-
报告（二）
《数字图像处理》实验
学
号：
____________
姓
名：
__________
专
业：
____
课序号：
__________
计算机科学与技术学院
2
/
16
实验
2
直方图均衡化
一、实验学时：
4
学时（本部分占实验成绩的
40%
）
二、实验目的：
1
、理解直方图均衡化的原理及步骤；
2
、编程实现图像（灰度或彩色）的直方图均衡化。
三、必须学习和掌握的知识点：
直方图均衡化是一种快速有效且简便的图像空域增强方法，
在图像处理中有<
/p>
着非常重要的意义，因此要求掌握。
四、实验题目：
编程实现灰度图像的
直方图均衡化处理。
要求给出原始图像的直方图、
均衡
化图像及其直方图和直方图均衡化时所用的灰度级变换曲线图。
五、思考题：
（选做，有加分）
实现对灰度图像的直方图规定化处理。
六、实验报告：
请按照要求完成下面
报告内容并提交源程序、
可执行程序文件和实验结果图
像。
- 1 -
/
16
1
、
请详细描述本实验的原理：
1.
直方图均衡化概述
图像对比度增强的方法可以分成两类
:
一类
是直接对比度增强方法
;
另一类是间接对比度
< br>增强方法。
直方图拉伸和
直方图均衡化
< br>是两种最常见的间接对比度增强方法。
直方图拉伸是
通过
对比度拉伸对直方图进行调整，
从而
“
扩大
”
前景和背景灰度的差别，
以达到
增强对比度
的目的，这种方法可以利用线性或非线性的方法来实现
;
直方图均衡化则通过使用累积函数
对灰度值进行
“
调整
”
以实现对比度的
增强。
直方图均衡化的英文名称是
Histogram
Equalization.
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。
< br>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。
2
基本思想
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。
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强图像整体对比度的效果。设原始图像在
(x
，
y)
处的灰
度
为
f
，而改变后的图像为
g
，则对图像增强的方法可表述为将在
(x
，
y)
处的灰度
f<
/p>
映射为
g
。
在灰
度直方图均衡化处理中对图像的映射函数可定义为
:g = EQ (f)
，这个映射函数
EQ(f)
必
须满足两个条件
(
其中
L
为图像的灰度级数
):
(1)EQ(f)
在
0≤f≤L
-1
范围内是一个单值单增函数。这是为了
保证增强处理没有打乱原始
图像的灰度排列次序，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。
(2)
对于
0≤f≤L
-1
有
0≤g≤L
-1
，
这个条件保证了变换前后灰度值动态范围的一致性。
累积分布函数
(cumulative
distribution function
，
CDF)
即可以满足上述两个条件，并且
通过该函数可以完成将原图像
f
的分布转换成
g
的
均匀分布。
此时的直方图均衡化映射函数
为
:
gk = EQ(fk)
= (ni/n) = pf(fi)
，
(k=
0
，
1
，
2<
/p>
，
……
，
L-1
)
- 2 -
/
16
上述求和区间为
0
到
k
，
根据该方程可以由源
图像的各像素灰度值直接得到直方图均衡
化后各像素的灰度值。
在实际处理变换时，
一般先对原始图像的灰度情况进行统计分析，
并
计算出原始直方图分布，然后根据计算出的累计直方图分布求出
fk
到
gk
的灰度映射关系。
在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后，
按照这个映射关系
对源图像各点像素进行灰度转换，即可完成对源图的直方图均衡化
。
3.
图像直方图变换的基本原理：
<
/p>
设变量
r
代表图像中像素的灰度级，直方
图变换就是假定一个变换式：
（
1-1
）
也就是，通过上述变换，每个原始图像的像素灰度级
r
都会产生一个
s
值。变换函数
< br>T(r)
应
满足以下条件：
（
1
）
T(r)
在区间
中为单值且单调递增；
（
2
）
当
时，
，即
T(r)
的取值范围与
r
相同。
2.
直方图均衡化：
对于离散值，我们处
理其概率与求和，而不是概率密度函数与积分。一幅图像中灰度级
r
k
出现的概率近似为
（
1-2
）
其中，
n
是图像中像素的总和，
是灰度级
的像素
个数，
L
为图像中可能的灰度级总数。
（
1-3
）
- 3 -
/
16
上式中变换函数的离散形式为：
该变换（映射）称为直方图均衡化或直方图线性化。
优缺点
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，<
/p>
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。
这种方法的一
个主要优势是它是一个相当直观的技术并且是可逆
操作，
如果已知均衡化函数，
那么就可以
恢复原始的直方图，并且计算量也不大。
这种方法的一个缺点是它对处理的数据不加选择，
它可能会增加背景杂讯的对比度并且
降低有用信号的对比度；
变换后图像的灰度级减少，某些细节消失；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。
- 4
-
/
16
2
、请给出本实验的核心源码（
Matlab
或
C
语言）
：
I=imread('C:');
%
读
imshow(I);
figure,imhist(I);
[J,T]=histeq(I,64);
%
图像灰度扩展到
< br>0~255
，但是只有
64
个灰
度级
figure,imshow(J);
figure,imhist(J);
figure,plot((0:255)/255,T);
%
转移函数变换曲线
J=histeq(I,32);
figure,imshow(J);
%
图像灰度扩展到
0~255
，但
只有
32
个灰度级
figure,imhist(J);
- 5 -
/
16
3
、实验结果分析（要求附上结
果图像）
：
- 6 -
/
16
900
800
700
600
500
400
300
200
100
0
0
50
100
150
200
250
原图像
原图像直方图
-
-
-
-
-
-
-
-
-
上一篇：RLS自适应均衡算法及其应用
下一篇：ENVI基础知识详细介绍