直方图修正
实验四 图像的直方图修正
imhist(X, map)；%计算和显示索引色图像X的直方图，
map为调 色板；
［counts, x］=imhist(…)%返回直方图数据向量counts和
相应的色彩值向量x，用stem(x, counts) 同样可以显示直方图。
【例】 显示灰度图像‘cameraman.tif’的直方图。
j 0 j 0
k
k
nj N
（5）将sk按照原来的量化值，取最近的进行量化sk→r， 将像素数带入，得到新的灰度级及分布。
实例
假设一幅64×64，8bit灰度图像，其概率分布见下
表，试对其进行直方图均衡化处理。 rk nk Pr(rk)=nk/n
r0=0
r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
3500
3000
2500
2000
1500
1000
500
0
20ቤተ መጻሕፍቲ ባይዱ
40
60
80
100
120
2 imadjust函数
调用格式：J=imadjust(I,[low high],[bottom top],gamma) 说明：J为图像I调整后返回的图像，[low high]为原图像
的灰度范围，[bottom top]为指定变换后的灰度范
790
1023 850 656 329 245 122 81
0.19
0.25 0.21 0.16 0.08 0.06 0.03 0.02
＊重新命名sk，归并相同灰度级的象素数 rk r0=0 r2=2/7=0.29 r3=3/7=0.43 r4=4/7=0.57 r5=5/7=0.71 r6=6/7=0.86 r7=1 nk 790 850 656 329 245 122 81 Pr(rk) Sk计算 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00 Sk舍入 1/7=0.14 3/7=0.43 5/7=0.71 6/7=0.86 6/7=0.86 1 1 1 S3 985 0.24 Sk S0 S1 S2 nsk 790 1023 850 P(sk) 0.19 0.25 0.21
直方图修正和彩色变换
第5章直方图修正和彩色变换这一章，我们主要和调色板打交道。
先从最简单的反色讲起。
5.1 反色反色(invert)就是形成底片效果。
例如，图5.2为图5.1反色后的结果。
图5.1 原图图5.2 图5.1反色后的结果反色有时是很有用的，比如，图5.1中黑色区域占绝大多数，这样打印起来很费墨，我们可以先进行反色处理后再打印。
反色的实际含义是将R、G、B值反转。
若颜色的量化级别是256，则新图的R、G、B值为255减去原图的R、G、B值。
这里针对的是所有图，包括真彩图、带调色板的彩色图(又称为伪彩色图)、和灰度图。
针对不同种类有不同的处理。
先看看真彩图。
我们知道真彩图不带调色板，每个象素用3个字节，表示R、G、B三个分量。
所以处理很简单，把反转后的R、G、B值写入新图即可。
再来看看带调色板的彩色图，我们知道位图中的数据只是对应调色板中的一个索引值，我们只需要将调色板中的颜色反转，形成新调色板，而位图数据不用动，就能够实现反转。
灰度图是一种特殊的伪彩色图，只不过调色板中的R、G、B值都是一样的而已。
所以反转的处理和上面讲的一样。
这里，我想澄清一个概念。
过去我们讲二值图时，一直都说成黑白图。
二值位图一定是黑白的吗？答案是不一定。
我们安装Windows95时看到的那幅setup.bmp是由蓝色和黑色组成的，但它实际上是二值图。
原来，它的调色板中的两种颜色是黑与蓝，而不是黑与白。
所以说二值图也可以是彩色的，只不过一般情况下是黑白图而已。
下面的程序实现了反色，注意其中真彩图和调色板位图处理时的差别。
BOOL Invert(HWND hWnd){DWORD OffBits,BufSize;LPBITMAPINFOHEADER lpImgData;LPSTR lpPtr;HLOCAL hTempImgData;LPBITMAPINFOHEADER lpTempImgData;LPSTR lpTempPtr;HDC hDc;HFILE hf;LONG x,y;LOGPALETTE *pPal;HPALETTE hPrevPalette=NULL;HLOCAL hPal;DWORD i;unsigned char Red,Green,Blue;OffBits=bf.bfOffBits-sizeof(BITMAPFILEHEADER);BufSize=OffBits+bi.biHeight*LineBytes; //新开缓冲区的大小if((hTempImgData=LocalAlloc(LHND,BufSize))==NULL){MessageBox(hWnd,"Error alloc memory!","Error Message",MB_OK|MB_ICONEXCLAMATION);return FALSE;}lpImgData=(LPBITMAPINFOHEADER)GlobalLock(hImgData);lpTempImgData=(LPBITMAPINFOHEADER)LocalLock(hTempImgData);//拷贝头信息memcpy(lpTempImgData,lpImgData,BufSize);hDc=GetDC(hWnd);if(NumColors!