实验报告2：直方图的均衡

实验报告

1.数字图像直方图均衡的算法原理

直方图均衡的主要原理是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，通过将不同灰度值的像素数量进行统计，并将图像的像素值进行重新分配，把一定范围的像素过于密集的灰度值重新分配到较广的灰度区域内，使得整体灰度范围内每个灰度值的像素数量基本相同。

2.数字图像直方图均衡的算法步骤

I.设均衡前图像在(x,y)处灰度值为f(x,y)，均衡后图像的灰度值为g(x,y)

II.设直方图变换函数为g(x,y)=M(f(x,y))

III.令M(t)在(0,L-1)上单调递增，且使得f(x,y)和g(x,y)均属于(0,L-1)。

IV.计算每个灰度级的频数p(x,y)=f(x,y)/N

V.此时计算累计分布函数C(x,y)=Σp(x,y)

VI.利用M(t)计算均衡后的灰度级：g(x,y)=INT[(gmax-gmin)C(x,y)+gmin+0.5]

3.MATLAB代码对RGB通道独立地进行直方图均衡的代码实现：

RGB=imread('yuanban.jpg');

R=RGB(:,:,1);

G=RGB(:,:,2);

B=RGB(:,:,3);

subplot(4,2,1),imshow(RGB);

title('原始真彩色图像');

subplot(4,2,3),imshow(R);

title('真彩色图像的红色分量');

subplot(4,2,4), imhist(R);

title('真彩色图像的红色分量直方图');

subplot(4,2,5),imshow(G);

title('真彩色图像的绿色分量');

subplot(4,2,6), imhist(G);

title('真彩色图像的绿色分量直方图');

subplot(4,2,7),imshow(B);

title('真彩色图像的蓝色分量');

subplot(4,2,8), imhist(B);

title('真彩色图像的蓝色分量直方图');

r=histeq(R);

g=histeq(G);

b=histeq(B);

figure,

subplot(3,2,1),imshow(r);

title('红色分量均衡化后图像');

subplot(3,2,2), imhist(r);

title('红色分量均衡化后图像直方图');

subplot(3,2,3),imshow(g);

title('绿色分量均衡化后图像');

subplot(3,2,4), imhist(g);

title('绿色分量均衡化后图像直方图');

subplot(3,2,5), imshow(b);

title('蓝色分量均衡化后图像');

subplot(3,2,6), imhist(b);

title('蓝色分量均衡化后图像直方图');

figure,

newimg = cat(3,r,g,b);

imshow(newimg,[]);

title('均衡化后分量图像还原输出原图');

4.均衡效果对比：

原图：Matlab直方图均衡后效果图：

PS均衡后效果图：

差别：原图颜色较暗，并且大部分区域灰度值偏低，

仅有部分地方灰度值较亮。经过Matlab平衡后，

灰度级部分合并，并且灰度级较低的区域间隔变

大，灰度级较高的区域间隔变小。从整体上看，图

片的颜色部分过亮，尽管可以接受的信息量变大

了，且对比度也得到了显著的提高，但是图片中本

来灰度级较高的部分细节有部分缺失，且图像的灰

度分辨率有所下降。PS 均衡后，图片的总体灰度

值变高，部分灰度值过低的区域的亮度得到显著提

高，而失真的部分并不像Matlab直接编程获得的

部分一样，因此存留的细节比Matlab所均衡后留

下的要多，且对比度拉伸后PS均衡所得到的图像

比Matlab算法得到的图像偏暗。

5.精确直方图均衡的算法原理

在直方图均衡的算法中，利用灰度级的映射关系可以将原图像直方图变换为期望图像直方图。而在这个过程中，由于图像本身的数据是离散的，规定化算法给出的结果并不精确，因此如果采用一种排序关系，在图像像素排序中诱导出一个严格排序并取代通常的排序，就可以使直方图的均衡变为严格排序。

算法步骤：

1.设F(X,Y)为一副大小MxN，有L个灰度级的离散图像，且图像的规定直方图为H={h1,h2,h3......hL-1}。

2.定义一个排序关系“《”，并将图像的像素排序：

F(x1,y1)《F(x2,y2)《F(x3,y3)《........《f(xNM,yNM)

