基于分块直方图均衡化的图像增强算法及实现

合集下载

利用直方图均衡化和规定化进行图像增强的算法设计 数字图像处理毕业论文

利用直方图均衡化和规定化进行图像增强的算法设计 数字图像处理毕业论文

目录第1章绪论 (1)1.1 数字图像处理的研究背景 (1)1.2 数字图像处理的研究内容 (1)1.3 DSP系统简介 (2)1.4 图像增强简介 (4)第2章DSP系统 (5)2.1 DSP芯片 (5)2.1.1 DSP芯片的特点 (6)2.1.2 图像处理系统中DSP芯片的选择 (7)2.2 基于DSP的图像处理系统 (8)第3章图像增强 (9)3.1 图像增强的基本概念 (9)3.2 图像增强的方法 (9)3.2.1 图像锐化 (10)3.2.1.1 图像锐化原理 (10)3.2.1.2 拉普拉斯算子 (11)3.2.1.3 基于DSP的算法实现 (12)3.2.1.4 图片锐化效果比较 (14)3.2.2 Sobel边缘检测算法 (16)3.2.2.1 Sobel边缘检测算法原理 (16)3.2.2.2 Sobel边缘检测算法的变异及实现 (16)3.2.3 直方图均衡化算法 (20)3.2.3.1 直方图均衡化 (20)3.2.3.2 直方图规定化 (21)3.2.3.3实验结果及分析 (23)第4章直方图均衡化和规定化算法的DSP实现 (25)4.1 算法的DSP实现与优化 (25)4.1.1 算法开发硬件平台选择 (25)4.1.2 算法的实现与优化 (26)4.2 实验及结果分析 (27)结论 (31)致谢 (32)参考文献 (33)第1章绪论1.1 数字图像处理的研究背景数字图像处理又称为计算机图像处理,它最早出现于20世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

图像处理的基本目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。

图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。

图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就,属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等,使图像处理成为一门引人注目、前景远大的新型学科。

利用直方图均衡化和直方图规定化对图像进行增强

利用直方图均衡化和直方图规定化对图像进行增强

利用直方图均衡化和直方图规定化对图像进行增强利用直方图均衡化和直方图规定化对图像进行增强4.1 利用直方图均衡化对图像进行增强通过灰度变换将一幅图像转换为另一幅具有均衡直方图的图像,即在一定灰度范围内具有相同的象素点数的图像的过程。

其“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。

直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。

直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。

主要缺点:1、变换后图像的灰度级减少,某些细节消失;2、某些图像,如直方图有高峰,经处理后对比度不自然的过分增强。

算法如下:为讨论方便,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[0,1]内设有变换S=T(r)且该函数单调递增,1)(0≤≤r T ,于是有反变换)(1s T r -=有概率论知,如果已知随即变量r 的概率密度)(r p r ,而随机变量s 是r 的函数。

则s 的概率密度)(s p s 可以有)(r p r 求出。

[])()()()()(1s T ds d r p ds dr r p dr r p ds d s p r r r r s -∞-===?从上式可以看出通过变换函数)(r T 可以控制图像灰度级的概率密度函数,从而改变图像灰度层次,这就是直方图修正技术的基础。

因为归一化规定 1)(=s p s有1式有 dr r p ds r )(=两边积分得 dr r p r T s rr )()(0?==上式就是所求得的变换函数。

它表明当变换函数)(r T 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。

离散形式可表示为:∑∑=====ki i k i i r k k n n r p r T s 00)()(可见均衡后的各像素的灰度值k s 可直接由原图像的直方图算出。

基于直方图均衡化图像增强的两种改进方法

基于直方图均衡化图像增强的两种改进方法
目前eme指标已被广泛地用于图像对比度的评价主要原理是对图像进行分块根据每块中的最大灰度值和最小灰度值衡量图像整体的对比度计算方法如式6k1和k2分别表示整幅图像高和宽分块时序号的末尾值实际计算时应引入c这一个小的正常数为避免分式无意义设置本文计算时将其设定为01同时采用33大小的块按各块相等的权重计算出每幅图像的结果eme值越大该幅图像的对比度越高
第 10期 2018年 10月
电 子 学 报 ACTAELECTRONICASINICA
Vol.46 No.10 Oct. 2018
基于直方图均衡化图像增强的 两种改进方法
董丽丽,丁 畅,许文海
(大连海事大学信息科学技术学院,辽宁大连 116026)
摘 要: 直方图均衡化(Histogram Equalization,HE)是图像增强领域中基础性很强的方法,对其研究和改进工
DOI:10.3969/j.issn.03722112.2018.10.009
TwoImprovedMethodsBasedonHistogram EqualizationforImageEnhancement
DONGLili,DINGChang,XUWenhai
(SchoolofInformationScienceandTechnology,DalianMaritimeUniversity,Dalian,Liaoning116026,China)
作至关重要.首先,本文分析了经典 HE算法的缺点,也概括了五类基于直方图均衡化的图像增强技术,然后针对 HE
经典算法的缺点提出了两种改进方法,分别引入了直方图动态削峰技术和边缘信息融合技术,最后选取曝光不足和过
曝光的两类图像验证算法的性能,采取了有效的图像客观质量评价指标对实验结果做出评价.结合主客观图像质量评

基于分段直方图均衡化技术的图像增强

基于分段直方图均衡化技术的图像增强

基于分段直方图均衡化技术的图像增强作者:黄展鹏来源:《电脑知识与技术·学术交流》2008年第16期摘要:分析了传统灰度图像直方图均衡化算法存在的优缺点,提出了基于分段直方图均衡化技术的图像增强算法。