=0){ //NumColors不为0说明是带调色板的lpPtr=(char *)lpImgData+sizeof(BITMAPINFOHEADER);//指向原图数据lpTempPtr=(char *)lpTempImgData+sizeof(BITMAPINFOHEADER);//指向新图数据//为新调色板分配内存hPal=LocalAlloc(LHND,sizeof(LOGPALETTE)+NumColors*sizeof(PALETTEENTRY));pPal =(LOGPALETTE *)LocalLock(hPal);pPal->palNumEntries =(WORD) NumColors;pPal->palVersion = 0x300;for (i = 0; i < NumColors; i++) {Blue=(unsigned char )(*lpPtr++);Green=(unsigned char )(*lpPtr++);Red=(unsigned char )(*lpPtr++);lpPtr++;//反转调色板中的颜色，存入新的调色板pPal->palPalEntry[i].peRed=(BYTE)(255-Red);pPal->palPalEntry[i].peGreen=(BYTE)(255-Green);pPal->palPalEntry[i].peBlue=(BYTE)(255-Blue);pPal->palPalEntry[i].peFlags=0;*(lpTempPtr++)=(unsigned char)(255-Blue);*(lpTempPtr++)=(unsigned char)(255-Green);*(lpTempPtr++)=(unsigned char)(255-Red);*(lpTempPtr++)=0;}if(hPalette!=NULL)DeleteObject(hPalette);hPalette=CreatePalette(pPal); //产生新的调色板LocalUnlock(hPal);LocalFree(hPal);if(hPalette){hPrevPalette=SelectPalette(hDc,hPalette,FALSE);RealizePalette(hDc);}}else{ //不带调色板，说明是真彩色图for(y=0;y<bi.biHeight;y++){lpPtr=(char *)lpImgData+(BufSize-LineBytes-y*LineBytes);lpTempPtr=(char *)lpTempImgData+(BufSize-LineBytes-y*LineBytes);for(x=0;x<bi.biWidth;x++){Blue=(unsigned char )(*lpPtr++);Green=(unsigned char )(*lpPtr++);Red=(unsigned char )(*lpPtr++);//反转位图数据中的颜色，存入新的位图数据中*(lpTempPtr++)=(unsigned char)(255-Blue);*(lpTempPtr++)=(unsigned char)(255-Green);*(lpTempPtr++)=(unsigned char)(255-Red);}}}if(hBitmap!=NULL)DeleteObject(hBitmap);hBitmap=CreateDIBitmap(hDc,(LPBITMAPINFOHEADER)lpTempImgData,(LONG)CBM_INIT,(LPSTR)lpTempImgData+sizeof(BITMAPINFOHEADER)+NumColors*sizeof(RGBQUAD),(LPBITMAPINFO)lpTempImgData,DIB_RGB_COLORS);if(hPalette && hPrevPalette){SelectPalette(hDc,hPrevPalette,FALSE);RealizePalette(hDc);}hf=_lcreat("c:\\invert.bmp",0);_lwrite(hf,(LPSTR)&bf,sizeof(BITMAPFILEHEADER));_lwrite(hf,(LPSTR)lpTempImgData,BufSize);_lclose(hf);//释放内存和资源ReleaseDC(hWnd,hDc);LocalUnlock(hTempImgData);LocalFree(hTempImgData);GlobalUnlock(hImgData);return TRUE;}5.2 彩色图转灰度图第2章中提到了YUV的颜色表示方法，在这种表示方法中，Y分量的物理含义就是亮度，它含了灰度图(grayscale)的所有信息，只用Y分量就完全能够表示出一幅灰度图来。
【精品】直方图修正
一、实验名称：直方图修正二、实验目的1.对影像进行直方图规定化和均衡化2.利用另外一幅影像进行直方图匹配3.利用直方图统计功能对结果进行分析三、实验内容1.对两幅卫星遥感影像进行规定化并统计分析2.对一幅卫星遥感影像进行均衡化并统计分析四、实验所用的仪器设备计算机和ENVI软件在不同时刻同地的卫星遥感影像2幅五、实验原理1.直方图规定化：是使原图像灰度直方图变成规定形状的直方图而对原始图像作修正的增强方法。
作用：对于在不同时间获取的同一地区或者邻接地区的图像，或者是由于太阳高度角或大气的影响引起差异的图像很有用，特别是对图像镶嵌和变化检测。
2.直方图均衡化:又称直方图平坦化，是将一已知灰度概率密度分布的影响，经过某种变换变成一幅具有均匀灰度概率密度分布的新影像，其结果是是扩大了像元取值得动态范围。
效果:(1)均衡后每个灰度级的像元频率近似相等。
（2）频率少的灰度级被合并，频率数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。
六、实验步骤1.直方图规定化与统计：同时打开两幅遥感影像，影像显示号分别为Display#1，Display#2.规划化前影像——Display#2规划化前影像——Display#11)在Display#2的主影像窗口选择Enhance/HistogramMatching,出现HistogramMatchingInputparameter对化框。
2)在“MatchTo”列表中，选择匹配的直方图的影像显示号Display#1。