3.将以上排序分为L组，并且使得第J组有HJ个元素。

4.将J组中的像素分配给灰度级J。

排序算法原理：

在导出图像像素的严格排序的过程中，需要考虑到像素的邻域。取任一整数K，并令W1-Wk均为顺序从属的集合关系。对每个F(x,y),均有m(x,y)是W上灰度级F的平均值。设M(x,y)可表示K元组，并假设按照字典定义的排序方式为M(x,y)的集合上导出一个完全排序。若M(x1,y1)

效果对比：

在精确直方图均衡的算法下，原图灰度级范围小的缺点得到了显著改观，而由于处理后图像的亮度值趋于平衡，灰度级也经过M排序后变得非常平均。因此，图像的对比度和动态范围都得到了显著增强，而原来一部分较暗的部分的细节变得更加清晰。Ps算法进行直方图均衡后，得到的图像细节比原图要多，而精确直方图均衡算法由于使得图片内灰度级的严格排序与自然排序几乎完全一致，图像中的信息几乎被完全保留。因此精确直方图算法可以得到与PS直方图均衡几乎相差无几的图像视觉效果，并且可以保留更多的图片内容与细节。

基于Matlab编程仿真的直方图均衡化图像质量改善

基于直方图均衡的图像质量改善 班级：测控1004学号：2013270162姓名：杨明 摘要：为了解决灰度图像的灰度值分布集中在较窄的范围内，图像的细节不够清晰，对比度较低的问题。通过直方图均衡化使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像的细节清晰，以达到增强目的，直方图均衡化可得到任意的均匀直方图灰度图像。直方图均衡化是一种行之有效的图像增强方法，直方图均衡化是将原灰度图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。基于Matlab编程和工具箱的使用，实现图像直方图均衡化的图像仿真。 关键词：直方图均衡化；图像增强；Matlab Abstract: In order to solve the gray image gray value distribution concentrated in a narrow range of image detail is not clear enough, the problem of low contrast. Gray histogram equalization range so that the gradation image or pulled evenly distributed, thereby increasing the contrast, so that a clear image detail, in order to achieve the purpose of enhancing, histogram equalization histogram obtained arbitrary uniform gray image . Histogram equalization is an effective method for image enhancement, histogram equalization is the histogram of the original gray-scale image by histogram transformation function becomes uniform, a uniform histogram modification then the original image, thereby obtaining a a gray uniform distribution of the new image. Matlab toolbox based programming and the use of image histogram equalization image simulation. Keywords: histogram equalization; image enhancement; Matlab

图像灰度变换实验报告

图像灰度变换报告 一.实验目的 1.学会使用Matlab ； 2.学会用Matlab 软件对图像进行灰度变换，观察采用各种不同灰度变换发法对最终图像效果的影响； 二.实验内容 1.熟悉Matlab 中的一些常用处理函数 读取图像：img=imread('filename'); //支持TIF,JPEG,GIF,BMP,PNG 等文件格式。 显示图像：imshow(img,G); //G 表示显示该图像的灰度级数，如省略则默认为256。 保存图片：imwrite(img,'filename'); //不支持GIF 格式，其他与imread 相同。 亮度变换：imadjust(img,[low_in,high_in],[low_out,high_out]); //将low_in 至high_in 之间的值映射到low_out 至high_out 之 间，low_in 以下及high_in 以上归零。 绘制直方图：imhist(img); 直方图均衡化：histeq(img,newlevel); //newlevel 表示输出图像指定的灰度级数。 2.获取实验用图像：rice.jpg. 使用imread 函数将图像读入Matlab 。 3 .产生灰度变换函数T1，使得： 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤ r ≤ 0.65 1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg 进行处理，使用imwrite 函数保存处理后的新图像。 4.产生灰度变换函数T2，使得： s = 5.用T2imwrite 保存处理后的新图像。 6.分别用 s = r 0.6; s = r 0.4; s = r 0.3 对kids.tiff 图像进行处理。为简便起见，使用Matlab 中的imadjust 函数，最后用imwrite 保存处理后的新图像。 7.对circuit.jpg 图像实施反变换（Negative Transformation ）。s =1－r; 使

