对其进行均衡化处理,其过程如下: so=T(o)=∑P(r1)=P()=0.19 s1=T(1)=∑P()=P()+P(1)=0.44 7(2)=2P(y)=P()+P()+P(2)=019+025+021=065 (r3)=∑P(r;)=P,()+P(1)+P(2)+P(r3)=0.81 以此类推 S4=0.89 0.95 0.98 1.0 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 11 对其进行均衡化处理，其过程如下： 以此类推
变换函数如图(b)所示。这里对图像只取8个等间隔的灰 度级,变换后的s值也只能选择最靠近的一个灰度级的值。 因此,对上述计算值加以修正: 6 由上述数值可见,新图像将只有5个不同的灰度 级别,可以重新定义一个符号: 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 12 变换函数如图(b)所示。这里对图像只取8个等间隔的灰 度级，变换后的s值也只能选择最靠近的一个灰度级的值。 因此，对上述计算值加以修正： 由上述数值可见，新图像将只有5个不同的灰度 级别，可以重新定义一个符号：
因为,I经变换得s0=-1/7,所以有790个像素取s这个灰度值 r1映射到s=3/7,所以有1023个像素取S1=3/7这一灰度值,以此类 推,有850个像素取s2=5/7这一灰度值。但是,因为覽r3和r4均映 射到s3=6/7这一灰度级,所以有656+329=985个像素取这个值。 同样,有245+122+81=448个像素取s=这个新灰度值。用 n=4096来除上述这些n,值便可得到新的直方图。新直方图如图 (c)所示 由上面的例子可见,利用累积分布函数作为灰度变换函数, 经变换后得到的新灰度的直方图虽然不很平坦,但毕竟比原始图 像的直方图平坦得多,而且其动态范围也大大地扩展了。因此这 种方法对于对比度较弱的图像进行处理是很有效的。 因为直方图是近似的概率密度函数,所以用离散灰度级作变 换时很少能得到完全平坦的结果。另外,从上例中可以看出变换 后的灰度级减少了,这种现象叫做“简并”现象,由于简并现象 的存在,处理后的灰度级总是要减少的,这是像素灰度有限的必 然结果。由于上述原因,数字图像的直方图均衡只是近似的 2021年2月20日 数字图象处理演示稿纪玉波制作 13
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 13 因为，r0经变换得s0=1/7，所以有790个像素取s0这个灰度值， r1映射到s1=3/7，所以有1023个像素取s1=3/7这一灰度值，以此类 推，有850个像素取s2=5/7这一灰度值。但是，因为囕r3和r4均映 射到s3=6/7这一灰度级，所以有656＋329=985个像素取这个值。 同样，有245＋122＋81=448个像素取s4=l这个新灰度值。用 n=4096来除上述这些nk，值便可得到新的直方图。新直方图如图 （c）所示。 由上面的例子可见，利用累积分布函数作为灰度变换函数， 经变换后得到的新灰度的直方图虽然不很平坦，但毕竟比原始图 像的直方图平坦得多，而且其动态范围也大大地扩展了。因此这 种方法对于对比度较弱的图像进行处理是很有效的。 因为直方图是近似的概率密度函数，所以用离散灰度级作变 换时很少能得到完全平坦的结果。另外，从上例中可以看出变换 后的灰度级减少了，这种现象叫做“简并”现象，由于简并现象 的存在，处理后的灰度级总是要减少的，这是像素灰度有限的必 然结果。由于上述原因，数字图像的直方图均衡只是近似的
生简并现象的根源是利用变换公式求新灰度时,所得 到的往往不是允许的灰度值,这时就要采用舍入的方法 求近似值,以便用与它最接近的允许灰度来代替它。在舍 入的过程中,一些相邻的s值变成了相同的值,这就发生 了简并现象,于是也就造成了一些灰度层次的损失。减少 简并现象的简单方法是增加像素的比特数。比如,通常用 8bit来代表一个像素,而现在用12bi来表示一个像素,这 样就可减少简并现象发生的机会,从而减少灰度层次的损 失 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 14 产生简并现象的根源是利用变换公式求新灰度时，所得 到的sk往往不是允许的灰度值，这时就要采用舍入的方法 求近似值，以便用与它最接近的允许灰度来代替它。在舍 入的过程中，一些相邻的sk值变成了相同的值，这就发生 了简并现象，于是也就造成了一些灰度层次的损失。减少 简并现象的简单方法是增加像素的比特数。比如，通常用 8bit来代表一个像素，而现在用12bit来表示一个像素，这 样就可减少简并现象发生的机会，从而减少灰度层次的损 失