图像直方图描述灰度值的分布,不记录这些值的位置。它有助于观察对比度和构造全局灰度变换,但被丢弃的空间位置很重要:两张视觉上不同的图像可能具有完全相同的直方图。
计数、概率与累积分布
定义 8.1.1
(直方图、累积分布与向下取整映射)
设灰度图像有 N>0 个像素,整数灰度级为 0,...,L-1。令 h(r) 为灰度级 r 的像素数,并定义 p(r)=h(r)/N。于是 sum_r h(r)=N 且 sum_r p(r)=1。累积分布为
均衡化形式的全局映射为
映射后图像的输出直方图为 h_out(s),即新灰度级等于 s 的像素数。
全文采用这一精确约定:向下取整、包含所有灰度级,且不减去第一个正的累积值。软件和课堂讲义可能采用不同的取整方式或减去最小累积分布值,数值结果因此可能不同。由于图像和灰度级是有限离散的,输出直方图不一定均匀。
命题 8.1.2
(向下取整映射的基本性质)
在上述约定下:
F单调不减,且F(L-1)=1;T单调不减,取值于{0,...,L-1},且T(L-1)=L-1;- 输出计数为
h_out(s)=sum_{r:T(r)=s} h(r),且sum_s h_out(s)=N。
证明
(单调性与计数合并)
每个 都不小于 ,所以 ,而 。乘以 不改变次序,向下取整函数也单调不减,故 蕴含 。由于 ,有 ,所以 。在最高灰度级,。
至于第三项,每个像素恰有一个输入灰度级 ,并被送到唯一的输出灰度级 。因此输出级为 的像素,恰好是输入级属于 的像素;对不同的 ,这些输入类互不相交。把它们的计数相加得到 ;对所有 求和,每个像素恰被计一次,总数为 。
因此,较暗的输入灰度级不会映射到比更亮输入级更高的灰度,相同的输入灰度级也必得到相同的输出灰度级。
例题:计算输出,而不只计算映射
例题 8.1.3
(恰好是恒等映射的情形)
考虑一张 2 x 4 图像,灰度级为 0,1,2,3:
0 0 1 2
1 2 2 3
计数为 [2,2,3,1],N=8。取 L=4,得到:
输入级 r | h(r) | F(r) | floor(3 F(r)) |
|---|---|---|---|
| 0 | 2 | 2/8 | 0 |
| 1 | 2 | 4/8 | 1 |
| 2 | 3 | 7/8 | 2 |
| 3 | 1 | 8/8 | 3 |
此时映射恰好是恒等映射,所以输出计数仍是 [2,2,3,1];均衡化不保证使每张图像出现可见变化。
例题 8.1.4
(计数合并:直方图 [4,0,4,0])
要看到非平凡的变换,考虑计数为 [4,0,4,0],同样是八个像素、四个灰度级。累积概率为 [1/2,1/2,1,1],所以 3F=[1.5,1.5,3,3],映射为 [1,1,3,3]。由合并计数公式,h_out(1)=h(0)+h(1)=4,h_out(3)=h(2)+h(3)=4,而 h_out(0)=h_out(2)=0(没有灰度级映射到那里)。输出计数为 [0,4,0,4]:所有 0 级像素变为 1,所有 2 级像素变为 3。虽然映射对 1 和 3 级也有定义,但输入中没有这两级的像素;总数仍是 4+4=8。
例题 8.1.5
(边界情形:碰撞会损失信息)
一张四级图像的计数为 [1,1,1,5]。按上述向下取整约定求映射和输出计数。如果只保留映射后的图像,哪些信息会无法恢复?
累积概率为 [1/8,2/8,3/8,1]。乘以 3 并向下取整,得到 T=[0,0,1,3]。输入级 0 和 1 都映射到 0,级 2 映射到 1,级 3 保持为 3,因此输出计数为 [2,1,0,5]。对于任何输出值为 0 的像素,单凭映射后的图像无法判断输入是 0 还是 1。这是多对一灰度映射造成的特定信息损失;只保留直方图时,还会另外丢失位置信息。
多对一映射会合并计数,而不会把同一个有像素的输入级拆分到多个输出级。因此,对相同灰度采用相同处理的确定性映射,不能总是使离散图像的直方图完全均匀。
反例模式
均衡化不会得到平坦的直方图
命题:经此映射后,输出直方图是均匀的,每个灰度级恰有 N/L 个像素。取计数 [4,0,4,0],N=8,L=4;平坦的结果应是 [2,2,2,2]。我们算出的输出是 [0,4,0,4],并不平坦。更进一步,这里任何逐点映射都不可能得到 [2,2,2,2]:四个 0 级像素必然得到同一个输出级,该输出级便至少有 4 个像素,多于 2。真正成立的只是上面的命题:映射单调、保持像素总数,并且整体合并输入灰度级。
常见错误
(把映射误当作输出直方图)
列表 T=[1,1,3,3] 说明每个输入级去到哪里,它不是输出计数列表。若对 s=0,1,2,3 计算 h(T(s)),得到 h(1),h(1),h(3),h(3)=0,0,0,0,连总和 8 都不是。正确的计数是 h_out(s)=sum_{r:T(r)=s} h(r),即 [0,4,0,4]。
常见错误
(乘以 L 而不是 L-1)
当 L=4 且 F(L-1)=1 时,若用 floor(4F(r)),最亮的灰度级会被送到 4,这不是有效的灰度级。因子必须是 L-1,才能使最大累积值 1 映射到最高灰度级 L-1。
快速检查
(一张 8 个像素、L=4 的图像,计数为 [3,1,0,4]。求 T 和输出计数。)
先计算累积计数。
解答 · 答案
累积概率为 [3/8,4/8,4/8,1],所以 3F=[9/8,12/8,12/8,3],T=[1,1,1,3]。级 0、1、2 都映射到 1,故 h_out(1)=3+1+0=4,而 h_out(3)=4。输出计数为 [0,4,0,4]。
快速检查
(一张 6 个像素、L=4 的图像,所有像素的灰度级都是 2。求 T 和映射后的图像。)
写出计数 [0,0,6,0]。
解答 · 答案
F=[0,0,1,1],所以 T=[0,0,3,3]。每个像素的灰度级都是 2,都被送到 3,因此映射后的图像是恒为 3 的常数图像。映射不会把单一有像素的灰度级摊开。
快速检查
(两张图像的直方图相同,但像素排列不同。它们映射后的直方图是否必然相同?)
想想 T 和 h_out 依赖什么。
解答 · 答案
是。T 只由 h 算出,而 h_out(s)=sum_{r:T(r)=s} h(r) 只由 h 和 T 算出。映射后的两张图像仍可能排列不同。
直方图无法确定什么
以下两个数组都含两个 0 和两个 3:
0 0 0 3
3 3 3 0
它们的直方图相同,但位置和边界不同。对两者施加相同的逐点映射,除非有关灰度级合并为同一级,否则位置排列的差别仍在。因此单凭直方图无法恢复边缘、形状或像素位置。全局变换在所有位置使用同一映射;它可能改善某些图像的对比度分布,却不保证改善每个局部区域,也不保证保留所有细节。
对彩色图像应用这类计算前,应先说明采用什么表示:分别映射 RGB 三个通道,与只变换一个亮度通道,是不同操作,前者可能改变色彩平衡。本节计数假设单一灰度通道,且不在灰度级之间插值。