最近学习openCV的过程中碰到了一个一直没搞清楚的问题。在网上查了很多好不容易才找到了解释!
转自:直方图规格化、归一化
归一化处理并没有改变图像的对比度
归一化处理很简单,假设原图像是8位灰度图像,那么读入的像素矩阵最大值为256,最小值为1
定义矩阵为I
J=I/256,就是归一化的图像矩阵,就是说归一化之后所有的像素值都在[0,1]区间内
如果是增强图像对比度,应该是直方图均衡化或者直方图匹配
网上很多的地方把直方图均衡化 与 直方图归一化 概念混淆!!
从英文的解释上还是比较明显的:
直方图均衡化:histogram equalize
直方图归一化:histogram normalize
对于一般cv::calcHist计算出来的直方图矩阵 Mat 其单个元素应该是统计在该增益的像素数量应该为大于等于0的整数
而normalize以后就转化为概率密度了是一个百分数!因此normalize以后的Mat 其每个元素值域为 [0,1]区间内。
而histogram equalize则是一种增强对比度的方法!!
接下来引用北大的一个关于直方图的介绍:
http://bj3s.pku.edu.cn/activity/subjects/lesson6.pdf
转自:直方图规格化、归一化
归一化处理并没有改变图像的对比度
归一化处理很简单,假设原图像是8位灰度图像,那么读入的像素矩阵最大值为256,最小值为1
定义矩阵为I
J=I/256,就是归一化的图像矩阵,就是说归一化之后所有的像素值都在[0,1]区间内
如果是增强图像对比度,应该是直方图均衡化或者直方图匹配
网上很多的地方把直方图均衡化 与 直方图归一化 概念混淆!!
从英文的解释上还是比较明显的:
直方图均衡化:histogram equalize
直方图归一化:histogram normalize
对于一般cv::calcHist计算出来的直方图矩阵 Mat 其单个元素应该是统计在该增益的像素数量应该为大于等于0的整数
而normalize以后就转化为概率密度了是一个百分数!因此normalize以后的Mat 其每个元素值域为 [0,1]区间内。
而histogram equalize则是一种增强对比度的方法!!
接下来引用北大的一个关于直方图的介绍:
http://bj3s.pku.edu.cn/activity/subjects/lesson6.pdf