数字图像直方图
图像处理6灰度直方图和直方图均衡化
图像处理6灰度直⽅图和直⽅图均衡化灰度直⽅图介绍灰度直⽅图（Gray histogram）是关于灰度级分布的函数，是对图像中灰度级分布的统计。
灰度直⽅图是将数字图像中的所有像素，按照灰度值的⼤⼩，统计其出现的频率。
灰度直⽅图是灰度级的函数，它表⽰图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。
如果将图像总像素亮度（灰度级别）看成是⼀个随机变量，则其分布情况就反映了图像的统计特性，这可⽤probability density function （PDF）来刻画和描述，表现为灰度直⽅图。
实现以下代码便于理解灰度直⽅图的计算，其中histogram函数是基于numpy简化的，运⾏结果如下。
# coding: utf8from skimage import dataimport matplotlib.pyplot as pltimport numpy as npdef histogram(a, bins=10, range=None):"""Compute the histogram of a set of data."""import numpy as npfrom numpy.core import linspacefrom numpy.core.numeric import (arange, asarray)# 转成⼀维数组a = asarray(a)a = a.ravel()mn, mx = [mi + 0.0 for mi in range]ntype = np.dtype(np.intp)n = np.zeros(bins, ntype)# 预计算直⽅图缩放因⼦norm = bins / (mx - mn)# 均分，计算边缘以进⾏潜在的校正bin_edges = linspace(mn, mx, bins + 1, endpoint=True)# 分块对于⼤数组可以降低运⾏内存，同时提⾼速度BLOCK = 65536for i in arange(0, len(a), BLOCK):tmp_a = a[i:i + BLOCK]tmp_a_data = tmp_a.astype(float)# 减去Range下限，乘以缩放因⼦,向下取整tmp_a = tmp_a_data - mntmp_a *= normindices = tmp_a.astype(np.intp)# 对indices标签分别计数，标签等于bins减⼀indices[indices == bins] -= 1n += np.bincount(indices, weights=None,minlength=bins).astype(ntype)return n, bin_edgesif__name__ =="__main__":img=data.coffee()fig = plt.figure()f1 = fig.add_subplot(141)f1.imshow(img)f1.set_title("image")f2 = fig.add_subplot(142)arr=img.flatten()n, bins, patches = f2.hist(arr, bins=256, facecolor='red')f2.set_title("plt_hist")f3 = fig.add_subplot(143)hist, others = np.histogram(arr, range=(0, arr.max()), bins=256)f3.plot(others[1:],hist)f3.set_title("np_hist1")f4 = fig.add_subplot(144)hist, others = histogram(arr, range=(0, arr.max()), bins=256)f4.plot(others[1:], hist)f4.set_title("np_hist2")plt.show()关于bincount函数，可以参考Xurtle的博⽂https:///xlinsist/article/details/51346523bin的数量⽐x中的最⼤值⼤1，每个bin给出了它的索引值在x中出现的次数。
数字图像处理第四章作业
第四章图像增强1.简述直方图均衡化处理的原理和目的。
拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。
原理：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。
也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。
把给定图像的直方图分布改变成“均匀”分布直方图分布目的：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。
它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。
通过直方图均衡化，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。
Matlab程序如下：clc;RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。
数字图像处理学