3)在InputHistogram/Image/OK得到直方图匹配后的结果。
4)在“Flie/SaveImageAs/Imagefile”中得到对话框“OutputDisplaytoimageFile”选择保存所在文件下，保存为”guihua”。
在“BasicTools/statistics/ComputerStatistics/ComputerStatisticsInputFile”,选择所要分析统计的图像文件.例如guihua/OK/BasicStats/Histograms/OK按Display#1的影像进行匹配后的Display#2即guihua规划化前影像——Display#1 在StatisticsResults:guihua/SelectPlot/Histogram：AllBands并对三幅图进行分析Guihua直方统计图Display#2直方统计图Display#1直方统计图结果分析：[1].由上显示图—1为规划化后的图，图—2，3为规划化前的图，三幅图每个都有3个波段，图—2，3在灰度值0—255之间变化，图—1在0-210之间变化，图—1，2在灰度值80—170变化较集中。
Adobe Photoshop进行直方图调整的技巧与方法
Adobe Photoshop进行直方图调整的技巧与方法直方图在摄影和图像处理中是一个重要的工具，它可以帮助我们了解图像中各个色调的分布情况。
Adobe Photoshop是一个广泛使用的图片处理软件，它提供了丰富的功能来进行直方图调整。
本文将介绍几种常用的直方图调整技巧和方法，帮助读者更好地利用Photoshop进行图像处理。
一、了解直方图在进行直方图调整之前，我们首先需要了解什么是直方图。
直方图是一种统计图表，用来表示图像中不同亮度级别的像素数量。
在Photoshop中，我们可以通过打开“窗口”菜单，选择“直方图”来查看。
直方图通常由一个横轴和一个纵轴组成。
横轴表示图像的亮度级别，从0（最暗）到255（最亮），纵轴表示该亮度级别下的像素数量。
通过观察直方图，我们可以了解到图像的整体亮度情况，以及图像中存在的亮度分布问题。
例如，如果直方图中某个区域明显偏移，表示该区域的亮度过亮或过暗，需要进行调整。
二、调整图像亮度和对比度调整图像亮度和对比度是直方图调整中最常见的操作之一。
在Photoshop中，我们可以使用“图像”菜单下的“调整”子菜单来进行调整。
点击“亮度/对比度”选项，会出现一个调整面板。
通过移动滑块来调整整个图像的亮度和对比度。
通过观察直方图的变化，我们可以即时看到调整的效果。
如果调整后的图像在直方图上的分布较为均匀，则表示亮度和对比度的调整相对合理。
三、调整图像色调和饱和度除了亮度和对比度，我们还可以通过调整图像的色调和饱和度来改变图像的整体色彩效果。
在Photoshop中，我们可以使用“图像”菜单下的“调整”子菜单中的“色相/饱和度”选项。
通过移动“色相”滑块，我们可以改变图像的整体色调。
通过移动“饱和度”滑块，可以增加或减少图像的饱和度。
同样，通过观察直方图的变化，我们可以判断调整后的色调和饱和度是否合理。
四、调整图像曲线除了简单的亮度、对比度、色调和饱和度调整之外，Photoshop还提供了更高级的调整方式，比如曲线调整。
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。
遥感实验报告直方图的修正
实验名称：直方图的修正一、实验内容1.对影像进行直方图均衡化。
2.利用另外一幅影像进行直方图匹配。
二、实验所用的仪器设备，包括所用到的数据电脑一台，遥感影像处理软件（ENVI4.3），bhtmref遥感影像三、实验原理（一）直方图的均衡化1.定义：又称直方图的平坦化。
是将一已知的灰度概率密度分布的影像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新影像，结果是扩大了像元取值的动态范围。
2.直方图均衡的效果：（1）均衡后每个灰度级的像元频率近似相等（2）频数少的灰度级被合并，频数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。
（二）直方图的规定化1.定义：是使原影像灰度直方图变成规定形状的直方图而对原始影像做修正的增强方法。
2.原理：先对原始影像进行均衡化，再对希望影像进行均衡化，由原始影像均衡化的灰度级得到希望影像的灰度级。
3.作用：对于在不同时间获取的同一地区或者邻接地区的影像，或者是由于太阳高度角或大气的影响引起差异的影像很有用，特别是对影像镶嵌和变化检测。
四、实验步骤及其结果分析（一）直方图均衡化1.实验步骤：（1）打开bhtmref遥感影像，显示如图一所示。
（2）在Image窗口菜单上点击Enhance/[Image]Equalization，得到结果影像（图2）。
（3）点击New Display，在image窗口菜单上点击Enhance/[Zoom]Equalization,得到结果影像（图3）。
图1.TM432（RGB）合成影像图2.图1Image窗口均衡化结果影像图3.图1 Zoom窗口均衡化影像结果2.结果及分析：（1）图2比图1更清晰。
通过对两幅图的比较，发现图2相邻地物之间的对比更加明显。
从表一中比较图1和图2的基础数据，可以得到以下结果：从灰度级的最值的差异度可以看出，图二灰度级的最值差绝对值更大，这说明对比度更大。
图2的灰度平均值比图1大很多，这说明图2 的亮度更高。
如何调整直方图，6种方案解决你曝光的困惑！
如何调整直方图，6种方案解决你曝光的困惑！直方图是一种照片的分析方式，后期修图前，看懂直方图让你调图更得心应手，更专业，出来的效果更精彩。
1、如何观察直方图直方图的观看规则就是“左黑右白”，左边代表暗部，右边代表亮部，而中间则代表中间调。
横轴表示照片的明暗情况，左边是暗部（阴影），右边为亮部（高光）。
