数字图像处理实验(直方图均衡化&规定化)

这篇具有很好参考价值的文章主要介绍了数字图像处理实验(直方图均衡化&规定化)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

图像均衡化

  图像均衡化是一种图像处理技术,它的目的是改善图像的对比度。

  具体来说,对于一张图像,其直方图就是统计图像中各灰度级出现的次数的图像。通常情况下,图像的直方图会呈现不平衡的状态,即图像的某些灰度级出现的次数很多,而其它灰度级出现的次数很少。这样的图像在显示时,可能会出现对比度差的问题,使得图像看起来比较暗或者模糊。

  图像均衡化就是对图像进行直方图均衡,使得图像中各灰度级出现的次数更加平均。这样,图像的对比度就会得到提高,图像看起来就会更加清晰。

  在 Matlab 中可以使用 histeq 函数来对图像进行均衡化。该函数会对图像的直方图进行均衡,使得图像中各灰度级出现的概率相同。

% 读入图像
I = imread('Jo.jpg');

% 对图像进行均衡化
I_eq = histeq(I);

% 显示原图像和均衡化后的图像
subplot(1,2,1);
imshow(I);
title('原图像');
subplot(1,2,2);
imshow(I_eq);
title('均衡化后的图像');

注意,histeq 函数的输入和输出都是灰度图像。如果你的图像是彩色图像,那么可以先将其转换为灰度图像,然后再使用 histeq 函数进行均衡化。例如:

% 读入图像
I = imread('Jo.jpg');

% 将图像转换为灰度图像
I_gray = rgb2gray(I);

% 对图像进行均衡化
I_eq = histeq(I_gray);

% 显示原图像和均衡化后的图像
subplot(1,3,1);
imshow(I);
title('原图像');
subplot(1,3,2);
imshow(I_gray);
title('灰度图像');
subplot(1,3,3);
imshow(I_eq);
title('均衡化后的图像');

图像处理直方图规定化,图像处理,计算机视觉,图像处理,人工智能,matlab

% 读入图像
I = imread('Jo.jpg');

% 将图像转换为灰度图像
I_gray = rgb2gray(I);


% 对图像进行均衡化
I_eq = histeq(I_gray);

% 显示原图像和均衡化后的图像
subplot(2,2,1);
imshow(I_gray);
title('灰度图像');
subplot(2,2,2);
imhist(I_gray);
title('灰度直方图');
subplot(2,2,3);
imshow(I_eq);
title('均衡化图像');
subplot(2,2,4);
imhist(I_eq);
title('均衡化直方图');

 图像处理直方图规定化,图像处理,计算机视觉,图像处理,人工智能,matlab

观察可以发现灰度值变得平均,不会让灰度聚在某一区域使得图像看起来比较暗或者模糊。这里图像变亮。

直方图规定化

  直方图规定化是一种图像处理技术,它的目的是使图像的直方图呈现特定的形状。

  具体来说,对于一张图像,其直方图就是统计图像中各灰度级出现的次数的图像。通常情况下,图像的直方图会呈现不平衡的状态,即图像的某些灰度级出现的次数很多,而其它灰度级出现的次数很少。直方图规定化的目的就是使图像的直方图呈现特定的形状,通常情况下是使其呈现平坦的形状。

  直方图规定化的具体做法是,首先计算出图像的直方图,然后根据直方图计算出每个灰度级的累计分布函数,再根据累计分布函数计算出新的灰度级,最后将图像中每个像素的灰度级替换为对应的新灰度级。

  注意,直方图规定化和图像均衡化是有区别的。图像均衡化的目的是提高图像的对比度,而直方图规定化的目的是使图像的直方图呈现特定的形状。

% 读入图像
I = imread('Jo.jpg');

% 将图像转换为灰度图像
I_gray = rgb2gray(I);
hgram=50:2:250

% 对图像进行规定化
I_eq = histeq(I_gray,hgram);

% 显示原图像和规定化后的图像
subplot(2,2,1);
imshow(I_gray);
title('灰度图像');
subplot(2,2,2);
imhist(I_gray);
title('灰度直方图');
subplot(2,2,3);
imshow(I_eq);
title('规定化图像');
subplot(2,2,4);
imhist(I_eq);
title('规定化直方图');

图像处理直方图规定化,图像处理,计算机视觉,图像处理,人工智能,matlab

控制台:

列 1 至 21

    50    52    54    56    58    60    62    64    66    68    70    72    74    76    78    80    82    84    86    88    90

  列 22 至 42

    92    94    96    98   100   102   104   106   108   110   112   114   116   118   120   122   124   126   128   130   132

  列 43 至 63

   134   136   138   140   142   144   146   148   150   152   154   156   158   160   162   164   166   168   170   172   174

  列 64 至 84

   176   178   180   182   184   186   188   190   192   194   196   198   200   202   204   206   208   210   212   214   216

  列 85 至 101

   218   220   222   224   226   228   230   232   234   236   238   240   242   244   246   248   250

 也可以使用期望图像直方图来规定化:

% 读入图像
I = imread('D1.jpg');

% 将图像转换为灰度图像
I_gray = rgb2gray(I);

I_match=imread('D2.jpg');%期望图像
I_mgray=rgb2gray(I_match);
[hgram,x]=imhist(I_match);
% 对图像进行规定化
I_eq = histeq(I_gray,hgram);
subplot(3,2,1);
imshow(I_mgray);
title('期望图像');
subplot(3,2,2);
imhist(I_mgray);
title('期望图像直方图');