数字图像处理实验四

数字图像处理 实验 实验四：图像增强—直方图变换学院：信息工程学院 姓名： 学号： 专业及班级： 指导教师：

一、实验目的 1．掌握灰度直方图的概念及其计算方法； 2．熟练掌握直力图均衡化和直方图规定化的计算过程； 3．熟练掌握空域滤波中常用的平滑和锐化滤波器； 4．掌握色彩直方图的概念和计算方法； 5．利用MATLAB程序进行图像增强。 二、实验内容 图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。 直方图是多种空间城处理技术的基础。直方图操作能有效地用于图像增强。除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。 直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。灰度直方图是图像预处理中涉及最广泛的基本概念之一。 图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。 直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。 三、实验具体实现 显示原图像的直方图和经过均衡化处理过的图像直方图： I=imread('1.jpg'); % 读入原图像 J=histeq(I); %对原图像进行直方图均衡化处理 subplot(2,2,1) ;imshow(I); %显示原图像 title('原图像'); %给原图像加标题名 %对原图像进行屏幕控制；显示直方图均衡化后的图像 subplot(2,2,2) ;imshow(J); %给直方图均衡化后的图像加标题名 title('直方图均衡化后的图像') ; %对直方图均衡化后图像进行屏幕控制；作一幅子图，并排两幅图的第1幅 subplot(2,2,3) ; imhist(I,64); %将原图像直方图显示为64级灰度 title('原图像直方图') ; %给原图像直方图加标题名

数字图像处理实验报告--直方图均衡化

数字图像处理实验报告 实验名称：直方图均衡化 ： 班级： 学号： 专业：电子信息工程（2+2） 指导教师：华华 实验日期：2012年5月24日

直方图均衡化 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图均衡化是最常见的间接对比度增强方法。直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度围的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度围的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 缺点： 1）变换后图像的灰度级减少，某些细节消失； 2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数): (1)EQ(f)在0≤f≤L-1围是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。 (2)对于0≤f≤L-1有0≤g≤L-1，这个条件保证了变换前后灰度值动态围的一致性。 累积分布函数即可以满足上述两个条件，并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: gk = EQ(fk) = (ni/n) = pf(fi) ， (k=0，1，2，……，L-1) 上述求和区间为0到k，根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后，按照这个映射关系对

直方图均衡化及直方图规定化

《数字图像处理》实验 报告（二） 学号：____________ 姓名：__________ 专业：____ 课序号：__________ 计算机科学与技术学院

实验2直方图均衡化 一、实验学时：4学时（本部分占实验成绩的40%） 二、实验目的： 1、理解直方图均衡化的原理及步骤； 2、编程实现图像（灰度或彩色）的直方图均衡化。 三、必须学习和掌握的知识点： 直方图均衡化是一种快速有效且简便的图像空域增强方法，在图像处理中有着非常重要的意义，因此要求掌握。 四、实验题目： 编程实现灰度图像的直方图均衡化处理。要求给出原始图像的直方图、均衡化图像及其直方图和直方图均衡化时所用的灰度级变换曲线图。 五、思考题：（选做，有加分） 实现对灰度图像的直方图规定化处理。 六、实验报告： 请按照要求完成下面报告内容并提交源程序、可执行程序文件和实验结果图像。

1、请详细描述本实验的原理： 1.直方图均衡化概述 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化的英文名称是Histogram Equalization. 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 2基本思想 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数): (1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。 (2)对于0≤f≤L-1有0≤g≤L-1，这个条件保证了变换前后灰度值动态范围的一致性。 累积分布函数(cumulative distribution function，CDF)即可以满足上述两个条件，并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: gk = EQ(fk) = (ni/n) = pf(fi) ， (k=0，1，2，……，L-1)

