【matlab图像处理】直方图均衡化操作

中国史之【百家争鸣】：
春秋战国时期，知识分子中不同学派及各家族流派之间争芳斗艳的学术局面。这是中国思想、学术发展的黄金时期，史称“百家争鸣”。
——来源：全历史APP

【路漫漫其修远兮，吾将上下而求索】

今天介绍图像的直方图均衡化操作。本内容参考自《实用MATLAB图像和视频处理》第9章。

• 对于matlab2021的安装，可以参考公众号【CV之道】的文章：【matlab安装】手把手图文并茂安装matlab2021（win10版）

1、图像直方图均衡化

在matlab中，显示一幅图像的直方图，可以使用函数imhist。而对一幅图像进行直方图均衡化，可以使用函数histeq。废话少说，我们先对一张低对比度的图像进行均衡化，直接看代码：

% 显示直方图
I = imread('pout.tif');
figure, subplot(2,2,1), imshow(I), title('原图')
subplot(2,2,2), imhist(I), title('原图的直方图') 

% 使用histeq进行直方图均衡化
I_eq = histeq(I, 256);
subplot(2,2,3), imshow(I_eq), title('均衡化的图') 
subplot(2,2,4), imhist(I_eq), title('均衡化后的直方图')
1
2
3
4
5
6
7
8
9

从上面的视觉效果来看，对一张低对比度的图片进行直方图均衡化，可以明显改善图像的对比度。

我们再看一个例子。

% 另一个例子
% 显示直方图
I = imread('tire.tif');
figure, subplot(2,2,1), imshow(I), title('原图')
subplot(2,2,2), imhist(I), title('原图的直方图') 

% 使用histeq进行直方图均衡化
I_eq = histeq(I, 256);
subplot(2,2,3), imshow(I_eq), title('均衡化的图') 
subplot(2,2,4), imhist(I_eq), title('均衡化后的直方图')
1
2
3
4
5
6
7
8
9
10

对于这个图片，直方图的效果反而变差了。为什么呢？我们观察一下他们的直方图。分析原图的直方图，像素主要聚集在低灰度级，因为黑色橡胶占大面积，所以整体偏暗，而少部分像素偏亮，对应中间的白色金属。这样是合理的。

然而，一旦均衡化后，这种对比度被重置了，把像素右移后，导致整体图像都是偏亮，反而对比度不明显。所以，直方图均衡化并不总是取得好的效果，它是取决于原始图像的。

我们再看一个例子，探索一下均衡化为什么不起作用。

% 探索直方图均衡化的局限
% 显示直方图
I = imread('eight.tif');
figure, subplot(3,2,1), imshow(I), title('原图')
subplot(3,2,2), imhist(I), title('原图的直方图') 

% 使用histeq进行直方图均衡化
I_eq = histeq(I, 256);
subplot(3,2,3), imshow(I_eq), title('均衡化的图') 
subplot(3,2,4), imhist(I_eq), title('均衡化后的直方图') 

I_hist = imhist(I);
tf = cumsum(I_hist);
tf_norm = tf / max(tf);
subplot(3,2,5), plot(tf_norm), axis tight, title('原图归一化的函数')

[newmap, T] = histeq(I);
subplot(3,2,6), plot(T), axis tight, title('原图均衡化的函数')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

上面的例子均衡化后效果也不好，我们观察两条曲线，左边是计算直方图归一化的函数，右边是内置均衡化的函数，可以看到他们非常像，所以可以知道，用于均衡化的函数仅是原始函数的cdf函数，也就是累积分布函数。均衡化的过程仅试图平坦化直方图。

2、图像直方图规定化（匹配）

对于这种情况，可以使用直方图规定化（也叫直方图匹配）技术解决，它可以不使用默认的cdf函数，而是自己指定函数。

% (4)直方图规定化（匹配）
img1 = imread('eight.tif');
figure, subplot(3,3,1), imshow(img1), title('原图')
subplot(3,3,2), imhist(img1), title('原图的直方图') 

img1_eq = histeq(img1);
subplot(3,3,4), imshow(img1_eq), title('均衡化原图')
subplot(3,3,5), imhist(img1_eq), title('均衡化后的直方图') 
m1 = ones(1, 256) * 0.5;
subplot(3,3,6), plot(m1), title('直方图曲线'), ylim([0 1]), xlim([1 256])

m2 = linspace(0,1,256); 
img2 = histeq(img1, m2);
subplot(3,3,7), imshow(img2), title('规定化后的图')
subplot(3,3,8), imhist(img2), title('规定化后的直方图') 
subplot(3,3,9), plot(m2), title('期望直方图形状'), ylim([0 1]), xlim([1 256])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

从上面可以看到，执行直方图规定化需要生成一个代表期望直方图形状的函数。对于这张图片，规定化的效果比均衡化的效果要好。

以上是本期内容，建议自己动手来实践一下。如果需要图片和代码，可以关注公众号，回复关键字【matlab代码】即可获得。我会上传到云盘。

【声明】：学习笔记基于互联网上各种学习资源的个人整理。

以上是本期内容，下期介绍图像处理的邻域处理。

我叫小保，一名计算机视觉爱好者、学习者、追随者，欢迎关注我【CV之道】一起学习。