% 显示原图像和规定化后的图像
subplot(3,2,3);
imshow(I_gray);
title('灰度图像');
subplot(3,2,4);
imhist(I_gray);
title('灰度直方图');
subplot(3,2,5);
imshow(I_eq);
title('规定化图像');
subplot(3,2,6);
imhist(I_eq);
title('规定化直方图');

图像处理直方图规定化,图像处理,计算机视觉,图像处理,人工智能,matlab文章来源地址https://www.toymoban.com/news/detail-757082.html

到了这里,关于数字图像处理实验(直方图均衡化&规定化)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • python数字图像处理基础(七)——直方图均衡化、傅里叶变换

    均衡化原理 图像均衡化是一种基本的图像处理技术,通过更新图像直方图的像素强度分布来调整图像的全局对比度。这样做可以使低对比度的区域在输出图像中获得更高的对比度。 简单理解:改变图像对比度,让色彩更丰富,灰度值直方图:瘦高 - 均衡 本质上,直方图均衡

    2024年01月18日
    浏览(55)
  • 数字图像处理实验(六)|图像分割{阈值分割、直方图法、OTUS最大类间方差法(edge、im2dw、imfilter、imresize)、迭代阈值法、点检测}(附matlab实验代码和截图)

    1 理解阈值分割的依据及确定阈值的方法; 2 掌握常用的边缘检测算子的使用方法,加深对不同算子优缺点的理解; 3 能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能; 1. 直方图法 测试图像:coins.png 原理:观察该图像的直方图,手动选取谷底点作为阈值对

    2024年02月05日
    浏览(59)
  • (数字图像处理MATLAB+Python)第五章图像增强-第二节:基于直方图修正的图像增强

    基于直方图修正的图像增强 :是一种常见的图像处理方法。该方法通过对图像的像素值分布进行调整,以改善图像的对比度和亮度等视觉效果。具体地,直方图校正方法将图像的像素值转换为一个新的值域范围,使得像素值的分布更加均匀,从而增强图像的细节和对比度。这

    2023年04月19日
    浏览(54)
  • 【MATLAB图像处理】直方图均衡化

    直方图均衡化有以下几个好处: 增强图像对比度:直方图均衡化可以通过重新分配像素值来增强图像的对比度。这可以使得图像中的细节更加清晰可见,从而提高图像的质量和可读性。 均衡化图像亮度:直方图均衡化可以将图像的亮度均衡化,使得图像的整体亮度更加均匀

    2024年02月08日
    浏览(42)
  • 【matlab图像处理】图像直方图操作和matlab画图

    中国史之【平王东迁】: 公元前771年,因镐京曾遭地震,残破不堪,又接近戎、狄等外患威胁,周平王遂在郑、秦、晋等诸侯的护卫下,将国都东迁至洛邑,东周历史由此开始。 ——来源:全历史APP 【路漫漫其修远兮,吾将上下而求索】 今天介绍图像的直方图操作以及用

    2024年02月04日
    浏览(42)
  • 我在Vscode学OpenCV 图像处理五(直方图处理)

    直方图是一种统计图,显示了图像中每个灰度级别(或颜色通道)的像素数量。通过分析图像的直方图,可以获得关于图像对比度、亮度和颜色分布等方面的重要信息。 了解图像的对比度、亮度和色彩分布等信息。你可以使用OpenCV中的函数来计算和绘制图像的直方图,从而进

    2024年01月21日
    浏览(75)
  • OpenCV-Python中的图像处理-图像直方图

    通过直方图你可以对整幅图像的灰度分布有一个整体的了解。直方图的 x 轴是灰度值( 0 到 255), y 轴是图片中具有同一个灰度的点的数目。 BINS:上面的直方图显示了每个灰度值对应的像素数。如果像素值为 0到255,你就需要 256 个数来显示上面的直方图。但是,如果你不需

    2024年02月12日
    浏览(59)
  • Python-OpenCV中的图像处理-图像直方图

    通过直方图你可以对整幅图像的灰度分布有一个整体的了解。直方图的 x 轴是灰度值( 0 到 255), y 轴是图片中具有同一个灰度的点的数目。 BINS:上面的直方图显示了每个灰度值对应的像素数。如果像素值为 0到255,你就需要 256 个数来显示上面的直方图。但是,如果你不需

    2024年02月12日
    浏览(68)
  • Python-OpenCV中的图像处理-直方图

    通过直方图你可以对整幅图像的灰度分布有一个整体的了解。直方图的 x 轴是灰度值( 0 到 255), y 轴是图片中具有同一个灰度的点的数目。 BINS:上面的直方图显示了每个灰度值对应的像素数。如果像素值为 0到255,你就需要 256 个数来显示上面的直方图。但是,如果你不需

    2024年02月13日
    浏览(72)
  • C#使用OpenCv(OpenCVSharp)图像直方图均衡化处理实例

    本文实例演示C#语言中如何使用OpenCv(OpenCVSharp)对图像进行直方图均衡化处理。 直方图均衡化原理 直方图均衡化(Histogram Equalization)是一种常用的图像增强技术,用于改善图像的对比度和亮度分布。它通过重新分配图像灰度级的像素值,使得图像的直方图在灰度范围内更加

    2024年02月07日
    浏览(91)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包