步骤:

统计原图像素每个像素的个数

统计原图像<每个灰度级的像素的累积个数

家里灰度级得映射规则

将原图每个像素点的灰度映射到新图

代码:

  1. clear all
  2. I=imread('1.jpg');                 %读入JPG彩色图像文件
  3. imshow(I)                                  %显示出来
  4. title('输入的彩色JPG图像')
  5. I_gray = rgb2gray(I); %灰度化后的数据存入数组
  6. imwrite(I_gray,'1_gray.bmp'); %保存灰度图像
  7. figure,imshow(I_gray);
  8. title('灰度图')
  9. [height,width]=size(I_gray);  %测量图像尺寸参数
  10. p=zeros(1,256);                            %预创建存放灰度出现概率的向量
  11. for i=1:height
  12. for j=1:width
  13. p(I_gray(i,j) + 1) = p(I_gray(i,j) + 1)  + 1;
  14. end
  15. end
  16. s=zeros(1,256);
  17. s(1)=p(1);
  18. for i=2:256
  19. s(i)=p(i) + s(i-1); %统计图像中<每个灰度级像素的累积个数,s(i):0,1,```,i-1
  20. end
  21. for i=1:256
  22. s(i) = s(i)*256/(width*height); %求灰度映射函数
  23. if s(i) > 256
  24. s(i) = 256;
  25. end
  26. end
  27. %图像均衡化
  28. I_equal = I;
  29. for i=1:height
  30. for j=1:width
  31. I_equal(i,j) = s( I(i,j) + 1);
  32. end
  33. end
  34. figure,imshow(I_equal)                           %显示均衡化后的图像
  35. title('均衡化后图像')
  36. imwrite(I_equal,'1_equal.bmp');

实现结果如下:

原图                                                                    
  灰度图                                                                   
均衡化后

亲们,是这样么?!是这样么?!!肿么会是这样的呢~~~~~~~

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~是不是错了?彩色图像的均值化到底肿么弄涅~~

对于灰度图的均衡化,

参考:http://blog.csdn.net/xiajun07061225/article/details/6910129

  1. %直方图均衡化
  2. clear;
  3. I = imread('mm_gaussian_gray.bmp');
  4. [height,width] = size(I);
  5. figure
  6. subplot(221)
  7. imshow(I)%显示原始图像
  8. subplot(222)
  9. imhist(I)%显示原始图像直方图
  10. %进行像素灰度统计;
  11. s = zeros(1,256);%统计各灰度数目,共256个灰度级
  12. for i = 1:height
  13. for j = 1: width
  14. s(I(i,j) + 1) = s(I(i,j) + 1) + 1;%对应灰度值像素点数量增加一
  15. end
  16. end
  17. %计算灰度分布密度
  18. p = zeros(1,256);
  19. for i = 1:256
  20. p(i) = s(i) / (height * width * 1.0);
  21. end
  22. %计算累计直方图分布
  23. c = zeros(1,256);
  24. c(1) = p(1);
  25. for i = 2:256
  26. c(i) = c(i - 1) + p(i);
  27. end
  28. %累计分布取整,将其数值归一化为1~256
  29. c = uint8(255 .* c + 0.5);
  30. %对图像进行均衡化
  31. for i = 1:height
  32. for j = 1: width
  33. I(i,j) = c(I(i,j)+1);
  34. end
  35. end
  36. subplot(223)
  37. imshow(I)%显示均衡化后的图像
  38. subplot(224)
  39. imhist(I)%显显示均衡化后的图像的直方图

参考  http://blog.csdn.net/xiajun07061225/article/details/6910129

matlab 直方图均衡化(含rgb)的更多相关文章

  1. matlab 直方图均衡化

    原理: 直方图均衡化首先是一种灰度级变换的方法: 原来的灰度范围[r0,rk]变换到[s0,sk]变换函数为:s=T(r); 为便于实现,可以用查找表(look-up table)的方式存储,即:原始 ...

  2. 彩色图像的直方图均衡化matlab代码

    彩色图像的直方图均衡化 - YangYudong2014的专栏 - CSDN博客 http://blog.csdn.net/yangyudong2014/article/details/4051503 ...

  3. 直方图均衡化与Matlab代码实现

    昨天说了,今天要好好的来解释说明一下直方图均衡化.并且通过不调用histeq函数来实现直方图的均衡化. 一.直方图均衡化概述 直方图均衡化(Histogram Equalization) 又称直方图平 ...

