前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >matlab直方图归一化_matlab归一化函数normalize

matlab直方图归一化_matlab归一化函数normalize

作者头像
全栈程序员站长
发布2022-11-02 16:12:23
9250
发布2022-11-02 16:12:23
举报
文章被收录于专栏:全栈程序员必看

直方图规定化

直方图均衡化的优点是能自动增强整个图像的对比度,但它的具体增强效果不易控制,处理的结果总是得到全局的均衡化的直方图.实际工作中,有时需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,这时可采用比较灵活的直方图规定化方法.直方图规定化增强处理的步骤如下:

令Pr(r)和Pz(z)分别为原始图像和期望图像的灰度概率密度函数。如果对原始图像和期望图像均作直方图均衡化处理,应有:

matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize

由于都是进行均衡化处理,处理后的原图像概率密度函数Ps(S)及理想图像概率密度函数PV(V)是相等的。

于是,我们可以用变换后的原始图像灰度级S代替(2)式中的V。

即:Z = G – 1(S)

这时的灰度级Z 便是所希望的图像的灰度级。

此外,利用(1)与(3)式还可得到组合变换函数

Z = G – 1[T(r)]

对连续图像,重要的是给出逆变换解析式。对离散图像而言,有

matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
代码语言:javascript
复制
clear all;
close all;
clc;

I = imread('2-t.bmp');
L=256;            
NK=zeros(L,1);               %存储原图像直方图数据
Rk_CDF_Normal=zeros(L,1);    %存储直方图规定化后的图像的直方图
Rk_pre=zeros(L,1);           %存储原图像累积直方图数据
[row,col]=size(I);

%%
%获取像素灰度级
for i = 1:row
    for j = 1:col
        num = double(I(i,j))+1;
        NK(num) = NK(num)+1;
    end
end

%计算直方图概率估计
Ps = NK./numel(I);%存储原图像直方图概率数据
%计算累积直方图
for level=1:L
    if level==1
        Rk_pre(level)=Ps(level);
    else
        Rk_pre(level)=Rk_pre(level-1)+Ps(level);
    end
end

%%
%规定化直方图,在这里要得到2-s图像的灰度直方图
H = imread('2-s.jpg');
H = rgb2gray(H);
nk_normal = zeros(L,1);
Rk_normal = zeros(L,1);
[row,col] = size(H);

%获取像素灰度级
for i = 1:row
    for j = 1:col
        num_normal = double(I(i,j))+1;
        nk_normal(num_normal) = nk_normal(num_normal)+1;
    end
end

%计算直方图概率估计
Ps_normal = nk_normal./numel(H);
for level=1:L
    if level==1
        Rk_normal(level)=Ps_normal(level);
    else
        Rk_normal(level)=Rk_normal(level-1)+Ps_normal(level);
    end
end

%计算规定化累积直方图
for level=1:L
    if level==1
        Rk_CDF_Normal(level)=Rk_normal(level);
    else
        Rk_CDF_Normal(level)=Rk_CDF_Normal(level-1)+Rk_normal(level);
    end
end

%%
%计算原图像与目标图像累计直方图数值的差的绝对值
double ScMin=zeros(L,L);
for y=1:L
    for x=1:L
        ScMin(x,y)=abs(Rk_pre(y)'-Rk_CDF_Normal(x)');
    end
end
%建立映射
HisM=zeros(L:1);
for level_x=1:L
    min = 0;
    minV=ScMin(1,level_x);
    for level_y=1:L
        if(minV>ScMin(level_y,level_x))
            minV=ScMin(level_y,level_x);
            min = level_y;
        end
    end
    HisM(level_x)= min;
end

%将原图像的每个像素灰度转换为直方图均衡化后的灰度
[row,col]=size(I);
New=I;
for x = 1:row
    for y = 1:col
        Num = double(I(x,y))+1;
        if Num==L
            New(x,y)=HisM(L);
        end
    end
end
figure;imshow(New),title('规定化后图像');
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize
matlab直方图归一化_matlab归一化函数normalize

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/180271.html原文链接:https://javaforall.cn

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022年10月19日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图数据库 KonisGraph
图数据库 KonisGraph(TencentDB for KonisGraph)是一种云端图数据库服务,基于腾讯在海量图数据上的实践经验,提供一站式海量图数据存储、管理、实时查询、计算、可视化分析能力;KonisGraph 支持属性图模型和 TinkerPop Gremlin 查询语言,能够帮助用户快速完成对图数据的建模、查询和可视化分析。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档