matlab全局直方图均衡化与局部直方图均衡化有什么区别？

Question

如题所述

Answer 1

matlab全局直方图均衡化和局部直方图均衡化的优缺点如下：
如果一幅图像整体偏暗或者偏亮，那么直方图均衡化的方法很适用。但直方图均衡化是一种全局处理方式，它对处理的数据不加选择，可能会增加背景干扰信息的对比度并且降低有用信号的对比度（如果图像某些区域对比度很好，而另一些区域对比度不好，那采用直方图均衡化就不一定用）。此外，均衡化后图像的灰度级减少，某些细节将会消失；某些图像（如直方图有高峰），经过均衡化后对比度不自然的过分增强。针对直方图均衡化的缺点，已经有局部的直方图均衡化方法出现。
1.全局直方图均衡化，是先将图像各元素的个数进行统计，再求出各像素值的概率，并进行概率对应的归一化，将归一化的概率乘上灰度值，根据原像素值和归一化后的像素值对应，通过find函数找到原来相应的像素改变为现在归一化后的像素，得到均衡化处理的图像。
2.局部直方图均衡化，分为子块不重叠、子块重叠和子块部分重叠，函数中可选择不同的方法计算。子块不重叠算法根据输入分割子块的大小为n，将图像划分为多块n*n大小的子块，单独对每块进行直方图均衡化；子块重叠算法根据输入分割子块的大小n,利用该分割子块的直方图信息对子块中心的像素进行均衡化，逐一处理完该子块所有像素点；子块部分重叠算法子块是将移动步长约取为子块尺寸的几分之一，子块均衡的灰度值用于映射子块所有像素的灰度值，并记录对多次被均衡的像素，将均衡结果取平均作为该像素在输出图像中的灰度值。