该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化。

实验结果表明,该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。

关键词:直方图均衡化;K均值聚类算法;图像增强中图分类号:TP391.4文献标识码:A文章编号:1009-3044(2008)16-21292-02Image Enhancement Based on Subsection Histogram EqualizationHUANG Zhan-peng(College of Medical Information Engineering, Guangdong Pharmaceutical University, Guangzhou 510006, China)Abstract: Advantages and disadvantages on histogram equalization(HE) algorithm are analyzed, and an image enhancement algorithm based on separate (subsection) histogram equalization was presented. According to the characters of the images, the algorithm separated image into several regions by K-means clustering algorithm, and each region is equalized respectively within their gray levels. Experiments showed that the algorithm is effective for dispersive and low gray level distributing image.Key words: image histogram; K-means clustering; image enhancement1 引言图像的灰度直方图表示灰度图像中具有每种灰度的像素的个数,反映了图像中每种灰度级出现的频率,是图像的基本统计特征之一。

基于直方图均衡化图像增强的DSP实现

基于直方图均衡化图像增强的DSP实现

3
4
5
6
7
8
9
10
11 12
13 14
JTAG
TRST EMU1
61
60
59 58
+3.3V
57
R34
பைடு நூலகம்D1
USBVDD
C15
56
1k
55 54 53 52 51
USBLED
CON6 104
DN DP
R39 22 R40 22
1 2
3 4
5 R41 6 1.5k
VBUS DD+ GND shell shell
按照图像的概率密度函数的定义:
1
中国科技论文在线

p(x) = 1 H (x) A0
其中 H (x) 为直方图, A0 为图像的面积
设转换前图像的概率密度函数为 pr (r) ,转换后图像的概率密度函数为 ps (s) ,转换函
数为 s = f (r) ,由概率论知识,可以得到:
2
中国科技论文在线

芯片作为 DSP 和存储芯片之间的接口。
3.2 硬件结构设计
硬件部分主要由 DSP 处理器、电源模块、CPLD 接口模块、DARAM 存储模块、FLASH 存储 模块、USB 通信接口、JTAG 仿真接口、按键开关和指示灯组成。其连接方式如图 1 所示。
芯片。这样便于 DSP 与外部存储芯片进行无缝连接,具体电路如图 4 所示。
C18 104
U3 EPM240
+3.3V
1
2
3
4
5
6
7
8
9
10
11
CLK_CPLD 12

医学图像处理的基本算法及实现方法

医学图像处理的基本算法及实现方法

医学图像处理的基本算法及实现方法医学图像处理是指将医学图像进行数字化处理和分析,以获取更多有用信息,帮助医生做出准确的诊断和治疗决策。

在医学领域,图像处理的技术应用广泛,包括但不限于CT扫描、MRI、X光和超声图像等。

本文将介绍医学图像处理的基本算法及实现方法。

一、图像增强算法及实现方法图像增强是医学图像处理中最基本也是最常用的技术之一,它用于提高图像的质量,使人眼更容易观察和分析医学图像。

常用的图像增强算法包括线性和非线性滤波、直方图均衡化、空间滤波和频域滤波等。

1. 线性和非线性滤波线性滤波是将图像与一个滤波器进行卷积运算,通过滤波器的权值调整像素的亮度值,以达到图像增强的目的。

非线性滤波是根据像素与其周围像素的关系进行像素值的调整,例如中值滤波和最大最小滤波等。

2. 直方图均衡化直方图均衡化是通过调整图像的灰度分布,使其在整个灰度范围内达到均匀分布。

该方法能够增强图像的对比度,突出图像中的细节。

3. 空间滤波和频域滤波空间滤波是通过卷积运算对图像进行滤波处理,常用的空间滤波器有均值滤波器、高斯滤波器和锐化滤波器等。

而频域滤波是通过将图像转换到频域进行滤波处理,常用的频域滤波器有低通滤波器和高通滤波器等。

二、图像分割算法及实现方法图像分割是将医学图像中感兴趣的区域从背景中分离出来的过程,它是图像分析和模式识别的基础。

常用的图像分割算法包括阈值分割、边缘检测和基于聚类的分割等。

1. 阈值分割阈值分割是根据图像的像素灰度值进行分类,与预先设置的阈值进行比较,从而实现图像的分割。

它简单易行且计算效率高,适用于对比较明显的目标进行分割。

2. 边缘检测边缘检测是通过分析图像中像素值的变化来找到图像中的边缘。

常用的边缘检测算法有Sobel、Prewitt和Canny算法等。

边缘检测可以帮助医生找到重要的结构边界,如器官边界和病变区域。

3. 基于聚类的分割基于聚类的分割是根据图像上的相似性对像素进行聚类,将图像分成不同的区域。

基于直方图均衡的图像增强及其FPGA实现

基于直方图均衡的图像增强及其FPGA实现

基于直方图均衡的图像增强及其FPGA实现
曹叶;戎蒙恬
【期刊名称】《电子设计应用》
【年(卷),期】2009(000)006
【摘要】直方图均衡是一种简单且有效的图像增强技术.它以概率论为基础,运用灰度点运算来实现直方图变换.本文对直方图均衡算法进行了分析,在此基础上提出用FPGA来实现直方图均衡的算法,并给出了具体的实现步骤.该方法可以快速准确地对图像进行均衡化,整个系统处理一帧数据的时间约为17ms.结果表明,该方法达到了提高图像对比度和图像质量的预期目标.
【总页数】4页(P86-88,92)
【作者】曹叶;戎蒙恬
【作者单位】上海交通大学电子工程系;上海交通大学电子工程系
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于FPGA的直方图均衡化实现 [J], 李成诚;乔东海
2.基于FPGA的灰度图像直方图均衡化实现 [J], 侯大勇;曹峰;王昱煜;
3.多子直方图均衡微光图像增强及 FPGA 实现 [J], 陈莹;朱明
4.基于FPGA的自适应直方图均衡算法的研究与实现 [J], 贺聪; 胡乃瑞; 李玉峰
5.基于FPGA的直方图均衡图像增强算法设计及实现 [J], 焦慧华
因版权原因,仅展示原文概要,查看原文内容请购买。

