圖像直方圖描述灰度值的分布,不記錄這些值的位置。它有助觀察對比度和構造全局灰度變換,但被丟棄的空間位置很重要:兩張視覺上不同的圖像可能具有完全相同的直方圖。
計數、概率與累積分布
定義 8.1.1
(直方圖、累積分布與向下取整映射)
設灰度圖像有 N>0 個像素,整數灰度級為 0,...,L-1。令 h(r) 為灰度級 r 的像素數,並定義 p(r)=h(r)/N。於是 sum_r h(r)=N 且 sum_r p(r)=1。累積分布為
均衡化形式的全局映射為
映射後圖像的輸出直方圖為 h_out(s),即新灰度級等於 s 的像素數。
全文採用這一精確約定:向下取整、包含所有灰度級,且不減去第一個正的累積值。軟件和課堂講義可能採用不同的取整方式或減去最小累積分布值,數值結果因此可能不同。由於圖像和灰度級是有限離散的,輸出直方圖不一定均勻。
命題 8.1.2
(向下取整映射的基本性質)
在上述約定下:
F單調不減,且F(L-1)=1;T單調不減,取值於{0,...,L-1},且T(L-1)=L-1;- 輸出計數為
h_out(s)=sum_{r:T(r)=s} h(r),且sum_s h_out(s)=N。
證明
(單調性與計數合併)
每個 都不小於 ,所以 ,而 。乘以 不改變次序,向下取整函數亦單調不減,故 蘊含 。由於 ,有 ,所以 。在最高灰度級,。
至於第三項,每個像素恰有一個輸入灰度級 ,並被送到唯一的輸出灰度級 。因此輸出級為 的像素,恰好是輸入級屬於 的像素;對不同的 ,這些輸入類互不相交。把它們的計數相加得到 ;對所有 求和,每個像素恰被計一次,總數為 。
因此,較暗的輸入灰度級不會映射到比更亮輸入級更高的灰度,相同的輸入灰度級亦必得到相同的輸出灰度級。
例題:計算輸出,而不只計算映射
例題 8.1.3
(恰好是恆等映射的情形)
考慮一張 2 x 4 圖像,灰度級為 0,1,2,3:
0 0 1 2
1 2 2 3
計數為 [2,2,3,1],N=8。取 L=4,得到:
輸入級 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 |
此時映射恰好是恆等映射,所以輸出計數仍是 [2,2,3,1];均衡化不保證使每張圖像出現可見變化。
例題 8.1.4
(計數合併:直方圖 [4,0,4,0])
要看到非平凡的變換,考慮計數為 [4,0,4,0],同樣是八個像素、四個灰度級。累積概率為 [1/2,1/2,1,1],所以 3F=[1.5,1.5,3,3],映射為 [1,1,3,3]。由合併計數公式,h_out(1)=h(0)+h(1)=4,h_out(3)=h(2)+h(3)=4,而 h_out(0)=h_out(2)=0(沒有灰度級映射到那裏)。輸出計數為 [0,4,0,4]:所有 0 級像素變為 1,所有 2 級像素變為 3。雖然映射對 1 和 3 級也有定義,但輸入中沒有這兩級的像素;總數仍是 4+4=8。
例題 8.1.5
(邊界情形:碰撞會損失資訊)
一張四級圖像的計數為 [1,1,1,5]。按上述向下取整約定求映射和輸出計數。如果只保留映射後的圖像,哪些資訊會無法恢復?
累積概率為 [1/8,2/8,3/8,1]。乘以 3 並向下取整,得到 T=[0,0,1,3]。輸入級 0 和 1 都映射到 0,級 2 映射到 1,級 3 保持為 3,因此輸出計數為 [2,1,0,5]。對於任何輸出值為 0 的像素,單憑映射後的圖像無法判斷輸入是 0 還是 1。這是多對一灰度映射造成的特定資訊損失;只保留直方圖時,還會另外丟失位置資訊。
多對一映射會合併計數,而不會把同一個有像素的輸入級拆分到多個輸出級。因此,對相同灰度採用相同處理的確定性映射,不能總是使離散圖像的直方圖完全均勻。
反例模式
均衡化不會得到平坦的直方圖
命題:經此映射後,輸出直方圖是均勻的,每個灰度級恰有 N/L 個像素。取計數 [4,0,4,0],N=8,L=4;平坦的結果應是 [2,2,2,2]。我們算出的輸出是 [0,4,0,4],並不平坦。更甚者,這裏任何逐點映射都不可能得到 [2,2,2,2]:四個 0 級像素必然得到同一個輸出級,該輸出級便至少有 4 個像素,多於 2。真正成立的只是上面的命題:映射單調、保持像素總數,並且整體合併輸入灰度級。
常見錯誤
(把映射誤當作輸出直方圖)
列表 T=[1,1,3,3] 說明每個輸入級去到哪裏,它不是輸出計數列表。若對 s=0,1,2,3 計算 h(T(s)),得到 h(1),h(1),h(3),h(3)=0,0,0,0,連總和 8 都不是。正確的計數是 h_out(s)=sum_{r:T(r)=s} h(r),即 [0,4,0,4]。
常見錯誤
(乘以 L 而不是 L-1)
當 L=4 且 F(L-1)=1 時,若用 floor(4F(r)),最亮的灰度級會被送到 4,這不是有效的灰度級。因子必須是 L-1,才能使最大累積值 1 映射到最高灰度級 L-1。
快速檢查
(一張 8 個像素、L=4 的圖像,計數為 [3,1,0,4]。求 T 和輸出計數。)
先計算累積計數。
解答 · 答案
累積概率為 [3/8,4/8,4/8,1],所以 3F=[9/8,12/8,12/8,3],T=[1,1,1,3]。級 0、1、2 都映射到 1,故 h_out(1)=3+1+0=4,而 h_out(3)=4。輸出計數為 [0,4,0,4]。
快速檢查
(一張 6 個像素、L=4 的圖像,所有像素的灰度級都是 2。求 T 和映射後的圖像。)
寫出計數 [0,0,6,0]。
解答 · 答案
F=[0,0,1,1],所以 T=[0,0,3,3]。每個像素的灰度級都是 2,都被送到 3,因此映射後的圖像是恆為 3 的常數圖像。映射不會把單一有像素的灰度級攤開。
快速檢查
(兩張圖像的直方圖相同,但像素排列不同。它們映射後的直方圖是否必然相同?)
想想 T 和 h_out 依賴甚麼。
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。映射後的兩張圖像仍可能排列不同。
直方圖無法確定甚麼
以下兩個陣列都含兩個 0 和兩個 3:
0 0 0 3
3 3 3 0
它們的直方圖相同,但位置和邊界不同。對兩者施加相同的逐點映射,除非有關灰度級合併為同一級,否則位置排列的差別仍在。因此單憑直方圖無法恢復邊緣、形狀或像素位置。全局變換在所有位置使用同一映射;它可能改善某些圖像的對比度分布,卻不保證改善每個局部區域,也不保證保留所有細節。
對彩色圖像應用這類計算前,應先說明採用甚麼表示:分別映射 RGB 三個通道,與只變換一個亮度通道,是不同操作,前者可能改變色彩平衡。本節計數假設單一灰度通道,且不在灰度級之間插值。