纵轴表示在某一亮度像素数量的多少，“山峰”越高，代表此影调在照片中分部的面积广。
直方图所反映的，是相机镜头所“看到”的世界。
如果场景或者拍摄对象很暗，那么直方图就应该是向左堆积的；相反地，如果场景或者拍摄对象很亮，那么直方图就会呈现向右堆积的状态。
可以简单记作“左暗右亮”哦~2、过曝以及改善方法直方图的右侧高光部分有峰值，但最右侧阴影部分却很平，甚至没有，可以判断出这张照片是过曝的。
画面中的高光溢出，也就是说白色的部分细节缺失，整体画面暗部区域不足，画面看起来很不舒服。
别急。
这时只要减少曝光补偿就可以很好的改善啦~3、欠曝以及改善方法像素都集中在左侧阴影处，这样的话暗部会缺失很多细节，亮部也会十分灰暗。
这时候应该适当增加曝光补偿，以得到正常的曝光。
4、曝光正常理想的直方图应该是从左侧起缓慢上升，在中间连续不断，并在某处出现峰值，靠右边又逐渐下降，类似于钟形图的模式。
从直方图看，这张片亮部、暗部和中间调都存在，说明画面的细节保留的很好，且画面整体看起来也十分舒适，是一张曝光准确的照片。
不同风格下的直方图案例上一个例子是比较普通的情况，其实直方图的形状没有一个绝对的标准，不同风格题材的照片，也有不同定义的“准确曝光”哦，下面就来看几个常见的直方图案例吧~5、亮调&暗调亮调照片的色调是以白为主，一般白色要占75%至95%。
从直方图可以看出，这张照片几乎没有阴影，因为最左侧是没有高度的。
不仅如此，这张照片甚至连中间调都没有多少，这说明这张照片里有着大量的高光。
但这张照片并没有过曝，画面中拍摄的就是白色物体，而且主体有着丰富的细节，所以这是一张亮调照片，给我们明快的感觉。
图像的直方图修正和增强
上式中，f(.)和g(.)分别表示增强前后的图 像，而EH代表增强操作。
如果EH是定义在每个(x,y)上的，则EH是 点操作；如果EH是定义在 (x,y)的某个领 域上,则EH常被称为模板操作。
EH既可以作用于一幅图像f(.)，也可以作 用于一系列图像{f1(.), f2(.),…, fn(.)} 之上。
12
二、灰度的线性变换
1、理论基础 灰度的线性变换就是将图像中所有的点的
灰度按照线性变换函数进行变换。该线性 变换函数f(x)是一个一维线性函数： f(x) = fA * x + fB
13
灰度变换方程为： DB = f(DA) = fA * DA + fB
式中参数fA为线性函数的斜率，fB为线性 函数在y轴的截距，DA表示输入图像的灰 度，DB表示输出图像的灰度。
其它各图可以此类推。
45
五、图像的代数运算
1. 引言 代数运算是指两幅输入图象之间进行点对点的加、
减、乘、除运算得到输出图象的过程。如果记输 入图象为A(x,y)和B(x,y)，输出图象为C(x,y)，则 有如下四种简单形式： C(x,y) = A(x,y)+B(x,y) (1) C(x,y) = A(x,y)-B(x,y) (2) C(x,y) = A(x,y)×B(x,y) (3) C(x,y) = A(x,y)/ B(x,y) (4)
32
图5-5 直接变换法
33
实际应用中，s1，s2，t1，t2可取不同的 值进行组合，从而得到不同的效果。
如果s1=t1，s2=t2，则EH为一条斜率为 1的直线，增强图像和原图相同。
如果s1= s2 ， t1=0，t2=L-1，则增强 图只剩下2个灰度级别，对比度最大但细节 全部丢失了。
直方图修正法
直方图修正法分为直方图均衡化和直方图规定化目的：采用直方图修整后可使图像的灰度间距拉开或使灰度分布均匀，从而增大反差，使图像细节清晰，从而增强图像。
1.直方图均衡化通过对原图像进行某种变换使原图像的灰度直方图修正为均匀的直方图的一种方法以r 和s 分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。
即 1,0≤≤s r 在[]1,0区间内的任一个r ，经变换T （r ）都可产生一个S ，且 S=T(r)T(r)为变换函数，应满足下列条件：（1）在10≤≤r 内为单调递增函数（保证灰度级从黑到白的次序不变）；（2）在10≤≤r 内，有1)(0≤≤r T 。
（确保映射后的像素灰度在允许的范围内） 由概率论理论可知，如果已知随机变量r 的概率密度为)(r p r ,而随机变量s 是r 的函数，则s 的概率密度)(s p s 可以由)(r p r 求出。
假定随机变量s 的分布函数用)(s F s 表示，根据分布函数定义，则有⎰⎰∞-∞-==s r r s s dr r ds s s p p F )()()([])()(1s dsd s T p p r s -=⇒ （1） 因为归一化假定 1)(=s p s由（1）得dr r ds p r )(= 两边积分得 ⎰==rrdr r r T s p 0)()( （变换函数） 上式表明当变换函数T （r ）是原图像直方图累积分布函数时，能达到直方图均衡化的目的。
对于灰度级为离散的数字图像，用频率来代替概率。
∑∑=====k j k j j j r k k n r T n r p s 00)()(1,,2,1,0,10-=≤≤L k r k2.直方图规定化（直方图匹配）使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。
假设)(r p r 和)(z p z分别表示已归一化的原图像灰度概率密度函数和希望得到的图像概率密度函数。
首先对原图像进行直方图均衡化处理，即求变换函数：⎰==rrdr r r T s p 0)()( 假定已得到了所希望的图像，对它也进行均衡化处理，即⎰==zzdr r z G v p 0)()( （2） 它的逆变换是 )(1v z G -=即由均衡化后的灰度级得到希望图像的灰度级。
数字图像处理入门—直方图修正和彩色变换
数字图像处理入门—直方图修正和彩色变换这次，我们主要和调色板打交道。
先从最简单的反色讲起。
1. 反色(invert)反色就是形成底片效果。
