我需要在对比度增强后将一些数据可视化为灰度图像。处理算法必须建立在少数样本上，然后将其应用于看不见的图像（假设给出了 [min, max] 范围）。
我打算：
- 使用样本图像来估计实际的直方图
H1。 - 定义所需的直方图
H2。 - 构建一个
T转换H1为H2. - 应用于
T看不见的图像。
问题：如何建造H2？是否有关于人眼最佳灰度直方图的研究？
以下是应用于同一图像的不同转换的两个示例：
人眼最佳图像直方图
信息处理
图像处理
直方图
2022-02-15 17:16:19
2个回答
人眼的感知是一个复杂的东西，人眼的感知在不同的情况下往往会失败，即使在灰度变化很大的情况下，也能够注意到灰度级的微小变化，但这一切都取决于图形的形状而不是其直方图。
在某些情况下，您可以通过应用直方图均衡技术来增强图像，但这只是为了强调一些灰色调，以便观察图像中的更多细节。这与灰色图像有关。
医学成像具有寻找灰度级的最佳映射的相同问题。
最佳映射取决于要完成的任务。它是通过尝试与任务兼容的合理映射来确定的，然后将其展示给用户以获得他们的反馈。
在您的情况下，您可以确定对您很重要的输入值范围（即定义窗口中心和窗口宽度），并应用 sigmoidal LUT，以便您可以精确区分此范围内的值并且仍然能够查看超出此范围但精度较低的值。例如，您可以使用它：
此外，还有一种实现“感知线性图像”的解决方案，即。像素值差 2 被认为是像素值差 1 的两倍。这需要校准显示图像的屏幕。
这是通过一个标准实现的，即 DICOM 灰度标准显示功能。
有关该主题的演示文稿，请参见那里：
ftp://medical.nema.org/medical/dicom/Pixelwrk/GSDisplay.ppt
对于实际标准，讨论了 Barten 眼模型，该模型描述了视觉系统在注意到光强度差异时的性能：
其它你可能感兴趣的问题