《灰度直方圖變換》ppt課件(文件)
【正文】 0≤T(r)≤1 ，確保映射后的像素灰度在允許的范圍內(nèi)。上式兩端對 r求導： ???rr dprTs0)()( ??)()()(0rpdpdrddr rdTdrds rrr ????????? ? ??從基本微積分學（萊布尼茨準則），我們知道關于上限的定積分的導數(shù)就是該上限的積分值。 解： ? ? ? ? ? ?? ? ? ? ? ? ? ? 1221221222200???????????????? ??rrdrdsrpdsdrrpsprrddprTsrrsrrr??????? ?????其它,010,22)( rrrpr%繪出灰度均勻化的變換函數(shù)以及變換前、后的概率密度函數(shù)的源程序（ ）： r=0::1。 subplot(131) plot(r,pr) xlabel(39。) subplot(132) plot(r,T) xlabel(39。) axis([ 0 ]) subplot(133) plot(T,ps,39。) xlabel(39。) axis([ 0 ]) 0 0 . 5 100 . 20 . 40 . 60 . 811 . 21 . 41 . 61 . 82rpr(r)0 0 . 5 100 . 20 . 40 . 60 . 811 . 2rT(r)0 0 . 5 100 . 20 . 40 . 60 . 811 . 2sps(s)???????kjjkjjrkk nnrprTs00)()( 上式表明 ， 均衡后各像素的灰度值 sk可直接由原圖像的直方圖算出 。 nk=[790 1023 850 656 329 245 122 81]。rk39。均勻化前的直方圖 39。) ylabel(39。) ns=zeros(1,8)。 ns(i+1)=sum(m0(:))。s_k39。均勻化后的直方圖 39。e:\chenpc\data\thry\chpt3\(a)39。原圖 39。直方圖 39。 subplot(232),imshow(g) title(39。) ylim(39。 x=linspace(0,1,256)。ytick39。fontsize39。fontsize39。fontsize39。 原圖像的直方圖 規(guī)定化直方圖 對于直方圖規(guī)定化，下面仍從灰度連續(xù)變化的概率密度函數(shù)出發(fā)進行推導，然后推廣出灰度離散的圖像直方圖規(guī)定化算法。圖像經(jīng)直方圖規(guī)定化，其增強效果要有利于人的視覺判讀或便于機器識別。 ???kii yxgKyxg1),(1),(K 越多 噪聲項就越趨于零 選自 . NGC 3314星團圖像 16 8 污染了的圖像 64 128 Exercise: P144 。 給定的直方圖的灰度分布列于表中 。 ? ? ? ?? ? ? ?? ? ? ?? ?rTGsGzdwwpzGsdwwprTszzrr1100??????????????????其中， r：輸入圖像的灰度級 z：輸出圖像的灰度級 pr(r) ：輸入圖像的概率密度函數(shù) pz(z) ：輸出圖像的概率密度函數(shù) 這就是所求得的變換表達式 根據(jù)上述思想，可總結出直方圖規(guī)定化增強處理的步驟如下： 1對原始圖像作直方圖均衡化處理； 2按照希望得到的圖像的灰度概率密度函數(shù) pz(z)（已給定），求得變換函數(shù) G(z)； 3用步驟 1得到的灰度級 s作逆變換 z= G1(s)。 直方圖規(guī)定化方法 就是針對上述思想提出來的。變換函數(shù) 39。輸出灰度級 39。輸入灰度級 39。xtick39。) hnorm=imhist(f)./length(f(:))。) subplot(235),imhist(g) title(39。auto39。 subplot(234),imhist(f)。 subplot(231),imshow(f)。 結論： 經(jīng)過直方圖均勻化，含有像素多的幾個灰度級間隔被拉大了，壓縮的只是像素少的灰度級，實際視覺能夠接收的信息量大大地增加了。P_s(s_k)39。 Ps=ns/sums。Tr(2*i+1)/14)。) title(3
教學課件相關推薦
鄂ICP備17016276號-1