图像归一化
图像归一化可对图像的灰度分布按照规则进行调整，以增强图像局部细节。
本节内容包含：
模块原理
该模块包含直方图均衡化、直方图归一化和均值标准差归一化三类算法。
- 直方图均衡化
-
直方图均衡化假设每一像素值在直方图上分布概率相同，则每一灰度级经过均衡化后的计算公式如下。其中：
-
k表示每一级灰度值，取值范围为：0~255。
-
nj表示灰度级为k时的累计像素和，n为输入图像的像素总数。
图 1 直方图均衡化计算公式 -
- 直方图归一化
-
直方图归一化的算法工作流程如下所示。
图 2 算法工作流程-
计算归一化参数。具体分为如下两个子步骤。
-
根据预设的灰阶左端像素数量占比（left_scale）和右端像素数量占比（right_scale），计算左端像素级（LeftPos）和右端像素级（RightPos），如下图所示。
图 3 左右端像素级计算 -
根据计算的左右端像素值，分别按如下公式计算图像归一化的参数scale（归一化系数）和offset（归一化偏移值）。公式中MinPos和MaxPos分别为预设的灰度值范围的最小值和最大值。
-
scale=(MinPos-MaxPos)/(LeftPos-RightPos)
-
offset= MaxPos- RightPos*scale
-
-
-
进行图像归一化，具体为：
将计算出的scale和offset代入如下公式，计算目标图像像素值。其中DstGray(i,j)表示输出图像第i行j列像素值，SrcGray(i,j)表示输入图像第i行j列像素值。
DstGray(i,j)= SrcGray(i,j)*scale+offset
-
- 均值标准差归一化
-
均值标准差归一化的算法工作流程和直方图归一化的基本相同，区别在于归一化参数的计算方式。
-
计算归一化参数sale（归一化系数）和offset（归一化偏移值），计算公式分别如下。
-
scale=SetStd/SrcStd
-
offset=SetMean-scale*SrcMean
公式中，SetStd和SetMean分别表示预设的标准差和均值；SrcStd和SrcMean分别表示输入图像像素的标准差和均值。
-
-
进行图像归一化，具体为：
将计算出的scale和offset代入如下公式，计算目标图像像素值。公式中，DstGray(i,j)表示输出图像第i行j列像素值，SrcGray(i,j)表示输入图像第i行j列像素值。
DstGray(i,j)= SrcGray(i,j)*scale+offset
-
使用方法
该模块对前后序模块无特定要求，一般前序模块为图像源。
图 4 示例参数配置
以下仅介绍该模块的运行参数详情。通过配置运行参数，可定义当前模块如何处理输入的数据。
- 直方图均衡化
-
通过灰度直方图将图像灰度调整均匀。该方法可增强局部细节和对比度。具体原理见上文模块原理中的直方图均衡化。
图 5 原图
图 6 直方图均衡化效果 - 直方图归一化
-
在指定直方图范围内进行图像归一化。该方法可增强图像局部细节和对比度，相比直方图均衡化调参更灵活。具体原理见上文模块原理中的、直方图归一化。
- 左端比例
-
即上文模块原理中提及的灰阶左端像素数量占比（left_scale）。
- 右端比例
-
即上文模块原理中提及的灰阶右端像素数量占比（left_scale）。
- 灰度值范围
-
对应除去左端比例和右端比例的直方图灰阶范围。
图 7 原图
图 8 直方图归一化效果 - 均值标准差归一化
-
指定直方图标准差和均值进行图像归一化，增强局部细节和对比度。具体原理见上文模块原理中的均值标准差归一化。
图 9 原图
图 10 均值标准差归一化效果
模块结果
该模块输出结果中各项参数详情，请参见图像归一化模块的输出结果。