图像工程概论实验报告——二值化直方图均衡化

图像工程概论 实验报告

课程报告1： 一、实验目的： 二、实验内容 把这幅图像分成同样大小的10幅人脸图片 然后分别对第一行5幅人脸图像的第3 第4 第5 第二行5幅人脸图像的第1 第5 进行如下处理： 1.进行大津法阈值分割的二值化处理 2.进行直方图均衡化处理 三、实验具体代码以及结果 （一）大津法阈值分割的二值化处理 1.实验代码 %图像分割部分 clear; clc; pic0=imread('G: \image\histogram matching.bmp'); figure(1),imshow(pic0); wdiv=5; hdiv=2; [hd,wd,l]=size(pic0);

sub_wd=floor(wd/wdiv); sub_hd=floor(hd/hdiv); for row=1:2 for col=1:5 pic1=pic0((row-1)*sub_hd+1:row*sub_hd+1,(col-1)*sub_wd+1:col*sub_ wd+1); figure(2),imshow(pic1); imwrite(pic1,['G: \image\'num2str(row) '-'num2str(col) '.jpg'],'jpg'); %存储图像 end end %————————图像处理部分 cd 'G:\pic' x1=imread('1-3.jpg'); %目标读取图像第一行第三幅人脸图像 x2=imread('1-4.jpg'); %第一行第四幅人脸图像 x3=imread('1-5.jpg'); %第一行第五幅人脸图像 x4=imread('2-1.jpg'); %第二行第一幅人脸图像 x5=imread('2-5.jpg'); %第二行第五幅人脸图像 %matlab 自动确定阈值的方法，大津法，类间方差 level1=graythresh(x1); level2=graythresh(x2); level3=graythresh(x3); level4=graythresh(x4); level5=graythresh(x5); %用得到的阈值直接对图像进行二值化处理并显示 BW1=im2bw(x1,level1); BW2=im2bw(x2,level2); BW3=im2bw(x3,level3); BW4=im2bw(x4,level4); BW5=im2bw(x5,level5); subplot(1,5,1),imshow(BW1); subplot(1,5,2),imshow(BW2); subplot(1,5,3),imshow(BW3); subplot(1,5,4),imshow(BW4); subplot(1,5,5),imshow(BW5); 2.实验结果显示 分割结果截图：

数字图像处理试题及参考答案

一、填空题（每题1分，共15分） 1、列举数字图像处理的三个应用领域医学、天文学、军事 1024?，256个灰度级的图像，需要8M bit。 2、存储一幅大小为1024 3、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越差。 4、直方图均衡化适用于增强直方图呈尖峰分布的图像。 5、依据图像的保真度，图像压缩可分为无损压缩和有损压缩 6、图像压缩是建立在图像存在编码冗余、像素间冗余、心理视觉冗余三种冗余基础上。 7、对于彩色图像，通常用以区别颜色的特性是色调、饱和度 亮度。 8、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方法： 二、选择题（每题2分，共20分） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增强。（B ） A 图像整体偏暗 B 图像整体偏亮 C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景 2、图像灰度方差说明了图像哪一个属性。（B ） A 平均灰度 B 图像对比度 C 图像整体亮度D图像细节 3、计算机显示器主要采用哪一种彩色模型（ A ） A、RGB B、CMY或CMYK C、HSI D、HSV 4、采用模板［-1 1］T主要检测（ A ）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、下列算法中属于图象锐化处理的是：( C ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（ C ） A、去噪 B、减小图像动态范围 C、复原图像 D、平滑图像 7、彩色图像增强时， C 处理可以采用RGB彩色模型。 A. 直方图均衡化 B. 同态滤波 C. 加权均值滤波 D. 中值滤波 8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波 C. 约束最小二乘滤波 D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以便引入 一些低频分量。这样的滤波器叫 B 。 A. 巴特沃斯高通滤波器 B. 高频提升滤波器 C. 高频加强滤波器 D. 理想高通滤波器 10、图象与灰度直方图间的对应关系是 B __ A.一一对应 B.多对一 C.一对多 D.都不 三、判断题（每题1分，共10分） 1、马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象。（√）