数字图像处理学数字图像处理(digital image processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二就是数学的发展（特别就是离散数学理论的创办和健全）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
一、实验内容：主要是图像的几何变换的编程实现，具体包括图像的读取、改写，图像平移，图像的镜像，图像的转置，比例缩放，旋转变换等，具体要求如下：1、编程同时实现图像位移，建议位移后的图像大小维持不变；2、编程实现图像的镜像；3、编程同时实现图像的单位矩阵；4、编程实现图像的比例缩放，要求分别用双线性插值和最近邻插值两种方法来实现，并比较两种方法的缩放效果；5、编程同时实现以任一角度对图像展开旋转变换，建议分别用双线性插值和最近邻插值两种方法去同时实现，并比较两种方法的转动效果。
二、实验目的和意义：本实验的目的就是并使学生熟识并掌控图像处理编程环境，掌控图像位移、镜像、单位矩阵和转动等几何变换的方法，并能够通过程序设计同时实现图像文件的读、写下操作方式，及图像位移、镜像、单位矩阵和转动等几何变换的程序实现。
三、实验原理与主要框架：3.1实验所用编程环境：visualc++(简称vc)是微软公司提供的基于c/c++的应用程序集成开发工具、vc拥有丰富的功能和大量的扩展库，使用它能有效的创建高性能的windows应用程序和web应用程序。
vc除了提供更多高效率的c/c++编译器外，还提供更多了大量的可以器重类和组件，包含知名的谷歌基础类库(mfc)和活动模板类库(atl)，因此它就是软件开发人员不可多得的开发工具。
vc丰富的功能和大量的扩展库，类的重用特性以及它对函数库、dll库的支持能使程序更好的模块化，并且通过向导程序大大简化了库资源的使用和应用程序的开发，正由于vc具有明显的优势，因而我选择了它来作为数字图像几何变换的开发工具。
直方图
j 0 j 0 k k
nj n
乘以n，再四舍五 入取整
44
说明
由于数字图像灰度取值的离散性，通过四 舍五入使得变换后的灰度值出现了归并现 象，从而致使变换后的图像并非完全均匀 分布，但是相比原始直方图要均匀得多
直方图修正
2.直方图规定化/直方图匹配 在某些情况下，并不一定需要具有均匀直 方图的图像，有时需要具有特定的直方图 的图像，以便能够增强图像中某些灰度级。 直方图规定化方法就是针对上述思想提出 来的。 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图像作修正的增强 方法
0.89
0.95 0.98 1.00
6/7
1 1 1
s3=6/7
985
0.24
s4=1
448
0.11
41
例：
原图像的直方图
均衡后图像的直方图
42
例：直方图均衡化示例
43
例：
思考问题： 若在原图像一行上连续8个像素的灰度值分 别为：0、1、2、3、4、5、6、7，则均衡 后，对应的灰度值为多少？
46
直方图规定化
可见，它是对直方图均衡化处理的一种有 效的扩展。直方图均衡化处理是直方图规 定化的一个特例 对于直方图规定化，下面仍从灰度连续变 化的概率密度函数出发进行推导，然后推 广出灰度离散的图像直方图规定化算法
47
直方图规定化
假设pr(r)和pz(z)分别表示已归一化的原始 图像灰度分布的概率密度函数和希望得到 的图像的概率密度函数 首先对原始图像进行直方图均衡化，即求 变换函数：
H Pi log2 Pi
i 0 L 1
17
数字图像直方图统计报告
一、学习情况
灰度直方图均衡化进行数字图像处理的基本原理
01
直方图均衡化：利用这一特性对图像中像素个数多的灰度 级进行展宽，而对图像中像素个数少的灰度进行压缩，从
而提高了对比度和灰度色调的变化，使图像更加清晰。
实现步骤： (1) 根据输入的灰度图像计算其原始直方图 (2) 对输入的原始直方图进行累加，计算其cdf (3) 使用累计分布函数的线性插值计算新的灰度值
一、学习情况
Matlab仿真
02
Imhist():直接显示图像的灰度直方图
均衡化： (1) 根据输入的灰度图像计算其原始直方图 (2) 对输入的原始直方图进行累加，计算其cdf (3) 使用累计分布函数的线性插值计算新的灰度值
二、已完成的工作及仿
真结果
二、已完成的工作及仿真结果 1 MATLAB仿真
阈值为100 200
阈值为120 200
阈值为140 180
阈值为150 170
由思考题得出的结论
阈值选择在波谷时，图片黑白分化更加明 显，对比度有所增强，当阈值靠近波峰时， 丢失信息过多，图片失真较为严重。
仿真1 MATLAB仿真
2 修改程序课后题的完成结果
双峰阈值分割法
在一些简单的图像中，物体的灰度分布比较有 规律，背景与各个目标在图像的直方图各自形 成一个波峰（区域与波峰一一对应），每两个 波峰之间会形成一个波谷，选择此波谷作为阈 值。
阈值为60 200
阈值为80 200
数字图像直方图均衡化增强实验 中期汇报
组员：张三
一、学习情况
一、学习情况
灰度直方图均衡化进行数字图像处理的基本原理
01
灰度直方图：横坐标是灰度级别，纵坐标是图像中该灰 度值的出现频率，是一个统计结果。
色阶 直方图
拍摄时应注意:
