图像处理系列——直方图统计算法

Posted 2022-01-06 nanke_yh

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了图像处理系列——直方图统计算法相关的知识，希望对你有一定的参考价值。

直方图统计算法可指定对比度差的局部区域进行相应的提升，来实现图像局部区域的图像增强目的。直方图统计是根据模板大小内的像素邻域的均值、方差与全局的均值、方差的比较，来决定像素的操作。操作暗亮区域的图像只需要设置局部均值和全局均值的比值，而局部方差一般设置成小于全局的方差。

使用直方图统计实现图像中的暗区域图像增强的具体步骤：

1、获得输入图像的平均灰度

其中ri指灰度级为i的像元数量，p(ri)则为灰度级为i对应在直方图内的概率，得到的mG就是全图的平均灰度值了。

2、获得输入图像的方差

3、判断一个区域在点（x,y）处的局部平均灰度mSxy，局部标准差为σSxy，我们取k0,k1,k2,E，当

时，我们把当前点看做较暗的点，此时我们将该像素点乘以E达到增大其灰度值效果，实现暗区域亮化目的。

4、对于与此相反的亮区域暗化，在满足下列关系情况下，再乘以一个小于1的比例系数E。

且

根据上述步骤进行代码实现，并得到的试验结果如下：

/*function description:统计直方图实现图像增强
*
*input parameter:ImgTyp* srcImg         源图像
*                int size               滤波器尺寸
*				 double k0,double k1,double k2    阈值参数
*				 double E               亮度改变倍数
*				 bool dark              亮、暗区域确认        
*return:         
*                ImgTyp*     图像增强后的图像
******************************************************/
ImgTyp* HistogramFun::HistStatistic(ImgTyp* srcImg,int size,double k0,double k1,double k2,double E,bool dark)

	if (srcImg == NULL)
	
		cout<<"Error：影像为空值,读取失败"<<endl;
		return NULL;
	
	if (size%2 == 0)
	
		cout<<"滤波器尺寸不为奇数，请修改。"<<endl;
		return NULL;
	
	double mean_g = 0,sigam_g = 0;
	ImgTyp* copyImg = new ImgTyp[Width*Height];
	memcpy(copyImg,srcImg,sizeof(ImgTyp)*Width*Height);
	double* ImgGhist = CalImgHist(copyImg);
	//求均值和方差
	for (int l = 0; l < ColorLen; l++)
	
		mean_g += l * ImgGhist[l];
	
	for (int l = 0; l < ColorLen; l++)
	
		sigam_g += pow((l - mean_g),2)*ImgGhist[l];
	
	delete []ImgGhist;ImgGhist=NULL;
	int len = size*size;
	int localwidth = size/2;

	//创建局部窗口
	ImgTyp* Filter = new ImgTyp[len];
	memset(Filter,0,sizeof(ImgTyp)*len);
	//直方图
	double* ImgHist = new double[ColorLen];

	for (int i = localwidth;i < Height-localwidth;i++)
	
		for (int j = localwidth;j < Width-localwidth;j++)
			
			memset(ImgHist,0,sizeof(double)*ColorLen);
			for (int n = -localwidth;n < localwidth;n++)
			
				for (int m = -localwidth;m < localwidth;m++)
				
					Filter[(n+localwidth)*size+m+localwidth] = copyImg[(i+n)*Width+m+j];//赋值
					ImgHist[Filter[(n+localwidth)*size+m+localwidth]]++;//统计各个灰度级的数量
				
				
			//求邻域的均值和方差
			double mean_s = 0,sigam_s = 0;
			for (int l = 0; l < ColorLen; l++)
			
				ImgHist[l] = ImgHist[l] / len;//归一化求各个灰度级出现频率
				mean_s += l * ImgHist[l];
			
			for (int l = 0; l < ColorLen; l++)
			
				sigam_s += pow((l - mean_s),2)*ImgHist[l];
			

			if (dark)
			
				if (E < 1)
				
					cout<<"Error:暗区域操作，比例系数应大于1，不正确！"<<endl;
					delete []Filter;Filter=NULL;
					delete []ImgHist;ImgHist=NULL;
					delete []copyImg;copyImg=NULL;
					return NULL;
				
				if ((mean_s <= mean_g*k0) && (sqrt(sigam_s) <= k2*sqrt(sigam_g)) && (sqrt(sigam_s) >= k1*sqrt(sigam_g)))
				
					int target_value = E * copyImg[i*Width+j];

					if (target_value > ColorLen-1)
					
						target_value = ColorLen-1;
					
					copyImg[i*Width+j] = target_value;
				
			 
			else
			
				if (E > 1)
				
					cout<<"Error:亮区域操作，比例系数应小于1，不正确！"<<endl;
					delete []Filter;Filter=NULL;
					delete []copyImg;copyImg=NULL;
					delete []ImgHist;ImgHist=NULL;
					return NULL;
				
				if ((mean_s > mean_g*k0) && (sqrt(sigam_s) <= k2*sqrt(sigam_g)) && (sqrt(sigam_s) >= k1*sqrt(sigam_g)))
				
					int target_value = E * copyImg[i*Width+j];

					if (target_value > ColorLen-1)
					
						target_value = ColorLen-1;
					
					copyImg[i*Width+j] = target_value;
				
			
			
		
	
	delete []Filter;Filter=NULL;
	delete []ImgHist;ImgHist=NULL;
	return copyImg;

得到的测试结果：

原图