直方图均衡化（matlab实现）

最新推荐文章于 2024-03-12 09:18:54 发布

原创最新推荐文章于 2024-03-12 09:18:54 发布 · 1w 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #tiff #output #image #file

图形图像同时被 2 个专栏收录

12 篇文章

订阅专栏

matlab

1 篇文章

订阅专栏

本文介绍了如何使用MATLAB进行图像直方图均衡化处理，包括计算灰度值频率、累计分布率和转换为新灰度值的过程，最终达到改善图像对比度的效果。

对图像（灰度图）进行直方图均衡化主要有一下几个步骤：

1、计算各个灰度值（0-255）出现的次数

2、计算各个灰度值的累积分布率

2、根据累积分布率计算出原来各灰度值的均衡化之后的新的值

%This file is to implement histogram equlization
originalImage = imread('tire.tif');%这个TIFF图像是四维的（M*N*4），需要转换成灰度图

%先取出TIFF图像的前三维数据（丢弃第四维）并将其合成RGB图像
R = originalImage(:,:,1);
G = originalImage(:,:,2);
B = originalImage(:,:,3);

rgbImage = cat(3,R,G,B);
grayImage = rgb2gray(rgbImage);
%显示图像
figure,imshow(grayImage);
title('Original Image');
%计算图像的像素个数
numOfPixels = size(grayImage,1) * size(grayImage,2);

frequency = zeros(256,1);%用于统计各个灰度出现的次数
probability = zeros(256,1);%计算出现的可能性

for i=1:size(grayImage,1)
    for j=1:size(grayImage,2)
       value = grayImage(i,j);
       frequency(value+1) = frequency(value+1) + 1;
       probability(value+1) = frequency(value+1) / numOfPixels;
    end
end

cum = zeros(256,1);%记录各个像素值的累积分布
probc = zeros(256,1);%记录各个像素值的累积分布的可能性
output = zeros(256,1);%与那图像中各个灰度值的均衡化之后的值
sum = 0;
numOfBins = 255;

for i=1:size(probability)
    sum = sum + frequency(i);
    cum(i) = sum;
    probc(i) = cum(i) / numOfPixels;
    output(i) = round(probc(i) * numOfBins);
end

HEImage = uint8(zeros(size(grayImage,1),size(grayImage,2)));%均衡化后的图像
for i=1:size(grayImage,1)
    for j=1:size(grayImage,2)
        HEImage(i,j) = output(grayImage(i,j)+1);
    end
end

figure,imshow(HEImage);
title('Histogram Equalization');

结果：