• 1。 软低调的画面影调低,但影调之间对比不大,它是以接近的影调和 细致的影纹来表现被摄对象的层次和质感。软低调的光比多控制在 1:4之间。硬低调的明暗对比强烈,光比多控制在1:8之间。 • 2。 拍摄低调照片多使用测光或半逆光,要选择暗背景。 • 3。 拍摄低调人像时,人物服装的色调要比较深。拍摄低调的自然 景物时, 也需要选择深色调的景物。陪体的色调也要比较深,并且与主 体的低调相协调。 • 4。 感光要充足,以保证阴影部分有足够的层次。显影时应采用慢 性显影液,可把D76显影液加二、三倍水冲淡,再把显影时间适当延长 一些。 • 5。 低调照片的整个画面影调浓重深沉,但其中最好要有白影调。 这个白调即使面积很小,但能使整个画面具有生气。） • 山丘的峰顶应该集中在直方图左边的暗部区域 • 如果山丘覆盖了整个区域 • 说明曝光情况正好且细节清晰可见
色阶表示的是图像亮度强弱的数值，色阶图只是一 个直方图，色阶图自然就是一张图像中不同亮度 的分布图。一般以横坐标表示“色阶指数的取值” (标注质量特性值，)标准尺度在0~255之间，0表 示没有亮度，黑色；255表示最亮，白色；而中 间是各种灰色。又以纵坐标标注频数或频率值， 各组的频数或频率的大小用直方柱的高度表示包 含“特定色调（即特定的色阶值）的像素数目”， 于是其取值越大就表示在这个色阶的像素越多, 在 数字图像中，色阶图是说明照片中像素色调分布 的图表。
色阶
• 色阶 level • 色阶是表示数字图像亮度强弱的指数标准， 也就是我们说的色彩指数，图像的色彩丰满度和 精细度是由色阶决定的。色阶指亮度，和颜色无 关，但最亮的只有白色， • 色阶表现了一副图的明暗关系, 在图像处理中， 调节色阶（level）实质就是通过调节直方图来调 节不同像素值的大小来改进图像的直观效果。。 如：8位色的RGB空间数字图像，分布用2^8（即 256）个阶度表示红蓝绿，每个颜色的取值都是[0， 255]，理论上共有256×256×256种颜色。
数字图像处理(直方图).
An
Combining
DFRT( n )
Renewed output images An exp(j n ) Cn
IDFRT( n )
Several input images Rn an exp(jn )
1 1 an , 0 n n n Updated input images a0 exp(j0 ) a0
15
按列统计的直方图
histc(pascal(3),1:6) produces the array [3 1 1; 0 1 0; 0 1 1; 0 0 0; >> pascal(3) 0 0 0; ans = 0 0 1]
1 1 1 1 2 3 1 3 6
每列目标数据的个数 统计
16
其他类型的统计图
条状图：bar x = 1:5; y = [0.2,0.3,0.1,0.8,0.9; 0.5,0.6,0.2,0.7,0.1]; bar(x,y');
20
其他类型的统计图
累加式条状图：barh rand('state',0); figure; barh(rand(10,5),'stacked'); colormap(cool)
6
彩色图像直方图
axes(‘Position’,*0.1,0.1,0.8,0.2+);% 生成坐标轴 stem(0:255,h1,'Marker','None','Color','r'); set(gca,'YColor','r','Xlim',[0,255]); axes('Position',[0.1,0.3,0.8,0.2]); stem(0:255,h2,'Marker','None','Color',[0,0.6,0]); set(gca,'YColor',[0,0.6,0],'Ytick',[0.005,0.01],'Xlim',[0,255]); axes('Position',[0.1,0.5,0.8,0.2]); stem(0:255,h3,'Marker','None','Color','b'); set(gca,'YColor','b','Ytick',[0.01,0.02],'Xlim',[0,255]);
图像增强-数字图像处理
图像增强
2.图像噪声的特点 (1)噪声在图像中的分布和大小不规则,即具有随机性。 (2)噪声与图像之间一般具有相关性。 (3)噪声具有叠加性。
图像增强
3.3.2 模板卷积 模板操作是数字图像处理中常用的一种邻域运算方式,
灰度变换就是把原图像的像素灰度经过某个函数变换成 新图像的灰度。常见的灰度变换法有直接灰度变换法和直方 图修正法。直接灰度变换法可以分为线性变换、分段线性变 换以及非线性变换。直方图修正法可以分为直方图均衡化和 直方图规定化。
图像增强
3.1.1 线性变换 假定原图像f(x,y)的灰度范围为[a ,b],希望变换后图像
ቤተ መጻሕፍቲ ባይዱ
图像增强
例如,假定一幅大小为64×64、灰度级为8个的图像,其灰 度分布及均衡化结果如表3-1 所示,均衡化前后的直方图及变 换用的累积直方图如图3-10所示,则其直方图均衡化的处理 过程如下。
图像增强
图像增强 由式(3-12)可得到一组变换函数:
依此类推:s3=0.81,s4=0.89,s5=0.95,s6=0.98,s7=1.0。变换函 数如图3-10(b)所示。
图像增强
１
图像增强
图3-1 灰度线性变换
图像增强
图3-2 灰度线性变换示例
图像增强
3.1.2 分段线性变换 为了突出感兴趣的灰度区间,相对抑制那些不感兴趣的
灰度区间,可采用分段线性变换。常用的3段线性变换如图33所示,L 表示图像总的灰度级数,其数学表达式为
图像增强
图3-3-分段线性变换
图像增强
设r 为灰度变换前的归一化灰度级(0≤r≤1),T(r)为变换函 数,s=T(r)为变换后的归一化灰度级(0≤s≤1),变换函数T(r)满足 下列条件:
