Égalisation d'histogramme: Amélioration du contraste de l'image pour une perception visuelle améliorée
Par Fouad Sabry
()
À propos de ce livre électronique
Qu'est-ce que l'égalisation de l'histogramme
L'égalisation de l'histogramme est une méthode de traitement d'image permettant d'ajuster le contraste à l'aide de l'histogramme de l'image.
Comment allez-vous procéder ? avantage
(I) Informations et validations sur les sujets suivants :
Chapitre 1 : Égalisation de l'histogramme
Chapitre 2 : Fonction de distribution cumulative
Chapitre 3 : Histogramme
Chapitre 4 : Variable aléatoire
Chapitre 5 : Statistiques d'ordre
Chapitre 6 : HSL et HSV
Chapitre 7 : Histogramme des couleurs
Chapitre 8 : Distribution uniforme continue
Chapitre 9 : Résolution optique
Chapitre 10 : Fonction de distribution empirique
(II) Répondre aux principales questions du public sur l'égalisation d'histogramme.
(III) Exemples concrets d'utilisation de l'égalisation d'histogramme dans de nombreux domaines.
Qui ce livre s'adresse aux professionnels, aux étudiants de premier cycle et des cycles supérieurs, aux passionnés, aux amateurs et à ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type d'égalisation d'histogramme.
En savoir plus sur Fouad Sabry
Technologies Émergentes Dans L'Armée [French]
Lié à Égalisation d'histogramme
Titres dans cette série (100)
Vision stéréo par ordinateur: Explorer la perception de la profondeur dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationPeinture: Combler les lacunes de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur: Explorer les profondeurs de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation Hadamard: Dévoilement de la puissance de la transformation Hadamard en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur sous-marine: Explorer les profondeurs de la vision par ordinateur sous les vagues Évaluation : 0 sur 5 étoiles0 évaluationRéduction de bruit: Amélioration de la clarté et techniques avancées de réduction du bruit en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationHachage géométrique: Algorithmes efficaces pour la reconnaissance et la correspondance d'images Évaluation : 0 sur 5 étoiles0 évaluationCartographie des tons: Cartographie des tons : perspectives éclairantes en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationGroupe mixte d'experts en photographie: Libérer la puissance des données visuelles avec la norme JPEG Évaluation : 0 sur 5 étoiles0 évaluationÉgalisation d'histogramme: Amélioration du contraste de l'image pour une perception visuelle améliorée Évaluation : 0 sur 5 étoiles0 évaluationContour actif: Faire progresser la vision par ordinateur grâce aux techniques de contour actif Évaluation : 0 sur 5 étoiles0 évaluationPerception visuelle: Aperçu du traitement visuel informatique Évaluation : 0 sur 5 étoiles0 évaluationDiffusion anisotrope: Améliorer l'analyse d'images grâce à la diffusion anisotrope Évaluation : 0 sur 5 étoiles0 évaluationModèle de couleur: Comprendre le spectre de la vision par ordinateur : explorer les modèles de couleurs Évaluation : 0 sur 5 étoiles0 évaluationTenseur trifocal: Explorer la profondeur, le mouvement et la structure en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationMatrice fondamentale de la vision par ordinateur: S'il vous plaît, suggérez un sous-titre pour un livre intitulé « Matrice fondamentale de la vision par ordinateur » dans le domaine de la « Vision par ordinateur ». Le sous-titre suggéré ne doit pas contenir de ':'. Évaluation : 0 sur 5 étoiles0 évaluationHistogramme d'image: Dévoilement d'informations visuelles, exploration des profondeurs des histogrammes d'images en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationSystème de gestion des couleurs: Optimiser la perception visuelle dans les environnements numériques Évaluation : 0 sur 5 étoiles0 évaluationRétinex: Dévoiler les secrets de la vision informatique avec Retinex Évaluation : 0 sur 5 étoiles0 évaluationHomographie: Homographie : transformations en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationModèle d'apparence de couleur: Comprendre la perception et la représentation en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation affine: Libérer des perspectives visuelles : explorer la transformation affine en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationBanque de filtres: Aperçu des techniques de banque de filtres de Computer Vision Évaluation : 0 sur 5 étoiles0 évaluationEspace colorimétrique: Explorer le spectre de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationFiltre adaptatif: Améliorer la vision par ordinateur grâce au filtrage adaptatif Évaluation : 0 sur 5 étoiles0 évaluationTransformation de Hough: Dévoiler la magie de la transformation de Hough en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationCorrection gamma: Améliorer la clarté visuelle en vision par ordinateur : la technique de correction gamma Évaluation : 0 sur 5 étoiles0 évaluationCompression d'images: Techniques efficaces pour l'optimisation des données visuelles Évaluation : 0 sur 5 étoiles0 évaluationModèle du système visuel humain: Comprendre la perception et le traitement Évaluation : 0 sur 5 étoiles0 évaluationTransformation du radon: Dévoiler des modèles cachés dans les données visuelles Évaluation : 0 sur 5 étoiles0 évaluation