如下图所示，图2为图1反色后的结果图1. 原图图2. 图1反色后的结果反色有时是很有用的，比如说，图1中黑色区域占绝大多数，这样打印起来很费墨，我们可以先进行反色处理再打印。
反色的实际含义是将R，G，B值反转。
若颜色的量化级别是256，则新图的R，G，B值为255减去原图的R，G，B值。
这里针对的是所有图，包括真彩图，带调色板的彩色图（又称为伪彩色图），和灰度图。
针对不同种类有不同的处理。
先看看真彩图。
我们知道真彩图不带调色板，每个像素用3个字节，表示R，G，B三个分量。
所以处理很简单，把反转后的R，G，B值写入新图即可。
再来看看带调色板的彩色图，我们知道位图中的数据只是对应调色板中的一个索引值，我们只需要将调色板中的颜色反转，形成新调色板，而位图数据不用动，就能够实现反转。
灰度图是一种特殊的伪彩色图，只不过调色板中的R，G，B值都是一样的而已。
所以反转的处理和上面讲的一样。
这里，我想澄清一个概念。
过去我们讲二值图时，一直都说成黑白图。
二值位图一定是黑白的吗？答案是不一定。
我们安装Windows95时看到的那幅setup.bmp是由蓝色和黑色组成的，但它实际上是二值图。
原来，它的调色板中的两种颜色是黑与蓝，而不是黑与白。
所以说二值图也可以是彩色的，只不过一般情况下是黑白图而已。
实现反色的源程序2. 彩色图转灰度图(color to grayscale)我们在第二讲时提到了YUV的颜色表示方法，知道在这种表示方法中，Y分量的物理含义就是亮度，它含了灰度图的所有信息，只用Y分量就完全能够表示出一幅灰度图来。
YUV和RGB之间有着如下的对应关系。
我们利用上式，根据R，G，B的值求出Y值后，将R，G，B值都赋值成Y，就能表示出灰度图来，这就是彩色图转灰度图的原理。
先看看真彩图。
图像直方图修正
实验五图像直方图修正一、实验目的1．掌握灰度直方图的概念及其计算方法；2．熟练掌握直方图均衡化的计算过程；3．学会利用MATLAB实现图像的直方图均衡化。
二、实验原理灰度直方图是一个离散函数，它表示数字图像每一灰度级出现频率的对应关系。
1.直方图的概念设图像的灰度范围为[a,b]，r为此灰度范围内的任一灰度级，p(r)为这幅图像中灰度级为r的象素出现的频率，p(r)函数的图形称为这幅图像的直方图。
2.直方图均衡化把原始图的直方图变换为均匀分布的形式，此时图像的熵最大，图像所包含的信息量最大。
3.所用函数灰度调整函数：imadjust，绘制直方图：imhist，直方图均衡化：histeq三、实验内容1．读入MATLAB自带索引图像“kids.tif”，显示索引图像和其直方图。
[I,I_map]=imread('kids.tif');I1=imhist(I,I_map);subplot(121),imshow(I,I_map);subplot(122),imhist(I,I_map);2．读入MATLAB自带图像“pout.tif”，将其进行灰度级拉伸：最低灰度变成黑色，最高灰度变成白色，显示拉伸前后的图像，并新建一个图像窗口，显示两个直方图。
最后，分析拉伸后图像与其直方图的特点。
I=imread('pout.tif');J=imadjust(I,[0.1 0.9]);subplot(121), imshow(I);subplot(122), imshow(J);figure, subplot(121), imhist(I);subplot(122), imhist(J);3．读入MATLAB自带图像“tire.tif”，对其进行直方图均衡化，用一个2*2的子图显示原始图像、均衡化后的图像及均衡化前后的直方图。
I = imread('tire.tif');J = histeq(I);subplot(2,2,1),imshow(I);subplot(2,2,2),imshow(J);subplot(2,2,3),imhist(I,64);subplot(2,2,4), imhist(J,64);四、实验仪器1. 计算机；2. MATLAB软件；3. 记录用的笔、纸。
直方图最小值去除法大气校正的原理和操作方法
直方图最小值去除法大气校正的原理和操作方法
最小值去除法大气校正也称为最小值去燥（Min–Max normalization），是一种简单而有效的数字图像处理方法，旨在大气校正远距离目标物体的图像。
它的目的是减少夜晚或阴天拍摄的图像中大气噪声的影响，使图像呈现更准确的物体的细节，从而改善图像质量明显。
基本步骤：
•计算图像中每个像素的分量（如灰度值）的最小值和最大值。
•将图像的每个像素的分量减去该图像的所有像素的最小值，以减小包含大气噪声的低灰度值部分。
•将上一步中计算出来的像素分量除以它们之间的差值，以保持图像中原有的灰度极差。
最小值去除法大气校正可以有效地减少传感器在较长波段中捕获图像时受到大气噪声的影响，确保图像中原始目标物体的细节可以被观察到。
它是一种非常有效的图像处理方法，可以在不考虑大气噪声的情况下对图像进行处理，这对获得较好的图像质量至关重要。
使用最小值去除法大气校正之前，需要首先计算图像中每个像素的灰度值最小值和最大值，这可以通过使用像素值统计功能实现。
一旦最大值和最小值被确定，就可以开始去燥图像。
所有图像的像素值（灰度值）都需要减去图像中的最小值，然后将这些像素值除以其差值，即可实现最小值去除法大气校正。
这样得到去燥后的图像，就可以准确地看到远处物体的细节，从而提
高图像的质量。
另外，可以通过将图像转换为HSL或HSV格式来实现最小值去燥法大气校正，对于色彩相对复杂的图像可以提供更准确的结果。
后期修摄影照片时，看直方图需要注意些什么？
后期修摄影照片时，看直方图需要注意些什么？
其实，如果你用的专业显示器，后期修图的基本上不用看什么直方图了。
当然，如果你喜欢用色阶功能修理照片，那么，就不得不看直方图啦！
photoshop软件，图像--调整--色阶
对于这张照片来说，直方图的左边和右边都是空白的