数字图像处理中的直方图均衡化使用注意事项
数字图像处理中的直方图均衡化使用注意事项直方图均衡化是一种通过分布调整来改善图像对比度的方法。
它通过重新分布图像的像素值以增强其视觉效果。
在数字图像处理中，直方图均衡化是一项常用的技术，但在使用过程中需要注意以下几个方面。
首先，直方图均衡化可能会导致图像细节丢失的问题。
因为直方图均衡化会根据像素值的分布进行调整，从而扩展像素值的范围，使得亮度范围更广。
但这也可能导致低对比度区域的细节消失，从而影响图像细节。
因此，在进行直方图均衡化时，应该密切关注图像的细节信息，尽量避免过度调整图像的对比度。
其次，直方图均衡化可能引起噪声的增加。
在直方图均衡化的过程中，图像的亮度分布被调整，可能会增加图像的噪声。
这是因为噪声通常与图像的低亮度区域有关，当低亮度区域被调整时，噪声也可能被放大。
为了减少噪声的影响，可以在均衡化之前对图像进行去噪处理，或者采用自适应的直方图均衡化方法，以避免过度增加图像噪声。
另外，直方图均衡化也可能导致图像的颜色失真问题。
因为直方图均衡化是基于像素值的灰度分布进行调整，对彩色图像来说，它可能会改变图像的颜色分布，从而造成颜色失真。
为了避免这种情况，可以在进行直方图均衡化前将图像转换为HSV颜色空间，并只对亮度（Value）通道进行均衡化，这样可以避免颜色的偏移。
此外，直方图均衡化的效果可能受到图像的动态范围限制。
在某些情况下，图像的动态范围可能不足以支持完整的直方图均衡化。
比如，当图像的某些区域非常亮或非常暗时，直方图可能会在动态范围两端产生剧烈的波动，从而导致图像的细节丢失或噪声增加。
为了解决这个问题，可以采用自适应的直方图均衡化方法，以根据图像的局部动态范围来进行调整，减少对整体图像的影响。
最后，直方图均衡化的选择需要根据具体的应用需求来确定。
直方图均衡化可以改善图像的对比度，使图像更加清晰和易于处理。
但对于一些特定的图像处理任务，如目标检测、图像识别等，直方图均衡化可能并不适用。
数字图像处理方法-图像增强2
求出：k1和k2 求出：l1和l2
第五章 图像增强
23
空域处理—彩色图像增强
彩色平衡实现的算法
9 分别对R、G、B图像实施变换：
*=
+
R(x, y) k1*R(x, y) k 2
B(x, y)* = l1*B(x, y) + l2
G(x, y)* = G(x, y)
9 得到彩色平衡图像
第五章 图像增强
直方图均衡化的技术要点：
公理：直方图p(rk )，为常数的图像对比度最好
目标：寻找一个灰度变换函数T(r)，使结果图像 的直方图p(sk )为一个常数
第五章 图像增强
3
空域处理—直方图增强
直方图均衡—灰度变换函数
1) 求出原图 f 的灰度直方图，设为h。h为一个256维的向 量。
2) 求出图像 f 的总体像素个数， Nf=m ×n
第五章 图像增强
32
空域处理—彩色图像增强
伪彩色增强
人类可以分辨比灰度层次更多的颜色种类 将灰度图像变换为彩色图像——伪彩色图像 方法：伪彩色变换，密度分割
伪彩色变换法—独立映射表变换法
9对灰度图像 f(x, y)，建立颜色映射表：
IR
=
T (I ) R
IG
=
T (I ) G
I = T (I )
B
B
9形成RGB图像各分量为： R (x , y ) = T R ( f (x , y
))
第五章 图像增强
G (x, y ) = TG( f (x, y ))
B(x, y) = TB( f (x, y
33
))
空域处理—彩色图像增强
伪彩色变换流程
数字图像概念整理
数字图像: 指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术.伽马射线成像(核医学和天文观测,PET(正电子放射断层)) X 射线成像(医学诊断,天文学) 紫外波段成像(平板印刷技术,“荧光显微镜”技术) 可见光及红外波段成像微波波段成像(雷达) 无线电波成像（医学诊断,天文学） 其他图像成像模式（主要是声波） 3-D 图像 深度图像 彩色图像 纹理图像 多光谱图像 投影重建图像 立体图像 合成图像 序列图像医学工业生产和质量控制图像信息通讯公共安全数据安全科学研究在信息技术中的应用图像处理，图像分析，图像理解“图”依结构特点可分为图像和图形图像：主要特点为由一系列的具有不同灰度值的像素所组成图形：主要特点为由一组数学公式描述1.数字图像处理与计算机图形学是两个相关的学科，但不论从概念上看，还是从应用角度看，是各自独立发展起来的；2.计算机图形学研究用给定的描述用计算机来生成相应的图形或图像，这里提到的图像主要是指颜色的变化，很少有层次的变化，它们是计算机画出来的，并不是从客观世界直接得来的；3.数字图像处理研究以二维数组形式给出的图像数据，按特定的目的，用计算机对数据进行加工处理，达到预期的目的． 抖动技术:通过调节或变动图像的幅度值来改善量化过粗图像的显示质量．半调输出:将一个区域分成3 ⨯ 3个单元以输出10种不同的灰度．处理和分析过程中使用的快速存储器．用于比较快地重新调用的在线或联机存储器．不经常使用的数据库存储器．光通量是由光源向各个方向射出的光功率.光强度是光源在单位立体角内辐射的光通量.光照度是从光源照射到单位面积上的光通量，以E 表示.光亮度是指一个表面的明亮程度，以L 表示。
数字化:在图像“像场”里取一个直角坐标原点O , 建立直角坐标系xOy ,则图像可以用一个二元函数来表示：z=f (x,y )。