Livres électroniques liés
Cartographie des couleurs: Explorer la perception et l'analyse visuelles en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationHistogramme d'image: Dévoilement d'informations visuelles, exploration des profondeurs des histogrammes d'images en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationCartographie des tons: Cartographie des tons : perspectives éclairantes en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationEspace à l'échelle: Explorer les dimensions en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationCoupes de graphiques de vision par ordinateur: Explorer les coupes graphiques en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationHistogramme des dégradés orientés: Dévoilement du domaine visuel : exploration de l'histogramme des dégradés orientés en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationRendu volumique: Explorer le réalisme visuel dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationComposition alpha: Maîtriser l'art de la composition d'images en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationÉditeur de graphiques raster: Transformer les réalités visuelles : maîtriser les éditeurs graphiques raster en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationDiffusion anisotrope: Améliorer l'analyse d'images grâce à la diffusion anisotrope Évaluation : 0 sur 5 étoiles0 évaluationSegmentation d'images: Libérer des informations grâce à Pixel Precision Évaluation : 0 sur 5 étoiles0 évaluationCorrection gamma: Améliorer la clarté visuelle en vision par ordinateur : la technique de correction gamma Évaluation : 0 sur 5 étoiles0 évaluationAnti crénelage: Améliorer la clarté visuelle dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationGraphique raster numérique: Dévoilement de la puissance des graphiques raster numériques dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationInterpolation bilinéaire: Amélioration de la résolution et de la clarté de l'image grâce à l'interpolation bilinéaire Évaluation : 0 sur 5 étoiles0 évaluationOmbres: Explorer l'ombrage d'image dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationInfographie du sommet: Explorer l'intersection de l'infographie Vertex et de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationModélisation et rendu basés sur l'image: Explorer le réalisme visuel : techniques de vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationAlgorithme de dessin de ligne: Maîtriser les techniques de rendu d’images de précision Évaluation : 0 sur 5 étoiles0 évaluationGraphiques raster: Comprendre les fondements des graphiques raster en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationHachage géométrique: Algorithmes efficaces pour la reconnaissance et la correspondance d'images Évaluation : 0 sur 5 étoiles0 évaluationMappage de Texture: Explorer la dimensionnalité dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationEspace colorimétrique: Explorer le spectre de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationSystème de gestion des couleurs: Optimiser la perception visuelle dans les environnements numériques Évaluation : 0 sur 5 étoiles0 évaluationTraitement d'image pyramidale: Explorer les profondeurs de l'analyse visuelle Évaluation : 0 sur 5 étoiles0 évaluationMéthode d'ensemble de niveaux: Faire progresser la vision par ordinateur, explorer la méthode de jeu de niveaux Évaluation : 0 sur 5 étoiles0 évaluationReconstruction tridimensionnelle multi-vues: Techniques avancées de perception spatiale en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationDétecteur de bord Canny: Dévoiler l'art de la perception visuelle Évaluation : 0 sur 5 étoiles0 évaluationModèle de caméra sténopé: Comprendre la perspective grâce à l'optique informatique Évaluation : 0 sur 5 étoiles0 évaluationCartographie des bosses: Bump Mapping : explorer la profondeur de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluation
Intelligence (IA) et sémantique pour vous
