数字图像处理之直方图均衡化(Octave)

直方图均衡化是通过拉伸图像灰度级分布,使其更加均匀,从而提高图像对比度。在概率论基础上,通过变换函数将原始图像的概率密度函数转换为均匀分布。本文介绍了直方图均衡化的概念,并提供了Octave实现代码及未均衡化到均衡化后的图像效果对比。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

直方图的均衡化是什么呢?

举个简单的例子:在一个圆中有很多石头,都集中在圆心附近,对其均衡化就是让这些石头尽可能的均匀分布在圆这个区域内。
并且还有一个原则:如果石头A在原来状态下距离圆心的距离在所有石头是第4位,那么均衡化后仍然是第4位,相对顺序不能变。(大概就是一个拉的更宽了)。

那么要做一个怎么样的映射才能达到这种效果呢?

接下来要补充点概率论的知识了。

首先,一幅图像的灰度值可以看成[0,L-1]之间的随机变量。
然后,既然是随机变量,我们就可以计算每个变量的概率。
最后,有了每个变量的概率,我们就能计算出其概率密度函数(PDF probability denisty function)。

Ps(s)Pr(r)分标识随机变量r和s的概率密度函数,其中P的下标用于标识 Ps(s) Pr(r)是不同的函数。由基本概率论得到的一个基本结果是,如果Pr(r)T(r)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值