像素强度直方图的特性:图像处理和计算机视觉的基本原理

神经网络或机器人是怎样“看”东西的?为什么它们能处理视觉信息?计算机视觉是一个复杂的领域,但图像处理是该领域最重要的概念之一。

 

“图像处理”一词包含了多种图像分析形式,包括边缘检测、形状识别、光学字符识别和颜色分析。另外,在图像处理还包含阈值、图像增强和应用,笔者将在本文中详细阐述上述内容。

 

图像处理的工作原理是什么?让我们从基本原理讲起。图像处理的重点在于像素的概念以及神经网络或算法是如何将其解读为视觉信息。在本文中,我们的目标是基本了解直方图,不同图像类型的直方图是如何形成的,以及这些直方图所代表的信息。

 

直方图背景知识

 

数字图像由代表图像个体组件的二维整数阵列组成,这些阵列被称为图像元素,或像素。用于代表这些像素的位数决定了描述每个像素所用的灰阶数量。

 

黑白图像中的像素值可以是0(黑)或1(白),如图1(a)所示,分别代表图像中较暗和较亮的区域。

  像素强度直方图的特性:图像处理和计算机视觉的基本原理

图1. 1位、2位、3位和4位图像数据的可用像素强度

 

如果n位用于代表一个像素,2n像素值的范围将为0-(2n -1)。此范围中的0和(2n - 1)分别对应黑色和白色,所有其它中间值代表灰色度。这类图像为单色图像(图1(b)至图(1d))。

 

多幅单色图像的组合可得到一幅彩色图像。例如,一幅RGB图像是一个包含三个单独2D像素阵列的组合集,这些阵列被解码为红色、绿色和蓝色的颜色分量。1

 

直方图

 

直方图是像素强度(位于X轴)与像素数量(位于Y轴)的对应图表。X轴包含所有可用灰阶,Y轴则指示拥有特定灰阶值的像素的数量2。多个灰阶可组合成组以减少X轴上个体值的数量。

 

单色图像的直方图

 

图2(a)显示了一个简单的4 × 4黑白图像,该图像的直方图如图2(b)所示。在此例中,直方图的第一条垂直线(灰阶为0)表明图像中共有四个黑色像素。第二条线表示图中有12个白色像素。

像素强度直方图的特性:图像处理和计算机视觉的基本原理 

图2. 黑白图像及其直方图。本图像由Sneha H.L.创建。

 

图3(a)为灰度图像。该图像的四个像素强度(包括黑和白)采用相关联直方图(图3(b))的四条垂直线表示。在此例中,X轴上各值的取值范围为0-255,这说明一共存在256 (=28)个可用的像素强度。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图3. 8位灰度图像及其直方图。图像由Sneha H.L.创建

 

彩色图像的直方图

 

RGB图像的直方图可通过三个单独的直方图展示——每个直方图显示图像的一种颜色分量(红、绿、蓝)。具体实例如图4所示。此信息还可使用其轴与红、绿和蓝色强度相对应的3D直方图表示。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图4. 彩色图像及与该图像的红色、绿色和蓝色单色通道相对应的直方图。该图像由Sneha H.L.制作。

 

分析单色图像的直方图

 

仅通过观察直方图即可揭示关于其代表图像的重要事实。

 

1. 像素总数

将与每个灰阶相对应的像素数量相加,即可获得构成图像的象素总数。

 

2. 图像亮度

查看一幅图像的直方图并观察各值的空间分布,即可大致了解图像的亮度。如果直方图值集中在图像左侧,则图像较暗(图5)。如直方图值集中在右侧,则图像较亮(图6)。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图5. 暗色图像的直方图。本图像由Sneha H.L.制作。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图6. 亮色图像的直方图。本图像由Sneha H.L.制作。

 

3. 图像对比度

在一个直方图中,如像素数目均匀地覆盖大范围的灰度阶,则表明此图像的对比度佳(图7)。像素数被限制在较小的范围内则说明对比度低(图8)。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图7. 高对比度图像的直方图。本图像由Sneha H.L.制作。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图像8. 低对比度图像的直方图。本图像由Sneha H.L.制作。

 

4. 饱和效应

如直方图包含最高可能像素值的尖峰(图9),则表明该图像的像素强度已达到饱和,也许是因为图像处理程序未能将像素值保持在原始值范围内。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图9. 饱和图像的直方图。本图像由Sneha H.L.制作。

 

弊端

直方图不提供与图像像素值的空间分配相关的信息,我们需牢记这一局限性。所以多个不同图像可共用同一直方图(图10),且我们无法通过某个图像的直方图重现这一图像。4

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图10. 直方图相同的不同图像。本图像由Sneha H.L.制作。

 

直方图的应用

 

1. 域值选择

通过选择一个阈值并将所有超出此阈值的值转化为最大强度,所有低于此阈值的值转化为最低强度,灰度图像可转化为黑白图像。直方图是确定适当阈值的便利工具。

 

在图11中,像素值集中在两组,那么阈值将是两组中间的一个值。在图12中的直方图连续性更强,这说明该图像不是阈值选择的良好参照,难以找出理想阈值。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图11. 原始图像的直方图和阈值选择结果。本图像由Sneha H.L.制作。

 像素强度直方图的特性:图像处理和计算机视觉的基本原理

图12. 原始图像直方图和两次阈值确定尝试。本图像由Sneha H.L.制作

 

2. 图像增强

图像增强是指改变图像使其更具有视觉吸引力或便于深入分析的过程。5图像增强可包含简单操作(加法、乘法、对数等)6或对比度拉伸和直方图均衡化等先进技术。7

 

直方图可帮助我们快速确定适合特定图像的处理操作。例如,如果像素值集中的直方图的最左侧(对应最暗的图像),通过将像素值向可用强度范围的中心偏移,或分散像素值,使其更充分地覆盖可用范围,我们可以改善图像品质,取得更佳的视觉效果。

 

综述

 

本文阐述了图像直方图的重要特性,并探讨了直方图在图像处理中的作用。

 

  • 像素强度直方图的特性:图像处理和计算机视觉的基本原理已关闭评论
    A+
发布日期:2019年03月03日  所属分类:参考设计