【红外DDE算法】HE算法在红外图像可视化上的应用(附源码)

直方图均衡(HE)在红外图像可视化上的应用(附源码)

1.背景需求

制冷型红外相机模拟前端使用较高数据位数进行采样，一般常用 14位，16 位。但是人眼对于灰度的感知，最多能感知 128 个灰阶。并且数据一般是以 8 的整数倍的位宽在电子系统中应用，因此大多数的显示器的显示位宽为 8bit,共 256 个灰阶。为了使红外图像可视化，因此需要一种“数据压缩”技术，还需要既可能的不丢失原始图像信息。

2.直方图均衡在红外图像可视化上的应用
我们演示一种很简单的图像对比度提升算法，即直方图均衡方法。下面我将展示直方图均衡（histogram equalization）的主要步骤与结果,并附有完整代码。

原始的14bit图像（以AGC方式调整两个边界压缩至8bit显示）

1） 直方图 pro 曲线

直方图分布函数集中区域，如下图

2） 对直方图分布函数pro累积，得到累计后的sum函数。

累计函数信息集中区域，如下图

3） 根据累计 sum 曲线进行非线性映射
newim(i,j)=uint8(sum(J(i,j)+1));
4） 输出8bit图像结果与其直方图


3.总结

HE后的图像直方图分布比较均匀离散，图像对比度好 。但是HE算法只是适用某些图像，它是将灰度集中区域进行拉伸得到，也会放大该集中区域的噪声，它是一种“不公平”的映射。它并不是我们所说的真正DDE算法。
这是一种很基础的图像处理手段。不过我们可以理解其思想，了解其基础原理，才有有所创新。

附：MATLAB 源码

%% 1.read raw
path=('E:\prj\DDE\MWIR TEST');
filename=('14.raw');
fid=fopen(fullfile(path,filename));
J=fread(fid,[640,512],'uint16');J=J';
fclose(fid);
%% 2.image histogram statistics
[m,n]=size(J);
pro=zeros(1,16384);
sum=zeros(1,16384);
for  i=1:m
      for  j=1:n
       pro(J(i,j)+1)=pro(J(i,j)+1)+1; 
      end
end
%% 3.calculate sum-curve
sum(1)=pro(1);
for g=2:16384
sum(g)=pro(g)+sum(g-1);
end
newim=zeros(m,n);
sum=sum.*256/(m*n);
%% 4. projection by sum-curve
for i=1:m
    for j=1:n
      newim(i,j)=uint8(sum(J(i,j)+1));
       if newim(i,j)>255
           newim(i,j)=255;
        end
   end
end
%% 5. 8bit-image show
figure
imshow(uint8(newim));
title('newim');
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

---

THE END