 }, { 3,85 }, { 3,96 }, { 4, 7 }, { 4,18 }, { 4,29 },{ 4,40 }, { 4,51 }, { 4,62 }, { 4,73 }, { 4,84 }, { 4,95 }, { 5, 6 }, { 5,17 }, { 5,28 }, { 5,39 },{ 5,50 }, { 5,61 }, { 5,72 }, { 5,83 }, { 5,94 }, { 6, 5 }, { 6,16 }, { 6,27 }, { 6,38 }, { 6,49 },{ 6,60 }, { 6,71 }, { 6,82 }, { 6,93 }, { 7, 4 }, { 7,15 }, { 7,26 }, { 7,37 }, { 7,48 }, { 7,59 },{ 7,70 }, { 7,81 }, { 7,92 }, { 8, 3 }, { 8,14 }, { 8,25 }, { 8,36 }, { 8,47 }, { 8,58 }, { 8,69 },{ 8,80 }, { 8,91 }, { 9, 2 }, { 9,13 }, { 9,24 }, { 9,35 }, { 9,46 }, { 9,57 }, { 9,68 }, { 9,79 },{ 9,90 }, { 10, 1 }, { 10,12 }, { 10,23 }, { 10,34 }, { 10,45 }, { 10,56 }, { 10,67 }, { 10,78 }, { 10,89 },{ 11, 0 }, { 11,11 }, { 11,22 }, { 11,33 }, { 11,44 }, { 11,55 }, { 11,66 }, { 11,77 }, { 11,88 }, { 11,99 },{ 12,10 }, { 12,21 }, { 12,32 }, { 12,43 }, { 12,54 }, { 12,65 }, { 12,76 }, { 12,87 }, { 12,98 }, { 13, 9 },{ 13,20 }, { 13,31 }, { 13,42 }, { 13,53 }, { 13,64 }, { 13,75 }, { 13,86 }, { 13,97 }, { 14, 8 }, { 14,19 },{ 14,30 }, { 14,41 }, { 14,52 }, { 14,63 }, { 14,74 }, { 14,85 }, { 14,96 }, { 15, 7 }, { 15,18 }, { 15,29 },{ 15,40 }, { 15,51 }, { 15,62 }, { 15,73 }, { 15,84 }, { 15,95 }, { 16, 6 }, { 16,17 }, { 16,28 }, { 16,39 },{ 16,50 }, { 16,61 }, { 16,72 }, { 16,83 }, { 16,94 }, { 17, 5 }, { 17,16 }, { 17,27 }, { 17,38 }, { 17,49 },{ 17,60 }, { 17,71 }, { 17,82 }, { 17,93 }, { 18, 4 }, { 18,15 }, { 18,26 }, { 18,37 }, { 18,48 }, { 18,59 },{ 18,70 }, { 18,81 }, { 18,92 }, { 19, 3 }, { 19,14 }, { 19,25 }, { 19,36 }, { 19,47 }, { 19,58 }, { 19,69 },{ 19,80 }, { 19,91 }, { 20, 2 }, { 20,13 }, { 20,24 }, { 20,35 }, { 20,46 }, { 20,57 }, { 20,68 }, { 20,79 },{ 