此时，向右拖动黑色滑块，向左拖动白色滑块，都拖到山峰的脚下，于是，一张灰蒙蒙的照片就变得光鲜亮丽啦！
上图是没有调整时的样子
上图是调整过的样子，可以看到，黑色滑块位于左边山峰的山脚，白色滑块位于右边山峰的山脚
未处理之前的原图，灰蒙蒙的
经过对色阶进行调整之后，基本上就好多了，然后，如果你愿意再增加一个自然饱和度，就会很不错啦！
总结一下：一般来说，我们现在都不用刻意去看直方图了。
只有在使用色阶功能调整照片的时候，不得不去看直方图。
在调整色阶的时候，黑色滑块最好刚好调整到左边山峰的山脚处，白色滑块最好调整到右边山峰的山脚处。
第六次课_图像增强_直方图矫正_最后
灰度修正（空域法）
如K=1，即为点增强处理
特点： 1） 输出图像在像素点(m, n)的灰度 值 g(m, n)仅取决于输入图像在像素点(m, n)的灰度值f(m, n) ，与像素点(m, n)的 邻近点无关。 2） 我们通常写成 s = T(r) ,其中s 是输出像素点值，r是输出像素点值。 3） T可以是任一从[0,1]到[0,1]映射 的递增函数。
因为H（D） d A( D ) dD 替换D，并等式两端从 D到进行积分
D
H ( p ) d p [ A( p )] D
因为A( ) 0 所以 H ( p ) d p A( D )
D
若令D 0, 则
0
H ( p ) d p A(0) 图象的面积
255
p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
2. 把计算的sk就近安排 到8个灰度级中。 rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
Mg d
b f ( x, y ) M f a f ( x, y ) b 0 f ( x, y ) a
c
0
a
b
Mf
f(x,y)
(三)非线性灰度变换 （1）对数变换 低灰度区扩展，高灰度区压缩。 （2）指数变换 高灰度区扩展，低灰度区压缩。
对数变换
ln[ f ( x, y ) 1] g ( x, y ) a b ln c
图像复原：考虑降质原因，分析降质模型， 试图利用退化现象的某种先验知识，把已 经退化了的图像加以重建或恢复。
直方图修正法
重庆交通大学测量与空间信息处理实验报告实验课程：遥感原理及应用实验名称：直方图修正法班级：姓名：学号：实验日期：2012 年11 月17 日实验原理一.直方图均衡化直方图均衡算法是图象增强空域法中的最常用、最重要的算法之一。
目前较常用的增强方法有全局直方图均衡化、局部直方图均衡化两大类。
全局直方图均衡化是将原图像的直方图通过变换函数变为均匀的直方图, 然后按均匀直方图修正原图像, 从而获得一幅灰度分布均匀的新图像。
它以概率理论作基础, 运用灰度点运算来实现直方图的变换, 从而达到图象增强的目的。
它的变换函数取决于图像灰度直方图的累积分布函数。
概括的说, 就是把一已知灰度概率分布的图像, 经过一种变换, 使之演变成一幅具有均匀概率分布的新图像。
当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来就显得清晰。
下面先讨论连续变化图像的均衡化问题。
设r 、s 分别表示原图像和增强后图像的灰度。
假设r 被归一化到区间[0,1], 且r =0 表示黑色及 r = 1表示白色。
当r 、s 在[0,1] 之间时,表示像素灰度在黑白之间变化。
灰度变换函数为s=T（r） 0≤r≤1 （1）它满足以下两个条件：(1) T（r）在区间0≤r≤1中为单值且单调递增；(2) 当0≤r≤1时, 0 ≤T（r）≤1；条件(1)中要求T（r）为单值是为了保证反变换存在, 单调条件保证原图各灰度级在变换后仍保持从黑到白( 或从白到黑) 的排列次序；条件(2)保证变换前后灰度值动态范围的一致性。
图1 给出了满足这两个条件的一个变换函数的例子, 由s 到r 的反变换可以表示为：= 0≤s≤1 （2）r-),(1sT即使 T（r）满足条件(1)和(2), 相应的函数)(1sT-也可能不为单值。
一幅图像的灰度级可被视为区间[0,1] 的随机变量。
令)(r p r 和)(s p s 分别代表随机变量 r 和s 的概率密度函数。
图像的直方图修正
实验报告册数字图形图像处理图像的直方图修正学院：人民武装学院学院专业：计算机科学与技术班级： 11级计科班学号： 1120070544 学生姓名：苏靖指导教师：一、实验目的1掌握灰度直方图的概念及其计算方法；2熟练掌握直方图均衡化和直方图规定化的计算过程；二、实验原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。
直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。
直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。
直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。
灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。
直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
处理后的图像直方图分布更均匀了，图像在每个灰度级上都有像素点。
从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。
三、实验内容给定一幅如下的图象,作如下增强处理操作：1. 用直接灰度变换方法进行对比度增强，设计分段线性变换函数，做增强处理；2.编写程序进行图像的直方图统计；3.编写程序进行图像的直方图修正。
《遥感原理与应用》实验报告——直方图修正
实验名称：直方图的修正一、实验内容1、对影像进行直方图的均衡化；2、利用另外一幅影像进行直方图的匹配；3、利用直方图统计功能对结果进行分析。
