python直方图规定化_数字图像处理-空间域处理-直方图规定化
参考自:
数字图像处理第三版,冈萨雷斯
图像处理基础(8):图像的灰度直方图、直方图均衡化、直方图规定化(匹配) - Brook_icv - 博客园 https://www.cnblogs.com/wangguchangqing/p/7098213.html
直方图规定化,又叫直方图匹配。理想情况下,直方图均衡化实现了图像灰度的均衡分布,提高了图像对比度、提升了图像亮度。在实际应用中,有时并不需要图像的直方图具有整体的均匀分布,而希望直方图与规定要求的直方图一致,这就是直方图规定化。
通过一个灰度映像函数,将原灰度直方图改造成所希望的直方图,把图像变换为某一特定的灰度分布,也就是其目的的灰度直方图是已知的。这其实和均衡化很类似,均衡化后的灰度直方图也是已知的,是一个均匀分布的直方图;而规定化后的直方图可以随意的指定,也就是在执行规定化操作时,首先要知道变换后的直方图,这样才能确定变换函数。规定化操作能够有目的的增强某个灰度区间,相比于,均衡化操作,规定化多了一个输入,但是其变换后的结果也更灵活。
在理解了上述的均衡化过程后,直方图的规定化也较为简单。可以利用均衡化后的直方图作为一个中间过程,然后求取规定化的变换函数。具体步骤如下:
将原始图像的灰度直方图进行均衡化,得到一个变换函数s=T(r),其中s是均衡化后的像素,r是原始像素
对规定的直方图进行均衡化,得到一个变换函数v=G(z)v=G(z),其中v是均衡化后的像素,z是规定化的像素
上面都是对同一图像(变换前的待规定化图像和变换后的规定化结果图像)的均衡化,其结果应该是相等的,s=v,且z=G−1(v)=G−1(T(r)),这个公式就是r和z的关系
通过,均衡化作为中间结果,将得到原始像素 r 和 z 规定化后像素之间的映射关系。
详解规定化过程
对图像进行直方图规定化操作,原始图像的直方图和以及规定化后的直方图是已知的。
假设Pr(r)表示原始图像的灰度概率密度,Pz(z)表示规定化图像的灰度概率密度(r和z分别是原始图像的灰度级,规定化后图像的灰度级)。
对原始图像进行均衡化操作,则有
对规定化的直方图进行均衡化操作,则
由于是对同一图像的均衡化操作,所以有
规定化操作的目的就是找到原始图像的像素sk到规定化后图像像素的zm之间的一个映射。
有了上一步的等式后,可以得到sk=G(zm),因此要想找到sk对应的zm只需要在z进行迭代,找到使式子G(zm)−sk的绝对值最小即可。
上述描述只是理论的推导过程,在实际的计算过程中,不需要做两次的均衡化操作,具体的推导过程如下:
上面公式表示,假如sk规定化后的对应灰度是zm的话,需要满足的条件是sk的累积概率和zm的累积概率是最接近的
下面是一个具体计算的例子:
首先得到原直方图的各个灰度级的累积概率Vs以及规定化后直方图的各个灰度级的累积概率Vz,那么确定sk到zm之间映射关系的条件就是:
∣Vs−Vz∣的值最小。
以k=2为例,其原始直方图的累积概率是:0.65,在规定化后的直方图的累积概率中和0.65最接近(相等)的是灰度值为5的累积概率密度,则可以得到原始图像中的灰度级2,在规定化后的图像中的灰度级是5。
直方图规定化的实现
直方图规定化的实现可以分为一下三步:
计算原图像的累积直方图
计算规定直方图的累积直方图
计算两累积直方图的差值的绝对值
根据累积直方图差值建立灰度级的映射
具体代码
"""直方图规定化,又叫直方图匹配"""
importnumpy as npimportmatplotlib.pyplot as pltimportcv2#定义函数,计算直方图累积概率
defhistCalculate(src):
row, col=np.shape(src)
hist= np.zeros(256, dtype=np.float32) #直方图
cumhist = np.zeros(256, dtype=np.float32) #累积直方图
cumProbhist = np.zeros(256, dtype=np.float32) #累积概率probability直方图,即Y轴归一化
for i inrange(row):for j inrange(col):
hist[src[i][j]]+= 1cumhist[0]=hist[0]for i in range(1, 256):
cumhist[i]= cumhist[i-1] +hist[i]
cumProbhist= cumhist/(row*col)returncumProbhist#定义函数,直方图规定化
def histSpecification(specImg, refeImg): #specification image and reference image
spechist = histCalculate(specImg) #计算待匹配直方图
refehist = histCalculate(refeImg) #计算参考直方图
corspdValue = np.zeros(256, dtype=np.uint8) #correspond value
#直方图规定化
for i in range(256):
diff= np.abs(spechist[i] -refehist[i])
matchValue=ifor j in range(256):if np.abs(spechist[i] - refehist[j])
diff= np.abs(spechist[i] -refehist[j])
matchValue=j
corspdValue[i]=matchValue
outputImg=cv2.LUT(specImg, corspdValue)returnoutputImg
img= cv2.imread('F:\program_study\Python\data\city.tif', cv2.IMREAD_GRAYSCALE)#读入参考图像
img1 = cv2.imread('F:\program_study\Python\data\Lena.tif', cv2.IMREAD_GRAYSCALE)
cv2.imshow('input', img)
cv2.imshow('refeImg', img1)
imgOutput=histSpecification(img, img1)
cv2.imshow('output', imgOutput)
cv2.waitKey(0)
cv2.destroyAllWindows()
fig= plt.figure('整个过程直方图显示', (8, 8))
plt.subplot(311)
plt.plot(histCalculate(img),'r', lw=1, label='待匹配累积概率直方图')
plt.legend(loc='best')
plt.subplot(312)
plt.plot(histCalculate(img1),'b', lw=1, label='参考累积概率直方图')
plt.legend(loc='best')
plt.subplot(313)
plt.plot(histCalculate(imgOutput),'g', lw=1, label='规则化后的概率直方图')
plt.legend(loc='best')
plt.show()
局部的直方图处理
除了全局的直方图处理外,还有局部直方图处理。它可以增前图像中小区域的细节。过程是定义一个领域模板,并将模板中心从一个像素移至另一个像素。在每个位置,计算领域中的点的直方图,均衡化或规定化,并将局部的中心元素的作为图像的当前值。
python直方图规定化_数字图像处理-空间域处理-直方图规定化相关推荐
- 数字图像处理-空间域处理-灰度变换-基本灰度变换函数(反转变换、对数变换、伽马变换和分段线性变换)
数字图像处理-空间域处理-灰度变换-基本灰度变换函数(反转变换.对数变换.伽马变换和分段线性变换) 空间域处理是直接对像素进行操作的方法,这是相对于频率域处理而言的.空间域处理主要分为两大类:灰度变换 ...
