直方图规定化计算过程
书接上回,上一篇讲了直方图均衡化的原理,我们继续讲一下直方图规定化的原理,在看这一篇之前请先看那一篇文章。
直方图均衡化计算过程:
https://blog.csdn.net/macunshi/article/details/79815870
要想对图像进行直方图规定化处理,我们需要有逆向的思维,因为在计算的过程中总是操作像素进行灰度映射转换,问题就在于这个灰度映射关系怎么得到。我们用R代表原图,S代表均衡处理后的图,Z代表规定化处理后的图,那么我们作如下考虑:
R——>S~V<——>Z
对Z进行均衡化得到V,把V和S看成具有近似的属性,那么对应关系不就找到了吗?那么有同学就问了,R像素灰度我们已知,Z我们不知道啊,这怎么计算?我们对理论上所有的灰度进行均衡化计算不就完了吗。
上一篇文章我们完成了R—>S的变换,之后的步骤如下图所示:
其实就是对期望的直方图分布的像素灰度值进行均衡化处理,找到反向映射关系。注意反向对应时应该找最小的期望灰度值。
然后在使用反向映射关系对原图的均衡化图像进行处理,这样就可以得到规定化直方图分布的图像。当然在计算过程中你会发现有可能原图均衡化后的图像中像素值不能在反向映射关系中找到,即V中不存在S的值,此时可以保持等值映射,也可以寻找最近的V值进行映射。
直方图规定化计算过程相关推荐
- 根据MATLAB的histeq函数改写的运行在OpenCV下的直方图规定化C源码
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 2016-6-8日用C++也实现了直方图规定化, ...
- 直方图匹配(直方图规定化)
直方图处理可以增加图像的动态范围,但是直方图处理针对的是图像整体偏暗偏亮(注意是整体),若一幅图像即存在偏暗又存在偏亮的区域,此时想要增加图像的动态范围,不宜采用直方图处理.(例如想要增加偏暗区域的动 ...
- Python实现图像直方图规定化(直方图匹配)-附完整代码
以下内容需要直方图均衡化.规定化知识 均衡化:https://blog.csdn.net/macunshi/article/details/79815870 规定化:https://blog.csdn ...
- 【学习图像处理】之实验二——灰度图像直方图规定化
灰度图像直方图规定化 图像增强 一.实验内容 二.灰度直方图 1.什么是灰度直方图? 2.直方图均衡化 3.直方图规定化 三.代码实现与分析 0.辅助功能实现 1.绘制原图像直方图SH 2.绘制均衡直 ...
- python直方图规定化_python用直方图规定化实现图像风格转换
以下内容需要直方图均衡化.规定化知识 直方图均衡化应用: 图像直方图均衡化能拉伸灰度图,让像素值均匀分布在0,255之间,使图像看起来不会太亮或太暗,常用于图像增强: 直方图规定化应用: 举个例子,当 ...
- 图像增强之直方图均衡化(不用histeq)与直方图规定化
前些天数字图像处理课上老师留了一个作业,要求自选一副图像对其做直方图均衡化处理,然后对图像进行灰度变换,使变换后的图像大致具有下图所示归一化直方图的趋势,并绘制直方图. histeq 是MATLAB里 ...
- 一种基于灰度映射以及直方图规定化的遥感图像对比度增强技术研究
目录 一.绪论 二.基于灰度映射的对比度增强技术 2.1 线性映射 2.2 动态范围压缩 2.3 Gamma校正 2.4 对比度增强实例分析 三.基于直方图的对比度增强技术 3.1 直方图均衡化 3. ...
- java 灰度直方图_【数字图像处理】灰度直方图、直方图均衡化、直方图规定化...
灰度直方图 一幅图像由不同灰度值的像素组成,图像中灰度的分布情况是该图像的一个重要特征.图像的灰度直方图就描述了图像中灰度分布情况,能够很直观的展示出图像中各个灰度级所占的多少. 图像的灰度直方图是灰 ...
- matlab中调用histeq函数命令,根据MATLAB的histeq函数改写的运行在OpenCV下的直方图规定化源码!...
据说,图像的直方图规定化比直方图均衡化用得更多,但是很奇怪的是OpenCV居然没有图像直方图规定化的源码!所以,我就有必要在OpenCV下写一个图像直方图规定化处理的函数,以方便将来使用. 我在网上找 ...
- opencv:灰色和彩色图像的像素直方图及直方图均值化的实现与展示
直方图及直方图均值化的理论,实现及展示 直方图: 首先,我们来看看什么是直方图: 理论概念: 在图像处理中,经常用到直方图,如颜色直方图.灰度直方图等. 图像的灰度直方图就描述了图像中灰度分布情况,能 ...
最新文章
- 如何在windows系统上安装ubuntu双系统
- 2020-11-1(xml)
- UCLA博士带入门:室内场景下智能机器人的环境感知及定位
- Hibernate延迟加载策略
- react JSZip-压缩文件下载本地
- app软件测试经验分享
- Java从服务端下载Excel模板文件
- 越努力越幸福—2015年度总结
- 如何使用java连接网易企业邮箱
- Nacos服务端ip地址修改
- ROS2 基础概念 节点
- 大数据征信成撬动消费金融的支点?
- 【带你看看开源圈的新趋势】GITHUB OCTOVERSE 2022 详细解读
- TMT: A Transformer-based Modal Translator for Improving Multimodal Sequence Representations in Audio
- THREAD APC 《寒江独钓》内核学习笔记(4)
- python实现寻找最长回文子串
- ENFI下载器v1.3.1版本更新啦
- ant design 设置网页的title
- 一次性弄清 高通骁龙芯片最新产品线简介
- 执行git命令时,显示failed to push some refs to的解决方法
热门文章
- 反编译PyInstaller打包后的exe为py源码
- Cgroup 资源配置方法----------Control Groups------Docker通过 Cgroup 来控制容器使用的资源配额
- 100 个 Python 小例子(练习题)
- 一个简单的HTML网页 、个人主页网页设计(HTML+CSS)
- AFNetworking请求服务器错误
- JAVA常见异常解析
- java 设计数据字典_应用开发中数据字典项设计实现方案
- Python自动化办公之Word,超全总结【建议收藏】
- 对话系统数据集--CrossWOZ
- cs6给画笔分组_画笔工具,PS cs6笔刷入门介绍