Inhzus

Official

直方图均衡化的实现


要求

  • 已知: 彩色/灰度图
  • 目标: 直方图均衡化
  • 限制: 不准使用 histeq 函数

理论知识准备

要实现直方图均衡化, 最关键的问题在于找到均衡化的单调变换函数.

这一函数的推导课上已经给出: formula

彩色图的两种实现思路

RGB 通道

这种实现的思路非常直接, 在将图片提取出 RGB 三通道后, 统计得到每个颜色值的数量, 即直方图.

为了避免重复计算带来的性能问题, 通过计数循环与累加, 得到 $f(x)=\frac{L}{A_0}\sum_{n=0}^{x}H_A(n),x=1,2,\ldots,256​$ 其中, $L​$ 为颜色值范围内的数量, RGB 情况下为 256; $A_0​$ 为图片的总像素数. 该函数存于一个 $L​$ 长度的数组中, 其中某个值的 index 就是它的自变量.

之后, 逐行逐列遍历图片, 代入上述得到的函数即可实现直方图均衡化.

HSV 通道

HSV 这种色彩表示方式在课上也有提到.按照 维基百科 介绍: 色相(H), 饱和度(S), 明度(V).

经过尝试, 在 H 通道进行直方图均衡化会使图片色调"崩坏", 而 S 通道可以使饱和度得到增强, V 通道也可以得到期待的效果.

第一次算法的失败

起初, 我打算仍然采用 RGB 通道的思路. 不过由于 HSV 的值在 0~1 间, 无法将颜色值映射到某个固定长度的数组上, 所以我打算将所有颜色值进行排序后, 然后根据每个像素值进行累加计算得到目标值. 但算法复杂度过高使得很难运行出结果, 遂放弃这种思路.

使用估值代替准确值

迫于无奈, 我选择了将 01 的值放缩至 0255, 使用 RGB 通道的函数进行直方图均衡化, 之后再缩小回 0~1 这个范围, 尽管损失了精度, 但是根据实验结果看, 并没有明显的影响.

显示效果

灰度

下图可以看出, 原图的色域较小, 而经过均衡化, 黑白对比非常明显.

hawkes

RGB

通过以下图可以看出, 颜色分布较原图更加广泛平均.

color

HSV

下图与上图相比较, 能够看出, 颜色本就已经鲜艳的地方饱和度变得更高, 同时照片的亮度对比度(上下对比)也变大.

hsv

观察: 直方图均衡化放大了噪声

以下图片是我使用手机拍摄得到, 整体色调偏暗, 黑色较多, 经过 RGB 直方图均衡化后可以观察到图片中的电脑上有大量噪点.

noise

具体实现

由于在之前并没有接触过 Matlab, 我对其最佳实现不甚了解. 还望指正.

使用代码时, 对于 RGB 和 HSV 不同的实现方法, 需要修改文件中 hsv 这一 bool 值.

RGB

关键在于如何实现 hist_equal(input_channel), 分三步: 求直方图, 求转换函数, 赋值.

遇到的问题
  • Matlab 语言的 index 从 1 开始
  • 通道的数据类型必须为 uint8
求直方图
function ret = get_hist(channel)
    ret = zeros(256, 1);
    [height, width] = size(channel);
    for m = 1:height
        for n = 1:width
            ret(channel(m, n)) = ret(channel(m, n)) + 1;
        end
    end
end

逐行逐列统计即可.

求转换函数
conversion = zeros(256, 1);
cur = 0;
for i = 1:256
    cur = cur + src(i);
    conversion(i) = 256 * cur / pixels;
end
赋值
ret = zeros(height, width, 'uint8');
for i = 1:height
    for j = 1:width
        ret(i, j) = conversion(input_channel(i, j) + 1);
    end
end

HSV

对于 HSV, 其实只是通过放缩至 RGB 通道的值就可以实现均衡化, 再放缩回取值范围即可. 代码如下

ret = double(hist_equal(uint8(256 * a))) / 256;

完整文件链接: Histogram_equalization.m