純工程師社群

直方圖線性拉伸相對于直方圖均衡化來說就更好理解一些了，即用線性變化將灰度直方圖較窄的部分拉伸至整個區(qū)間，增強整幅圖像的對比度。

線性拉伸的效果如下圖所示，可以看出圖像對比度有所改善，保留了直方圖基本的輪廓，同時將直方圖范圍拉伸至0~255。

算法也比較容易理解，f（x，y）為輸入圖像，得到輸出圖像g（x，y）

其中A和B可以分別定義為圖像的最小灰度值與最大灰度值，即

但是實際應用中并不會直接采用上述的A和B，這是由于圖像中可能存在噪聲的原因。想象如果圖像中存在幾個純白點（255）和純黑點（0），那么拉伸后的效果就無法達到預期。

因此我們?nèi)藶榈脑O定兩個閾值Thr_Min和Thr_Max，拉伸系數(shù)A，B定義如下：

其中∑H（k）為灰度直方圖累計和。下圖更直觀的表示了A和B的取值，Thr_ Min和Thr_Max是藍色部分的面積。

圖 2 A，B系數(shù)的定義

系統(tǒng)框架

圖 3 直方圖線性拉伸系統(tǒng)框架

上圖可以看出，前半部分的直方圖統(tǒng)計電路和上篇均衡化完全一樣，只是對后半部分的電路做了些修改。計算直方圖線性拉伸后的像素值的步驟如下：

1. 統(tǒng)計第一幀圖像的灰度直方圖

2. 計算直方圖累計和

3. 由閾值Thr_Min和Thr_Max算出拉伸系數(shù)A，B

4. 第二幀圖像灰度值帶入公式計算后輸出

和直方圖均衡化一樣，這里我們不考慮幀緩存的問題，也就是前一幀的A，B作為當前幀A，B來使用。

代碼分析

A，B系數(shù)的計算

hist_cnt為計算出的累計和（與直方圖均衡化中的求法一樣），當累計和大于閾值的時候，記錄下此時累計和對應的地址out_pixel［8:1］（即灰度值），作為我們的拉伸系數(shù)A，B，同時設置取得系數(shù)標志get_max或get_min為1。最后要在第二幀累計和到來時，清零A，B及get標志。

2. B-A的計算

取得系數(shù)B后（get_max=1），即可計算出B-A 。

3. f（x，y）-A （第一級流水）

當f（x，y）小于系數(shù)A時，直接令f（x，y）-A=0；當f（x，y）大于系數(shù)B時，直接令f（x，y）-A=B-A。

4. ［f（x，y）-A ］*255 （第二級流水）

5. ［f（x，y）-A ］*255/（B-A） （第三級流水）

實驗結果

有沒有覺得這兩幅圖并沒有什么差別，小編也納悶了很久。之前有提到過噪聲可能對直方圖線性拉伸的影響。

可以看出直方圖線性拉伸需要人為的調(diào)整閾值的大小，才能達到理想效果。而直方圖均衡化則不需要。

編輯：jq