二、实验所用的仪器设备遥感处理ENVI软件，遥感影像bhtmref.img文件三、实验原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本次实验以直方图的均衡化和规定化的方法为主要内容。
1、图象灰度的直方图：横坐标为灰度级，纵坐标为概率建立的图形2、直方图的修正包括：1直方图均衡化 2直方图规定化直方图的均衡化又称平坦化，是将一已知灰度概率密度分布影像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新影像，其结果是扩大了象元取值的动态范围；直方图均衡化后的效果：：①各灰度级所占图像的面积近似相等。
②原图像上频数小的灰度级被合并，频数高的灰度级则保留且不能被分割，因此可以增强图像上大面积地物与周围地物的反差。
③当输出数据分段级较少时，则会产生一些大类地物的大致近似的轮廓。
直方图的规定化是指将原始影像调整到事先规定的已知的形状，以此来对原始影像特定灰度范围进行增强处理。
四、实验步骤1.打开envi 软件，依次选择TM Band 4 ,TM Band3, TM Band 2得到该影像的标准假彩色合成图像，如图一所示：图一图二2、在Basic tools 里选择 statistics → computer statistics → Spectral Subset 选择4、3、2波段→勾选 covariance 、histogram 、output to a statistics (.sta)、output to a Text Report File (.txt)得到直方图及其计算数据如图二所示：由图二的直方图可看到每个灰度级的分布状况，并且有以下数据统计（在输出的txt文件中查看）(二)对bhtmref影像进行均衡化，并与原始图像进行对比1、选择enhance → [image]equalization 得到图像三save image as image file (equ_b.img）→open image file →在available bands list 中依次选择bhtmref1 的4、3、2波段→display #2→new play →load图三图四2、将bhtmref1 重复（一）的步骤得到均衡化后的直方图如图四所示由图四均衡化后的灰度直方图可得到以下数据对比分析：①均衡化后的图像比原始图像轮廓更为清晰，大面积地物与周围地物仍然存在强烈反差，影像效果更加明显。
后期调整直方图技巧
后期调整直方图技巧老狼：通过看直方图来调整有问题的照片，是非常方便有效的办法。
可能是许多人觉得直方图给人的感觉比较专业，一直没有深入的研究，其实，直方图的原理非常简单，下面我们就例举几个示例，大家一看就明白了。
曝光正常的直方图这是一张曝光正常的照片，在直方图中我们可以看到在左端（最暗处）和右端（最亮处）都没有溢出，这说明画面的亮部和暗部的细节没有损失，保留比较完整。
表现在画面中，亮部区域没过曝，暗部区域有细节。
曝光不足的直方图在这幅图片中，我们看到直方图整体偏移左边，而且左边有溢出，右边有大部分没有像素显示。
这说明右端（亮部）缺少亮度。
改变方法很简单，在Photoshop中，打开曲线调整工具（菜单：“图像→调整→曲线），将当中的斜线的右上方的调节柄向左移，直到有直方图显示的位置。
右下角的调节柄也可以稍稍向上移。
曝光过度的直方图这幅图和上张照片相反，在直方图的左边严重缺失，画面缺少黑色部分，右边有溢出，亮部细节损失较大。
在后期的调整方法和上面的相反，将曲线调节面板中的曲线调节线条向右移。
方差小的直方图这幅照片，一片灰调，画面没有两色也没有深色，在直方图中，左右两边都有大量的空白，说明画面的亮和暗都欠缺。
后期调整方法：在曲线调节面板中，将上下的曲线调节柄向当中移，减去空白区域。
反差大的直方图与上幅照片相反，画面中的黑色和白色建筑形成强烈的方差，在直方图中左右都有大量的溢出，这就需要我们减少过曝的亮色，降低过暗的黑色，减小对比。
调节方法：在曲线调节面板中，将右边的调节柄向下移，降低亮度，如觉画面仍够亮，就将中间的调节柄向下移，整体变暗，画面暗下来后，缺少对比，可以在曲线上增加一个调节柄，成“S”状调节，增加对比度。
以上是直方图出现的几种常见的情况，找到原因后，在后期中调节非常的简单。
只需要对症下药就可以了。
当让，老狼提醒大家，尽量在前期的拍摄中保证正确的曝光，只有完整的直方图，照片的细节才保持完整，如果直方图溢出部分过多，画面的丢失的细节就越多，后期调整也是一种损伤。
- 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)。
实验名称：直方图修正
一、实验目的
1.对影像进行直方图规定化和均衡化
2.利用另外一幅影像进行直方图匹配
3.利用直方图统计功能对结果进行分析
二、实验内容
1.对两幅卫星遥感影像进行规定化并统计分析
2.对一幅卫星遥感影像进行均衡化并统计分析
三、实验所用的仪器设备
计算机和ENVI软件在不同时刻同地的卫星遥感影像2幅
四、实验原理
1.直方图规定化：是使原图像灰度直方图变成规定形状的直方图而对原始图像作修正的增强
方法。
作用：对于在不同时间获取的同一地区或者邻接地区的图像，或者是由于太阳高度角或大
气的影响引起差异的图像很有用，特别是对图像镶嵌和变化检测。
2.直方图均衡化:又称直方图平坦化，是将一已知灰度概率密度分布的影响，经过某种变换变
成一幅具有均匀灰度概率密度分布的新影像，其结果是是扩大了像元取值得动态范围。
效果:(1) 均衡后每个灰度级的像元频率近似相等。
（2）频率少的灰度级被合并，频率数高
的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。
五、实验步骤
1.直方图规定化与统计：
1)同时打开两幅遥感影像，影像显示号分别为Display#1，Display#2.