结合局部对比度增强的直方图均衡化图像增强算法

结合局部对比度增强的直方图均衡化图像增强算法

结合局部对⽐度增强的直⽅图均衡化图像增强算法图像增强是各种图像分析与处理时的预处理过程。

 直⽅图均衡化处理的“中⼼思想”是把原始图像的灰度直⽅图从⽐较集中的某个灰度区间变成在全部灰度范围内的均匀分布。

直⽅图均衡化就是对图像进⾏⾮线性拉伸,重新分配图像像素值,使⼀定灰度范围内的像素数量⼤致相同。

直⽅图均衡化就是把给定图像的直⽅图分布改变成“均匀”分布直⽅图分布。

缺点: 1)变换后图像的灰度级减少,某些细节消失; 2)某些图像,如直⽅图有⾼峰,经处理后对⽐度不⾃然的过分增强。

直⽅图均衡化是直⽅图均衡化是图像处理领域中利⽤图像直⽅图对对⽐度进⾏调整的⽅法。

这种⽅法通常⽤来增加许多图像的局部对⽐度,尤其是当图像的有⽤数据的对⽐度相当接近的时候。

通过这种⽅法,亮度可以更好地在直⽅图上分布。

这样就可以⽤于增强局部的对⽐度⽽不影响整体的对⽐度,直⽅图均衡化通过有效地扩展常⽤的亮度来实现这种功能。

这种⽅法对于背景和前景都太亮或者太暗的图像⾮常有⽤,这种⽅法尤其是可以带来X光图像中更好的⾻骼结构显⽰以及曝光过度或者曝光不⾜照⽚中更好的细节。

 直⽅图均衡化的基本思想是把原始图的直⽅图变换为均匀分布的形式,这样就增加了象素灰度值的动态范围从⽽可达到增的效果。

也可以看到这种⽅法只起到窗内局部对⽐度增强作⽤像细节, 不能改善整幅图像动态范围, ⽽直⽅图均衡法虽能改善整幅图像的动态范围但是以牺牲图像细节为代价。

因此我们考虑将这两种⽅法结合起来,从⽽可以弥补各⾃的不⾜。

提出了⼀种新的改进算法:通过上⾯的讨论可以看到, 局部对⽐度增强法能强化局部图像细节, 不能改善整幅图像动态范围, ⽽直⽅图均衡法虽能扩⼤视觉的动态范围但是以牺牲图像细节为代价, 若能将这两种⽅法结合起来, 就可充分发挥两者之长处。

⽐较上述两⽅法的优缺点, 提出了⼀种新的直⽅图均衡法:我们将改进后的直⽅图均衡算法和局部对⽐度增强法结合起来。

它能同时满⾜图像增强的两种要求: 调节动态范围,增强局部对⽐度,前者使图像外貌较好, 后者能增强图像细节。

基于直方图均衡化图像加强算法的研究

基于直方图均衡化图像加强算法的研究

基于直方图均衡化的图像增强改进算法研究摘要:通过直方图均衡化算法,使输出图像直方图近似服从均匀分布,在此算法基础上利用小波变换,对图像进行二维小波分解,突出图像中的有用信息,削减图像中的无用信息,使图像中特定信息得到增强,并提高图像的对比度,提高图像质量。

关键字:图像增强;直方图均衡化;小波变换;中文分类号:文本标识码:文章编号:Research on algorithm of image enhancement based onhistogram equalizationYU Wei-bo, CHEN Xiaodong(School of Electrical &Electronic Engineering,Changchun University of Technology,Changchun 130012,China) Abstract:Through the histogram equalization algorithm, make the output image histogram approximation obey uniform distribution. Based on the algorithm, using the image of the two-dimensional wavelet decomposition, highlight the useful information and cut the useless information in the image. The image of a specific information will be enhanced, and the contrast of images will be improved,then the image quality will be improved.Key words:image enhancement;histogram equalization; wavelet transform0引言图像增强是图像处理的基本内容之一。

