Histogram Equalization

Introduction

• Histogram(도수분포도)
  • Histogram of an image with intensity levels in the range [0, L-1]
  • 
  • : k번째 intensity value (bin)
  • : intensity value에 해당하는 픽셀의 갯수
  • IF) intensity levels = 256
    number of bins = 8 → 1st bin: 0~31
    number of bins = 2 → 1st bin: 0~127
    
• Histogram normalization
  • 히스토그램은 있는 그대로 사용하지 않고 정교화를 실행
  • 각각의 bin에 있는 값 / 영상을 구성하고 있는 픽셀의 전체 갯수 (상대도수)
    -> 각 빈에 있는 값의 범위는 0~1
  • It can be considered as a probability function(확률함수)
    • 영상 내에 특정한 값을 가진 픽셀이 존재할 확률이 정교화된 히스토그램으로 표현
• Histograms are basis for numerous spatial domain processing techniques
  • Setting the proper number of bins is important
    • bin의 갯수가 많은 경우, 대부분의 bin에서 유사한 값, 영상의 특성을 반영하기 어려움
    • bin의 갯수가 적은 경우, 영상의 특성을 반영하기 어려움

---

Histogram equalization

• Histogram equalization(히스토그램 평활화)
  • 일종의 전처리 방법
  • 영상의 contrast를 조절하는 방법
  • Contrast: 밝기 혹은 색상값의 차이, 높을수록 물체를 식별하기 쉬움(more detail)
    • 히스토그램에서 픽셀들이 상대적으로 골고루 분포
  • 항상 향상된 영상을 제공하는것x
    when a certain range of data is dominant(depending on capturing environment)
    영상 내 픽셀들이 균등하게 분포하는 것이 타당한 경우에만
• Steps
  1. Histogram computation(계산)
  2. Find mapping function which distributes pixel values uniformly
  3. Apply the mapping function to an input image
     • 해당함수를 활용한 intensity transformation 수행