20,90 }, { 21, 1 }, { 21,12 }, { 21,23 }, { 21,34 }, { 21,45 }, { 21,56 }, { 21,67 }, { 21,78 }, { 21,89 },{ 22, 0 }, { 22,11 }, { 22,22 }, { 22,33 }, { 22,44 }, { 22,55 }, { 22,66 }, { 22,77 }, { 22,88 }, { 22,99 },{ 23,10 }, { 23,21 }, { 23,32 }, { 23,43 }, { 23,54 }, { 23,65 }, { 23,76 }, { 23,87 }, { 23,98 }, { 24, 9 },{ 24,20 }, { 24,31 }, { 24,42 }, { 24,53 }, { 24,64 }, { 24,75 }, { 24,86 }, { 24,97 }, { 25, 8 }, { 25,19 },{ 25,30 }, { 25,41 }, { 25,52 }, { 25,63 }, { 25,74 }, { 25,85 }, { 25,96 }, { 26, 7 }, { 26,18 }, { 26,29 },{ 26,40 }, { 26,51 }, { 26,62 }, { 26,73 }, { 26,84 }, { 26,95 }, { 27, 6 }, { 27,17 }, { 27,28 }, { 27,39 },{ 27,50 }, { 27,61 }, { 27,72 }, { 27,83 }, { 27,94 }, { 28, 5 },};4) 近似公式变为:lumin = lumRed[red][0] + lumGreen[green][0]+ lumBlue[blue][0];lumin1 = lumRed[red][1] + lumGreen[green][1]+ lumBlue[blue][1];if( lumin1 >= 200 ) lumin += 2; /* ⼩数部分产⽣进位，整数部分加⼆, 这⾥不作四舍五⼊处理 */else if( lumin1 >= 100 ) lumin += 1;5) 本算法的关键在于将费时的浮点运算转换为两个整数加法和两个判断处理，在嵌⼊式系统中对于⽆浮点协处理器的 MCU/MPU 性能的提⾼是极为显著的。
总结5中常见的直方图对应照片的明暗影调，让你真正看懂直方图
总结5中常见的直方图对应照片的明暗影调，让你真正看懂直方图在摄影的过程中，观察直方图是一个重要的环节，但学多人都忽略了或者没有真正懂得怎么看直方图。
当你拍摄照片时，仅仅依靠肉眼通过屏幕观察照片的效果，未必准确。
因为每台相机的显示屏性能不同，还有你观察照片时的光线环境，都会影响到你判断照片曝光是否准确，明暗层次的动态范围是否符合要求。
但是，有了直方图，再结合照片，你可以轻松的把握住曝光的光圈与快门的设定，同时，通过直方图，也能抱我后期处理时照片影调的调整。
什么是直方图直方图一张照片具有256级明暗层次，从最暗到最亮分别是0到255，如上图所示。
纯黑是0，纯白是255，1是中间调。
中间为过渡影调，亮度为0到255之间。
也就是说，直方图是照片明暗程度的分布图。
我们可以把直方图分为横坐标和纵坐标，横坐标代表的就是照片亮度的分布情况，从左到右依次是暗到亮的分布。
对于纵坐标来说，有些区域峰值比较高，有些区域峰值比较低，这是为什么呢？因为纵坐标代表的是某一个亮度范围内记录的像素多少。
峰值高的区域代表的是在这个亮度范围内，照片所记录的像素就比较多，细节会更丰富。
如何从相机中调出直方图如上图所示，先找到照片的回放按钮，图中红箭头所示，按下该按钮回看照片，选中你所要观察的照片，然后再找你相机上“INFO”键或者“DISP”键按下，如图中红圈所示，照片的详细信息就出来了，其中包括直方图。
