80 likes | 229 Views
一种理想直方图均衡化方法. 传统直方图均衡化的存在问题之一 不能实现直方图的理想均衡!. 原因分析 直方图均衡化方法是一对一或者多对一的映射关系,即原图像的某一灰度级或某几个灰度级只能映射为均衡化图像的一个灰度级,因此不能实现理想的均衡。. 改进思路 要想实现直方图的理想均衡化,就必须破除传统直方图均衡化方法所蕴含的一对一或者多对一映射关系的理论前提,实现灰度级多对多的映射关系。. 技术路线 1 、邻域测度 邻域测度(或邻域算子)定义为: k>0 ,是锐化系数。
E N D
传统直方图均衡化的存在问题之一 不能实现直方图的理想均衡!
原因分析 直方图均衡化方法是一对一或者多对一的映射关系,即原图像的某一灰度级或某几个灰度级只能映射为均衡化图像的一个灰度级,因此不能实现理想的均衡。
改进思路 要想实现直方图的理想均衡化,就必须破除传统直方图均衡化方法所蕴含的一对一或者多对一映射关系的理论前提,实现灰度级多对多的映射关系。
技术路线 1、邻域测度 邻域测度(或邻域算子)定义为: k>0,是锐化系数。 下面解释公式的物理含义。当f(x,y)比它的8邻域均值大时,变换后邻域测度将比f(x,y)大;相应的,当f(x,y)比它的8邻域均值小时,变换后邻域测度将比f(x,y)小。因此,邻域测度(或邻域算子)可以看作为一个锐化算子,k(锐化系数)的大小决定了锐化的强度。
2、排序 对邻域测度空间的值进行由小到大的排序。 3、 均匀分段 排序完成后,按照原始图像的灰度级数进行均匀分段。例如,如果原始图像是256灰度级的,则均匀分为256段,每段的像素的数目基本相等,最多相差1。 4、均衡化映射 按分段的先后顺序,每段中的数据分别赋值为0,1,…,L-1(L为灰度级数)。然后,每段中的每个数据根据在排序过程中保存的位置关系,映射回图像中。
问题讨论 1、k值的选定 2、适用范围的扩展