图像处理中的图像增强算法分析与优化

图像处理中的图像增强算法分析与优化

图像处理中的图像增强算法分析与优化图像增强是图像处理领域中的一个重要任务,旨在改善图像的质量以及增强图像中的细节。

图像增强算法通过对图像进行亮度、对比度、色彩、锐化等方面的调整,使得图像更加清晰、细腻。

本文将对常见的图像增强算法进行分析,并探讨如何优化这些算法以提高图像质量。

一、直方图均衡化直方图均衡化是一种常用的图像增强算法,其主要思想是通过对图像的灰度直方图进行变换,使得图像的像素值分布更加均匀。

直方图均衡化可以有效增强图像的对比度,但对于某些特殊图像,可能会导致不太自然的效果。

为了解决这个问题,可以通过对直方图进行局部均衡化来实现更好的效果。

二、空间滤波空间滤波是图像增强的常用方法之一,其主要通过对图像的像素邻域进行运算,来改变图像的像素值。

常见的空间滤波算法包括均值滤波、中值滤波、高斯滤波等。

这些算法通过对邻域像素进行平均、取中值或加权平均等操作,达到去噪、模糊或锐化图像的效果。

在实际应用中,根据图像的特点选择合适的滤波算法是非常重要的。

三、小波变换小波变换是一种基于信号分析的图像处理方法,它能够将图像分解为不同尺度的频域信息。

在图像增强中,小波变换可以通过提取图像的频域信息来增强图像的边缘和细节。

常见的小波变换方法有离散小波变换(DWT)和连续小波变换(CWT)。

小波变换具有良好的多分辨率特性,可以根据不同的需求选择合适的小波和尺度,以实现对图像的增强。

四、Retinex算法Retinex算法是一种基于视觉感知的图像增强算法,其主要思想是通过模拟人眼的感知机制来增强图像的视觉效果。

Retinex算法将图像分解为反射和亮度两个分量,然后根据不同的需求对这两个分量进行调整,以达到增强图像的效果。

Retinex算法在改善图像的动态范围、增强细节等方面具有出色的表现,但该算法较为复杂,对计算资源要求较高。

五、深度学习方法近年来,深度学习方法在图像增强领域取得了巨大的突破。

深度学习方法通过训练神经网络模型,可以自动学习图像的映射关系,并根据学到的规律对图像进行增强。

实验六 基于直方图均衡化的图像增强

实验六 基于直方图均衡化的图像增强

实验六 基于直方图均衡化的图像增强一.实验目的1.了解空间域图像增强的各种方法(点处理、掩模处理);2.掌握采用直方图均衡化进行图像增强的方法;3. 使用邻域平均法编写程序实现图像增强,进一步掌握掩模法及其改进(加门限法)消除噪声的原理;二.实验设备1.PC 机一台;2.软件matlab ;三.实验内容及步骤对如图3.1所示的两幅128×128、256级灰度的数字图像fing_128.img 和cell_128.img 进行如下处理:(1)对原图像进行直方图均衡化处理,同屏显示处理前后图像及其直方图,比较异同,并回答为什么数字图像均衡化后其直方图并非完全均匀分布。

指纹图像:fid=fopen('fing_128.img','r');im=(fread(fid,[128,128],'uint8'))';im=uint8(im);colormap(gray);subplot(221);imshow(im);subplot(222);imh=histeq(im);%直方图均衡化imshow(imh);subplot(223);imhist(im);subplot(224);imhist(imh);指纹图fing_128.img 显微医学图像cell_128.img图3.1 实验图像显微医学图像:fid=fopen('cell_128.img','r');im=(fread(fid,[128,128],'uint8'))';im=uint8(im);colormap(gray);subplot(221);imshow(im);subplot(222);imh=histeq(im);%直方图均衡化imshow(imh);subplot(223);imhist(im);subplot(224);imhist(imh);分析:由于数字图像中像素的灰度值取值是离散和不连续的,因而变换后的像素灰度值在计算中出现了归并现象,所以变换后的直方图并不是呈完全均匀分布的。

基于直方图均衡化的图像增强算法

基于直方图均衡化的图像增强算法

基于直方图均衡化的图像增强算法图像增强是数字图像处理领域中的一个重要任务,其目标是提高图像的视觉质量、增强图像的细节信息,使得图像更具观赏性和可辨识度。

直方图均衡化是一种常用的图像增强算法,通过重新分配图像的像素值,增强图像的对比度和动态范围。

本文将详细介绍基于直方图均衡化的图像增强算法的原理、步骤和应用。

一、直方图均衡化的原理直方图均衡化是一种通过拉伸图像的像素值分布来增强图像对比度的方法。

其基本原理是将原始图像中的像素经过变换后,使其灰度级分布更加均匀,从而增强图像的细节和对比度。

直方图均衡化的核心思想是将图像的像素累积函数进行非线性变换,使得原始图像中灰度级分布不均匀的区域得到均匀化,从而实现图像的增强效果。

二、直方图均衡化的步骤直方图均衡化算法主要包括以下几个步骤:1. 计算原始图像的灰度直方图:通过统计每个灰度级对应的像素个数,得到原始图像的灰度直方图。

2. 计算原始图像的累积分布函数(CDF):对灰度直方图做累积求和,得到原始图像的累积分布函数。

3. 计算像素值映射函数:将CDF进行归一化处理,得到像素值的映射函数,该映射函数描述了原始图像像素值与增强后图像像素值的对应关系。

通过该映射函数,可以将原始图像的每个像素值映射到增强后的像素值。

4. 对原始图像进行像素值映射:根据像素值映射函数,将原始图像的每个像素值进行映射,得到增强后的图像。

5. 输出增强后的图像:将经过像素值映射后的图像进行输出显示或保存,得到最终的增强图像。

三、基于直方图均衡化的图像增强应用直方图均衡化算法在图像增强领域有着广泛的应用。

下面介绍几个典型的应用场景。

1. 医学图像增强:医学图像通常需要提高图像的对比度和细节信息,以便医生更好地进行诊断。

直方图均衡化可以增强医学图像中的血管、肿瘤等细节信息,提升图像的识别能力。

2. 目标检测与识别:图像中的目标通常需要具备清晰的边缘和丰富的纹理信息,以便目标检测和识别算法能够准确地进行处理。

opencv基于直方图均衡化的图像增强

opencv基于直方图均衡化的图像增强

opencv基于直⽅图均衡化的图像增强直⽅图均衡化是图像增强处理中常见的⽅法之⼀,其基本的思想是通过均衡化处理调整图像灰度分布,达到改善图像对⽐度的⽬的。

由于图像对⽐度是决定⼀幅图像主观质量的重要因素,因此直⽅图均衡化被⼴泛应⽤于图像的增强处理。

总的来说就是把src源图像中的像素s经过T转化后到dst图像中r,转化的核⼼是 s = Int[(L-1)*s+0.5];以下是我⽤opencv写的直⽅图均衡化的图像增强核⼼代码:/*1、图像增强*///直⽅图均衡化图像增强,这⾥是针对单通道灰度图像的增强IplImage* strengthImage_Histogram(IplImage* img){IplImage* dst = cvCreateImage(cvSize(512,512),img->depth,img->nChannels);int width = img->width;int height = img->height;int step = img->widthStep;double his[256] = {0};//灰度double p_hist[256]={0};//灰度⽐例double s_hist[256]={0};//累计灰度⽐例double total = img->width*img->height;//总像素数for(int i = 0; i < height; i++){for(int j = 0; j < width; j++)his[((uchar*)img->imageData+i*step)[j]]++;}//p(r) = n(k)/n; k = 0、1、2。