  4. 图像处理 Matlab实现线性点运算、非线性点运算、点运算与直方图、直方图均衡化

    今天,我们学习了直方图.于是乎,回来我就用matlab代码实现一下.昨天受到道路检测老师课上一个内容的影响(对于道路裂缝的检测,我突发奇想,如果对于道路图像进行操作,是否能够让裂缝与道路分离,使得图像 ...

  5. Matlab实现直方图均衡化

    G=imread('aini555.jpg'); I=rgb2gray(G); J=histeq(I); %直方图均衡化,这一个函数就可以做到均衡化的效果 figure, subplot(),imsh ...

  6. 直方图均衡化与直方图规定化的MATLAB实现

    目录 1.直方图均衡化 2.直方图规定化 @ 1.直方图均衡化 对图像进行非线性拉伸,重新分配图像像元值,使一定灰度范围内像元值的数量大致相等就是直方图的均衡化.原来直方图中间的峰顶部分对比度得到增强 ...

  7. MATLAB - 练习程序,直方图均衡化

    直方图均衡化的作用是图像增强. 有两个问题比较难懂,一是为什么要选用累积分布函数,二是为什么使用累积分布函数处理后像素值会均匀分布. 第一个问题.均衡化过程中,必须要保证两个条件:①像素无论怎么映射, ...

  8. 对比度受限的自适应直方图均衡化(CLAHE)

    直方图均衡化(HE)是一种很常用的直方图类方法,基本思想是通过图像的灰度分布直方图确定一条映射曲线,用来对图像进行灰度变换,以达到提高图像 对比度的目的.该映射曲线其实就是图像的累计分布直方图(CDF ...

  9. 数学之路-python计算实战(14)-机器视觉-图像增强(直方图均衡化)

    我们来看一个灰度图像,让表示灰度出现的次数,这样图像中灰度为 的像素的出现概率是  是图像中全部的灰度数, 是图像中全部的像素数,  实际上是图像的直方图,归一化到 . 把  作为相应于  的累计概率 ...

随机推荐

  1. vscode调试html文件

    1. vscode调试html文件 1.1. 使用Debugger for Chrome进行调试 1.1.1. 基于本地file配置方式调试 1.1.2. 基于服务端配置方式调试 1.1.2.1. 启 ...

  2. 06JavaScript变量

    JavaScript 变量 变量是用于存储信息的"容器". var x=5; var y=6; var z=x+y; 就像代数那样 x=5 y=6 z=x+y 在代数中,我们使用字 ...

  3. shell编程基础-01

    1.1 前言 1.1.1 为什么学Shell Shell脚本语言是实现Linux/UNIX系统管理及自动化运维所必备的重要工具Linux/UNIX系统的底层及基础应用软件的核心大都涉及Shell脚本的 ...

  4. go加密算法:CBC对称加密(一)--3DES/AES

    其实对称加密中的:DES\3DES\AES 采取的加解密步骤一致,只是小的细节不太一样.大家多看看就能写出来了 // rsao1.go package main import ( "byte ...

  5. Linux phpmailer发送邮件失败的解决方法

    (本地windows phpmailer发送ok 放到linux发送失败) 原因:linux  通过465端口进行更安全的SMTPS协议发送邮件 windows 是基于smtp  25端口的 因此 可 ...

  6. webpack4的react打包错误

    因为之前一直用的是脚手架创建项目,第一次自己学习创建webpack打包.loader我是复制别人的. module: { loaders: [ { test: /\.js?$/, exclude: / ...

  7. inotify和epoll

    参考EventHub.cpp 1.初始化inotify int mINotifyFd = inotify_init(); 2.将要监测的目录添加到inotify int result = inotif ...

  8. 《JavaScript实用效果整理》系列分享专栏

    整理一些使用的JavaScript效果,在Web开发中遇到的比较好的动态效果,都收藏在这里,对以后的网站开发增加不少的色彩 <JavaScript实用效果整理>已整理成PDF文档,点击可直 ...

  9. 数据结构中的hash

    最近接触数据结构的时候突然发现一直在使用哈希表,哈希算法.那么到底什么是哈希(hash).查找资料发现一个比较有意思的解释,在此分享一下. 人家说的很好我就直接粘过来. =============== ...

  10. 为什么我要放弃javaScript数据结构与算法(第十章)—— 排序和搜索算法

    本章将会学习最常见的排序和搜索算法,如冒泡排序.选择排序.插入排序.归并排序.快速排序和堆排序,以及顺序排序和二叉搜索算法. 第十章 排序和搜索算法 排序算法 我们会从一个最慢的开始,接着是一些性能好 ...