Le guide du hacker : le guide simplifié du débutant pour apprendre les bases du hacking avec Kali Linux Évaluation : 5 sur 5 étoiles5/5Maîtriser ChatGPT : Libérez la puissance de l'IA pour améliorer la communication et les relations: French Évaluation : 0 sur 5 étoiles0 évaluationTravailler dans le Big Data - les 6 métiers vers lesquels s'orienter Évaluation : 5 sur 5 étoiles5/5Maîtrisez ChatGPT : Du débutant à l'expert - Guide pratique pour exploiter la puissance de l'IA conversationnelle Évaluation : 0 sur 5 étoiles0 évaluationIntelligence artificielle: la quatrième révolution industrielle Évaluation : 0 sur 5 étoiles0 évaluationL'art de la création d'images avec l'IA : Techniques, applications et défis éthiques Évaluation : 0 sur 5 étoiles0 évaluationMonétisation ChatGPT : Exploitez la Puissance de l'IA: ChatGPT Évaluation : 0 sur 5 étoiles0 évaluationChat GPT : Comment ça fonctionne et comment gagner avec l'utilisation de la technologie d'Intelligence Artificielle Évaluation : 0 sur 5 étoiles0 évaluationComment Réussir sur Facebook en utilisant ChatGPT: Le pouvoir de ChatGPT : découvrez comment il peut transformer votre stratégie sur Facebook Évaluation : 0 sur 5 étoiles0 évaluationIA dans les Affaires: Guide Pratique de l'Utilisation de l'Intelligence Artificielle dans Divers Secteurs Évaluation : 0 sur 5 étoiles0 évaluationGuide définitive pour créer des TikToks avec ChatGPT: Devenez le prochain influenceur sur TikTok avec l'aide de ChatGPT ! Évaluation : 0 sur 5 étoiles0 évaluationHistoire et évolution de l'Intelligence Artificielle Évaluation : 5 sur 5 étoiles5/5Limites, dangers et menaces de l'Intelligence Artificielle: Un outil sans maîtrises Évaluation : 0 sur 5 étoiles0 évaluationLa spiritualité et l'intelligence artificielle Évaluation : 0 sur 5 étoiles0 évaluationModélisation géométrique: Explorer la modélisation géométrique en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationComment écrire des livres en utilisant ChatGPT: Votre guide ultime pour écrire des livres avec ChatGPT Évaluation : 0 sur 5 étoiles0 évaluationMaîtrisez ChatGPT en 24 Heures: Apprenez à Utiliser ChatGPT en Seulement 24 Heures et Appliquez ses Avantages dans Tous les Aspects de Votre Vie Évaluation : 0 sur 5 étoiles0 évaluationComment réussir sur Instagram en utilisant ChatGPT: Le guide ultime pour créer du contenu percutant avec ChatGPT Évaluation : 0 sur 5 étoiles0 évaluationL'intelligence mixte, vers une nouvelle forme d'intelligence Évaluation : 0 sur 5 étoiles0 évaluationChirurgie Robotique Et Ia Évaluation : 0 sur 5 étoiles0 évaluationCopywriting - livre à main Évaluation : 0 sur 5 étoiles0 évaluationDessin technique: Libérer la perception visuelle dans le dessin technique Évaluation : 0 sur 5 étoiles0 évaluationCybersécurité Évaluation : 0 sur 5 étoiles0 évaluationL’Empathie au Cœur de l’Intelligence Artificielle, Comment insérer de l’empathie dans les affaires et l’intelligence artificielle Évaluation : 0 sur 5 étoiles0 évaluation
Avis sur Égalisation d'histogramme
0 notation0 avis
Aperçu du livre
Égalisation d'histogramme - Fouad Sabry
Égalisation de l'histogramme
Amélioration du contraste de l'image pour une meilleure perception visuelle
Fouad Sabry est l'ancien responsable régional du développement commercial pour les applications chez Hewlett Packard pour l'Europe du Sud, le Moyen-Orient et l'Afrique. Fouad est titulaire d'un baccalauréat ès sciences des systèmes informatiques et du contrôle automatique, d'une double maîtrise, d'une maîtrise en administration des affaires et d'une maîtrise en gestion des technologies de l'information, de l'Université de Melbourne en Australie. Fouad a plus de 25 ans d'expérience dans les technologies de l'information et de la communication, travaillant dans des entreprises locales, régionales et internationales, telles que Vodafone et des machines professionnelles internationales. Actuellement, Fouad est un entrepreneur, auteur, futuriste, axé sur les technologies émergentes et les solutions industrielles, et fondateur de l'initiative One Billion Knowledge.
Un milliard de connaissances
Égalisation de l'histogramme
Amélioration du contraste de l'image pour une meilleure perception visuelle
Fouad Sabry
Copyright
Histogramme Égalisation © 2024 par Fouad Sabry. Tous droits réservés.
Aucune partie de ce livre ne peut être reproduite sous quelque forme que ce soit ou par quelque moyen électronique ou mécanique que ce soit, y compris les systèmes de stockage et de récupération d'informations, sans l'autorisation écrite de l'auteur. La seule exception est celle d'un critique, qui peut citer de courts extraits dans une critique.
Couverture dessinée par Fouad Sabry.