基于matlab的直方图均衡化

目录 1、引言 (2) 2、直方图基础 (3) 3、直方图均衡化 (3) 3.1 直方图均衡化的概念 (3) 3.2 直方图均衡化理论 (4) 3.3 Matlab 实现 (4) 4、结论 (7) 致谢 (7) 参考文献 (7)

图像增强处理 —直方图均衡化的Matlab 实现摘要：为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化及直方图规定化两种变换，此文中探讨了直方图的理论基础，直方图均衡化的概念及理论，以Matlab为平台，对某地区遥感TM单波段遥感影像进行直方图均衡化，并给出了具体程序、仿真结果图像、直方图及变换函数。实验结果表明，原来偏暗的且对比度较低的图像经过直方图均衡化后图像的对比度及平均亮度明显提高，直方图均衡化处理能有效改善灰度图像的对比度差和灰度动态范围。 关键词：图像增强直方图均衡化 Matlab 1、引言 图像增强是指对图像的某些特征，如边缘、轮廓或对比度等进行强调或尖锐化。当一幅图像曝光不足或过度，造成对比度过小或过大而不能显示具体细节，通过增加这些细节的动态范围改善图像的视觉效果。图像增强可以突出图像中所感兴趣的特征信息，改善图像的主观视觉质量，提高图像的可懂度。 增强的首要目标是处理图像，使其比原始图像更适合于特定应用。图像增强的方法分为两大类：空间域方法和频域方法。“空间域”一词是指图像平面本身，这类方法是以对图像的像素直接处理为基础的。“频域”处理技术是以修改图像的傅氏变换为基础的。 一般说来，原始遥感数据的灰度值范围都比较窄，这个范围通常比显示器的显示范围小的多。增强处理可将其灰度范围拉伸到0-255 的灰度级之间来显示，从而使图像对比度提高，质量改善。增强主要以图像的灰度直方图最为分析处理的基础。直方图均衡化能够增强整个图像的对比度，提高图像的辨析程度，算法简单，增强效果好。本文主要讨论了空间域的直方图均衡化增强，并用Matlab 进行实验验证。 2、直方图基础 1、灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像元的个数。确定图像像

直方图均衡化处理教学内容

实验 1.直方图均衡化程序的原理及步骤 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某灰度区间变成在全部灰度范围内的均匀分布。 直方图均衡化的原理： 直方图均衡化是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图,然后按均衡直方图修正原图像,其变换函数取决于图像灰度直方图的累积分布函数。概括地说,就是把一已知灰度概率分布的图像,经过一种变换,使之演变成一幅具有均匀概率分布的新图像。当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来更清晰。灰度直方图用各灰度值出现的相对频数(该灰度级的像素数与图像总像素数之比)表示。 直方图表示数字图像中每一灰度级与其出现频数的的统计关系，用横坐标表示灰度级，纵坐标表示频数。直方图就能给出该图像的概貌性描述，例如图像的灰度范围、每个灰度级的频数和灰度的分布、整幅图像的亮度和平均明暗对比度等，由此可得出进一步处理的重要依据。计算每个灰度级出现的概率为： P r (r k )＝N k /N k=0，1，2,…,L-1 上式中， P r (r k )表示第k 个灰度级出现的概率，N k 为第 k 个灰度级出现的频数，N 为图像像素总数,L 为图像中可能的灰度级总数。由此可得直方图均衡化变换函数,即图像的灰度累积分布函数Sk 为: 1,...,2,1,0)()(00-====∑∑==L k r P r T s k j N N k j j r k k j 上式中, S k 为归一化灰度级。 这个变换映射称做直方图均衡化或直方图线性化。 直方图均衡化过程如下: （1） 输出原图像； （2） 根据公式P r (r k )＝n k /m*n （ k=0，1，2,…,L-1）计算对应灰度级出现的概率， 绘制原图像的直方图。 （3） 计算原图象的灰度级累积分布函数：sk=Σp r (r k )； （4） 取整Sk=round((S1*256)+0.5);将Sk 归一到相近的灰度级，绘制均衡化后的 直方图。 （5） 将每个像素归一化后的灰度值赋给这个像素，画出均衡化后的图像。 2.根据直方图均衡化步骤对输入的原图象进行处理，输出的图像如下图所示。

