Histogramm-Ausgleich-Methode ohne Verwendung von histeq

Zur Umsetzung der entzerrungs-Algorithmus beschrieben, auf der Wikipedia-Seite, befolgen Sie diese Schritte:

Entscheiden Sie sich für eine binSize Gruppe von Graustufen. (Dies ist eine tweakable, die größer die bin, die weniger genau ist das Ergebnis vom Idealfall aus, aber ich denke, es kann Probleme verursachen, wenn zu klein gewählt, die auf echten Bildern).

Dann berechnen Sie die Wahrscheinlichkeit, dass ein pixel eine Schattierung von Grau:

pixelCount = imageWidth * imageHeight
histogram = all zero
for each pixel in image at coordinates i, j
    histogram[floor(pixel / 255 / 10) + 1] += 1 / pixelCount // 1-based arrays, not 0-based
    // Note a technicality here: you may need to 
    // write special code to handle pixels of 255,
    // because they will fall in their own bin. Or instead use rounding with an offset. 

Das Histogramm in diese Berechnung skaliert wird (dividiert durch die pixel-Anzahl), so dass die Werte sinnvoll als Wahrscheinlichkeiten. Sie können natürlich ein Faktor der division aus der for-Schleife.

Nun müssen Sie berechnen Sie die kumulierte Summe dieser:

histogramSum = all zero // length of histogramSum must be one bigger than histogram

for i == 1 .. length(histogram)
    histogramSum[i + 1] = histogramSum[i] + histogram[i]

Nun müssen Sie umkehren diese Funktion und das ist der schwierige Teil. Das beste ist, um nicht berechnen Sie eine explizite inverse, aber berechnen es auf der Stelle, und wenden Sie es auf das Bild. Die Grundidee ist, die Suche nach den pixel-Wert in der histogramSum (finden Sie den nächsten index unten), und dann eine lineare interpolation zwischen dem index und dem nächsten index.

foreach pixel in image at coordinates i, j
   hIndex = findIndex(pixel, histogramSum) // You have to write findIndex, it should be simple
   equilisationFactor = (pixel - histogramSum[hIndex])/(histogramSum[hIndex + 1] - histogramSum[hIndex]) * binSize
   // This above is the linear interpolation step. 
   // Notice the technicality that you need to handle:
   // histogramSum[hIndex + 1] may be out of bounds

   equalisedImage[i, j] = pixel * equilisationFactor

Edit: ohne bohren in Mathe, ich kann nicht 100% sicher, aber ich glaube, dass die division durch 0 Fehler sind möglich. Diese können auftreten, wenn ein Fach leer ist, also aufeinander folgenden Summen sind gleich. So benötigen Sie spezielle code in diesem Fall behandeln zu. Die besten können Sie tun ist, nehmen Sie den Wert für den Faktor auf halbem Weg zwischen hIndex, hIndex + n, wo n ist der höchste Wert, für die histogramSum[hIndex + n] == histogramSum[hIndex].

Ist und dass sollte werden es, sobald Sie sich mit allen Formalitäten.

Den oben beschriebenen Algorithmus ist langsam (vor allem in der findIndex Schritt). Sie können in der Lage sein, um dies zu optimieren, mit einem speziellen lookup-datastructure. Aber nur, wenn es funktioniert, und nur wenn notwendig.

Eine weitere Sache über Ihren Matlab-code: die Zeilen und Spalten sind vertauscht. Aufgrund der Symmetrie des Algorithmus das Ergebnis ist das gleiche, aber es kann die Ursache für rätselhafte Fehler in anderen algorithmen, und sehr verwirrend sein, wenn Sie prüfen, pixel-Werte während des Debuggens. In der pseudocode oben habe ich das gleiche wie du, obwohl.