局部直方图均衡化（直方图均衡化是什么意思 它的主要用途是什么）

本文目录

• 直方图均衡化是什么意思 它的主要用途是什么
• 直方图均衡化原理
• 谁有部分子块重叠局部直方图均衡的程序，即poshe算法，谢谢，下面是poshe算法的步骤
• matlab做直方图均衡，下面的程序是局部直方图均衡，程序运行后的图像显示如下图，黑色部分灰度值均为1
• 谁能帮我写个局部直方图子块重叠和不重叠的matlab程序，最好是自己编写，尽量少调用函数，谢谢
• 什么是:自适应局部直方图均衡化
• matlab全局直方图均衡化和局部直方图均衡化的优缺点

直方图均衡化是什么意思 它的主要用途是什么

直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。

用途：

用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候，通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

扩展资料

对比度是画面黑与白的比值，也就是从黑到白的渐变层次。比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。对比度对视觉效果的影响非常关键，一般来说对比度越大，图像越清晰醒目，色彩也越鲜明艳丽，而对比度小，则会让整个画面都灰蒙蒙的。

对比度对于动态视频显示效果影响要更大一些，由于动态图像中明暗转换比较快，对比度越高，人的眼睛越容易分辨出这样的转换过程。对比度高的产品在一些暗部场景中的细节表现、清晰度和高速运动物体表现上优势更加明显。

直方图均衡化原理

直方图均衡化原理是是把给定图像的直方图分布改变成“均匀”分布直方图分布。

直方图均衡化：

1、直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。

2、直方图均衡化通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。

3、这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

4、这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。

直方图均衡化对比度：

1、对比度是画面黑与白的比值，也就是从黑到白的渐变层次。比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。

2、对比度对视觉效果的影响非常关键，一般来说对比度越大，图像越清晰醒目，色彩也越鲜明艳丽；而对比度小，则会让整个画面都灰蒙蒙的。

3、高对比度对于图像的清晰度、细节表现、灰度层次表现都有很大帮助。在一些黑白反差较大的文本显示、CAD显示和黑白照片显示等方面，高对比度产品在黑白反差、清晰度、完整性等方面都具有优势。

谁有部分子块重叠局部直方图均衡的程序，即poshe算法，谢谢，下面是poshe算法的步骤

clear; I = imread(’E:\ebook\lena.bmp’); figure,imshow(I),title(’original image’);len = 5;hstep = 2;wstep = 2;for k = 1:size(I,3) img = I(:,:,k); img = ; img = ;%%其实就是图像扩展，参考wextend函数，当然你的方法也可以 = size(img); med_out(:,:,k) = int16(zeros(h,w));%%转化成int16型数据，原因下面会说明 counts = zeros(h,w); for i =1:hstep:h if h-i 》= len for j = 1:wstep:w if w-j 》= len rect =int16(histeq(img(i:i+len-1,j:j+len-1)));%同样转化成int16类型 med_out(i:i+len-1,j:j+len-1,k) =med_out(i:i+len-1,j:j+len-1,k)+rect;%%rect和med_out转化成int16类型原因在于，你的med_out计算直方图均衡化并且把重复的像素的直方图均衡化结果进行累加，那么其累加的值很有可能超过255，所以你转化med_out为uint8型是不够的，它会把超过255的值强制为255。 counts(i:i+len-1,j:j+len-1) = counts(i:i+len-1,j:j+len-1)+1; end end end end med_out1(:,:,k) = double(med_out(len:end-len,len:end-len,k));%%这里对图像两边各扩展了四个像素，所以起始位置应该是len，而不是len+1,同样结束就是end-len med_out1(:,:,k) = med_out1(:,:,k)./counts(len:end-len,len:end-len); out(:,:,k) = uint8(med_out1(:,:,k));%%转化成uint8型endfigure,imshow(out),title(’poshe result’);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%这样改就可以了，运行后可以出结果，图片就不贴了！！编程时要考虑数据范围是否过界的问题。

matlab做直方图均衡，下面的程序是局部直方图均衡，程序运行后的图像显示如下图，黑色部分灰度值均为1

数据类型问题，histeq函数，当你的图像是double型时，返回值是0或者1；当你的图像是uint8型时，返回值为0-255。

所以你编的代码里的：k=histeq(m);%对块图进行直方图均衡，m为double型，所以其k就是全1，那么x2中对应的位置也就是全1，最后显示转化成uint8显示肯定为黑色。