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：

数字图像处理点运算和直方图处理

实验1 点运算和直方图处理 一、实验目的 1. 掌握利用Matlab图像工具箱显示直方图的方法 2. 掌握运用点操作进行图像处理的基本原理。 3. 进一步理解利用点操作这一方法进行图像处理的特点。 4. 掌握利用Matlab图像工具箱进行直方图均衡化的基本方法。 二、实验的硬件、软件平台 硬件：计算机 软件：操作系统：WINDOWS 7 应用软件：MATLAB 三、实验内容及步骤 1. 了解Matlab图像工具箱的使用。 2. 利用Matlab图像工具箱对图像进行点操作，要求完成下列3个题目中 的至少2个。 ⑴图1灰度范围偏小，且灰度偏低，改正之。 ⑵图2暗处细节分辨不清，使其能看清楚。 ⑶图3亮处细节分辨不清，使其能看清楚。 图1 图2 图3 3. 给出处理前后图像的直方图。 4. 利用MatLab图像处理工具箱中函数对以上图像进行直方图均衡化操 作，观察结果。 四、思考题 1. 点操作能完成哪些图像增强功能？ 2. 直方图均衡化后直方图为何并不平坦？为何灰度级会减少？ 五、实验报告要求

1．对点操作的原理进行说明。 2．给出程序清单和注释。 3．对处理过程和结果进行分析（包括对处理前后图像的直方图的分析）。 实验代码以及解读 点操作： I = imread('POINT1.BMP')。 %读入图像 j=rgb2gray(I)。%将图像转为灰度图像 INFO=IMFINFO('POINT1.BMP') %获取图片的格式、尺寸、颜色数量、修改时间等信息[l,r]=size(j)。%图片大小 figure。%建立一个图形框 subplot(221) imshow(j) %在两行两列的第一个位置放置图片j title('POINT1.BMP') %给该图片加上标题POINT1.BMP for m=1:l for n=1:r %从第一个像素循环到最后一个像素p1(m,n)=j(m,n)*1.2。%把各点乘上1.2得到p1图 end end for m=1:l for n=1:r p2(m,n)=j(m,n)*2。%%把各点乘上2得到p2图 end end for m=1:l for n=1:r p3(m,n)=j(m,n)*2+50。%把各点乘上2再加50得到p2图 end end subplot(222) imshow(p1) title('j(m,n)*1.2') %p1图放在第二个位置且冠名j(m,n)*1.2 subplot(223) imshow(p2) title('j(m,n)*2') %p1图放在第三个位置且冠名j(m,n)* 2 subplot(224) imshow(p3) title('j(m,n)*2+50') %p1图放在第四个位置且冠名j(m,n)*2+50 figure。%建立一个新的窗口并且依次显示以上四个图的直方图

数字图像处理试题集(终版)

第一章引言 一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为_像素_。 2. 数字图像处理可以理解为两个方面的操作：一是从图像到图像的处理，如图像增强等；二是_从图像到非图像的一种表示_，如图像测量等。 3. 数字图像处理可以理解为两个方面的操作：一是_从图像到图像的处理_，如图像增强等；二是从图像到非图像的一种表示，如图像测量等。 4. 图像可以分为物理图像和虚拟图像两种。其中，采用数学的方法，将由概念形成的物体进行表示的图像是虚拟图像_。 5. 数字图像处理包含很多方面的研究内容。其中，_图像重建_的目的是根据二维平 面图像数据构造出三维物体的图像。 二.简答题 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的5种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 4. 简述数字图像处理的至少5种应用。 ①在遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。 ②在医学中，比如B超、CT机等方面。 ③在通信中，比如可视电话、会议电视、传真等方面。 ④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品质量的监控和筛选等方面。 ⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。 5. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。比如傅里叶变换、小波变换等。

