【20200401】数字图像处理DIP课程课业打卡四之直方图均衡化

╰半夏微凉° 2023-07-21 05:52 16阅读 0赞

### 【20200401】数字图像处理DIP课程课业打卡四 ###

*  一、DIP课程课业打卡四
 *  二、知识巩固
 *   *  1、直方图均衡化基本原理
     *  2、直方图均衡化方法实现步骤
     *  3、直方图均衡化方法具体实现

***叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！***  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]

# 一、DIP课程课业打卡四 #

![1.jpg][]

1、已知有一张4行5列的灰度图，灰度值的范围在0-9之间。

按以下步骤进行直方图均衡化算法的计算

步骤1、求直方图（灰度0到灰度9的像素个数依次为） ：\_\_\_ 、\_\_\_ 、\_\_\_ 、 \_\_\_ 、 \_\_\_ 、 \_\_\_ 、 \_\_\_ 、\_\_\_ 、 \_\_\_ 、 \_\_\_ ;

正确答案：
    1；3；1；3；3；1；5；1；1；1；

2、接填空题1

已知有一张4行5列的灰度图，灰度值的范围在0-9之间。

按以下步骤进行直方图均衡化算法的计算

步骤2：计算原图的灰度分布概率 (表示成小数的形式，小数点后保留2位)（灰度0到灰度9的灰度分布概率依次为） ：\_\_\_ 、\_\_\_ 、\_\_\_ 、 \_\_\_ 、 \_\_\_ 、 \_\_\_ 、 \_\_\_ 、\_\_\_ 、 \_\_\_ 、 \_\_\_ ;

正确答案：
    0.05；0.15；0.05；0.15；0.15；0.05；0.25；0.05；0.05；0.05；

3、接填空题1、填空题2

已知有一张4行5列的灰度图，灰度值的范围在0-9之间。  
按以下步骤进行直方图均衡化算法的计算

步骤3：计算原图灰度的累计分布(表示成小数的形式，小数点后保留2位)（灰度0到灰度9的灰度累计分布依次为） ：\_\_\_ 、\_\_\_ 、\_\_\_ 、 \_\_\_ 、 \_\_\_ 、 \_\_\_ 、 \_\_\_ 、\_\_\_ 、 \_\_\_ 、 \_\_\_ ;

正确答案：
    0.05；0.20；0.25；0.40；0.55；0.60；0.85；0.90；0.95；1.00

4、接填空题1、填空题2、填空题3

已知有一张4行5列的灰度图，灰度值的范围在0-9之间。  
按以下步骤进行直方图均衡化算法的计算

步骤4：计算原图与新图灰度值的影射关系（原图中灰度0到灰度9的在新图中的灰度值依次为） ：\_\_\_ 、\_\_\_ 、\_\_\_ 、 \_\_\_ 、 \_\_\_ 、 \_\_\_ 、 \_\_\_ 、\_\_\_ 、 \_\_\_ 、 \_\_\_ 。

正确答案：
    0；2；2；4；5；5；8；8；9；9

课业打卡详解：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 1]

# 二、知识巩固 #

## 1、直方图均衡化基本原理 ##

直方图均衡化方法的基本思想是 ：  
**对在图像中像素个数多的灰度级进行展宽 ， 而对像素个数少的灰度级进行缩减 。 从而达到清晰图像的目的。**  
因为灰度分布可在直方图中描述 ， 所以该图像增强方法是`基于图像的灰度直方图` 。

## 2、直方图均衡化方法实现步骤 ##

1.求直方图h
      2.计算原图的灰度分布概率hs
      3.计算原图灰度的累计分布hp
      4.计算原、新图灰度值的影射关系
      5.原、新图灰度直方图比较

## 3、直方图均衡化方法具体实现 ##

1.求直方图h

设f、g分别为原图像和处理后的图像。  
求出原图f的灰度直方图,设为h。  
显然 ， 在 \[0,255\] 范围内量化时 ，h是一个 256 维的向量。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 2]

2.计算原图的灰度分布概率hs

1 ） 求出图像 f 的总体像素个数：  
`N f = m*n (m,n 分别为图像的长和宽 ）`  
2 ） 计算每个灰度级的分布概率 ， 即每个像素在整个图像中所占的比例 。  
`hs(i)=h(i)/Nf (i=0,1,…,255)`  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 3]

3.计算原图灰度的累计分布hp

设图像各灰度级的累计分布hp 。  
![在这里插入图片描述][2020040217061286.png_pic_center]  
![在这里插入图片描述][20200402170631880.png_pic_center]

4.计算原、新图灰度值的影射关系

新图像g 的灰度值 g(i,j)为：  
![在这里插入图片描述][20200402170712782.png_pic_center]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 4]  
![在这里插入图片描述][20200402170815982.png_pic_center]

5.原、新图灰度直方图比较

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 5]  
从其直方图可知，基本上均匀占据了整个图像灰度值允许的范围，并且直方图的大致轮廓与原直方图相似，这就**表示了处理后图像不仅表现效果得到了改善，并且使原始图像的特征在处理后的图像中得到了保持**。

**Ending！**  
更多课程知识学习记录随后再来吧！

就酱，嘎啦！

![在这里插入图片描述][20200207152559955.png_pic_center]

注：  
人生在勤，不索何获。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]: /images/20230528/e0f08c6cc10d4d6c92ddb8d32e0b9873.png
[1.jpg]: /images/20230528/41da9e2edda34d158daeeb1aa5327aba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230528/dd3dcdc57e0d446dbc7c4670ae095852.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20230528/d838569d0dea43fa9da1a99becb905ec.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20230528/93d26231ffcc4045861e4888ba097e6a.png
[2020040217061286.png_pic_center]: /images/20230528/d074cedfbae640a7a2f32f1187d81525.png
[20200402170631880.png_pic_center]: /images/20230528/fe938d7958f34b45b863966af619b53d.png
[20200402170712782.png_pic_center]: /images/20230528/cd6dac5944804505a55e2f68ececdf00.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20230528/e8858e7722f64e989924f8831e1fc59b.png
[20200402170815982.png_pic_center]: /images/20230528/bec811af81334722b87593d38fb5809b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20230528/6bb0ace061ca48349d3c7b1fc5f5fc90.png
[20200207152559955.png_pic_center]: /images/20230528/1332b40c693b4805a32dc5f02473cc74.png