;//0<= r <= 1;n为总像素数,n(k)表⽰灰度k的像素数for(int i = 0; i < 256; i++){p_hist[i] = (double)his[i]/total;if(i == 0)s_hist[i] = p_hist[i];else s_hist[i] = s_hist[i-1]+p_hist[i];}//图像增强for(int i = 0; i < img->height; i++){for(int j = 0; j < img->width; j++){((uchar*)(i * dst->widthStep +dst->imageData))[j] = s_hist[((uchar*)(i * img->widthStep +img->imageData))[j]]*255+0.5;}}cvShowImage("img",img);cvShowImage("dst",dst);cvWaitKey(0);return dst;}效果图:均衡化之前的均衡化之后的:图⽚效果:程序完整代码:View Code#include <cv.h>#include <highgui.h>#include <stdio.h>void drawHistogram_gyh(IplImage* img, int level);IplImage* strengthImage_Histogram(IplImage* img);/*1、图像增强*///直⽅图均衡化图像增强,这⾥是针对单通道灰度图像的增强IplImage* strengthImage_Histogram(IplImage* img){IplImage* dst = cvCreateImage(cvSize(512,512),img->depth,img->nChannels);int width = img->width;int height = img->height;int step = img->widthStep;double his[256] = {0};//灰度double p_hist[256]={0};//灰度⽐例double s_hist[256]={0};//累计灰度⽐例double total = img->width*img->height;//总像素数for(int i = 0; i < height; i++){for(int j = 0; j < width; j++)his[((uchar*)img->imageData+i*step)[j]]++;}//p(r) = n(k)/n; k = 0、1、2。

基于直方图均衡化的图像增强技术分析与Matlab实现

基于直方图均衡化的图像增强技术分析与Matlab实现

基于直方图均衡化的图像增强技术分析与Matlab实现作者:叶松赵文昌来源:《数字技术与应用》2012年第01期摘要:本文主要讨论了直方图均衡化处理的图像增强技术的基本原理,并用Matlab语言实现了直方图均衡化的图像增强处理。

实验结果表明,直方图均衡化处理能有效地改善图像的对比度,改善图像的灰度层次。

关键词:图像增强灰度级直方图均衡化 Matlab中图分类号:TP751 文献标识码:A 文章编号:1007-9416(2012)01-0174-02枷裨銮考际跏鞘滞枷翊硌芯康幕径韵笾弧T銮康闹饕康氖鞘雇枷癜刺囟ǖ男枰怀鐾枷裰械哪承┬畔ⅲ保魅趸虺鋈ツ承┎恍枰男畔。

图像空间域增强技术是数字图像增强的一个重要应用,是以对图像像素的直接处理为基础,通过线性或非线性变换来增强构成图像像素的一种技术。

本文所讨论的直方图均衡化增强方法便属于这种方法。

1、直方图处理灰度级直方图是灰度级的函数,是描述一幅图像中灰度级与出现这种灰度的概率之间的关系的图形,是图像最基本得统计特性。

直方图是多种空间域处理技术的基础,直方图操作能有效地用于图像增强。

为了便于数字图像处理,图像的直方图须引入离散形式。

灰度级为[0,L-1]范围的数字图像的直方图的离散函数为:h(rk)=nk (1)其中rk是第k级灰度,nk是图像中灰度级rk的像素个数。

在图像中,像素的灰度级要作归一化处理一遍计算机进行处理,用图像中像素的总数n来除它的每个值,得到归一化直方图:环枷竦幕叶燃秗被归一化到区间[0,1],且r=0代表黑色,r=1代表白色。

对于一幅给定的图像,每一个像素取得[0,1]区间内的灰度级是随机的,那么图像灰度级r可被看作为区间[0,1]的随机变量[2],就可以用概率密度函数pr(r)来表示原始图像的灰度分布。

令s为增强后的图像灰度级像素值,相应可以用概率密度函数ps(s)来表示增强后的图像灰度分布。

可以对[0,1]区间内原始图像的任意一个灰度级r值进行如下变换,得到输出灰度级s:s=T(r) (3)通过上述变换,每个原始图像的灰度值r都对应产生一个增强后图像的灰度级s值。

基于直方图均衡化的图像曾强技术分析与Matlab实现

基于直方图均衡化的图像曾强技术分析与Matlab实现

2 直 方 图均 衡 化 、
直方 图均衡化处理是以累积分布函数变换法为基础的。 对于连 灰度级直方图是灰度级 的函数 , 是描述一幅图像 中灰度级与出 续 图像 , 变换 函数为 : 现这种灰度的概 率之间的关系的 图形 , 是图像 最基本得统计特性 。 () p( ;o ,= o/ c ) () 6 直 方图是多种空间域处理技术的基 础 , 直方图操作能有效地用于图 其 中【是积分变量 , 1 ) 右边为 随机 变量 r 的累积分布 函数 ( D ) C F。 像增强 。 对上 式两边对r 进行求导 为了便于数字 图像处理 , 图像的直方 图须 引入离散形 式。 灰度