相机型号不一样，这个键的名称和位置也有所差别。
对于一张照片来说，最忌讳的是暗部和两部溢出。
因为两部与暗部溢出，表明这照片的高光和暗部细节缺失，但是，没有高光和暗部溢出是不是就表示得到一张曝光合理的照片呢，也不一定，那只是照片成功的第一步。
接下来分析5中常见的典型的直方图所对应的照片的明暗影调，让你全方位理解和掌握照片的明暗影调层次。
1、右坡型直方图，照片偏亮。
图1-1图1-2从图1-1的直方图我们可以看到，像素主要分布在右侧，像素分布不苟均匀，最高峰值在255处以顶到最上部，表明该出的高光部分已经溢出，缺失细节，这种情况下后期已无法找回来。
直方图的那点事儿【三】：直方图的“控制和调整”
直方图的那点事儿【三】：直方图的“控制和调整”要读懂和理解以下的内容，还是应该先认真地读读前面的“直方图的那点事【一】：直方图与数码影像的关联”和“直方图的那点事【二】：直方图形态与数码影像的表现”。
一、两个基础认识归纳一下前面已经探讨过的内容，其实也就是这两点：1、直方图与数码影像存在必然的关联直方图用统计学的方法直观地展现了数码影像中像素的分布，直方图中的每一个点都对应着数码影像中相应色调或亮度的像素。
这种关联是客观的、科学的，不会以你的意志而转移的。
2、直方图形态表达了数码影像的视觉表现不同的直方图形态表达了数码影像在曝光、色调、亮度以及色彩（因为色彩涉及较多的专业知识，前面的内容中并未提及，等以后有空了再专门探讨）等方面的视觉表现。
决定了直方图是分析数码影像最直接和有效的工具，就如同医院的内窥镜或CT机。
如果你确定已经读懂了上述两条，那么从数码摄影的角度，也就意味着你已明白了——直方图就是“照片”，是依据对像素的统计学基础上，用数学方法“编码”的“照片”。
当然，你得能读懂这种“编码”方法并且在需要时会“解码”。
二、探讨“控制和调整直方图”的目的在“直方图的那点事【一】”里曾提到过“控制和调整直方图”的说法，那么：1、直方图真的可以被“控制和调整”吗？就目前的数码影像处理工具来看，直接对直方图进行控制和调整还存在较大的技术问题，这也是这组词为什么用引号引起来的的原因之一。
为能说明问题，不妨啰嗦几句。
以汽车为例，为了控制汽车的行驶速度，汽车上有油门组件和转速表等构成的速度控制系统，分析一下我们控制和调整速度的过程，“控制”这个动作是依靠对油门的直接操作实现的，但是完整的控制过程却是依照转速表完成的。
不通过转速表就能确定汽车行驶速度的人，世界上没几个。
转速表这类装置被称为——指示仪表，说白了，直方图就是处理数码影像时的指示仪表。
从这个角度出发，直方图是可以被“控制和调整”的。
这种“控制和调整”可以理解为是一种反馈式的、间接的。
简单实用教你使用直方图调整曝光
简单实用教你使用直方图调整曝光简单实用教你使用直方图调整曝光几乎所有的数码相机都有液晶屏，DC用它来取景，单反用它查看照片。
虽然目前液晶屏的素质提高了许多，但户外强烈的光线，依然会给取景及查看照片带来困难，尤其是在想要通过液晶屏查看曝光是否正确的时候。
遇到这种情况时，相机内的直方图功能就派上了用场，了解并正确的使用它，可以让你正准确的调整曝光，从而拍摄出更棒的照片。
阳光下的液晶屏有时会让人很纠结·什么是照片的直方图？在回放照片的时候，相机通常会提供几种不同的显示模式，其中有一种是图像缩放成一小块，下面有详细的拍摄数据，并且配有一张“参差不齐”的图表——这就是照片的直方图。
直方图将照片的曝光信息量化并用图表的形式表现出来，用户根据它就可以清楚的了解照片的曝光情况。
在后期处理软件中打开图片，我们也可以调出照片的直方图调整曝光。
在相机上回放照片时可以调出直方图查看图片后期处理软件也拥有查看直方图的功能上面就是一张照片的直方图，我们应该如何解读呢？简单的说，直方图是一张二维的坐标系，其横轴代表明暗，最左侧代表黑色（最暗），最右边代表白色（最亮）；纵轴代表在某个亮度值像素的相对数量。
