直方图+直方图均衡化增强

DSP实验课——第五周主要内容：图像增强处理算法实验图像边缘检测处理实验本周实验课主要内容一、数字图像直方图统计1.什么是图像和像素点2.什么是直方图二、数字图像直方图均衡化增强1.什么是直方图均衡化2.图像增强的原理三、数字图像边缘检测（Sobel算子）1.什么是图像边缘检测2.Sobel算子的原理及实现方法实验一数字图像直方图统计图像和像素点一幅图像由若干个像素点组成。每个像素点的明暗程度/亮度信息都可以用灰度级（0~255）来表示。不同的明暗程度的若干个像素点就组成了一幅完整的图像。如一张320*240的灰度图像，表示该图像有320行，每行有240个像素点。（a）原始图像（b）图a局部放大（c）图b局部放大c语言中，用一个数组来保存一张图像。如unsignedintdbimage[80*80]表示“一张6400（即80*80）个像素点的灰度图像”。而数组元素dbimage[1]表示“第二个像素点的灰度级”。在.bmp文件中，开始1078个字节是用来设置“bmp格式”，1078个字节之后的数据才是图像像素点的“灰度级”信息，并且先存图片的最后一行，最后存图片的第一行。直方图是图像的一种统计表达，由一系列高度不等的纵向条纹表示数据分布的情况。灰度直方图是灰度级的函数，它表示图象中具有每种灰度级的像素的个数，反映图象中每种灰度出现的频率。它描述了图像中各种灰度（对于像素深度为8位的图像共有0-255共256种取值）在整个图像中占有的比例。如下图所示，灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率（该灰度级的像素个数除以整幅图片的像素个数）。灰度直方图是图象的最基本的统计特征。直方图直方图在c语言中，也用一个数组来存储直方图。如：floatfhistogram[256]；数组中的元素fhistogram[1]表示灰度级为1的像素点的频数，即：其中表示该图片中有个像素点的灰度级为k，n表示“该图片中像素点的总个数”。尽管灰度直方图不能表示出某灰度值在什么位置，更不能直接显示图像内容，但是具有统计特性的直方图却能描述该图像的灰度分布特性，使人们从中得到诸如总体明亮程度、对比度等与图像质量有关的灰度分布概况，成为一些处理方法的重要依据。[1]knfhistogramnknkn数字图像直方图统计选择菜单View-Graph-Image，做如下设置：选择菜单View-Graph-Time/Frequency，做如下设置数字图像直方图统计开始用不同参数调用构造图像的函数产生图像调用直方图统计子程序统计直方图循环重复五次直方图统计子程序初始化直方图统计数组(赋0值)统计图像中各种灰度值(取值0-255)的像素个数计算各种灰度值的像素个数占全部图像像素的百分比直方图统计结束实验二数字图像均衡化增强直方图均衡化图像增强的原理图像增强处理技术是数字图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。利用直方图统计的结果，通过使图像的直方图均衡的方法称为直方图均衡化，直方图均衡化可以达到增强图像显示效果的作用。其基本思想是把原始图像的直方图变换成均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。通过直方图统计，可以观察出，图像中各种亮度所占的比例大都分布不均匀，设法增加在直方图统计中所占比例高的像素和其他占的比例少的像素之间的亮度差，可以提高图像的显示效果。简单来说，直方图增强的方法就是压缩直方图中比例少的像素所占用的灰度范围，多出来的灰度空间按照统计比例分配给直方图中比例高的像素使用。这种方法主要是针对人眼对灰度差别越大的图像更容易分辨的特点而做的增强。具体方法是：直方图均衡化的原理灰度直方图的计算十分简单，依据定义在离散形式下有下面的公式成立：（1）公式中：为图像中出现灰度为k的像素数，n是图像像素总数，而即为频数。（2）计算累积直方图各项：（3）取整扩展：（4）映射对应关系：knnnk1,1,0,00Lkipnntkikiik]5.0)1int[(kktLt()0,1,2...11255knpkkLLn其中ktk直方图均衡化原理例如：如果原始图像中某个像素点的灰度级为2，经过直方图均衡化之后该像素点的灰度级就变成166。数字图像直方图均衡化增强选择菜单View-Graph-Image，做如下设置:选择菜单View-Graph-Image，做如下设置:选择菜单View-Graph-Image，做如下设置:数字图像直方图均衡化增强实验三数字图像边缘检测边缘检测边缘能勾划出目标物体，使观察者一目了然，边缘蕴含丰富的内在信息(方向、阶跃性质和形状等)。从本质上说，图像边缘是图像局部特征不连续性(灰度突变、颜色突变和纹理结构突变等)的反映，它标志着一个区域的终结和另一个区域的开始。边缘提取首先检测出图像局部特征的不连续性，然后再将这些不连续的边缘像素连成完备的边界。边缘的特征是沿边缘走向的像素变化平缓，而垂直于边缘方向的像素变化剧烈，所以，从这个意义上说，提取边缘的算法就是检测出符合边缘特性的边缘像素的算子。目前提取边缘常采用边缘算子法、曲面拟合法和模板匹配法等方法。两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的结果，这种不连续性通常可以利用求导数的方法方便地检测到，一般常用一阶导数和二阶导数来检测边缘。边缘检测的基本思想是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置门限的方法提取边缘点集。常用的边缘检测算子有Robert算子、Sobel算子、LOG算子和Canny算子。梯度算子梯度算子是一阶导数算子。对于图像函数f(x,y)，它的梯度定义为一个向量：向量幅度值为向量方向角为由于数字图像是离散的，计算偏导数Gx和Gy时，常用差分来代替微分，为计算方便，常用小区域模板和图像卷积来近似计算梯度值，采用不同的模板计算Gx和Gy可产生不同的边缘检测算子，常用的边缘检测算子有Robert算子、Sobel算子。(,)fGxxfxyfGyy221/2()[]xymagfGG(,)arctan()GyxyGxSobel边缘检测算子Sobel边缘检测算子用下图所示模板来近似计算图像函数f(x,y)对x和y的偏导数：计算出Gx和Gy的值后，用下式计算(x,y)点处的梯度值计算出给点处的梯度值后，设定一个合适的阈值T，如果(x,y)处的g≥T则认为该点是边缘点。789123369147(2)(2)(2)(2)GxzzzzzzGyzzzzzz221/2[]xygGGZ1Z2Z3Z4Z5Z6Z7Z8Z9选择菜单View-Graph-Image，做如下设置:选择菜单View-Graph-Image，做如下设置:程序流程图：