对比度拉伸和直方图均衡之间的差异

Question

我想知道对比度拉伸和直方图均衡之间的区别.

我已经尝试过使用OpenCV并观察结果,但我仍然没有理解这两种技术之间的主要区别.洞察力将是非常需要的帮助.

Answer 1

让我们首先定义对比度,

对比度是图像"范围"的度量; 即它的强度有多大.它有许多正式的定义,一个着名的是迈克尔逊的:

他说 contrast = ( Imax - Imin )/( Imax + I min )

对比度与图像的整体视觉质量密切相关.理想情况下,我们希望图像使用可用的整个值范围.

对比度拉伸和直方图均衡具有相同的目标:使图像使用可用的整个值范围.

但他们使用不同的技术. 对比度拉伸就像映射一样

它将图像中的最小强度映射到范围中的最小值(上例中84 ==> 0)

以同样的方式,它将图像中的最大强度映射到范围内的最大值(上例中153 ==> 255)

这就是对比度拉伸不可靠的原因,如果只有两个像素有0和255强度,那就完全没用了.

然而,更好的方法是使用概率分布的直方图均衡.您可以在这里学习这些步骤

Answer 2

经过一些阅读，我发现了以下几点。

对比度拉伸就是增加图像中最大强度值和最小强度值之间的差异。所有其余的强度值都分布在这个范围内。

直方图均衡是关于修改图像中所有像素的强度值，使直方图“变平”（实际上，直方图不能完全变平，会有一些峰值和一些谷值，但这是一个实际问题）。

在对比度拉伸中，源图像和目标图像之间的强度值存在一一对应的关系，即可以从对比度拉伸的图像中恢复原始图像。

但是，一旦进行了直方图均衡化，就无法找回原始图像。

Answer 3

在直方图均衡化中，您希望将直方图展平为均匀分布。

与对比拉伸相比，您可以操纵整个强度值范围。就像您在标准化中所做的那样。

Answer 4

对比度拉伸是一种线性归一化，它拉伸图像强度的任意区间，并将该区间拟合到另一个任意区间（通常目标区间是图像的可能最小值和最大值，例如 0 和 255）。

直方图均衡化是一种非线性归一化，它拉伸丰度强度高的直方图区域，压缩丰度强度低的区域。