规划化前影像——Display#2 规划化前影像——Display#1
2)在Display#2的主影像窗口选择Enhance/Histogram Matching,出现Histogram
Matching Input parameter对化框。
3)在“Match To”列表中，选择匹配的直方图的影像显示号Display#1。
4)在Input Histogram/Image/OK得到直方图匹配后的结果。
5)在“Flie/Save Image As/Image file”中得到对话框“Output Display to image File”
选择保存所在文件下，保存为”guihua”。
6)在“Basic Tools/statistics/Computer Statistics/Computer Statistics Input
File”,选择所要分析统计的图像文件.例如guihua/OK/Basic Stats/Histograms/OK
按Display#1的影像进行匹配后的Display#2 即guihua 规划化前影像——Display#1
7)在Statistics Results :guihua/ Select Plot/Histogram：All Bands并对三幅图进
行分析
Guihua直方统计图 Display#2 直方统计图 Display#1直方统计图
结果分析：
[1].由上显示图—1为规划化后的图，图—2，3为规划化前的图，三幅图每个都有3个波
段，图—2，3在灰度值0—255之间变化，图—1在0-210之间变化，图—1，2在灰度值
80—170变化较集中。
而图—3在60—255变化都很集中，且每个波段分布情况都不同。
[2].在基本统计中，可看到图—1中3个波段的最小值，最大值，均值和标准差。
例如，
波段1，是白色折线，最小值是0，最大值是207 ，均值为104.913967, 标准差是44.900029.
同理可看到图-2波段1，最小值是0，最大值是255 ，均值为116.244102, 标准差是
43.714687. 图-3波段1，最小值是0，最大值是255 ，均值为118.895260, 标准差是
49.643227.
[3].在直方图统计中，可看到图—1波段1影像灰度值为0时，该灰度像素数为3689，累
计像素数为3689，二进制的百分比为1.4072，累计百分比为1.4072. 图—2波段1影像灰
度值为0时，该灰度像素数为31，累计像素数为31，二进制的百分比为0.0118，累计百
分比为0.0118.图—3波段1影像灰度值为0时，该灰度像素数为3689，累计像素数为3689，二进制的百分比为1.4072，累计百分比为1.4072. 同理可分析其他的数据情况。
[4].对比分析，从图形上看图—1，2比较近似，但从数据上看图—1，3比较近似。
规划化
前的波段在灰度值0—255中都有，而规划化后灰度值范围缩小，将各个分散在不同灰度值
范围内的波段集中起来，但规划化前后的直方土统计数据基本一致。
2.直方图均衡化与统计：
1)打开一副遥感影像---在主影像窗口选择Enhance/ [Image] Equalization,得到均衡
结果。
2)在主影像窗口选择File/Save Image AS/Image file,将结果另存HistEqua。
均衡化后的HistEqua影像
3)在主菜单的Basic Tools/Statistics/Computers Statistics对HistEqua文件及t1
和t2时刻的影像进行统计分析
均衡化前的直方统计图 HistEqua直方统计图
结果分析
[1].由图形显示左图为均衡化前的图，共有6个波段，每个波段在不同的灰度值下呈现出
不同变化情况。
在基本统计中，可看到6 个波段的最小值，最大值，均值和标准差，数量，和特征值。
例
如，波段1，是白色折线，最小值是8，最大值是31 ，均值为15.355770, 标准差是2.582344，
数量是1，和特征值是127.037732.
在直方图统计中，可看到波段1影像灰度值为8时，该灰度像素数为1831，累计像素数为
1831，二进制的百分比为0.6985，累计百分比为0.6985.
同理可分析其他5 波段的数据情况。
[2].右图为均衡化后的图，共有3个波段，可以看到均衡化后减少了3个波段。
每个波段
较原图在不同的灰度值下呈现出较接近。
在基本统计中，可看到3个波段的最小值，最大值，均值和标准差，数量，和特征值。
例
如，波段1，是白色折线，最小值是0，最大值是255 ，均值为107.175507, 标准差是
73988905，数量是1，和特征值是11300.351870.
在直方图统计中，可看到波段1影像灰度值为8时，该灰度像素数为0，累计像素数为16388，二进制的百分比为0，累计百分比为6.2515.
同理可分析其他3波段的数据情况。
[3].对比分析，可以看到均衡化后是在0—255的灰度值下变化，且每波段的变化较均衡，
每个灰度级的像元频率近似相等。
频率少的灰度级被合并，部分小波段还被划分为其他的
波段。
频率数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。
其中明
显可以看到在灰度值为50—200，3个波段的值较大且集中。
六、实验中所遇到的问题及解决方法
1.如果影像在匹配后出现不是实验要求的颜色影像时？
同时打开多幅影像是应注意匹配的直方图的影像显示号，否则可能出现与预期要求不同的
影像。
即在“Match To”列表中，选择匹配的直方图的影像显示号Display#1是需注意的。
2.DN，Npts，Total，Pct，Acc Pct等的含义？
在基本统计中，min最小值，max最大值，mean均值和stdev标准差，num数量，和特征值。
在直方图统计中，DN影像灰度值，Npts灰度像素数，Total累计像素数，Pct二进制的百
分比，Acc Pct累计百分比.
3.为什么规定化匹配后影像依旧存在色差？
由上述数据可以看出，影像各个波段所在的灰度值范围由0—255变为0—210，灰度值范
围缩小，波段分散情况有所变化，颜色会有不同。
4.为什么均衡化后的图像直接进行统计和原来的对比没有变化？
均衡化后的图像必须进行图像另存为的操作，因为在没保存之前，进行任何操作都是以未
保存的图像为基准的。