彩色图像--图像增强 直方图增强
2015-09-09 14:11
218 查看
得知DIP文章70日
转载请注明文章出处:http://blog.csdn.net/tonyshengtan 。出于尊重文章作者的劳动。转载请标明出处。文章代码已托管,欢迎共同开发:https://github.com/Tony-Tan/DIPpro
对于灰度图像中的一些算法适合直接用到彩色图像的各个通道。也有一些不适合,直方图均衡就属于不适合的一种。假设直接将其作用在各个通道上,将引起图像色相的变化因此也就是图像变的不是其原来的样子了。今天我们将直方图均衡用到HSI色彩空间的I分量上,直方图对亮度分量进行均衡。是图像在亮度上得到增强。在饱和度和色向上保持不变。
算法步骤:
1. 从RGB转换到HSI
2. 分离HSI空间。I分量形成一个单独的灰度图像fif_i
3. 对fif_i进行直方图均衡
4. 用均衡后的数据取代原I分量数据
5. HSI转换回RGB
原图:
![](http://img.blog.csdn.net/20150317141950020)
原图I分量:
![](http://img.blog.csdn.net/20150317142452153)
原图I分量直方图:
![](http://img.blog.csdn.net/20150317142511762)
直方图均衡后结果:
![](http://img.blog.csdn.net/20150317142400327)
直方图均衡后直方图:
![](http://img.blog.csdn.net/20150317142543633)
处理后结果:
![](http://img.blog.csdn.net/20150317142516004)
原图:
![](http://img.blog.csdn.net/20150317142713677)
原图I分量:
![](http://img.blog.csdn.net/20150317142739916)
原图I分量直方图:
![](http://img.blog.csdn.net/20150317142628342)
直方图均衡后结果:
![](http://img.blog.csdn.net/20150317142646797)
直方图均衡后直方图:
![](http://img.blog.csdn.net/20150317142710665)
处理后结果:
![](http://img.blog.csdn.net/20150317142726218)
原图:
![](http://img.blog.csdn.net/20150317142801256)
原图I分量:
![](http://img.blog.csdn.net/20150317142813439)
原图I分量直方图:
![](http://img.blog.csdn.net/20150317142850302)
直方图均衡后结果:
![](http://img.blog.csdn.net/20150317142832050)
直方图均衡后直方图:
![](http://img.blog.csdn.net/20150317142920364)
处理后结果:
![](http://img.blog.csdn.net/20150317142938882)
原图:
![](http://img.blog.csdn.net/20150317143006370)
原图I分量:
![](http://img.blog.csdn.net/20150317143018023)
原图I分量直方图:
![](http://img.blog.csdn.net/20150317143158533)
直方图均衡后结果:
![](http://img.blog.csdn.net/20150317143215443)
直方图均衡后直方图:
![](http://img.blog.csdn.net/20150317143117974)
处理后结果:
![](http://img.blog.csdn.net/20150317143133590)
待续。
。。
转载请注明文章出处:http://blog.csdn.net/tonyshengtan 。出于尊重文章作者的劳动。转载请标明出处。文章代码已托管,欢迎共同开发:https://github.com/Tony-Tan/DIPpro
开篇废话
继续简单的介绍一下彩色图像处理相关的知识。今天来简单的说下直方图增强在彩色图像中的应用,灰度图像直方图增强在此处做了相关介绍,包含其数学原理。对于灰度图像中的一些算法适合直接用到彩色图像的各个通道。也有一些不适合,直方图均衡就属于不适合的一种。假设直接将其作用在各个通道上,将引起图像色相的变化因此也就是图像变的不是其原来的样子了。今天我们将直方图均衡用到HSI色彩空间的I分量上,直方图对亮度分量进行均衡。是图像在亮度上得到增强。在饱和度和色向上保持不变。
算法原理
算法的原理就是利用HSI色彩空间的特点,I分量代表图像亮度。处理后不会改变图像色相。算法步骤:
1. 从RGB转换到HSI
2. 分离HSI空间。I分量形成一个单独的灰度图像fif_i
3. 对fif_i进行直方图均衡
4. 用均衡后的数据取代原I分量数据
5. HSI转换回RGB
代码
/*********************************************************************************************************************/ void HistEqualRGB(RGB *src,RGB *dst,int width,int height){ HSI *temp=(HSI*)malloc(sizeof(HSI)*width*height); double *chanel_i=(double *)malloc(sizeof(double)*width*height); RGB2HSI(src, temp, width, height); for(int i=0;i<width*height;i++){ chanel_i[i]=(double)((int)temp[i].c3); } HistogramEqualization(chanel_i, chanel_i, width, height); for(int i=0;i<width*height;i++){ temp[i].c3=chanel_i[i]; } HSI2RGB(temp, dst, width, height); free(temp); free(chanel_i); } /*********************************************************************************************************************/
效果分析
以下对一些图片进行上述算法操作。来观察效果。原图:
原图I分量:
原图I分量直方图:
直方图均衡后结果:
直方图均衡后直方图:
处理后结果:
原图:
原图I分量:
原图I分量直方图:
直方图均衡后结果:
直方图均衡后直方图:
处理后结果:
原图:
原图I分量:
原图I分量直方图:
直方图均衡后结果:
直方图均衡后直方图:
处理后结果:
原图:
原图I分量:
原图I分量直方图:
直方图均衡后结果:
直方图均衡后直方图:
处理后结果:
总结
整体来说算法效果稳定,计算速度快,但这仅仅是一种最简单的彩色图像增强的方法,由于已经决定以后做识别方向。所以彩色图像的相关更深入的彩色变换,平滑,锐化。切割等仅仅做简介,大家多多交流。待续。
。。
相关文章推荐
- vm下NAT模式连接网络的设置
- java保留两位小数【转】
- 汇编基础---简介
- SpannableString、SpannableStringBuilder与String的关系
- Linux战地日记——复制、删除和移动文件的命令
- H-Index II 二分查找
- 中国第一高楼封顶:596.5米!世界第二
- listcontrol 加combobox
- JAVA 计算根据经纬度计算距离
- IOS 本地保存Crash日志信息
- 【Unity游戏开发之六】Unity中实现全局管理类的几种方式
- Android笔记(二十七)数据持久化技术
- poj-2079 Triangle
- ti info找不到JAVA_HOME
- 纯CSS实现家谱树(组织架构树同理)
- 比较两个字符串A和B,确定A中是否包含B中所有的字符。
- NoSQL架构实践——以NoSQL为辅
- hdu 2013 蟠桃记
- 队列的两种实现:数组和链表
- 一个由泛型和Auto Unbox引发的Crash