直方图均衡化

但直方图均衡化是一种全局处理方式，它对处理的数据不加选择，可能会增加背景干扰信息的对比度并且降低有用信号的对比度（如果图像某些区域对比度很好，而另一些区域对比度不好，那采用直方图均衡化就不一定用）。

直方图均衡化：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。直方图均衡化通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。

直方图均衡化旨在改进图像对比度与可视性。它通过拉伸直方图，扩大像素值分布范围，使图像细节更丰富。此技术首先统计原始图像每个灰度级的像素数量，形成直方图。然后通过拉伸，将直方图分布扩展到更广泛灰度区间，使图像对比度提升。处理灰度图像时，直接应用直方图均衡化即可。

不同之处：直方图均衡化是将原图像的灰度直方图变为较为平坦的直方图，不需要额外参数，整个过程是自动的，而直方图匹配是将原图像的灰度直方图变为规定的某种形式的直方图，从而使两幅图像具有类似的色调和反差。

数字图像处理作业笔记(3)同态滤波和直方图均衡比较分析

数字图像处理中的主要任务之一是改善图像质量，尤其是解决光照不均匀的问题。直方图均衡和同态滤波是两种常用的图像处理技术，它们在改善图像光照不均匀性方面各有特点。本文将从原理出发，对比直方图均衡化和同态滤波方法在处理图像光照不均匀问题上的不同之处。

低通滤波：包括理想低通滤波、高斯低通滤波和巴特沃斯低通滤波。 高通滤波：涉及理想高通滤波、高斯高通滤波和巴特沃斯高通滤波。 拉普拉斯滤波（锐化）：用于频率域的锐化处理。 同态滤波：介绍频率域滤波的同态滤波。图像复原与重建 常见噪声模型与估计：讨论图像中噪声模型的估计及常见滤波方法。

将结果赋值给滤波器中间位置对应的图像像素* 边缘问题 ：因为滤波器无法超出图像范围，所以边缘无法滤波。 * 处理方法： 忽略 假想边缘外有与边缘灰度值一样的像素空域滤波分类： 平滑滤波：平滑图像，去除高频分量，使得图像灰度值变化不那么大，同时降低噪声。

MATLAB数字图像处理(二)直方图

1、绘制图像灰度直方图是图像处理中常用的技术，如利用直方图均衡化来增强图像对比度。直方图定义为数字图像在[0~255]灰度级上的分布。具体而言，h（gk）表示灰度级gk出现的次数，nknk为图像中该灰度级的像素数量。归一化直方图p（gk）=h（gk）n则表示灰度级gk在图像中出现的比例。

2、直方图规定化是图像处理中的一种技术，它通过改变图像的灰度值分布，将图像的直方图调整到预先设定的目标分布。这种技术主要用于图像增强和特征提取，以适应特定的应用需求。具体过程如下：首先，我们需要了解直方图的规定化原理。其核心在于通过映射函数，将原图像的灰度直方图调整为预设的目标直方图。

3、图像直方图均衡化是提升图像视觉质量的关键技术。核心概念在于将图像的灰度直方图重新分布，使之变为均匀，从而扩大图像的动态范围，增加对比度，使图像更易于观察。利用 MATLAB 中的 histeq（）、adapthisteq（） 函数，可以直接对灰度图像进行均衡化处理，实现像素值的非线性拉伸，以均匀分布于整幅图像中。