使用直方图均衡的重要性

信息处理 均衡 直方图
2022-01-12 23:54:45

我正在阅读opencv 教程,并且正在研究直方图均衡化。我看过维基百科,有一个很好的例子可以准确地总结问题:

原版的:

在此处输入图像描述

均衡:

在此处输入图像描述

但是为了得到这个结果,我会采取不同的方法:

  1. 找到原始的最小值和最大值

  2. 规范化(重新映射)它上面的一切。

没有直方图,没有累积分布函数。当然是更愚蠢的方法,但我看不出区别..为什么要使用直方图均衡?有人可以帮我找出原因吗?

1个回答

不同之处在于,使用您的方法,如果您想象直方图,您只需将其拉伸到从 0 到 255 的范围,但它的形状将被保留。直方图均衡不仅可以拉伸您的直方图,还可以尝试使其平坦,以便您获得每个灰度阴影的像素分布大致均匀。

至于为什么一个应用程序比其他应用程序更好,这是特定于应用程序的。

编辑:

以下是Bruzed的一些示例:

对比拉伸(您的方法):

在此处输入图像描述

直方图均衡:

在此处输入图像描述

如您所见,原始图像中的大部分像素是灰色的,由中间的一个大峰表示。当您进行对比度拉伸时,峰值仍然存在,即使您的最暗像素现在是黑色而您最亮的像素现在是白色。相比之下(双关语),使用直方图拉伸可以获得更平坦的直方图响应。这实际上增加了图像的整体对比度。