z 表示像场里(x ,y )点的“图像属性值”。
什么是直方图？
直方图是一种用于表示数字图像中像素灰度分布的统计图表。
它将图像的灰度范围划分为若干个等级，并统计每个等级中像素的数量，从而形成一个柱状图。
直方图的横坐标表示灰度等级，通常从最暗的黑色（0）到最亮的白色（255）进行划分。
纵坐标表示对应灰度等级的像素数量。
通过观察直方图，可以了解图像中不同灰度级别的像素分布情况。
直方图可以提供以下信息：
1. 图像的整体对比度：直方图的形状可以反映图像的整体对比度。
如果直方图的分布集中在较窄的灰度范围内，说明图像的对比度较低；如果直方图的分布较为分散，说明图像的对比度较高。
2. 像素分布情况：直方图可以显示图像中不同灰度级别的像素数量，从而了解图像的亮度分布。
如果某个灰度级别的像素数量较多，说明该灰度在图像中占据较大的比例。
3. 图像的曝光情况：通过观察直方图的左右端点，可以判断图像的曝光情况。
如果直方图的左侧截断，说明图像可能存在欠曝光；如果右侧截断，说明图像可能存在过曝光。
4. 色彩平衡：对于彩色图像，可以分别查看每个颜色通道的直方图，以评估图像的色彩平衡情况。
在图像处理中，直方图可以用于图像增强、对比度调整、色彩平衡等操作的参考。
它是一种简单而直观的工具，帮助我们了解数字图像的统计特征。
数字图像处理1-关于灰度,比特深度,彩色图像等名词的理解
灰度图像灰度图像是区别于普通rgb编码图像的一种特别的图像编码。
它将一张黑白照片的每个像素设置了256个灰度档，每个像素根据自身反应的图像上点的明亮程度来展示对应的灰度。
同时使用rgb的编码一样可以得到黑白照片，但是二者各有优缺点。
灰度图像的黑白照片，由于每个像素只需要8bit的存储量，占用空间更小。
而rgb模式下的黑白照片虽说占用了3倍的空间，相对应的阴影细节却能更好的体现出来。
比特深度比特深度也就是通常买显示器会说到的“色域”。
8bit的深度就是说一个像素点对应的颜色，其rgb值中的每一个都分为256档。
当然除了8bit还有11bit，16bit之类的更宽的色域，相对应的图片的颜色会更丰富，更有层次感。
图像分辨率图像分辨率是一个用来描述图像质量，图像清晰程度的一个量。
其基本概念是指每一平方英寸中有多少个像素点，单位就是人们经常提到的dpi。
而整个图像的像素个数就是由图像本身的宽、高以及图像分辨率来共同确定的。
图像直方图图像直方图是对图像曝光程度以及颜色的一种特别的表现方式。
在灰度图像中，其横坐标就是256个灰度档，而其纵坐标就是整个图像中某一灰度档对应的相对像素数量。
在rgb图像中也同理，只不过每个单独的原色会有其单独的直方图。
如果图像直方图中某一位置出现峰值，就说明这个强度的像素点最多。
如果在横轴最左端或最右端出现峰值，则说明画面过曝或过暗，损坏无法修复。
Bayer Filter的工作原理Bayer Filter通常翻译为拜耳过滤器或拜耳滤色器，现在的数字图像采集设备基本上都是用的这种原理。
由于要同时采集rgb信息，平面上均匀分布着3种采集单元，分别对应着rgb三原色。
每个单元由一片或红或绿或蓝的玻璃和可以感受光强的传感器构成，光线通过彩色玻璃，对应颜色的光线就会照射到传感器上，待曝光结束后，对传感器的读数进行计算，就可以还原某一像素上对应的rgb值构成其采集到的颜色，所有单元同理。
此外，由于两个单元之间有微小的缝隙，会有部分光无法直接被传感器利用。
数字图像处理之直方图均衡化
数字图像处理之直⽅图均衡化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。
直⽅图均衡化要达到的效果：基本思想:把原始图的直⽅图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从⽽达到增强图像整体对⽐度的效果使⽤的⽅法是灰度级变换：s = T(r)原理：s=T(r) 0≤r≤1T(r)满⾜下列两个条件：（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）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Pr(r)是r的概率密度函数，Ps(s)是s的概率密度函数，Pr(r)和T(r)已知，且T-1(s) 满⾜上述条件(1)，所以有已知⼀种重要的变换函数：关于上限的定积分的导数就是该上限的积分值（莱布尼茨准则）对于离散值：其中r k 是第k个灰度级，k = 0,1,2,…,L-1. n k是图像中灰度级为r k的像素个数. n是图像中像素的总数.已知变换函数的离散形式为：sk称作直⽅图均衡化将输⼊图像中灰度级为rk（横坐标）的像素映射到输出图像中灰度级为sk （横坐标）的对应像素得到.