BBHE.rar_BBHEmatlab_bbhe_bbhe.rar_brightnessmatlab_histogram

共1个文件

m：1个

版权申诉

131 浏览量 2022-09-14 17:21:27 上传评论收藏 743B RAR 举报

在IT领域，图像处理是一个广泛的研究方向，其中亮度保护断层双直方图均衡化（BBHE）是一种提升图像对比度的技术，尤其适用于亮度变化较大的图像。本压缩包"BBHE.rar"包含了用于实现这一算法的MATLAB代码，主要文件为"BBHE.m"。以下是对这个知识点的详细解释：亮度保护断层双直方图均衡化（BBHE）是对传统直方图均衡化（Histogram Equalization, HE）的一种改进。直方图均衡化通过重新分布图像像素值，扩大灰度级的动态范围，从而增强图像的整体对比度。然而，这种方法可能会导致图像的亮度发生显著改变，这在某些应用中是不希望的。BBHE的目标就是在保持图像亮度基本不变的前提下，提高局部对比度。 "BBHE.m"文件很可能是MATLAB实现BBHE算法的脚本或函数。MATLAB是一种强大的数值计算和可视化环境，常被用来进行图像处理和分析。该代码可能包括以下步骤： 1. **读取图像**：使用`imread`函数读取输入图像，并将其转换为灰度图像，因为HE通常只应用于单通道图像。 2. **计算直方图**：使用`histcounts`函数计算图像的原始灰度直方图。 3. **亮度保护**：BBHE的核心在于亮度保护，它可能通过将直方图分为两个部分（例如，高亮度和低亮度），然后分别进行直方图均衡化，同时确保两部分的累积分布函数（CDF）之间的差异在可接受范围内。 4. **构造映射函数**：根据处理后的直方图构建新的灰度级映射函数。 5. **应用映射**：使用`imadjust`函数将映射函数应用到原始图像上，生成亮度保护且对比度增强的新图像。 6. **显示结果**：使用`imshow`函数对比显示原始图像和处理后的图像，以便观察效果。 BBHE在医学图像分析、遥感图像处理、机器视觉等领域有广泛应用。通过MATLAB实现，用户可以方便地调整参数，适应不同的应用场景，如调整直方图分割点，控制亮度变化的程度等。 "BBHE.rar"提供的MATLAB代码"BBHE.m"是为了实现亮度保护断层双直方图均衡化，它能够在保持图像亮度基本不变的情况下，有效提升图像的局部对比度，对于处理亮度变化大而对比度较低的图像具有显著优势。理解和运用这个算法，可以进一步提升图像处理项目的效果。

资源详情

资源评论

资源推荐

收起资源包目录

BBHE.rar （1个子文件）

BBHE.m 2KB

% BBHE --> Bi-Histogram Equalization: %dum1 = 'D:\AMIT\MONTHS\8_JAN\ISCE_10\Our paper\Input Images\Couple\'; %dum2 = 'D:\AMIT\MONTHS\4_SEP\Active Contour implementation\MC_image\B & W\'; tic; o_img = imread('D:\AMIT\MONTHS\8_JAN\ISCE_10\Our paper\Input Images\slide4b.bmp'); imwrite(o_img,'D:\AMIT\MONTHS\8_JAN\ISCE_10\Our paper\Input Images\Man\5.3.01_BPHEME.tiff'); imshow(o_img); sz = size(o_img); o_mean = round(mean(o_img(:))); % HISTOGRAM h_l = zeros(256,1); h_u = zeros(256,1); for i = 1:sz(1) for j = 1:sz(2) g_val = o_img(i,j); if(g_val<=o_mean) h_l(g_val+1) = h_l(g_val+1) + 1; else h_u(g_val+1) = h_u(g_val+1)+ 1; end end end % NORMALIZED HISTOGRAM OR PDF nh_l = h_l/sum(h_l); nh_u = h_u/sum(h_u); % CDF hist_l_cdf = double(zeros(256,1)); hist_u_cdf = double(zeros(256,1)); hist_l_cdf(1) = nh_l(1); hist_u_cdf(1) = nh_u(1); for k = 2:256 hist_l_cdf(k) = hist_l_cdf(k-1) + nh_l(k); hist_u_cdf(k) = hist_u_cdf(k-1) + nh_u(k); end % IMAGE MODIFICATION equalized_img = zeros(sz); range_l = [0 o_mean]; range_u = [(o_mean+1) 255]; for i =1:sz(1) for j =1:sz(2) g_val = o_img(i,j); if(g_val<=o_mean) equalized_img(i,j) = range_l(1) + round(((range_l(2)-range_l(1))*hist_l_cdf(g_val+1))); else equalized_img(i,j) = range_u(1) + round(((range_u(2)-range_u(1))*hist_u_cdf(g_val+1))); end end end figure,imshow(uint8(equalized_img)); imwrite(uint8(equalized_img),'D:\AMIT\MONTHS\8_JAN\ISCE_10\Our paper\Input Images\City\5.3.02_BBHE.tiff'); toc;