【图像处理】第一次实验：图像的基本运算

1、任务说明

打开一幅图像，进行直方图均衡。将灰度线性变化，将灰度拉伸。

2、算法原理

1)        图像灰度化

　　在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值，灰度范围为0-255。一般有四种方法对彩色进行灰度化，分别为：

分量法，最大值法，平均值法和加权平均法。本实验中采用平均值法，即

　　　　　　　　　　　

2)        直方图均衡

　　直方图表示数字图像中每一个灰度级与其出现频率间的统计关系。设有某一个灰度等级，属于该灰度等级的像素个数为nk，图像总像素个数为n，则直方图的定义为

　　　　　　　　　　　　　　　　　 

      图像的直方图反映了图像的灰度范围、灰度分布、图像的平均亮度等。

　　直方图均衡化也叫直方图均匀化，其目的是使所有灰度级出现的相对频率表相同，此时图像的熵最大，图像所包含的信息量最大。

　　本实验处理在离散情况下的直方图修正。其中第k个灰度级出现的概率为：

　　　　　　　　　　　　 

　　进行均匀化处理的变换函数为：

 　　　　　　　　　　　　　　

      由新rk得到均衡化处理后的直方图。

　　

3)        线性变化

　　设输入图像的的灰度范围为[a,b]，希望经过变换后的输出图像的灰度范围变化为[c,d]，则变换函数T的表达式可以表示为

　　　　　　　　　　　　　 

　　根据不同的线性变换的斜率和截距，可以达到对图像不同的处理效果。当斜率大于1时，可以增加图像的对比度；当斜率在0与1之间时，

图像的对比度和整体效果都被削弱，灰度会被集中在一段区域上，灰度取值变窄，使图片趋于灰色。当斜率为负时，源图像较亮的区域变暗，

较暗的区域变量，可以实现反色效果。而当截距为正时，图像的亮度将会增加；截距为负时，图像的亮度将会降低。

4)        灰度拉伸（分段线性变化）

　　为了突出感兴趣的目标或灰度区间，相对一致不感兴趣的灰度区间，可以采用分段线性变换。本实验采用常用的三段线性变换方法。

     　　　　　　　　　　        

　　具体算法如下：

　　　　　　　　　　　　

3、算法实现

1)        图像灰度化

public void turnGray()
	{
		for (int i=minx;i<width;i++)
		{
			for(int j=miny;j<height;j++)
			{
				int pixel=bi.getRGB(i,j);//获得8位的RGB值
				int a = (pixel >> 24) & 0xff;  //提取前两位透明度
	            int r = (pixel >> 16) & 0xff;  //提取次两位，R值
	            int g = (pixel >> 8) & 0xff;  //提取再次两位，G值
	            int b = pixel & 0xff;  //提取最后两位，B值
	            int gray=(r+g+b)/3;   //计算平均值，得到像素灰度
                //根据灰度得到完整8位RGB值
	            pixel= (a<<24)|(gray<<16)|(gray<<8)|gray;
                //将新的RGB值赋给像素点
	            bi.setRGB(i, j,pixel);
			}
		}
		//输出图像
		try{
			ImageIO.write(bi, "jpg", new File("D://gray.jpg"));
		}catch(IOException e)
		{
			e.printStackTrace();
		}
	}

　　

2)        直方图均衡

public void histEqua()
	{
		int[] gray = new int[sum]; //保存初始灰度值
		int[] newgray = new int[sum]; //保存新灰度值
		int[] oldgrayscale = new int[256]; //保存灰度累加值
		double[] grayscale = new double[256];
		double[] cumulative = new double[256];
		//统计所有像素中各灰度值出现的次数
		for(int i=minx;i<width;i++){ 
			for(int j=miny;j<height;j++){ 
				int pixel=bi.getRGB(i, j);
				gray[height*i+j] = (pixel & 0xff);
				oldgrayscale[gray[height*i+j]]++;	
			} 
		}
		for(int i=0;i<256;i++){
             //计算原直方图中各灰度值出现的频率
			grayscale[i] = ((double)oldgrayscale[i])/sum;	
			for(int j=0;j<=i;j++){
                 //计算累加后的直方图
				cumulative[i] += grayscale[j];
			}
             //得到新的映射关系
			cumulative[i] = (int)(cumulative[i]*256);	
		}
		
