И.М.Журавель "Краткий курс теории обработки изображений"

В оглавление книги\ К следующему разделу \ К предыдущему разделу

Обзор методов цифровой обработки изображений: Методы гистограммных преобразований

Гистограмма распределения яркостей реального изображения, подвергнутого линейному квантированию, имеет ярко выраженный подъем в сторону малых уровней. Поэтому мелкие детали на темных участках видимы плохо, а сами изображения характеризуются низким контрастом. С целью повышения контраста таких изображений используют методы видоизменения гистограммы. Суть этих методов состоит в преобразовании яркостей исходного изображения таким образом, чтобы гистограмма распределения яркостей приобрела желательную форму [1, 2, 3].

Оптимальным с точки зрения зрительного восприятия человеком является изображение, элементы которого имеют равномерное распределение яркостей. Множество исследователей [4, 5, 6] получили ряд улучшенных изображений путем выравнивания гистограммы, то есть в каждом случае они стремились достичь равномерности распределения яркостей обработанного изображения. У. Фрэй исследовал метод видоизменения гистограмм, который обеспечивал экспоненциальную или гиперболическую форму распределения яркостей улучшенного изображения [7]. Д. Кетчам [8] усовершенствовал этот метод, применив скользящую "локальную" гистограмму, полученную для некоторого участка изображения.

Процедура выравнивания гистограммы состоит из следующих действий:

1. Вычисляется гистограмма распределения яркостей элементов изображения ;
2. Строится нормированная кумулятивная гистограмма ;
3. Формируется новое изображение .

Это преобразование эффективно для улучшения визуального качества низко контрастных деталей. Существует также ряд известных методов видоизменения гистограммы, которые приводят к получению изображений с заранее заданным распределением [9, 10, 11].

Описанные методы преобразования гистограммы могут быть глобальными, то есть использовать информацию обо всем изображении, и скользящими, когда для преобразования используются локальные области изображения. Рассмотренные выше подходы служат основой широкого класса гистограммных методов преобразования изображений [3, 9, 12].

Список литературы

1. Беликова Т.П., Ярославский Л.П. Использование адаптивных амплитудных преобразований для препарирования изображений // Вопросы радиоэлектроники, сер. Общетехническая. – 1974, вып.14. – С. 88 – 98.
2. Воробель Р.А., Журавель И.М. Повышение контраста изображений с помощью модифицированного метода кусочного растяжения // Отбор и обработка информации. – № 14 (90). – 2000. – С. 116 – 121.
3. Ярославский Л.П. Введение в цифровую обработку изображений. – М.: Сов.радио, 1979. – 312 с.
4. Andrews H.C., Tescher A.G., Kruger R.P. Image processing by digital computers. IEEE Spectrum. - 1972. - V. 9, N 7. - P. 20 –32.
5. Hall E.L. Almost Uniform Distribution for Computer Image Enhancement // IEEE Trans. Computers. – 1974. – v. 23, № 2 – P. 207 – 208.
6. Hall E.L., et al., A Survey of Preprocessing and Feature Extraction Techniques for Radiographic Images // IEEE Trans. Computers. – 1971. –v. 20, № 9 – P. 1032 – 1044.
7. Frei W. Image Enhancement by Histogram Hyperbolization // Computer Graphics and Image Processing. – 1977. – V. 6, № 3. – P. 286–294.
8. Ketcham D.J. Real Time Image Enhancement Technique // Proceedings SPIE/OSA Conference on Image Processing. – Pacific Grove, California. – v. 74. – 1976. – pp.120 – 125.
9. Фу К., Гонсалес Р., Ли К. Робототехника: Пер.с англ. / Под ред. В.Г.Градецкого. – М.: Мир, 1989. – 624 с.
10. Gonzalez R.C., Fittes B.A. Gray–Level Transformation for Interac–tive Image Enhancement. Mech. Mach. Theory. – 1975. – V.12. – P. 111–112.
11. Gonzalez R.C., Wintz P. Digital Image Processing. – Addisson–Wesley. Reading. Massachusetts. – 1987. – 505 p.
12. Coulam C.M. Erickson J.J. and Gibbs S.J. Image and equipment considerations in conventional tomography // The Phisical Basis of Medical Imaging ed C.M. Coulam, J.J. Erickson and A.E. James (New York: Appleton – Century – Crofts). – 1981.

Реализация методов гистограммных преобразований в системе MATLAB

Благодаря своей высокой эффективности методы гистограммных преобразований нашли широкое применение при решении задач обработки изображений. Этим объясняется существование большого количества методов класса гистограммных преобразований, что позволяет решать широкий круг задач с учетом разнообразных нюансов. Методы данного класса бывают глобальными и локальными (или еще их называют скользящими). Глобальные методы гистограммных преобразований являются, в сущности, табличными методами. Поэтому основное их преимущество состоит в быстродействии. Однако, глобальные методы не используют при преобразовании характеристик локальных областей изображения, поэтому они не обеспечивают эффективную обработку тонкоструктурных областей. Для более детальной обработки изображений используют скользящие методы. Они обеспечивают качественное контрастирование мелких деталей изображения. Вместе с тем, они более объемны по вычислительным затратам. Поэтому при использовании методов класса гистограммных преобразований нужно искать компромисс между качеством и быстродействием обработки изображений.

Основным этапом при создании методов гистограммных преобразований является корректное построение гистограммы распределения яркостей элементов изображения. Для этого в большинстве случаев используются встроенные функции hist, imhist. В Matlab V.4.x функция построения гистограммы яркостей элементов изображения работает некорректно, однако этот недостаток устранен в последующих версиях.

Приведем пример алгоритма построения гистограммы изображения, который использовался в Matlab V.4.x:

% Считывание изображения из файла
fid=fopen('F:\MATLAB\len.img','r');
[A,count]=fread(fid,'char');
fclose(fid);
L1=min(A);L2=max(A);t=length(A);
% Определение границ диапазона воспроизводимых яркостей
H=[];
for L=L1:L2;
disp(L); H(L)=0;
for k=1:t; if A(k)==L; H(L)=H(L)+1; end; end;
end;
plot(H);

Приведем пример реализации классического метода эквализации (выравнивания) гистограммы распределения яркостей элементов изображения.

% Считывание изображения из файла
fid=fopen('F:\MATLAB\len.img','r');
[A,count]=fread(fid,'char');
fclose(fid);
A=A'; N=256; M=N;
A=A(1:N*M); A=A+1;
H=hist(A,max(A)-min(A)+1);
Hps=zeros(1,256-(max(A)+1)); Hdo=zeros(1,min(A));
H=[Hdo,H,Hps];
for i=1:256;
disp(i);
S(i)=sum(H(1:i));
end;
K=255/(M*N);
A1=K.*S(A);
A1=fix(A1);% Массив изображения с эквализованной гистограммой

С выходом новых версий системы Matlab необходимость в создании программ построения гистограммы изображения и ее эквализации исчезла. Эти программы заменили встроенные функции imhist и histeq, которые применяются для построения и эквализации гистограммы изображения.

В оглавление книги \ К следующему разделу \ К предыдущему разделу