查看直方图上的色块位置，就可以直观的了解照片的曝光情况。
下面我们就用一组对比照片来看看直方图与照片曝光之间的关系。
·直方图与曝光之间的关系下面，我们使用相机的A档并调整曝光补偿连续拍摄了5张照片。
由于减了两档曝光，第一张看上去很暗淡。
再来看照片的直方图：色块区域明显集中在左侧（即暗部），右侧亮部区域基本没有任何像素，单从直方图就可以看出，这张照片一定会比较“黑”。
典型欠曝照片的直方图增加一档曝光之后，照片变亮了许多，下方阴影内的细节已经可以看清，画面中央的建筑曝光正常，天空中的白云也没有过曝。
再来看照片的直方图：与上张图片相比，色块区域整体右移，表明图片整体都变亮了，黑色部分的像素已经提亮至细节丰富的灰色区域，不过像素总体依然偏向左侧暗部。
对直方图的彻底了解.调色必看
对直方图的彻底了解.调色必看:a15出自作者：破法者教程来源：photos对直方图的彻底了解.调色必看点直方图右上的小三角.(全部通道视图)现在大家都看到了...一组很详细的数据.RGB,红,绿,蓝通道的色阶直方图.我现在要说说理论知识,大家不要嫌弃我罗索,因为相当有用!对于左边的一组数据,我必须解释一下:平均值:其中显示图像亮度的平均值.(亮度/饱和度)标准偏差(Std Dev):该值越小,所有象素的色调分布越靠近平均值.中值:显示象素颜色值的中点值.(色相/饱和度)象素:显示象素的总数.而右边的那组数据是鼠标定位查看信息的.一般大家都会用吧,这里是写看直方图的,所以这里不说明了.我还是用昨天的素材...先说一下知识:色调从0~255,0为黑色,255为白色.128为灰色.0~85为暗部,86~170为中间调,171~255为高光区得!先看各个直方图和其数据由R,G,B,亮度,颜色的直方图知道.(可以把128看为为平均的数值)--可以看直方图下面的数据也可以直接看直方图平均值(亮度/对比度)红色通道为111偏低一点,而绿色和蓝色通道的数值较低,其中蓝色最为突出.亮度和颜色也是偏低.按绿色为标准,(不要担心绿色也缺省,一会会调整)所以照片颜色偏红,缺蓝色.再看中间值(色相/饱和度),各直方图都低于80,证明颜色也集中在暗部,所以图片偏暗...知道原因了...我们开始调色了...先调蓝色通道,图层--调整--色阶(蓝),调整如下.注意看直方图的变化...看到了吧.呵呵,再调整绿色通道(操作如上)...再看看红色通道.亮度和颜色的直方图.注意看直方图的变化...像素和颜色分布均匀协调多了吧.：通过上面的红,亮度和颜色的直方图知道.图像还是偏暗,而且红色分布不协调,主要要是集中在低于80的暗部区(红色直方图).所以我在图层--调整--色彩平衡(暗部)调整红色...调整好了,我再看看亮度和颜色的直方图.(像素和颜色分布更均匀协调了吧.)但我们通过直方图观察,还是可以看到照片还是偏暗了...(象素点和颜色大部分集中于128以下)所以我调整一下亮度,我这里用曲线(其他组件也可以)最后再来观察RGB和颜色的直方图...像素和颜色分布基本均匀,协调.因为是室内照片,平均值应该会稍低于128(亮度).这里强调一下,我这是原理和基础知识,但并不代表我精通调色.不会调请见谅...在这里我必须感谢村长同志之前对我的指点和启发.希望各位前辈能作补充和指正.让我们优秀起来...[本帖最后由胡昆于 2007-4-13 12:14 编辑]。
实验一 图像亮度变换及直方图绘制
实验一图像亮度变换及直方图绘制
实验目的：掌握图像变换的不同方法以及其对图像的影响。
掌握直方图的绘制方法，理解直方图与图像的关系。
实验内容：1、图像的二值化：使用图像的平均灰度作为二值化阈值，并给出二值化图象。
人工改变阈值大小，观察不同阈值下二值化图象的变
化规律。
2、图像的对比度拉伸变换：设置参数m与E，给出变换结果。
