Matlab图像处理-直方图增强对比度

我必须将灰度图像导入matlab，将它由无符号8位整数组成的像素转换为双精度，绘制直方图，最后使用转换提高图像质量：

v'(x,y) = a(v(x,y)) + b 

out(x,y) = max_type*(in(x,y) - min(in)) / (max(in) - min(in));

其中

v（x，y）

是点

x，y

处像素的值，

v'（x，y）

是像素的新值

我的主要问题是两个常量的值，

a

和

b

，我们必须为转换选择这两个常量。我的理解是，均衡直方图对于良好的图像是可取的。互联网上的其他代码涉及使用内置的MATLAB

histeq

函数或计算概率密度。我在任何地方都没有找到为上面给出的转换选择常量的参考

我想知道是否有人对如何选择这些常数有什么建议或想法。我认为我的代码的其余部分做了它应该做的：

 image = imread('image.png');
 image_of_doubles = double(image);

 for i=1:1024
     for j=1:806
            pixel = image_of_doubles(i,j);
            pixel = 0.95*pixel + 5;
            image_of_doubles(i,j) = pixel;
    end
end

[n_elements,centers] = hist(image_of_doubles(:),20);
bar(centers,n_elements);

xlim([0 255]);

---

编辑：我还玩了一些不同的常量值。改变后的

a

常数似乎是拉伸直方图的常数；但是，这只适用于介于0.8-1.2之间的值（并且拉伸不够-仅在150-290范围内均衡直方图）。如果你使用

a

的值，比如说0.5，直方图被分成两个斑点，其中很多像素的强度大约为4或5；同样，一点也不均衡。

您感兴趣的操作称为线性对比度拉伸。基本上，您希望将每个强度乘以一些增益，然后将强度移动一些数字，以便可以操纵直方图的动态范围。这与

histeq

或使用图像的概率密度函数（直方图均衡化的前身）来增强图像是不同的。直方图均衡化寻求使图像直方图平坦化，以便在图像中遇到的强度或多或少相等。如果您想对该主题进行更权威的解释，请参阅我关于直方图均衡化工作原理的回答：

---

在任何情况下，选择

a

和

b

的值都高度依赖于图像。但是，如果您希望这是自适应的，我可以建议您使用minmax规范化。基本上，您采用直方图并线性映射强度，以便将最低输入强度映射为0，将最高输入强度映射为图像关联数据类型的最高值。例如，如果图像是

uint8

，这意味着最高值映射到255

执行最小/最大规格化非常容易。这只是以下转换：

v'(x,y) = a(v(x,y)) + b 

out(x,y) = max_type*(in(x,y) - min(in)) / (max(in) - min(in));

in

和

out

是输入和输出图像

min（in）

和

max（in）

是输入图像的总体最小值和最大值

max_type

是与输入图像类型关联的最大值

对于输入图像的每个位置

（x，y）

，替换一个输入图像强度，并运行上述等式以获得输出。您可以说服自己，将

min（in）

和

max（in）

替换为

in（x，y）

将分别得到0和

max\u类型

，其他所有内容都是线性缩放的

现在，通过一些代数运算，你可以得到你在问题陈述中提到的形式

out（x，y）=a*in（x，y）+b

。具体地说：

out(x,y) = max_type*(in(x,y) - min(in)) / (max(in) - min(in));
out(x,y) = (max_type*in(x,y)/(max(in) - min(in)) - (max_type*min(in)) / (max(in) - min(in)) // Distributing max_type in the summation
out(x,y) = (max_type/(max(in) - min(in)))*in(x,y) - (max_type*min(in))/(max(in) - min(in)) // Re-arranging first term

out(x,y) = a*in(x,y) + b

a

只是

（max_type/（max（in）-min（in））

和

b

是

（max_type*min（in））/（max（in）-min（in））

你可以制作这些代码> < <代码> >代码> b>代码>并运行你的代码。BTW，如果我可以建议一些东西，请考虑矢量化你的代码。你可以很容易地使用这个等式，同时对整个图像数据进行操作，而不是对图像中的每个值进行循环。

简单地说，您的代码现在如下所示：

image = imread('image.png');
image_of_doubles = 0.95*double(image) + 5; %// New

[n_elements,centers] = hist(image_of_doubles(:),20);
bar(centers,n_elements);

……不是更简单吗

现在，修改您的代码，使新常数

a

和

b

按照我们讨论的方式计算：

image = imread('image.png');

%// New - get maximum value for image type
max_type = double(intmax(class(image)));

%// Calculate a and b
min_val = double(min(image(:)));
max_val = double(max(image(:)));
a = max_type / (max_val - min_val);
b = -(max_type*min_val) / (max_val - min_val);

%// Compute transformation
image_of_doubles = a*double(image) + b;

%// Plot the histogram - before and after
figure;
subplot(2,1,1);
[n_elements1,centers1] = hist(double(image(:)),20);
bar(centers1,n_elements1);
%// Change
xlim([0 max_type]);

subplot(2,1,2);
[n_elements2,centers2] = hist(image_of_doubles(:),20);
bar(centers2,n_elements2);
%// Change
xlim([0 max_type]);

%// New - show both images
figure; subplot(1,2,1);
imshow(image);
subplot(1,2,2);
imshow(image_of_doubles,[]);

非常重要的是将最大整数转换为

double

，因为返回的不仅是整数，而且是整数转换为该数据类型。我还随意更改了代码，以便我们可以显示转换前后的直方图，以及im年龄在你改变它之前和之后都是一样的

---

作为查看此工作的示例，让我们使用图像处理工具箱中的

pout.tif

图像

image = imread('image.png');
image_of_doubles = 0.95*double(image) + 5; %// New

[n_elements,centers] = hist(image_of_doubles(:),20);
bar(centers,n_elements);

您可以肯定地看到，这需要一些图像对比度增强操作，因为强度的动态范围非常有限。 这看起来像是被洗劫一空

使用这个作为图像，这是直方图在前后的样子

我们当然可以看到直方图被拉伸。现在这是图像的样子：

你肯定可以看到更多细节，即使它更暗。这告诉你，简单的线性缩放是不够的。你可能想实际使用直方图均衡化，或使用伽马定律或幂律变换

---

---

希望这足以让您开始。祝您好运！

您感兴趣的操作称为线性对比度拉伸。基本上，您希望将每个强度乘以一些增益，然后将强度移动一些数字，以便可以操纵直方图的动态范围。这是不是

---

• [image processing]相关文章推荐

---

• 随机文章推荐

• Omnet++ OMNeT++；5.1致命：opplibs.dll:Can'；找不到依赖库 omnet++
• Omnet++ omnet+中的inetmanet构建错误+； omnet++
• Omnet++ 线性车流中位置的不一致性 omnet++
• Omnet++ OMNET++；：无法将openflow扩展导入静脉 omnet++
• Omnet++ 配置带有静脉和OMNET的冲洗液++；在窗户上 omnet++
• Omnet++ Omnet++；-以太网数据包，未知协议 omnet++
• Omnet++ 模拟：同时模拟D2D和非D2D UE omnet++
• Omnet++ 通过Omnet+获取应用层上消息字节长度的总和+；结果收集 omnet++