Bien que toutes les précautions aient été prises dans la préparation de ce livre, les auteurs et les éditeurs n'assument aucune responsabilité pour les erreurs ou omissions, ou pour les dommages résultant de l'utilisation des informations contenues dans le présent document.
Table des matières
Chapitre 1 : Égalisation de l'histogramme
Chapitre 2 : Fonction de distribution cumulative
Chapitre 3 : Histogramme
Chapitre 4 : Variable aléatoire
Chapitre 5 : Statistiques de commande
Chapitre 6 : HSL et HSV
Chapitre 7 : Histogramme des couleurs
Chapitre 8 : Distribution uniforme continue
Chapitre 9 : Résolution optique
Chapitre 10 : Fonction de distribution empirique
Appendice
À propos de l'auteur
Chapitre 1 : Égalisation de l'histogramme
En traitement d'image, l'égalisation de l'histogramme est une technique permettant d'ajuster le contraste en regardant l'histogramme de l'image.
Lorsqu'une image a une plage limitée de valeurs d'intensité, cette technique est utilisée pour augmenter le contraste global de nombreuses images. Cette modification permet une application plus uniforme de toute la gamme d'intensités sur l'ensemble de l'histogramme. Cela permet aux zones à faible contraste local d'améliorer leurs niveaux de différenciation. Le contraste de l'image est réduit grâce à l'utilisation de l'égalisation de l'histogramme en répartissant efficacement les valeurs d'intensité densément emballées.
La technique fonctionne bien lorsque le premier plan et l'arrière-plan d'une image ont la même luminosité ou le même contraste. Dans les radiographies, par exemple, la procédure peut améliorer la visibilité de la structure osseuse, et dans les images sous-exposées ou surexposées, elle peut restaurer les détails. Le principal avantage de la méthode est qu'il s'agit d'une technique simple qui peut être facilement adaptée à n'importe quelle image d'entrée donnée et à n'importe quel opérateur qui peut être inversé. Par conséquent, en théorie, l'histogramme d'origine peut être restauré si la fonction d'égalisation de l'histogramme est connue. Il y a peu de travail informatique impliqué dans le calcul. Le manque de sélectivité de la méthode est un inconvénient. Cela pourrait rendre le bruit plus perceptible tout en réduisant simultanément la qualité de la transmission.
Un faible rapport signal/bruit entrave généralement les détections visuelles en imagerie scientifique où la corrélation spatiale est plus importante que la force du signal (comme la différenciation des segments d'ADN de longueur quantifiée).
L'égalisation de l'histogramme est excellente pour les photos scientifiques telles que les images thermiques, satellites ou radiographiques, la même catégorie d'images à laquelle on appliquerait de fausses couleurs, mais elle donne souvent des résultats non naturels en photographie. Lorsqu'elle est appliquée à des photos avec une faible profondeur de couleur, l'égalisation de l'histogramme peut entraîner des résultats inattendus (tels qu'un dégradé visuel notable). Si vous l'utilisez sur une image 8 bits présentée à l'aide d'une palette de niveaux de gris 8 bits, par exemple, la profondeur de couleur de l'image (le nombre de teintes de niveaux de gris distinctes) sera encore plus réduite. Les photos dont la profondeur de couleur est supérieure à la taille de la palette, telles que les données continues ou les images en niveaux de gris 16 bits, bénéficieront le plus de l'égalisation de l'histogramme.
L'égalisation de l'histogramme peut être visualisée et mise en œuvre de deux manières distinctes : en tant que modification d'image ou de palette. Plus précisément, étant donné une image d'entrée I, une palette P et une image de sortie M, l'opération peut être écrite sous la forme P(M(I)). L'égalisation de l'histogramme peut être implémentée en tant que changement de palette ou de mappage si une nouvelle palette est définie comme P'=P(M), l'image I restant non modifiée. Alternativement, si la palette P est conservée la même et que l'image est modifiée en I'=M(I), alors l'implémentation est effectuée via une modification de l'image elle-même. Il est préférable de modifier la palette car elle protège les informations d'origine.
Certaines variantes de cette technique utilisent une collection d'histogrammes (appelés sous-histogrammes) pour mettre en évidence les différences régionales plutôt que mondiales. L'égalisation adaptative de l'histogramme, l'égalisation adaptative de l'histogramme limitant le contraste (CLAHE), l'égalisation de l'histogramme multipic (MPHE) et l'égalisation du bihistogramme bêta optimisé polyvalent sont toutes des méthodes qui entrent dans cette catégorie (MBOBHE). Ces techniques, en particulier MBOBHE, visent à modifier l'algorithme HE afin d'augmenter le contraste sans introduire d'aberrations de décalage moyen de luminosité et de perte de détails.