修改
m与E的值观察，观察图像的变化。
3、直方图绘制：对于上述两题采用bar函数绘制直方图，设置合理
的坐标轴范围及刻度
实验报告：填表。
图像直方图实验报告
图像直方图实验报告图像直方图实验报告一、引言图像直方图是一种用于分析和描述图像亮度分布的工具。
通过统计图像中不同亮度级别的像素数量，我们可以获得图像的亮度分布情况，从而更好地理解图像的特征和内容。
本实验旨在通过对不同图像的直方图分析，探索图像直方图在图像处理中的应用。
二、实验方法1. 实验材料本实验使用了三张不同类型的图像：一张自然风景图像、一张人物肖像图像和一张抽象艺术图像。
2. 实验步骤（1）打开图像处理软件，并导入所选图像。
（2）选择图像直方图功能，并生成图像的直方图。
（3）观察直方图的形状和分布情况，并记录下来。
（4）根据观察结果，分析图像的亮度特征和内容特点。
三、实验结果与分析1. 自然风景图像的直方图自然风景图像的直方图呈现出较为平均的分布，亮度分布范围广泛。
这表明该图像中包含了丰富的亮度细节，从明亮的天空到昏暗的山脉，再到黑暗的树林，图像中的各个部分亮度差异较大。
这种直方图特点与自然风景图像的特点相符，展示了大自然的多样性和丰富性。
2. 人物肖像图像的直方图人物肖像图像的直方图呈现出较为集中的分布，亮度主要集中在中间区域。
这表明该图像中的人物主体亮度较为均匀，没有明显的高光或阴影。
这种直方图特点与人物肖像图像的特点相符，突出了人物的面部特征和表情。
3. 抽象艺术图像的直方图抽象艺术图像的直方图呈现出较为离散的分布，亮度分布呈现出一定的规律性。
这表明该图像中存在着一些重复出现的亮度模式或纹理。
这种直方图特点与抽象艺术图像的特点相符，强调了艺术家对于形式和结构的探索。
四、实验总结通过对不同类型图像的直方图分析，我们可以发现图像直方图与图像内容和特征之间存在一定的关联性。
自然风景图像的直方图展示了大自然的多样性和丰富性，人物肖像图像的直方图突出了人物的面部特征和表情，抽象艺术图像的直方图强调了艺术家对于形式和结构的探索。
因此，在图像处理中，我们可以通过对图像直方图的分析，更好地理解图像的内容和特征，为后续的图像处理工作提供参考。
调整直方图
调整直方图
解决方法
∙在ScanGear CS的“高级模式”中，单击色彩选项卡上的[直方图]按钮。
∙阅读直方图
∙调整直方图(使用滑块)
∙将黑点滑块向高光区移动。
∙将白点滑块向阴影区移动。
∙将黑点滑块向高光区移动，同时将白点滑块向阴影区移动。
直方图是显示亮度分配的图形。
您可以调整图形以调整图像的色调。
在ScanGear CS的“高级模式”中，单击色彩选项卡上的[直方图]按钮。
阅读直方图
您可以打开每个通道指定区域的直方图。
[直方图]峰值越高，分配给此级别的数据就越多。
调整直方图(使用滑块)
选择[通道]，然后移动黑点滑块或白点滑块以指定设置为阴影或高光的级别。
左侧的所有部分将变为黑色(级别0)。
右侧的所有部分将变为白色(级别255)。
原稿图像
将黑点滑块向高光区移动。
具有更多数据分配到高光区的图像
将白点滑块向阴影区移动。
具有更多数据分配到阴影区的图像
将黑点滑块向高光区移动，同时将白点滑块向阴影区移动。
具有广泛分配数据的图像。
如何看懂曝光亮度直方图
如何看懂曝光亮度直方图这要是在想当初，判断曝光要等到胶片冲洗出来才可以，还有什么密度、反差、颗粒度等一系列术语等着你。
况且很多情况下，即便知道曝光失误了也没机会重新拍摄了。
现在好了，神奇的数码技术把统计的工作变得简单了。
按下数码相机的拍照按钮之后，马上就可以看到照片。
不但可以看到照片，还可以看到拍摄照片时的各项数据；不但可以看到各项数据，还可以看到这张照片的亮度统计表。
这个统计表正是我们结合照片判断曝光的亮度直方图。
什么是直方图直方图也被称为柱状图，很形象。