实现代码：/******************************************************************************* 作⽤: 灰度均衡函数* 参数:* pixel 原始像素数组* tempPixel 保存变换后图像的像素数组* width 原始图像宽度******************************************************************************/void GrayEqualize(BYTE* pixel, BYTE* tempPixel, UINT width, UINT height){// 灰度映射表BYTE map[256];long lCounts[256];memset(lCounts, 0, sizeof(long) * 256);// 计算各灰度值个数for (UINT i = 0; i < width * height; i++){int x = pixel[i * 4];lCounts[x]++;}// 保存运算中的临时值long lTemp;for (int i = 0; i < 256; i++){lTemp = 0;for (int j = 0; j <= i; j++)lTemp += lCounts[j];map[i] = (BYTE)(lTemp * 255.0f / width / height);}// 变换后的值直接在映射表中查找for (UINT i = 0; i < width * height; i++){int x = pixel[i * 4];tempPixel[i*4] = tempPixel[i*4+1] = tempPixel[i*4+2] = pixel[i * 4]; tempPixel[i*4+3] = 255;}}View Code彩⾊图直⽅图均衡化：更清晰：opencv代码：////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include <iostream>using namespace cv;using namespace std;int main( int argc, const char** argv ){Mat img = imread("MyPic.JPG", CV_LOAD_IMAGE_COLOR); //open and read the imageif (img.empty()) //if unsuccessful, exit the program{cout << "Image cannot be loaded..!!" << endl;return -1;}vector<Mat> channels;Mat img_hist_equalized;cvtColor(img, img_hist_equalized, CV_BGR2YCrCb); //change the color image from BGR to YCrCb formatsplit(img_hist_equalized,channels); //split the image into channelsequalizeHist(channels[0], channels[0]); //equalize histogram on the 1st channel (Y)merge(channels,img_hist_equalized); //merge 3 channels including the modified 1st channel into one imagecvtColor(img_hist_equalized, img_hist_equalized, CV_YCrCb2BGR); //change the color image from YCrCb to BGR format (to display image properly)//create windowsnamedWindow("Original Image", CV_WINDOW_AUTOSIZE);namedWindow("Histogram Equalized", CV_WINDOW_AUTOSIZE);//show the imageimshow("Original Image", img);imshow("Histogram Equalized", img_hist_equalized);waitKey(0); //wait for key pressdestroyAllWindows(); //destroy all open windowsreturn0;}View Code代码中使⽤的函数：New OpenCV functionscvtColor(img, img_hist_equalized, CV_BGR2YCrCb)This line converts the color space of BGR in 'img' to YCrCb color space and stores the resulting image in 'img_hist_equalized'.In the above example, I am going to equalize the histogram of color images. In this scenario, I have to equalize the histogram of the intensity component only, not the color components. So, BGR format cannot be used because its all three planes represent color components blue, green and red. So, I have to convert the original BGR color space to YCrCb color space because its 1st plane representsthe intensity of the image where as other planes