图像处理------直方图均衡化

简介: <p style="color: rgb(51, 51, 51); font-family: Arial; font-size: 14px; line-height: 26px;"><span style="font-size: 18px;"><strong>基本思想</strong>:</span></p><p style="color: rgb(51, 51, 51); font-fam

基本思想

直方图图均衡化是图像处理中的常用图像增强手段,直方图均衡化的主要优点是

可以降低图像噪声,提升图像的局部显示。对于常见的RGB图像,直方图均衡化

可以分别在三个颜色通道上处理,基本的直方图均衡化的公式为:

其中nj表示灰度级为Rk的像素的个数,L为图像中灰度总数,对于RGB来说L的

值范围为[0~255]总灰度级为256个。而R表示输入图像的直方图数据。根据输

出的灰度值Sk计算出输出像素的每个像素值,完成直方图均衡化之后的像素处理

程序效果:


源代码:

[java]  view plain copy
  1. package com.gloomyfish.filter.study;  
  2.   
  3. import java.awt.image.BufferedImage;  
  4.   
  5. public class HistogramEFilter extends AbstractBufferedImageOp{  
  6.   
  7.     @Override  
  8.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
  9.         int width = src.getWidth();  
  10.         int height = src.getHeight();  
  11.   
  12.         if ( dest == null )  
  13.             dest = createCompatibleDestImage( src, null );  
  14.   
  15.         int[] inPixels = new int[width*height];  
  16.         int[] outPixels = new int[width*height];  
  17.         getRGB( src, 00, width, height, inPixels );  
  18.         int[][] rgbhis = new int[3][256]; // RGB  
  19.         int[][] newrgbhis = new int[3][256]; // after HE  
  20.         for(int i=0; i<3; i++) {  
  21.             for(int j=0; j<256; j++) {  
  22.                 rgbhis[i][j] = 0;  
  23.                 newrgbhis[i][j] = 0;  
  24.             }  
  25.         }  
  26.         int index = 0;  
  27.         int totalPixelNumber = height * width;  
  28.         for(int row=0; row<height; row++) {  
  29.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  30.             for(int col=0; col<width; col++) {  
  31.                 index = row * width + col;  
  32.                 ta = (inPixels[index] >> 24) & 0xff;  
  33.                 tr = (inPixels[index] >> 16) & 0xff;  
  34.                 tg = (inPixels[index] >> 8) & 0xff;  
  35.                 tb = inPixels[index] & 0xff;  
  36.   
  37.                 // generate original source image RGB histogram  
  38.                 rgbhis[0][tr]++;  
  39.                 rgbhis[1][tg]++;  
  40.                 rgbhis[2][tb]++;  
  41.             }  
  42.         }  
  43.           
  44.         // generate original source image RGB histogram  
  45.         generateHEData(newrgbhis, rgbhis, totalPixelNumber, 256);  
  46.         for(int row=0; row<height; row++) {  
  47.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  48.             for(int col=0; col<width; col++) {  
  49.                 index = row * width + col;  
  50.                 ta = (inPixels[index] >> 24) & 0xff;  
  51.                 tr = (inPixels[index] >> 16) & 0xff;  
  52.                 tg = (inPixels[index] >> 8) & 0xff;  
