【数字图像处理】MATLAB实现直方图均衡化

直方图均衡化的MATLAB实现

---

回顾----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。
• 直方图均衡化的处理步骤
  ①求待处理图像的直方图h
  ②计算原图的灰度分布概率hs → $hs(i)=h(i)/N_f$     $N_f=m*n$
     Nf--图像f的总体像素个数 (m,n分别为图像的长和宽）
   hs--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 (i=0,1,…,255)
  ③计算原图灰度的累计分布hp → $h_p(i)=\displaystyle\sum_{k=0}^{i}h_s(k)$
     (i=0,1,…,255)
  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
  
  

代码实现

实现程序如下图所示：

% 直方图均衡化
% function [J] = imhisteq0(I)
function [J] = dip(I)
I = imread('img\person.jpg');
figure,imshow(I)
[m,n,l] = size(I);
if(l>1)
    I = rgb2gray(I);
end
nbins = 256;
hist_0 = GetImHist0(I,nbins)';  %求直方图
hist_1 = hist_0/(m*n);          %求灰度分布概率
hp_0 = cumsum(hist_1);          %求原图灰度累计分布 MATLAB中cumsum可用于求累计和
hp_1 = round(hp_0*255); 
hp_1(1) = 0;                    %第1个元素强制设为0

I0 = double(I);

for i=1:m
    for j=1:n
        GrayScale = I0(i,j);    %原图灰度值
        NewGrayScale = hp_1(GrayScale+1);
        J(i,j) = NewGrayScale;
    end
end
J = uint8(J);
figure,imshow(J)
end

% 直方图
function counts = GetImHist0(Im,nbins) 
% nbins箱子 区间的个数
[row,col,cChannel] = size(Im); 
% cChannel颜色通道
counts = zeros(nbins,1);
minV = 0;
maxV = 255;
if(cChannel>1)
    disp('Input error');
else
    Im = double(Im);
    Im2 = reshape(Im,row*col,1);
    delta = (maxV-minV)/nbins;
    splitVs = 0:nbins;
    splitVs = splitVs*delta; %splitVs = linspace(minV,maxV,nbins+1)
    i=1;
    ind = find(Im2>=splitVs(i) & Im2<=splitVs(i+1));
    counts(i) = length(ind);
    for i = 2:nbins
        ind = find(Im2>splitVs(i) & Im2<=splitVs(i+1));
        counts(i) = length(ind);
    end
end
end

代码执行结果：