[FreeMat] [Matlab] 調整灰階影像利用 Histogram (直方圖)

隨著科技日新月異的發展，伴隨著不論圖片、影音、各式串流的巨量資料將是未來必要的趨勢！

然而面對一張過暗、模糊或對比過小的圖片，等同於無法正確取得圖片內含的資訊。也因此，我們必須經過特定程序使得圖片內含的資訊得已重新顯現。

直方圖均衡化 (Histogram Equalization) 正是可以用來處理圖片局部過暗的方式之一；其藉由像素個數的累積特性 (單調遞增函數) 計算每一像素值出現的次數並以此將灰階直方圖重新進行調整，在調整過程中，像素個數之間的關係不會改變，只會將該個數重新分配到新的灰階值上，以增強圖片的對比度。

上圖左：原圖，其內容過於模糊，色調過於接近難以辨識。
上圖右：經由 Histogram Equalization 後重新輸出，其辨識度大大提升。
下圖左：原圖，其直方圖。
下圖右：經由 Histogram Equalization 後之直方圖。

這邊分別利用三種方法來實現這個效果：

《方法一》使用內建函式完成。

	close all,clear;
	im = imread('$path');
	hei = zeros(256,1);
	for level=0:255
	hei(level+1) = sum(sum(im==level));
	end
	hist(hei);
	set(gca,'XLim',[0 255]);
	image(repmat(im,[1 1 3]));

view raw gistfile1.txt hosted with ❤ by GitHub

《方法二》使用自定義程序計算。

	clear
	close all
	disp('Getting photo...');
	im = imread('$path');
	[x,y] = size(im);
	figure,image(repmat(im,[1 1 3])), axis off
	disp('Processing...');
	change = 0:1:255;
	im_res = reshape(im, [], 1);
	hist(im_res, change);
	[n,bin] = hist(im_res, change);
	total = cumsum(n);
	plot(bin, total);
	disp('Reproducing...');
	count_hist = round((total-min(double(im_res)))./sum(n)*255);
	for level=1:1:256
	im_after(find(im_res==bin(level)))=count_hist(level);
	end
	im_hist_after = uint8(reshape(im_after, x, y));
	hist(im_after, change);
	disp('Normalizing...');
	set(gca,'XLim',[0 255]);
	%figure,image(repmat(im_hist_after,[1 1 3])), axis off

view raw gistfile1.txt hosted with ❤ by GitHub

《方法三》完全使用低階函式計算。

	clc
	clear
	close all
	im=imread('$path');
	figure, colormap(gray(256)),imagesc(im, [0 255])
	[m,n]=size(im);
	h=uint32(zeros(1,256));
	for i=1:m
	for j=1:n
	index=im(i,j)+1;
	h(index)=h(index)+1;
	end
	end
	LUT=uint32(zeros(1,256));
	amount=0;
	for i=1:256
	amount=amount+h(i);
	LUT(i)=amount;
	end
	LUT=uint8(LUT*255/(m*n));
	for i=1:m
	for j=1:n
	index=im(i,j)+1;
	im(i,j)=uint8(LUT(index));
	end
	end
	figure, colormap(gray(256)), imagesc(im, [0 255])

view raw gistfile1.txt hosted with ❤ by GitHub

有個陷阱，
你發現了嗎？