均值滤波 中值滤波 直方图均衡

实验报告 一．实验目的 对图像进行空域增强，实现均值滤波、中值滤波、直方图均衡。 二．实验内容 对加入椒盐噪声的图像进行均值滤波、中值滤波，对图像实现直方图均衡，通过改变图像的直方图来改变图像中像素的灰度，以达到图像增强的目标。 三．实验原理 均值滤波的原理 均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。 均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点(,) x y，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点(,) u x y，即 x y，作为处理后图像在该点上的灰度值(,)

1 (,)(,)u x y f x y m = ∑，m 为该模板中包含当前像素在内的像素总个数。 中值滤波的原理 中值滤波是一种非线性滤波，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。中值滤波首先是被应用在一维信号处理技术中，后来被二维图像信号处理技术所应用。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。中值滤波的目的是保护图像边缘的同时去除噪声。 在一维的情况下，中值滤波器是一个含有奇数个像素的窗口，在处理之后，将窗口正中的像素灰度值用窗口内各像素灰度值的中值来代替。设有一个维序列 12,,...n f f f ，取窗口长度为奇数m ，对此序列进行中值滤波，就是从输入序列中 相续抽出m 个数，,,,,i v i i v f f f -+，其中为窗口的中心值(1)/2v m =-，再将这 m 个点的数值按其数值大小排列，取其序号为正中间的那个数作为滤波输出。中 值滤波表达式为： {}v i i v i i f f f Med F +-=,,,, 对二维序列{X i,j }的中值滤波，滤波窗口也是二维的，但这种二维窗口可以有各种不同的形状，如线状、方形、圆形、十字形、圆环形等。二维中值滤波可表示为： {}为滤波窗口，A x Med F j i A j i ,,= 在实际使用窗口时，窗口的尺寸一般先用33?再取55?逐渐增大，直到其滤波效果满意为止。 由于中值滤波是非线性运算，在输入和输出之间的频率上不存在一一对应关系，故不能用一般线性滤波器频率特性的研究方法。设G 为输入信号频谱，F 为输出信号频谱，定义F G H /=为中值滤波器的频率响应特性，实现表明H 是与G 有关，呈不规则波动不大的曲线，其均值比较平坦，可以认为信号经中值滤波后，传输函数近似为1，即中值滤波对信号的频域影响不大，频谱基本不变。

直方图均衡化处理

实验1.直方图均衡化程序的原理及步骤 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某灰度区间变成在全部灰度范围内的均匀分布。 直方图均衡化的原理： 直方图均衡化是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图,然后按均衡直方图修正原图像,其变换函数取决于图像灰度直方图的累积分布函数。概括地说,就是把一已知灰度概率分布的图像,经过一种变换,使之演变成一幅具有均匀概率分布的新图像。当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来更清晰。灰度直方图用各灰度值出现的相对频数(该灰度级的像素数与图像总像素数之比)表示。 直方图表示数字图像中每一灰度级与其出现频数的的统计关系，用横坐标表示灰度级，纵坐标表示频数。直方图就能给出该图像的概貌性描述，例如图像的灰度范围、每个灰度级的频数和灰度的分布、整幅图像的亮度和平均明暗对比度等，由此可得出进一步处理的重要依据。计算每个灰度级出现的概率为： P r(r k)＝N k/N k=0，1，2,…,L-1 上式中，P r(r k)表示第k个灰度级出现的概率，N k为第k个灰度级出现的频数，N为图像像素总数,L 为图像中可能的灰度级总数。由此可得直方图均衡化变换函数,即图像的灰度累积分布函数Sk 为:上式中, S k 为归一化灰度级。这个变换映射称做直方图均衡化或直方图线性化。 直方图均衡化过程如下: （1）输出原图像； （2）根据公式P r(r k)＝n k/m*n（k=0，1，2,…,L-1）计算对应灰度级出现的概率，绘制原图像的直方图。（3）计算原图象的灰度级累积分布函数：sk=Σp r(r k)； （4）取整Sk=round((S1*256)+0.5);将Sk归一到相近的灰度级，绘制均衡化后的直方图。 （5）将每个像素归一化后的灰度值赋给这个像素，画出均衡化后的图像。 2.根据直方图均衡化步骤对输入的原图象进行处理，输出的图像如下图所示。 由上图可以看出，采用直方图均衡化后，可使图像的灰度间距拉开或使灰度均匀分布,从而增大反差,使图像更加清晰,达到增强的目的。但直方图均衡在对灰度呈现两端分布,同时在图像的低灰度区域有较多像素点的图像进行处理后, 得不到满意的效果,达不到突出图像细节的目的。针对上述直方图均衡化的弊端,可以先计算出图像的灰度直方图,然后将其灰度进行拉伸,以便改善图像增强效果。