为增强后 的图像灰度级像素值 , 相应可 以用概率密度函数 ( 来表 s ) 利用Ma a 实现直方 图均衡化技术对 图像进行处理函数格式 Eb 示 增 强 后 的 图 像 灰 度 分 布 如下 : 可 以对[,】 内原始图像的任意一个灰度级借 进行如 下变 01 区间 () = mhs(,) 1h i i fb t
P r) (k : 0≤, i
把结果带入 () 3中得 到 :
) .
.r
() 2
k= 0 I ・ L 一1 , 2,一, ,
) .
] _ =1 l) (
由此可见 , 用啪 累积分布 函数作 为变 换函数可产生一 幅灰 度 尸r) (k 给出了r发生 的概 率估计值 。 k 级 分布具有 均匀概率密 度函数 的图像 , 图像 的灰度级 较为均匀 该 幅 图像的灰 度级r 归一化 到区间[ ,】且v O 被 0 1 , = 代表 黑色 , 化 [ 且覆盖 了整个范 围[,】 3 ] , 0 l。 灰度级均衡化的最终处理结果是扩展 vl = 代表 白色 。 对于一幅给定的图像 , 每一个像 素取得[,] 0 1区间 内的 了图像 像素取值 的动态范 围 , 具有 较高的对 比度 。 灰度级 是随机 的, 那么 图像灰度级 , 可被看作为 区 0 1的随机变 ,】 ta 量【, 可 以用概率 密度 函数 ( 来表 示原始 图像 的灰度 分布 。 3、M a l b实 现 2就 】 r ) 令S

基于分段直方图均衡化技术的图像增强

基于分段直方图均衡化技术的图像增强
关键词 : 直方 图均衡 化 : 均值 聚 类 算 法 ; K 图像 增 强 中图 分 类 号 : P 9 . T 31 4 文献 标 识 码 : A 文 章 编 号 :0 9 3 4 ( 0 81 — 1 9 — 2 1 0 — 0 42 0 ) 6 2 2 20
I g h n e e tBa e n S b e t n Hit g a Eq a ia o ma e En a c m n s d o u s c i so r m u l t n o zi
H U AN G Zha n n—pe g
( o e e f dcl noma o n ie r g G ag o g P a c u c i r t, u n z o 0 6 Ch a C l g i fr t nE g e n , u n d n h r e t a Unv sy G a g h u5 0 , i ) l o Me a I i n i ma i l ei 1 0 n A s a t A v na e a d d a v n g s n hs ga e u i t nH ) g rh a a z d a d a g n a cme t g r h b sd b t c : d a t s n i d a t e i o rm q a zi ( E a o tm ea l e , n i ee h n e n o tm a r g s a o t l ao l i rn y n ma l a i e
像 的 细 节进 行处 理 , 以使 用 直 方 图 均 衡 化 的方 法 对 图像 进 行 预 处 理 , 过 增 强 图像 的动 态 范 围来 增 强 图像 的细 节 表 现 能力 [】 可 通 1。 基 于 直方 图均 衡 化 的 基 本 原理 , 对 不 同的 处 理 图 片 和 效果 要 求 提 出 了各 种 改 进 的算 法 。 献 【— 】 针 文 2 3采用 了双 直 方 图 均 衡方 法 用 于夜 景 图像 的增 强 , 出 图像 亮 度 大 约等 于直 方 图 均衡 后 的 图像 亮 度 与 原 始 图像 亮 度 的平 均 值 , 一定 程 度 上 保 持 了原 始 图像 的 输 在 亮 度 。针 对 直方 图均 衡 化 过 程 中灰 度 值 的合 并 ,i r 出 了一 种 自适 应 直 方 图均 衡 算 法 (H ) 】算 法 对 每 一 个像 素都 采 用 相 同大 Pz 提 e A E[ , 4 小 的窗 口进 行局 部 的直 方 图均 衡化 , 以实 现 对 窗 口 中 心像 素 的 处 理 。 文 献【】 对 图 像 进 行 A E处 理 前 , 将 原 始 图像 进行 局 部 对 5在 H 先

基于分块直方图均衡化的图像增强算法及实现

基于分块直方图均衡化的图像增强算法及实现

基于分块直方图均衡化的图像增强算法及实现(测控)摘要:针对传统的直方图均衡化算法易导致图像细节信息丢失和噪声放大的特点,本文在直方图均衡化算法的基础上加以改进,将图像的高频分量和低频分量分开进行处理,然后在进行合并,达到去噪的效果,能够在增强图像整体视觉效果的同时较好地保持图像细节,抑制图像噪声。

同时,本文又从另一个角度提出了一种基于概率的灰度图像直方图均衡化的改进算法,给出了较合理的变换关系。

实验结果表明,该技术能使图像的细节和清晰度得到明显的增强。

关键词:图像增强;直方图均衡;灰度映射1 引言在实际应用中,无论采用何种输入装置采集的图像,由于光照、噪声等原因。

图像的质量往往不能令人满意。

例如,检测对象物的边缘过于模糊;在比较满意的一幅图像上发现多了一些不知来源的黑白或白点;图像的失真,变形等等。

所以图像往往需要采取一些手段进行改善以求达到较好的效果。

图像增强技术正是在此基础上提出的。

图像增强是图像分析与处理的一个重要的预处理过程,其主要有两个目的:意识运用一系列技术手段改善图像的视觉效果,提高图像的清晰度;二是将图像转化成一种更适合于人或计算机惊行分析处理的形式。

即改善图像质量是图像增强的根本目的。

图像增强的意义一般可以理解为:按需求进行适当的变换,对图像的某些特征,如边缘轮廓、对比度进行强调和锐化,突出某些游泳的信息,去除或消弱无用的信息以便于显示、观察或进一步分析和处理。

图像增强技术是一类基本的图像处理技术,是指由选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征,其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统,包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。

因此图像增强处理时图像分析和图像理解的前提和基础。

在图像的获取过程中,贴别是对于多媒体监控系统采集的图像,由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。