		BufferedImage hist_equa = new BufferedImage(width,height,BufferedImage.TYPE_INT_RGB);
		//根据累加数组得到新的像素灰度
		for(int i=minx;i<width;i++){ 
			for(int j=miny;j<height;j++){ 
				newgray[height*i+j] = (int)cumulative[gray[height*i+j]];	
				int pixel = (newgray[height*i+j])|(newgray[height*i+j]<<8)|(newgray[height*i+j]<<16);
					hist_equa.setRGB(i, j, pixel);
			} 
		}
//输出图像
		try {
			ImageIO.write(hist_equa,"jpg", new File("D://histEqua.jpg"));
		} catch (IOException e) {
			e.printStackTrace();
		}
	}

　　

3)        线性变换

public void linTrans()
	{
         //得到线性变换函数的斜率和截距
		double slope;
		double intercept;
		Scanner in = new Scanner(System.in);
		System.out.println("输入线性变换斜率：");
		slope=in.nextDouble();
		System.out.println("输入线性变换截距：");
		intercept=in.nextDouble();
		
		BufferedImage lt =new BufferedImage(width,height,BufferedImage.TYPE_INT_BGR);
		for(int i=minx;i<width;i++)
		{
			for(int j=miny;j<height;j++)
			{
             //提取灰度值
				int pixel = bi.getRGB(i, j);
				pixel = pixel & 0xff;
             //进行线性变换
				pixel = (int)(pixel*slope + intercept);
             //对超出边界的值进行处理
				if(pixel<0)
					pixel=0;
				if(pixel>255)
					pixel=255;
             //恢复为RGB值
				pixel = (pixel<<16)|(pixel<<8)|pixel;
				lt.setRGB(i, j, pixel);
			}
		}
        //输出图像
		try {
			ImageIO.write(lt,"jpg", new File("D://linTrans.jpg"));
		} catch (IOException e) {
			e.printStackTrace();
		}
		
	}

　　

4)        灰度拉伸

public void linStr()
	{
		int x1,x2,y1,y2;
		double k1,k2,b1,b2,k3,b3;
		//读入线性变换两份转折点的坐标
		Scanner in = new Scanner(System.in);
		System.out.println("输入灰度拉伸第一个点的坐标，以空格分开：");
		x1 = in.nextInt();
		y1 = in.nextInt();
		System.out.println("输入灰度拉伸第二个点的坐标，以空格分开：");
		x2 = in.nextInt();
		y2 = in.nextInt();
		in.close();
		//计算三段线性变换各阶段的斜率与截距
		k1 = y1/x1;
		b1 = 0;
		k2 = (y2-y1)/(x2-x1);
		b2 = y1-k2*x1;
		k3 = (255-y2)/(255-x2);
		b3 = y2-k3*x2;
		 
		
		BufferedImage ls =new BufferedImage(width,height,BufferedImage.TYPE_INT_BGR);
		for(int i=minx;i<width;i++)
		{
			for(int j=miny;j<height;j++)
			{//提取像素点灰度值
				int pixel = bi.getRGB(i, j);
				pixel = pixel & 0xff;
              //分段进行线性变化
				if(pixel<x1)
					pixel = (int)(pixel*k1  + b1);
				else if(pixel>=x2)
					pixel = (int)(pixel*k3  + b3);
				else
					pixel = (int)(pixel*k2  + b2);
				//对于超出边界的值进行处理
				if(pixel<0)
					pixel=0;
				if(pixel>255)
					pixel=255;
				pixel = (pixel<<16)|(pixel<<8)|pixel;
				ls.setRGB(i, j, pixel);
			}
		}
        //输出图像
		try {
			ImageIO.write(ls,"jpg", new File("D://linStr.jpg"));
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
	
	private BufferedImage bi=null;
	private int width;
	private int height; 
	private int minx; 
	private int miny;
	private int sum;

}

　　

4、实验

                源图像                                   灰度图像                            

            直方图均衡化                  (-1,255)线性变换，相当于反色        

   灰度拉伸，某些像素得到凸显