represent the color components.void split(const Mat& m, vector<Mat>& mv )This function splits each channel of the 'm' multi-channel array into separate channels and stores them in a vector, referenced by 'mv'. Argument listconst Mat& m - Input multi-channel arrayvector<Mat>& mv - vector that stores the each channel of the input arrayequalizeHist(channels[0], channels[0]);Here we are only interested in the 1st channel (Y) because it represents the intensity information whereas other two channels (Cr and Cb) represent color components. So, we equalize the histogram of the 1st channel using OpenCV in-built function, 'equalizeHist(..)' and other two channels remain unchanged.void merge(const vector<Mat>& mv, OutputArray dst )This function does the reverse operation of the split function. It takes the vector of channels and create a single multi-channel array. Argument listconst vector<Mat>& mv - vector that holds several channels. All channels should have same size and same depthsOutputArray dst - stores the destination multi-channel arraycvtColor(img_hist_equalized, img_hist_equalized, CV_YCrCb2BGR)This line converts the image from YCrCb color space to BGR color space. It is essential to convert to BGR color space because 'imshow(..)' OpenCV function can only show images with that color space.This is the end of the explanation of new OpenCV functions, found in the above sample code. If you are not familiar with other OpenCV functions, please refer to the previous lessons.参考博客：http://opencv-srf.blogspot.jp/2013/08/histogram-equalization.html。
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。
遥感原理与应用名词解释
1.电磁波: 变化的电场和磁场交替产生, 以有限的速度由近及远在空间内传播的过程。
2.干涉:由两个（或两个以上）频率、振动方向相同、相位相同或相位差恒定的电磁波在空间叠加时, 合成波振幅为各个波的振幅的矢量和。
因此会出现交叠区某些地方振动加强, 某些地方振动减弱或完全抵消的现象。
3.衍射:光通过有限大小的障碍物时偏离直线路径的现象。
4偏振:指电磁波传播的方向性。
5电磁波谱: 按电磁波在真空中传播的波长或频率递增或递减顺序排列。
6绝对黑体: 对任何波长的电磁辐射都全部吸收的物体, 称为绝对黑体。
绝对白体则能反射所有的入射光。
与温度无关。
7等效温度: 为了便于分析, 常常用一个最接近灰体辐射曲线的黑体辐射曲线作为参照, 这时的黑体辐射温度称为等效黑体辐射温度（或称等效辐射温度）。
8大气窗口：通过大气后衰减较小, 透过率较高, 对遥感十分有利的电磁辐射波段通常称为大气窗口。
而透过率很小甚至完全无法透过的电磁波称为“大气屏障”。
9遥感: 即遥远的感知, 是在不直接接触的情况下, 对目标或自然现象远距离探测和感知的一种技术。
10光谱发射率: 实际物体与同温度的黑体在相同条件下辐射功率之比。
11光谱反射率：物体的反射辐射通量与入射辐射通量之比, 它是波长的函数。
12波谱特性: 指各种地物各自所具有的电磁波特性（发射辐射或反射辐射）。
13反射波谱特性: 物体反射率（或反射辐射能）随波长变化而改变的特性。
14方向反射: 具有明显方向性的反射。
15漫反射: 入射能量在所有方向均匀反射。
16镜面反射: 当入射能量全部或几乎全部按相反方向反射, 且反射角等于入射角。
17波谱特性曲线：以波长为横坐标, 反射率为纵坐标所得的曲线。