用过电子表格么？就像微软的Excel表格、苹果的Numbers等等。
直方图的本质是一些二维统计数字。
这些数字连起来就是曲线，切得跟蛋糕似的被称为“饼图”，要是用高低不同的柱形表示就被称为“直方图”或者“柱状图”。
每天你都可以在财经频道看到大盘走势、个股走势。
我不炒股，也看不懂，但我知道，那些高高低低的线条是按照时间统计出来的数字。
那么，在数码摄影中直方图统计的是什么呢？单从曝光来讲，直方图按照从黑到白不同的明暗级别统计像素有多少。
这么说太抽象，还是用示意图来表示比较清楚。
首先，我们把从黑到白分成7个明暗级别（还记得“影调”么？），包括黑和白。
用直方图的横轴表示亮度级，黑的在左边，向右依次变亮，白的在右边。
假设我们有一张22个像素的照片，统计的结果比如就是上面这张直方图。
那么我们可以从这张直方图上看到，照片中有3个像素是黑的、2个像素是白的、5个像素是中灰的……数码相机中的亮度直方图现在，我们把上一页的直方图扩张一点儿：把从黑到白的影调级别扩展到256个，把总像素数量增加到一千万或者两千万像素。
这样我们就还原了数码相机中直方图。
它看起来是下面这个样子的。
很像山是吧？对！高的地方被叫做“山峰”，接地的地方被称为“山脚”。
初学者很容易错认为山峰越高越亮，这也正是为什么会看不懂直方图、感到迷惑的重要原因。
记住，照片的亮暗影调是在直方图的地面上，左边暗、右边亮，最左边是黑、最右边是白。
亮度动态范围计算
亮度动态范围计算亮度动态范围是指图像中最亮和最暗区域之间的亮度差异范围。
它是评估图像的亮度级别和细节丰富程度的重要指标。
在数字图像处理中，亮度动态范围的计算可以帮助我们了解图像的亮度分布情况，进而进行图像增强或压缩等处理操作。
在计算亮度动态范围之前，首先需要了解图像的亮度级别。
亮度级别是指图像中每个像素的亮度值，通常用0到255的整数表示，其中0代表最暗的黑色，255代表最亮的白色。
而亮度动态范围是指亮度级别中最大值和最小值之间的差值。
计算亮度动态范围的方法有多种，其中一种常用的方法是直方图法。
直方图是一种统计图形，用于表示图像中各个亮度级别的像素数量。
通过绘制图像的直方图，我们可以直观地了解图像的亮度分布情况。
计算亮度动态范围的步骤如下：1. 读取图像并将其转换为灰度图像。
灰度图像是一种只有一个通道的图像，其中每个像素的值表示其亮度级别。
2. 统计图像的直方图。
可以通过遍历图像的每个像素，统计每个亮度级别的像素数量，然后绘制直方图。
3. 根据直方图找到最大和最小亮度级别。
直方图的最高峰对应于亮度级别最多的像素，即最大亮度级别；直方图的最低峰对应于亮度级别最少的像素，即最小亮度级别。
4. 计算亮度动态范围。
亮度动态范围等于最大亮度级别减去最小亮度级别。
亮度动态范围的计算结果越大，代表图像的亮度分布越广泛，细节丰富程度越高。
而计算结果越小，则代表图像的亮度分布越集中，细节丰富程度越低。
亮度动态范围的计算在图像处理中具有重要的应用。
在图像增强中，我们可以根据亮度动态范围的计算结果，调整图像的对比度和亮度，使图像更加清晰和鲜明。
在图像压缩中，我们可以根据亮度动态范围的计算结果，选择合适的压缩算法和参数，以保证图像质量的同时尽可能减小文件大小。
除了亮度动态范围的计算，还有其他一些指标可以用于评估图像的亮度特性，如亮度均匀性、亮度对比度等。
这些指标可以综合考虑图像中各个区域的亮度分布情况，进一步分析图像质量和细节表现。
实验一直方图的统计
实验名称：直方图的修正
一．实验内容：
1.打开bhtmref.img影像，并进行标准假彩色合成；
2.对经过标准假彩色合成后的影像进行均衡化；
3.对经过标准假彩色合成后的影像进行规定划，即与目标影像匹配；
4.对上述三种影像分别进行直方图统计，并比较相关数据。
二．实验所用的仪器设备，包括用到的数据:
ENVI4.3软件，bhtmref.img影像.
