MATLAB如何实现图像增强灰度变换直方图均衡匹配

MATLAB如何实现图像增强灰度变换直方图均衡匹配

在MATLAB数字图像处理领域，如何实现空间域图像增强的灰度变换，以及图像直方图的均衡和匹配(配准)?本文通过大量的图片增强案例，从图像的显示效果和灰度直方图分析入手，通过自编程，详细地讲解了图像的四种灰度变换;使用 MATLAB 自带的 imadjust 函数;以及直方图均衡化和规定化(匹配)处理的图像增强方法。

Matla空间域图像增强：基本的灰度变换

1. 负片变换

2. 对数变换

3. 伽马变换

4. 灰度拉伸

使用imadjust函数增强图像

图像的直方图均衡化处理

图像的直方图规定化(匹配) 处理

为什么要进行图像增强操作

1. 显现图像被模糊了的细节

2. 突出一幅图像中感兴趣的特征

图像增强效果的评价

1. 有时候是非常主观的，不同的人，各有偏爱

2. 图像增强之后，以机器能识别为基本标准

主要参考文献

1. 冈萨雷斯数字图像处理，阮秋琦等译

2. 冈萨雷斯数字图像处理(MATLAB版)，阮秋琦等译

灰度图像的直方图

横轴：灰度图像的灰度级[0, L-1]

纵轴：[0, L-1] 中各灰度值的像素在图像总像素中的数量(所占比例)

MATLAB 函数：imhist

MATLAB 中的很多操作和函数，不支持uint8 的数据类型

为了便于处理，一般将uint8 数据类型的图像，转换为double 型

转换函数：im2double

     

基本的图像灰度变换：伽马变换

伽马变换函数(double 类型图像)

令c = 1，设定不同的γ 值时，计算并绘制伽马变换函数

1. 当γ = 1 时，输出灰度与输入灰度相同

2. 当γ < 1 时，与对数变换的效果类似：太过灰暗的像素得到增强

3. 当γ > 1 时，与γ < 1 时刚好相反：太过明亮的像素得到抑制

                         
                      
                           
                              

基本的图像灰度变换：灰度拉伸

灰度拉伸函数(double 类型图像)

令E = 20，设定不同的m 值，计算并绘制灰度拉伸函数

令m = 0.5，设定不同的E 值，计算并绘制灰度拉伸函数

使用MATLAB imadjust函数增强图像

针对于图像的伽马变换，MATLAB 自带imadjust函数

J = imadjust(I, [low;high], [bottom; top], gamma)

输入灰度low ~ high à输出灰度bottom ~ top

输入灰度小于lowà输出灰度为bottom

输入灰度大于highà输出灰度为top

使用imadjust来增强前述所有的原始图片

　　数字图像的MATLAB直方图均衡化处理

　　图像的直方图描述了一幅图像的概貌，在前述灰度变换的实例中（尤其是灰度拉伸），经过灰度变换之后，图像的灰度值在整个［0， 1］ 灰度级上分布更加均匀，图像的显示效果明显改善

　　读取四幅不同显示效果的图像，绘制直方图，并做比较

 

　　直观上说，如果一副图像的像素占有全部可能的灰度级，并且分布均匀，这样的图像有着高的对比度和丰富多变的色调，通过对图像进行直方图均衡化处理，可以使得图像的像素在整个灰度级上近似均匀分布

　　MATLAB自带histeq函数，T为图像从I到J 的灰度变换函数

　　［J， T］ = histeq（I）

　　J = histeq（I）

　　分别对四副花粉图像做直方图均衡化处理，并绘制直方图和灰度变换函数

 

　　数字图像的MATLAB直方图规定化（匹配）处理

　　直方图的均衡化处理是图像增强的一种好方法，但有时均匀的直方图并不是图像增强的最好方法

　　由于图像主要是大片的暗区域，大量的像素值接近于0，直方图均衡化处理，并没有得到期望的效果

　　有些时候，希望处理的图像具有指定的直方图形状：直方图规定化（匹配）保留原直方图的大体形状，在暗灰度值部分的像素分布，做平滑过渡处理

 

　　图像的直方图规定化处理，也是使用histeq 函数，调用格式如下

　　J = histeq（I，hgram）， hgram 为规定化的直方图形状根据原始直方图的特点，利用sin 函数，构造出两个不同高度的波峰，分别置于像素灰度值较小处和较大处