- 数字图像处理-空间域图像增强(一)(图像反转,对数变换,幂次变换、分段线性变换)
空间域增强的第一部分:图像反转,对数变换,幂次变换.分段线性变换 (s:现点值,r: 原点值) 图像反转: 这个无需多说,就是把黑变白,白变黑,拿八位灰度图像来说 表达式:s=255-r 作用:看清暗 ...
- 数字图像处理 空间域高斯低通滤波 MATLAB实验
一.原理_空间域高斯低通滤波 高斯低通滤波是一种使用的去噪滤波,可用于去除高斯噪声,且几乎没有振铃现象. 二.步骤 (1)读入原图像lena.bmp并显示: (2)对原图像分别添加高斯噪声,并显示加噪 ...
- 数字图像处理 空间域锐化 MATLAB实验
一.原理_空间域锐化 设图像为 f(x,y) , Roberts算子的定义式为: 其对应的模板为: Prewitt算子的定义式为: 其中, 其对应的模板为: Sobel算子的定义式为: 其中, 其对应 ...
- 数字图像处理 空间域平滑 MATLAB实验
一.原理_均值滤波 设加噪图像为 f(x,y) ,经均值滤波处理后的图像为g(x,y) ,则: 式中, S是(x,y)像素点的邻域,K是S内的像素数. 最典型的S为3X3邻域,可用模板形式表示为: 这 ...
- python 灰度直方图_数字图像处理灰度变换之灰度直方图及python实现
图像灰度直方图 灰度直方图是图像灰度级的函数,用来描述每个灰度级在图像矩阵中的像素个数或者占有率.直方图显示图像数据时会以左暗右亮的分布曲线形式呈现出来.横坐标是灰度级,纵坐标是该灰度级出现的频率.图 ...
- Win8 Metro(C#)数字图像处理--3.3图像直方图计算
原文:Win8 Metro(C#)数字图像处理--3.3图像直方图计算 /// <summary>/// Get the array of histrgram./// </summa ...
- python 图像分析自然纹理方向与粗细代码_数字图像处理与Python实现笔记之基础知识...
数字图像处理与Python实现笔记之基础知识 摘要 绪论 1 数字图像处理基础知识 1.1 数字图像简介 1.1.1 数字图像处理的目的 1.1.2 数字图像处理的应用 1.1.3 数字图像处理的特点 ...
- 数字图像处理与python实现_数字图像处理学习(2)—— 图像直方图均衡与图像匹配(python实现)...
数字图像处理学习(2)-- 直方图均衡与图像匹配 1. 直方图均衡(Histogram Equalization) 1.1 直方图均衡化概念 1.2 直方图均衡实现简单思路 1.3 直方图均衡实现代码 ...
- 数字图像处理与python实现 岳亚伟_数字图像处理与Python实现
01 数字图像处理基础知识 1.1 数字图像简介 1.1.1 数字图像处理的目的 1.1.2 数字图像处理的应用 1.1.3 数字图像处理特点 1.1.4 常见的数字图像处理方法 1.2 图像采样和量 ...
最新文章
- 除了iframe还有什么方法加载第三方网页_IE9常见问题的解决方法
- HDU 1251(trie树)
- C语言实现二进制文件读写
- Faster RCNN 训练中的一些问题及解决办法
- void main()是错误的
- oracle 分区表转换,Oracle 12.2之后ALTER TABLE .. MODIFY转换非分区表为分区表
- 1024. 科学计数法 (20)-PAT乙级真题
- 不小心点了计算机一键还原怎么操作,电脑一键还原在哪里?电脑怎样一键还原系统...
- ado.net EF学习系列----深入理解查询延迟加载技术(转载)
- WebSphere 集群环境下配置 Quartz集群
- 1901005每日一句
- npm 升级所有依赖包
- JSP九大内置对象及其使用教程
- android 拼图游戏2(可从手机选择任意一张图片)
- Failed to create Anaconda Menus
- 医学影像工作站程序ProDicom的说明
- 【QT网络编程】实现UDP协议通信
- UNP-基本TCP编程-2(复用技术)
- Mac Ports的安装和卸载
- go实践二十 web开发--表单唯一token 表单验证 防止xss攻击 上传文件 cookie处理