三．实验原理：
1．经过标准假彩色合成，分别给TM2,TM3,TM4赋予蓝绿红三色，使图像清晰，特征明显；2．对原始直方图进行一定的加工，使其各像元的灰度变得均匀；
3．对原始直方图进行一定的加工，使其变成事先规定的直方图。
4．分别对各次所得到的直方图进行统计。
四．实验步骤及其结果分析：
1．对bhtmref.img影像先进行直方图的统计，然后输出，并截图如下：
2．对经过均衡化的影像进行直方图的统计，然后输出，并截图如下：
3．对给定影像，进行直方图的统计，并输出如下：
4．对进行规定化后的影像，进行直方图的统计，截图如下：
五．实验中遇到的问题及其解决方法：
问题一：初次使用ENVI软件，对软件的功能比较陌生，怎么办？
答：通过做作业来加强练习，效果不错。
问题二：实验操作基本掌握，但是对其本质的理解不够透彻，如何解决？
答：首先通过自己不断操作，来不断加深印象，然后通过与同学之间的交流，、取长补短，共同进步，加深对知识的理解。
问题三：对以后遥感课程的学习有何打算？
答：上课一定要认真听讲，不能走神，充分把握重点难点，课后认真复习，课前认真预习。
实验-数字图像的直方图统计
实验二数字图像的直方图统计一、实验目的1．了解对灰度图像进行直方图统计的基本原理；2．掌握用VC编程实现直方图统计的方法；3．在微机上调试程序；5. 分析数字图像直方图的特点。
二、实验原理图像的直方图图像的（灰度统计）直方图是一个一维的离散函数。
它的定义为：设s k为图像f(x,y)的第k级灰度值，n k是f(x,y)中具有灰度值s k的象素的个数，n是图像象素总数，则：p s(s k)= n k/n k=0，1， ，L-1称为图像f(x,y)的直方图。
这里p s(s k)代表原始图中第k个灰度级的出现概率。
以n k为自变量，以p s(s k)为函数，得到的曲线就是图像的直方图，在实际中常常直接将对第k个灰度级的统计值n k作为图像的直方图。
它提供了原图灰度值的分布情况，也可以说给出了一幅图所有灰度值的整体描述。
对灰度图像进行直方图统计的程序流程图如图2-1所示。
图2-1 灰度图像直方图统计流程三、实验前准备1．预习本实验中关于数字图像直方图统计的有关内容；2. 预习VC中添加对话框的步骤和方法；3．了解本实验的目的和实验内容。
四、实验内容1．在实验一的基础上读入并显示一幅数字图像；2．编写对灰度图像进行直方图统计的程序，并将结果显示在屏幕上。
五、实验报告要求1．总结对灰度图像进行直方图统计的过程，比较不同的图像其直方图特性；2．对实验结果进行分析。
六、参考步骤和程序在实验一的基础上，进行如下操作：1、点击ResourceView，右键点击Dialog，选Insert Dialog 在属性对话框中将ID改为ID_HIST，对话框名称改为“直方图”2、在工具栏中点“插入”－“新建类”，输入类名，并选Base Class为CDialog，Dialog ID为ID_HIST。
这样就将对话框和类联系起来了，在该对话框中拖入一Edit控件，将其ID 设为IDC_HISTSHOW；3、快捷键“Ctrl＋W”，出现MFC ClassWizard对话框，在Messages栏中分别选WM_INITDIALOG和WM_Paint，再点击“Add Function”，即将对话框初始化和画图函数加入对话框类之中。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验 2.直方图统计及亮度调整
一、实验目的
了解并掌握直方图统计方法以及分段线性拉伸、直方图均衡等亮度调整算法, 通过观察对这些运算建立感性认识。
二、实验内容
1. 观察各类图像的直方图;