18散射：电磁波在传播过程中遇到小微粒而使传播方向发生改变, 并向各个方向散开。
1近极地轨道: 卫星从南向北或从北向南通过两极运行。
2太阳同步轨道: 指卫星轨道面与太阳地球连线之间在黄道面内的夹角不随地球绕太阳公转而改变。
遥感数字图像处理智慧树知到答案章节测试2023年
第一章测试1.数字图像本质上就是一个存储数字的矩阵，是你肉眼直接看不见的。
（）A:对 B:错答案:A2.在同等水平条件下，模拟图像的成像效果比数字图像更好。
（） A:错 B:对答案:B3.采样就是指电磁辐射能量的离散化。
（） A:对 B:错答案:B4.按照数字图像的光谱特性可以将图像分为彩色图像和黑白图像。
（） A:对B:错答案:B5.任何一幅图像都有自己对应的直方图，但相同的直方图可能对应于不同的图像。
（） A:对 B:错答案:A6.图像显示时的屏幕分辨率等同于图像空间分辨率。
（） A:对 B:错答案:B7.时间分辨率是指对同一区域进行重复观测的最小时间间隔，也称为重访周期。
（） A:错 B:对答案:B8.数字图像的灰度分辨率越高，可展现在屏幕上的灰度级越多，说明图像显示的灰度层次越丰富。
（） A:对 B:错答案:A9.为了使同一波段的像素保证存储在一块，从而保持了像素空间的连续性。
应该选择（）存储方式. A:BIL B:BIP C:BSQ D:TIFF 答案:C10.遥感影像灰度直方图反映的是一幅图像中各灰度级像素出现的（）。
A:频率 B:位置 C:数量 D:概率答案:A11.已知一幅数字图像的辐射量化等级是4 bit，则这幅图像所存储的灰度值范围是（）。
A:0－4 B:1－16 C:1－4 D:0－15 答案:D12.一台显示器的屏幕在水平方向显示800个像元，在垂直方向显示600个像元，则表示该显示器的分辨率为（）dpi。
A:600800 B:800800C:800600 D:600600 答案:C13.从连续图像到数字图像需要（）。
A:图像分辨率设定 B:确定图像的存储空间 C:图像灰度级设定 D:采样和量化答案:D14.下面哪些特征参数直接影响数字图像的信息含量？（） A:光谱分辨率 B:辐射分辨率 C:时间分辨率 D:空间分辨率答案:AC15.下列图像中属于单波段图像的是（）。
- 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)。
REALTIME——DSP系列应用丛书
八．数字图像信号处理实验
实验8.1 ：数字图像直方图统计算法
一．实验目的
掌握直方图统计的原理和程序设计；了解各种图像的直方图统计的意义及其在实际中的运用。
二．实验设备
PC兼容机一台，操作系统为Windows2000(或Windows98，WindowsXP，以下默认为Windows2000)，安装Code Composer Studio 2.21软件。
三．实验原理
灰度直方图是数字图像处理中一个最简单、
任何一幅图像的直方图都包括了可观的信息，某些类型的图像可由其直方图完全描述。
灰度直方图是灰度值的函数，
素的灰度级别，纵坐标是该灰度出现的频率(像素个数与图像像素总数之比)。
程序流程图：
开始
用不同参数调用
构造图像的函数
产生图像
调用直方图统计
子程序统计直方
图
循环重复5次
四．实验步骤
1．实验准备：
-设置软件仿真模式，参看：第三部分、四、1。
III-134
直方图统计
子程序
初始化直方图统
计数组(赋0值)
统计图像中各种像素(取值0-255)的个数
计算各种像素个数占全部图像像素的百分比
直方图统计结束
瑞泰创新——ICETEK-VC5416-A-USB-EDU教学实验系统软件实验指导-启动CCS，参看：第三部分、五、1。
目录为C:VC5416-EDULab-Histogram.pjt。
2．打开工程，
3．编译并下载程序。
4．打开工程“Histogram.pjt”中的C语言源程序“Histo.c”
语句上加软件断点。
5．设置观察窗口：
*选择菜单View->Graph->Image，做如下设置：
*选择菜单View->Graph->Time/Frequency，做如下设置：
6．运行程序：
III－135
REALTIME——DSP系列应用丛书
按“F5”键运行到各个断点，观察图像和直方图统计结果。
7．选择菜单File→workspace→save workspacs As…，输入文件名SY.wks 。
8．退出CCS：请参看本书第三部分、第一章、六。
五．实验结果
分析：由于图像由16级灰度条组成所以直方图统计的结果各灰度的值是离散的，而且各灰度所占百分比大致相同。
分析：图像由连续灰度组成，但较暗的像素所占比例较小，图像大部分是亮的，从直方图中可以观察到，灰度值较小的部分(靠近0)统计值较小并且灰度未均匀分布，表现为分离的柱状图，而灰度值大的部分灰度连续变化。
分析：图像由连续灰度组成，大部分由亮度为140左右的像素组成，没有明显的前景和背景，直方图中只有一个“峰”
III-136
瑞泰创新——ICETEK-VC5416-A-USB-EDU教学实验系统软件实验指导
，处于亮区(灰度取值较大)，如果在峰值附近取适当的区域就可以将路面从图像中提取出来，根据直方图中的峰值进行进一步的分析，这是图像处理的常用方法。
分析：
背景，
视觉系统的一个基本组成部分。
六.问题与思考
*请观察以下图像和直方图统计结果，
*请修改程序完成将此图分成三类，每类用不同的颜色表示(黑色0、原灰度、白色)。
III－137。