En tant que sous-ensemble de la catégorie plus large des techniques de remappage d'histogramme, l'égalisation d'histogramme est un outil utile. Ces techniques visent à augmenter la qualité visuelle et à rendre les images plus faciles à interpréter (par exemple, le rétinex)
L'histogramme ajusté est ensuite appliqué à l'image d'origine dans un processus connu sous le nom de rétroprojection (ou « projet »), qui agit comme une base de données de recherche pour les niveaux de luminosité des pixels.
La fonction attribue la valeur de la cellule de l'histogramme à l'image de sortie, où les coordonnées de la cellule sont déterminées par les valeurs des pixels de chaque groupe d'entrée collectées à partir de toutes les photos monocanal au même endroit. La valeur de chaque pixel dans l'image finale représente la probabilité statistique que son groupe de pixels d'entrée correspondant provienne du même objet que l'histogramme de cet élément.
Considérons une image discrète en niveaux de gris {x} et soit ni le nombre d'occurrences du niveau de gris i.
La probabilité que l'image contienne un pixel de niveau d'intensité I est
\ p_{x}(i)=p(x=i)={\frac {n_{i}}{n}},\quad 0\leq i<L{\displaystyle \ L} Étant le nombre total de niveaux de gris dans l'image (généralement 256), n représente le nombre de pixels de l'image, et p_{x}(i) étant en fait l'histogramme de l'image pour la valeur de pixel i, calibré sur l'intervalle [0,1].
La fonction de distribution cumulative de I sera définie comme suit :
{\displaystyle \operatorname {cdf} _{x}(i)=\sum _{j=0}^{i}p_{x}(x=j)} , en plus d'être l'histogramme normalisé des données recueillies par l'image.
Nous voudrions créer une transformation de la forme {\displaystyle \ y=T(x)} pour produire une nouvelle image {y}, au niveau de l'histogramme, zéro.
Dans ce cas, la fonction de distribution cumulative (CDF) des valeurs de l'image serait linéaire, c'est-à-dire
{\displaystyle \operatorname {cdf} _{y}(i)=(i+1)K} pour {\displaystyle 0\leq i
pour une certaine constante {\displaystyle \ K} .
Cette transformation est possible en raison des caractéristiques de la CDF (voir Fonction de distribution inverse) ; Plus précisément, cela signifie :
{\displaystyle \ y=T(k)=\operatorname {cdf} _{x}(k)}où \ k est dans l'intervalle {\displaystyle [0,L-1])} .
Remarquez que \ T les niveaux correspondent à l'intervalle [0,1], car nous avons utilisé un histogramme standardisé de x.
Réconcilier les valeurs avec leur domaine d'origine, Pour obtenir le résultat souhaité, la transformation facile suivante doit être effectuée sur la sortie :
{\displaystyle \ y^{\prime }=y\cdot (\max\{x\}-\min\{x\})+\min\{x\}=y\cdot (L-1)}.
Nous présentons ici une dérivation plus approfondie.
\ y est une valeur réelle alors que {\displaystyle \ y^{\prime }} doit être un entier.
L'utilisation de l'opération d'arrondi est une solution courante et simple :
{\displaystyle \ y^{\prime }=\operatorname {round} (y\cdot (L-1))} .
Cependant, un examen plus approfondi donne une formulation légèrement modifiée.
La valeur mappée {\displaystyle \ y^{\prime }} doit être 0 pour la plage de {\displaystyle 0
Et {\displaystyle \ y^{\prime }=1} pour {\displaystyle 1/L
Ensuite, la formule de quantification de \ y à {\displaystyle \ y^{\prime }} devrait être
{\displaystyle y^{\prime }=\operatorname {ceil} (L\cdot y)-1} .
(Remarque : {\displaystyle y^{\prime }=-1} lorsque {\displaystyle \ y=0} , cependant, cela ne se produit pas simplement parce que {\displaystyle \ y=0} signifie qu'il n'y a pas de pixel correspondant à cette valeur.)
Ce qui précède décrit l'égalisation de l'histogramme d'image en niveaux de gris. Toutefois, la même méthode peut être utilisée pour les images couleur en l'appliquant indépendamment aux valeurs de couleur RVB des couches Rouge, Vert et Bleu de l'image. Cependant, étant donné que les distributions relatives des canaux de couleur varient à la suite de l'application de l'algorithme, l'utilisation de la même procédure pour les composants rouge, vert et bleu d'une image RVB peut entraîner des modifications radicales de la balance