2. 操作 LUT 灰度对照表,进行分段线性拉伸;
3. 采用直方图均衡方法对低对比度的图像进行对比度增强。
三、基本原理
1.直方图的定义
图象的灰度直方图是一个函数, 表示数字图象中每一灰度级与该灰度级出现的频数 (即具有这一灰度级的象素数目间的对应关系:
P b N b M
(
( =
M 为一幅图象所包含的象素总数; N (b 为图象中灰度值为 b 的象素总数。
通常,以灰度值 b 为横坐标, N (b 为纵坐标。
直方图是图象中象素灰度值的一阶概率分布密度的一种近似。
2.对比度增强
对比度增强又称为点运算,逐点改变输入图象的每一象素的灰度,而各象素的位置不改变, 一般用来拓宽图象的灰度范围。
(1灰度变换法(LUT 对照
典型的对比度拉伸灰度变换关系如图 1所示,其对应关系如下:
g
f f a f a
g a f b f b g b f L a
b
=
≤< -+≤< -+≤<⎧
⎨
⎪
⎩
⎪
α
β
γ
(
(
式中, f 、 g 分别表示输入及输出图象, α、β、γ为折线段的斜率, a 、 b 决定低、中、高灰度级的范围。
选择不同的α、β、γ、 a、 b 、 g a 及 g b 数值,可得到各种各样的灰度拉伸效果。
灰度变换前后的灰度变化范围是不变的, 对一部分灰度区域的扩张 (感兴趣区都是以其它区域的压缩为代价的。
图 1. 典型的对比度拉伸灰度变换关系
可见,输出和输入图象之间各点的灰度是按照一定的映射关系相联系的,这种映射关系在计算机中则是通过一个查照表(look-up table,即 LUT 实现的。
通过 LUT 对照改变了图象中不同灰度特性趋于的对比度或反差(contrast ,达到改善视觉效果的目的。
(2 直方图均衡
直方图均衡(histogram equalization就是通过点运算使输入图像的灰度分布较为均匀, 使图像具有较好的视觉效果。
设 r , s 分别为原图和新图的灰度, ϕr (r , ϕs (s 分别为原图及新图的概率密度函数,则均衡变换为原图像的累积分布函数:
s T r r r r
==⎰( ϕ( 0 对于离散图像,均衡转换公式为: ∑∑=====k j j k j j r k k n M L r P r T s 0max
0 ( (
其中, L max 指图像中的最大灰度值(对于灰度图像就是 255。
四、实验步骤
(一 Matlab 的 demo 演示
1. 在命令窗中输入 demo, 在左边窗口选中 image processing, 在右下窗口选中
Intensity Adjustment and Histogram Equalization进入演示窗口 .
2. Operation 选 Intensity Adjustment 改变 Intensity Transformation 窗内曲线
的形状 , 或触动亮度 , 对比度 , 灰度按钮 , 调整图像质量 , 观察图像参数对直方图分布的影响。
3. Operation 选 Histogram Equalization 观察均衡化处理图像的效果。
(二 ImgPro 演示
1. 在 Matlab 界面下输入“ ImgPro ” ;
2. 选择“图像的基本性质->直方图与图像特性” ,观察各种图像的直方图;
3. 选择“图像增强->对比度修正->LUT对照之一” ,任意改变 LUT 形状,观察其处理效果;
4. 选择“图像增强->对比度修正->直方图修正” ,进行直方图均衡操作。
五、实验报告要求
1. 画出以下几种图像调整到最佳质量时的强度变换图和 gamma 值:1. 电路
2. 轮胎
3. 花
4. 生气
5. 土星。
2.归纳不同类型图像,其直方图的特点。
3.归纳调整直方图分布对图像质量的效果。