首页 > 代码库 > 【图像处理】第一次实验

【图像处理】第一次实验

1、任务说明

打开一幅图像,进行直方图均衡。将灰度线性变化,将灰度拉伸。

2、算法原理

1)        图像灰度化

  在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫做灰度值,灰度范围为0-255。一般有四种方法对彩色进行灰度化,分别为:

分量法,最大值法,平均值法和加权平均法。本实验中采用平均值法,即

           

 

2)        直方图均衡

  直方图表示数字图像中每一个灰度级与其出现频率间的统计关系。设有某一个灰度等级,属于该灰度等级的像素个数为nk,图像总像素个数为n,则直方图的定义为

                  

      图像的直方图反映了图像的灰度范围、灰度分布、图像的平均亮度等。

  直方图均衡化也叫直方图均匀化,其目的是使所有灰度级出现的相对频率表相同,此时图像的熵最大,图像所包含的信息量最大。

  本实验处理在离散情况下的直方图修正。其中第k个灰度级出现的概率为:

             

  进行均匀化处理的变换函数为:

               

 

      由新rk得到均衡化处理后的直方图。

  

3)        线性变化

  设输入图像的的灰度范围为[a,b],希望经过变换后的输出图像的灰度范围变化为[c,d],则变换函数T的表达式可以表示为

              

  根据不同的线性变换的斜率和截距,可以达到对图像不同的处理效果。当斜率大于1时,可以增加图像的对比度;当斜率在0与1之间时,

图像的对比度和整体效果都被削弱,灰度会被集中在一段区域上,灰度取值变窄,使图片趋于灰色。当斜率为负时,源图像较亮的区域变暗,

较暗的区域变量,可以实现反色效果。而当截距为正时,图像的亮度将会增加;截距为负时,图像的亮度将会降低。

 

4)        灰度拉伸(分段线性变化)

  为了突出感兴趣的目标或灰度区间,相对一致不感兴趣的灰度区间,可以采用分段线性变换。本实验采用常用的三段线性变换方法。

                       

  具体算法如下:

            

3、算法实现

1)        图像灰度化

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
public void turnGray()
    {
        for (int i=minx;i<width;i++)
        {
            for(int j=miny;j<height;j++)
            {
                int pixel=bi.getRGB(i,j);//获得8位的RGB值
                int a = (pixel >> 24) & 0xff//提取前两位透明度
                int r = (pixel >> 16) & 0xff//提取次两位,R值
                int g = (pixel >> 8) & 0xff//提取再次两位,G值
                int b = pixel & 0xff//提取最后两位,B值
                int gray=(r+g+b)/3;   //计算平均值,得到像素灰度
                //根据灰度得到完整8位RGB值
                pixel= (a<<24)|(gray<<16)|(gray<<8)|gray;
                //将新的RGB值赋给像素点
                bi.setRGB(i, j,pixel);
            }
        }
        //输出图像
        try{
            ImageIO.write(bi, "jpg", new File("D://gray.jpg"));
        }catch(IOException e)
        {
            e.printStackTrace();
        }
    }

  

 

2)        直方图均衡

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
public void histEqua()
    {
        int[] gray = new int[sum]; //保存初始灰度值
        int[] newgray = new int[sum]; //保存新灰度值
        int[] oldgrayscale = new int[256]; //保存灰度累加值
        double[] grayscale = new double[256];
        double[] cumulative = new double[256];
        //统计所有像素中各灰度值出现的次数
        for(int i=minx;i<width;i++){
            for(int j=miny;j<height;j++){
                int pixel=bi.getRGB(i, j);
                gray[height*i+j] = (pixel & 0xff);
                oldgrayscale[gray[height*i+j]]++;  
            }
        }
        for(int i=0;i<256;i++){
             //计算原直方图中各灰度值出现的频率
            grayscale[i] = ((double)oldgrayscale[i])/sum;  
            for(int j=0;j<=i;j++){
                 //计算累加后的直方图
                cumulative[i] += grayscale[j];
            }
             //得到新的映射关系
            cumulative[i] = (int)(cumulative[i]*256);  
        }
         