所以把k=histeq(m);改成k=histeq(uint8(m));即可。运行结果如图

谁能帮我写个局部直方图子块重叠和不重叠的matlab程序，最好是自己编写，尽量少调用函数，谢谢

%%%%%%%%%%%%%%%%%%%%%不重叠子块

clear all

a=imread(’D:\ebook\lena.bmp’);

a=rgb2gray(a);

=size(a);

M=16;%%图像块大小，16*16

for i=1:16

   for j=1:16   

       a1{i,j}=a(i+15*(i-1):i+15*i,j+15*(j-1):j+15*j);

    end

end

%%%%%%%%%%%%%%%%%%%%%将图像进行分块，大小为16*16

for i=1:16

    for j=1:16

        a2{i,j}=histeq(a1{i,j});

    end

end

%%%%%%%%%%%%%%%%%%%%%%%%%%对分块的图像进行直方图均衡化

a3=zeros(m,n);

 for i=1:16

      for j=1:16

          a3(i+15*(i-1):i+15*i,j+15*(j-1):j+15*j)=a2{i,j};

      end

 end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%合成图像

a4=histeq(a);

figure,imshow(uint8(a3));

figure,imshow(a4);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%重叠子块，重叠像素为3

clear all

a=imread(’D:\ebook\lena.bmp’);

a=rgb2gray(a);

=size(a);

M=16;%%图像块大小，16*16

N=length(1:12:m-M+1)

for i=1:N-2

   for j=1:N-2  

       a1{i,j}=a(i+12*(i-1):i+12*i+3,j+12*(j-1):j+12*j+3);

    end

end

%%%%%%%%%%%%%%%%%%%%%将图像进行分块，大小为16*16,重叠3个像素

for i=1:N-2

    for j=1:N-2

        a2{i,j}=histeq(a1{i,j});

    end

end

%%%%%%%%%%%%%%%%%%%%%%%%%%对分块的图像进行直方图均衡化,如果要求重叠部分的均值的话，在上面的代码里加几句即可

a3=zeros(m,n);

 for i=1:N-2

      for j=1:N-2

          a3(i+12*(i-1):i+12*i+3,j+12*(j-1):j+12*j+3)=a2{i,j};

      end

 end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%合成图像

figure,imshow(uint8(a3));

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

图中左边第一幅为全局直方图均衡化效果；右边第一幅为不重叠子块直方图均衡化效果；下边为重叠子块直方图均衡化效果，对重叠的区域没有取其平均值，你自己改改就成。

什么是:自适应局部直方图均衡化

在图像增强处理中,作局部直方图均衡化时,对于不同特点的图片，不同局部采用不同的对比度增强方法.叫自适应直方图均衡化。换句话说，你可以这样理解，就是针对不同的图片，局部均衡化要要调整，也就是自适应~~

matlab全局直方图均衡化和局部直方图均衡化的优缺点

matlab全局直方图均衡化和局部直方图均衡化的优缺点如下：如果一幅图像整体偏暗或者偏亮，那么直方图均衡化的方法很适用。但直方图均衡化是一种全局处理方式，它对处理的数据不加选择，可能会增加背景干扰信息的对比度并且降低有用信号的对比度（如果图像某些区域对比度很好，而另一些区域对比度不好，那采用直方图均衡化就不一定用）。此外，均衡化后图像的灰度级减少，某些细节将会消失；某些图像（如直方图有高峰），经过均衡化后对比度不自然的过分增强。针对直方图均衡化的缺点，已经有局部的直方图均衡化方法出现。1.全局直方图均衡化，是先将图像各元素的个数进行统计，再求出各像素值的概率，并进行概率对应的归一化，将归一化的概率乘上灰度值，根据原像素值和归一化后的像素值对应，通过find函数找到原来相应的像素改变为现在归一化后的像素，得到均衡化处理的图像。2.局部直方图均衡化，分为子块不重叠、子块重叠和子块部分重叠，函数中可选择不同的方法计算。子块不重叠算法根据输入分割子块的大小为n，将图像划分为多块n*n大小的子块，单独对每块进行直方图均衡化；子块重叠算法根据输入分割子块的大小n,利用该分割子块的直方图信息对子块中心的像素进行均衡化，逐一处理完该子块所有像素点；子块部分重叠算法子块是将移动步长约取为子块尺寸的几分之一，子块均衡的灰度值用于映射子块所有像素的灰度值，并记录对多次被均衡的像素，将均衡结果取平均作为该像素在输出图像中的灰度值。