加之摄像设备、传感器等因素引入的噪声,使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。

直方图均衡化图像增强的计算机实现

直方图均衡化图像增强的计算机实现

直方图均衡化图像增强的计算机实现
项目功能:
在这个虚拟仿真实验过程中,整个算法的过程开放给学生,平台便于学生熟悉直方图均衡化处理的理论基础;掌握直方图均衡化处理的计算机实现方法;学习VC++6.0的编程方法;验证直方图均衡化处理理论;观察直方图均衡化处理的结果。

项目流程:
图2.2.32实验设计流程图
(1)创建对话框资源,界面设计
图2.2.33系统界面设计
(2)为“打开文件”按钮添加响应,实现打开文件功能。

(3)为“直方图均衡化”按钮添加响应,实现直方图均衡化功能
图2.2.34直方图均衡化结果
项目效果:
在医学图像处理虚拟仿真平台支持下,学生参与自主研发直方图均衡化模块,复杂的开发工具本身的门槛降低了,如图所示,原图像为腹部一张对比度较低的CT横截面灰度图,图像效果较差,经过直方图均衡化,对比度获得提高。

下图为平台系统的功能,对比实验指导下学生的结果,效果一致,起到了指导学生熟悉开发平台开发软件相应功能的目的。

图2.2.35医学图像处理系统处理结果-对比图。

基于分段直方图均衡化技术的图像增强

基于分段直方图均衡化技术的图像增强

基于分段直方图均衡化技术的图像增强
黄展鹏
【期刊名称】《电脑知识与技术》
【年(卷),期】2008(002)016
【摘要】分析了传统灰度图像直方图均衡化算法存在的优缺点,提出了基于分段直方图均衡化技术的图像增强算法.该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化.实验结果表明,该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果.
【总页数】2页(P1292-1293)
【作者】黄展鹏
【作者单位】广东药学院,医药信息工程学院,广东,广州,510006
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于直方图均衡化的数字图像增强技术 [J], 张姗姗
2.基于Matlab的直方图均衡化图像增强技术 [J], 许碧波
3.基于直方图均衡化的数字图像增强技术 [J], 高均立
4.基于分段直方图均衡化技术的图像增强 [J], 黄展鹏
5.基于直方图均衡化的径赛图像增强技术研究 [J], 卢步涛;洪庆达;陈旭文;郑顺新因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 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. 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. 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)。

基于分块直方图均衡化的图像增强算法及实现(测控)摘要:针对传统的直方图均衡化算法易导致图像细节信息丢失和噪声放大的特点,本文在直方图均衡化算法的基础上加以改进,将图像的高频分量和低频分量分开进行处理,然后在进行合并,达到去噪的效果,能够在增强图像整体视觉效果的同时较好地保持图像细节,抑制图像噪声。

同时,本文又从另一个角度提出了一种基于概率的灰度图像直方图均衡化的改进算法,给出了较合理的变换关系。

实验结果表明,该技术能使图像的细节和清晰度得到明显的增强。

关键词:图像增强;直方图均衡;灰度映射1 引言在实际应用中,无论采用何种输入装置采集的图像,由于光照、噪声等原因。

图像的质量往往不能令人满意。

例如,检测对象物的边缘过于模糊;在比较满意的一幅图像上发现多了一些不知来源的黑白或白点;图像的失真,变形等等。

所以图像往往需要采取一些手段进行改善以求达到较好的效果。

图像增强技术正是在此基础上提出的。

图像增强是图像分析与处理的一个重要的预处理过程,其主要有两个目的:意识运用一系列技术手段改善图像的视觉效果,提高图像的清晰度;二是将图像转化成一种更适合于人或计算机惊行分析处理的形式。

即改善图像质量是图像增强的根本目的。

图像增强的意义一般可以理解为:按需求进行适当的变换,对图像的某些特征,如边缘轮廓、对比度进行强调和锐化,突出某些游泳的信息,去除或消弱无用的信息以便于显示、观察或进一步分析和处理。

图像增强技术是一类基本的图像处理技术,是指由选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征,其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统,包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。

因此图像增强处理时图像分析和图像理解的前提和基础。

在图像的获取过程中,贴别是对于多媒体监控系统采集的图像,由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。

加之摄像设备、传感器等因素引入的噪声,使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。

因此,为得到一幅清晰的图像必须进行图像增强处理。

传统的图像增强算法通常是基于整幅图像的统计量,这样在计算整幅图像的变换时,图像中的低频信息、高频信息以及含有的噪声,同时进行了变换,因而在增强图像的同时增强了噪声,导致信息量下降,给监控图像的分析和后期处理带来了困难。

针对此问题,提出一种新算法。

图像增强处理方法根据图像增强处理所在的空间不同,可分为基于空间域的增强方法和基于频率域的增强方法两类。

空间域处理方法是图像像素组成的二维空间直接对每一个像素的灰度值进行处理,它可以使一幅图像内像素点之间的运算处理,也可以是数幅图像间的相应像素点之间的运算处理。

频率域处理方法是在图形的变换域对图像进行间接处理。

其特点是现将图像进行变换,在空间域对图像作傅里叶变换得到它的频谱按照某种变化模型(如傅里叶变换)变换到频率域,完成图像由空间域变换到频率域,然后在频率域内图像进行低通或高通频率域处理。

处理完之后,再将其反变换到空间域。

直方图均衡化算法是图像增强空域法中的最常用、最重要的算法之一。

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,从而达图像增强的目的。

本文介绍一种基于累计分布函数变换法为基础的直方图修正法。

它可以通过对直方图进行均匀化修正,可以使图像的灰度间距增大或灰度均匀分布、增大反差,是图像的细节变得清晰2 理论分析2.1 直方图修正技术的基础一幅给定图像的灰度经归一化处理后,分布在10≤≤r 范围内。