        BufferedImage hist_equa = new BufferedImage(width,height,BufferedImage.TYPE_INT_RGB);
        //根据累加数组得到新的像素灰度
        for(int i=minx;i<width;i++){
            for(int j=miny;j<height;j++){
                newgray[height*i+j] = (int)cumulative[gray[height*i+j]];   
                int pixel = (newgray[height*i+j])|(newgray[height*i+j]<<8)|(newgray[height*i+j]<<16);
                    hist_equa.setRGB(i, j, pixel);
            }
        }
//输出图像
        try {
            ImageIO.write(hist_equa,"jpg", new File("D://histEqua.jpg"));
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

  

3)        线性变换

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
public void linTrans()
    {
         //得到线性变换函数的斜率和截距
        double slope;
        double intercept;
        Scanner in = new Scanner(System.in);
        System.out.println("输入线性变换斜率:");
        slope=in.nextDouble();
        System.out.println("输入线性变换截距:");
        intercept=in.nextDouble();
         
        BufferedImage lt =new BufferedImage(width,height,BufferedImage.TYPE_INT_BGR);
        for(int i=minx;i<width;i++)
        {
            for(int j=miny;j<height;j++)
            {
             //提取灰度值
                int pixel = bi.getRGB(i, j);
                pixel = pixel & 0xff;
             //进行线性变换
                pixel = (int)(pixel*slope + intercept);
             //对超出边界的值进行处理
                if(pixel<0)
                    pixel=0;
                if(pixel>255)
                    pixel=255;
             //恢复为RGB值
                pixel = (pixel<<16)|(pixel<<8)|pixel;
                lt.setRGB(i, j, pixel);
            }
        }
        //输出图像
        try {
            ImageIO.write(lt,"jpg", new File("D://linTrans.jpg"));
        } catch (IOException e) {
            e.printStackTrace();
        }
         
    }

  

4)        灰度拉伸

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
public void linStr()
    {
        int x1,x2,y1,y2;
        double k1,k2,b1,b2,k3,b3;
        //读入线性变换两份转折点的坐标
        Scanner in = new Scanner(System.in);
        System.out.println("输入灰度拉伸第一个点的坐标,以空格分开:");
        x1 = in.nextInt();
        y1 = in.nextInt();
        System.out.println("输入灰度拉伸第二个点的坐标,以空格分开:");
        x2 = in.nextInt();
        y2 = in.nextInt();
        in.close();
        //计算三段线性变换各阶段的斜率与截距
        k1 = y1/x1;
        b1 = 0;
        k2 = (y2-y1)/(x2-x1);
        b2 = y1-k2*x1;
        k3 = (255-y2)/(255-x2);
        b3 = y2-k3*x2;
          
         
        BufferedImage ls =new BufferedImage(width,height,BufferedImage.TYPE_INT_BGR);
        for(int i=minx;i<width;i++)
        {
            for(int j=miny;j<height;j++)
            {//提取像素点灰度值
                int pixel = bi.getRGB(i, j);
                pixel = pixel & 0xff;
              //分段进行线性变化
                if(pixel<x1)
                    pixel = (int)(pixel*k1  + b1);
                else if(pixel>=x2)
                    pixel = (int)(pixel*k3  + b3);
                else
                    pixel = (int)(pixel*k2  + b2);
                //对于超出边界的值进行处理
                if(pixel<0)
                    pixel=0;
                if(pixel>255)
                    pixel=255;
                pixel = (pixel<<16)|(pixel<<8)|pixel;
                ls.setRGB(i, j, pixel);
            }
        }
        //输出图像
        try {
            ImageIO.write(ls,"jpg", new File("D://linStr.jpg"));
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
     
    private BufferedImage bi=null;
    private int width;
    private int height;
    private int minx;
    private int miny;
    private int sum;
 
}

  

4、实验

                源图像                                   灰度图像                            

            直方图均衡化                  (-1,255)线性变换,相当于反色        

   灰度拉伸,某些像素得到凸显