  53.                 tb = inPixels[index] & 0xff;  
  54.   
  55.                 // get output pixel now...  
  56.                 tr = newrgbhis[0][tr];  
  57.                 tg = newrgbhis[1][tg];  
  58.                 tb = newrgbhis[2][tb];  
  59.                   
  60.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  61.             }  
  62.         }  
  63.         setRGB( dest, 00, width, height, outPixels );  
  64.         return dest;  
  65.     }  
  66.     /** 
  67.      *  
  68.      * @param newrgbhis 
  69.      * @param rgbhis 
  70.      * @param totalPixelNumber 
  71.      * @param grayLevel [0 ~ 255] 
  72.      */  
  73.     private void generateHEData(int[][] newrgbhis, int[][] rgbhis, int totalPixelNumber, int grayLevel) {  
  74.         for(int i=0; i<grayLevel; i++) {  
  75.             newrgbhis[0][i] = getNewintensityRate(rgbhis[0], totalPixelNumber, i);  
  76.             newrgbhis[1][i] = getNewintensityRate(rgbhis[1], totalPixelNumber, i);  
  77.             newrgbhis[2][i] = getNewintensityRate(rgbhis[2], totalPixelNumber, i);  
  78.         }  
  79.     }  
  80.       
  81.     private int getNewintensityRate(int[] grayHis, double totalPixelNumber, int index) {  
  82.         double sum = 0;  
  83.         for(int i=0; i<=index; i++) {  
  84.             sum += ((double)grayHis[i])/totalPixelNumber;  
  85.         }  
  86.         return (int)(sum * 255.0);  
  87.     }  
  88.   
  89. }  
相关文章
|
开发框架 前端开发 JavaScript
跨平台开发:构建一次运行到处工作的应用程序的未来
在当今多样化的设备和操作系统中,跨平台开发已经成为现代应用程序开发的关键。它允许开发人员使用一套代码构建应用程序,然后在多个平台上运行,从而节省时间和资源。本博客将深入研究跨平台开发的核心概念、技术工具以及为什么它们在应用开发中如此重要。
506 0
|
Go Android开发 开发者
关于Xposed和Magisk的各方面比较(附Xposed框架各版本卡刷包及安装器)
说到搞机神器,不得不提江湖老大哥Xposed和后起之秀Magisk这两个框架,文章简单的介绍一下两者相似和不同之处
2178 0
|
存储 安全 数据管理
探索区块链技术在医疗数据管理中的应用
区块链技术,一种最初为比特币而创建的分布式账本技术,已经逐渐渗透到各个行业,其中包括医疗领域。本文将深入探讨区块链技术如何革新医疗数据管理系统,提高数据安全性和互操作性,同时降低运营成本。我们将从区块链的基本原理出发,分析其在保护患者隐私、实现数据共享及优化病历管理方面的具体应用案例和潜在挑战。最后,通过实际案例和未来展望,揭示区块链技术在医疗数据管理中的巨大潜力和发展前景。
|
8月前
|
存储 缓存 开发工具
HarmonyOS Next~HarmonyOS应用开发工具之AppGallery Connect
AppGallery Connect(AGC)是华为为HarmonyOS开发者提供的全生命周期服务平台,支持开发、测试、上架到运营全流程。其核心功能包括应用分发、云数据库、认证服务和云函数等,助力开发者提升效率、缩短开发周期。AGC采用分层架构设计,集成40+云端服务能力,覆盖170+国家/地区,支持全球化业务拓展。通过事件跟踪、异常监控等工具,帮助开发者优化性能与用户体验。未来,AGC将引入低代码开发、增强现实等新能力,助力构建高质量HarmonyOS应用。
659 4
Mac 复制文件名目录路径
Mac 复制文件名目录路径
1686 0
|
搜索推荐 安全 数据挖掘
如何利用商品详情数据挖掘消费者的潜在需求?
本文介绍了利用商品详情数据挖掘消费者潜在需求的六种方法,包括分析商品属性信息、研究消费者评价反馈、关注搜索浏览行为、对比竞争对手数据、分析购买行为及利用数据挖掘技术进行综合分析,旨在帮助企业精准捕捉市场需求,优化产品和服务。
|
存储 监控 安全
网络安全基础知识
【9月更文挑战第2天】
657 26
|
数据采集 开发者 Python
Python之怎么爬取图片网站
Python之怎么爬取图片网站
|
机器学习/深度学习 人工智能 编解码
|
弹性计算 应用服务中间件 双11
阿里云2核2G4M轻量应用服务器49.68元一年(多配置可选)
2022阿里云双十一优惠活动2核2G轻量应用服务器4M带宽优惠价49.68元一年,多配置可选,配置不同价格不同,不只是轻量应用服务器还可以选择云服务器ECS
1095 0
阿里云2核2G4M轻量应用服务器49.68元一年(多配置可选)