这是可以对[0,1]区间内的任一个r 值进行如下变换: )(s T r = ⑴也就是说,通过上述变换,每个原始图像的像素值r 都对应产生一个s 值。

变换函数T(r)应该满足下列条件:①在10≤≤r 区间内,)(r T 是单值单调增加;②对于10≤≤r ,有1)(0≤≤r T 这里第一个条件保证了图像的灰度级西欧哪个白到黑的次序不变和反变换函数)(1S T -的存在。

第二个条件保证了映射变换后的像素灰度值在允许范围内。

从s 到r 的反变换可用式⑵表示,同样也满足上述两个条件: )(1s T r -= ⑵由概率论理论可知,若已知随机变量ξ的概率密度为)(r p r ,而随机变量η是ξ的函数,即)('ξηT =,η的概率密度为)(s p s ,所以可以由)(r p r 求出)(s p s 。

因为)(r T s =是单调增加的,由数学分析可知,它的反函数)(1s T r -=也是单调函数。

在这种情况下,当s <η,且仅当r <ξ时发生,所以可以求得随机变量η的分布函数为:⎰∞-=<=<=rrdxx p r p s P s F )(][)()(ξηη ⑶对式⑶两边求导,即可得到随机变量η的分布密度函数)(s p s 为:)(])([)()()(1)(1s T r p r p r p s p s T r dr ds r d ds r dr ds r s -==⋅=⋅=- ⑷由式⑷可知,对于连续情况,设)(r p r 和)(s p s 分别表示原图像和变换后图像的灰度级概率密度函数。

根据概率论的知识,在已知)(r p r 和变换函数)(r T s =时,反变换函数)(1s T r -=也是单调增长,则)(s p s 可由式⑷求出。

2.2直方图的均衡化对于连续图像,设r 和s 分别表示被增强图像和变换后图像的灰度。

为了简单,在下面的讨论中,假定所有像素的灰度已被归一化了,就是说,当0==s r 时,表示黑色;当1==s r 时,表示白色;变换函数)(r T 与原图像概率密度函数)(r p r 之间的关系为:)()()(0r d r p r T s rr ⎰== 10≤≤r ⑸式中:r 为积分变量。

式⑸的右边可以是r 的累积分布函数(CDF ),因为CDF 是r 的函数,并单调地从0增加到1,所以这一变化函数满足了前面所述的关于)(r T 在10≤≤r 内单值单调增加,对于10≤≤r ,有1)(0≤≤r T 的两个条件。

由于累积分布函数是r 的函数,并且单调的从0增加到1,所以这个变换函数满足对式⑸中的r 求导,则:)(r p drdsr = ⑹ 再把结果带入⑷,则1])(1)([]1[)(])([)()()(11====--==r p r p dr ds ds d r p ds dr r p s p r r s T r r s T r r s ⑺由以上推到可见,变换后的变量s 的定义域内的概率密度是均匀分布的。

由此可见,用r 累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率的图像。

其结果扩展了像素取值的动态范围。

上面的修正方法是以连续随机变量为基础进行讨论的。

为了对图像进行数字处理,必须引入离散形式的公式。

当灰度级是离散值的时候,可用频数近似代替概率值,即:Nn r p kk r =)( )1,2,1,010(-⋅⋅⋅=≤≤L k r k ⑻ 式中,L 是灰度级数;)(k r r p 是取第K 级灰度值的概率;k n 是在图像中出现第k 级灰度的次数;N 是图像中像素数。

通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理。

式⑸的直方图均衡化累积分布函数的离散形式可由式⑼表示:)()(0jrki jki k k r p N n r T s ∑∑=====)1,2,1,010(-⋅⋅⋅=≤≤L k r j ⑼ 其反变换为 )(1k k s T r -= ⑽ 2.3直方图的均衡化的算法步骤直方图均衡化的算法步骤如下:①列出原始图像和变换后图像的灰度级:I ,j=0,1,...,L-1,其中L 是灰度级的个数; ②统计原图像各灰度级的像素个数i n ; ③计算原始图像直方图:Nn i p k=)(,N 为原始图像像素总个数; ④计算累积直方图:)(0k p p jk j ∑==;⑤利用灰度变换函数计算变换后的灰度值,并四舍五入:]5.0)1[(+-=j p L INT j ; ⑥确定灰度变换关系j i →,据此将原图像的灰度值i n m f =),(修正为j n m g =),(;⑦统计变换后各灰度级的像素个数in;3仿真实验与结果原始图像原始灰度图像自编函数均衡化前归一化的直方图系统函数均衡化前的直方图自编函数所得的直方图均衡化后的图像系统函数所得直方图均衡化后的图像自编函数均衡化后归一的直方图系统函数均衡化后的直方图5 结论算法应用举例及误差分析说明,本文提出的直方图均衡化算法是可行的,结果证明该算法可改善直方图均衡化的精度。

在直方图均衡化算法的基础上,该论文所取的改进的处理方法可以有效防止图像细节信息丢失和图像噪声幅度增大,并经过实验证明,本文所用的算法处理的图像, 整体视觉效果得到改善,细节信息更为丰富,从中可以提取出更有意义的图像特征。

创新点:提出了改进组映射规则及详细的算法,并用于直方图均衡化,提高了直方图均衡化的精度。

参考文献:[1]冈萨雷斯. 数字图像处理学[M].阮秋琦,译.北京: 电子工业出版社,2004.[2]张毓晋. 图像工程:图像处理和分析.北京:清华大学出版社,2000.[3]马涛,余春暄.数字图像处理在指针式指示表读数识别中的应用.微计算机信息2004.[4]赵秋宇,王晓红,张德喜.可增强图像细节的改进的直方图均衡化算法.信阳师范学院学报,2008.。

相关文档
最新文档