Matlab图像处理-直方图均衡化原理方法

Matlab图像处理-直方图均衡化原理方法

本教程适合Matlab数字图像处理的初学者。直方图均衡化是数字图像处理中较为基础的图像增强方法，通过直方图均衡化能够自适应地有效改善图像对比度不足问题。本文中所支持的直方图均衡化图像，不仅仅限于灰度图，更将RGB真彩色图、多波段遥感影像纳入直方图均衡化范畴。较为全面直观地给出在Matlab中对图像进行直方图均衡化的方法原理和Matlab源代码，并配合必要的代码注释，希望能帮助Matlab和数字图像处理的初学者入门。

打开图像

[FileName, FilePath]=uigetfile('*.tif;*.jpg;*.png;*.img;*.gif;','请选择图像数据');

str=[FilePath FileName];

Image=imread(str);

% 以对话框的形式选择打开一幅图像

[M,N,nDims]=size(Image);

Image=im2double(Image);

%获取图像的尺寸和波段数

直方图均衡化

HISTEQ=Image;

for i=1:nDims % 分别对各波段进行直方图均衡化

H=Image(:,:,i);

[counts,x]=imhist(H); % 计算各灰度级x的像素个数count

loction=find(counts~=0); % 找到所有像素个数不为0的灰度级

MinCDF=min(counts(loction));

for j=1:length(loction)

CDF=sum(counts(loction(1:j))); % 计算各灰度级像素个数累积分布CDF

P=find(H==x(loction(j)));

H(P)=(CDF-MinCDF)/(M*N-MinCDF); % 灰度转换公式

end

HISTEQ(:,:,i)=H; % 将均衡化后各分量分别保存在结果中

end

保存输出

figure, %在同一窗口显示原图与灰度拉伸结果图

if nDims==3||nDims==1 %若为灰度图和RGB真彩色图则以常规方式保存并输出

subplot(1,2,1),imshow(Image);title('原图');

subplot(1,2,2),imshow(HISTEQ);title('直方图均衡化');

imwrite(HISTEQ,'Result_HISTEQ.jpg','jpeg');

else % 若为多波段遥感影像则按照TM 3,2,1组合形式保存并输出

subplot(1,2,1),imshow(Image(:,:,[3,2,1]));title('原图');

subplot(1,2,2),imshow(HISTEQ(:,:,[3,2,1]));title('直方图均衡化');

imwrite(HISTEQ(:,:,[3,2,1]),'Result_HISTEQ.tif','tiff');

end

%将直方图均衡化结果保存至当前目录并以Result_HISTEQ命名

上图：原灰度图

下图: 直方图均衡化结果图

上图：原灰度图直方图

下图: 直方图均衡化结果图直方图

本例中将RGB真彩色图各个分量进行均衡化后，图像中会有异常点，可将RGB映射到YUV空间，对亮度单独进行均衡化即可。

Matlab中结合imhist和histeq函数对灰度图直接进行直方图均衡化，本例为详细说明方法原理，而通过自编写代码实现。

如需进一步了解详细原理，可参考维基百科词条直方图均衡化。