图像处理实验报告

重庆交通大学 学生实验报告 实验课程名称数字图像处理 开课实验室数学实验室 学院理学院年级信息与计算科学专业 2 班学生姓名李伟凯学号631122020203 开课时间2014 至2015 学年第 1 学期

实验（一）图像处理基础 ?实验目的 学习Matlab软件的图像处理工具箱，掌握常用的一些图像处理命令；通过编程实现几种简单的图像增强算法，加强对图像增强的理解。 ?实验内容 题目A.打开Matlab软件帮助，学习了解Matlab中图像处理工具箱的基本功能；题目B.掌握以下常见图像处理函数的使用： imread( ) imageinfo( ) imwrite( ) imopen( ) imclose( ) imshow( ) impixel( ) imresize( ) imadjust( ) imnoise( ) imrotate( ) im2bw( ) rgb2gray( ) 题目C.编程实现对图像的线性灰度拉伸y = ax + b，函数形式为：imstrech(I, a, b)； 题目D.编程实现对图像进行直方图均衡化处理，并将实验结果与Matab中imhist 命令结果比较。 三、实验结果 1）．基本图像处理函数的使用： I=imread('rice.png'); se = strel('disk',1); I_opened = imopen(I,se); %对边缘进行平滑 subplot(1,2,1), imshow(I), title('原始图像') subplot(1,2,2), imshow(I_opened), title('平滑图像') 原始图像平滑图像

直方图图像处理实验报告

数字图像处理实验 实验一 直方图处理 实验目的 ● 理解图像直方图的概念，掌握图像直方图的绘制方法 ● 掌握直方图均衡化的原理，并会用直方图均衡化对图像进行处理。 实验要求 1.读入图像，可使用imread 。 2.输出图像，可使用imshow 。 3.绘制图像pout.tif 的归一化的直方图，可使用IPT 函数imhist 。 4.对图像进行直方图均衡化，可使用IPT 函数histeq ，对均衡化前后的图像以及直方图进行对比。 实验原理 一幅数字图像在范围[0, G ]内共有L 个灰度等级，其直方图定义为离散函数 k k n r h =)( 其中r k 是区间[0, G ]内的第k 级亮度，n k 是灰度级为r k 的图像中的像素数。 通常，我们会用到归一化直方图，即使所用所有元素h (r k )除以图像中的像素总数n 所得到的图形： n n n r h r p k k k ==)()( 其中k =1,2,…,L 。 Matlab 中提供了IPT 函数imhist 来绘制图像的直方图，但是除此之外绘制直方图的方法还有很多，可以通过条形图、杆状图等方式来表示直方图。 直方图均衡化主要用于增强动态范围偏小的图像的反差。该方法的基本思想是把原始的直方图变换为均匀分布的形状，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。 直方图均衡化一般采用原始图的累计分布函数作为变换函数。假设灰度级归一化至范围[0, 1]内，p r (r )表示给定图像中的灰度级的概率密度函数，对于离散的灰度级，均衡化变换为： ∑ ∑=====k j j k j j r k k n n r p r T s 1 1 )()( 式中k =1,2,…,L ，s k 是输出图像中的亮度值，它对应于出入图像中的亮度值r k 。 实验心得： 1. matlab 的函数的功能很强大，一个简单的函数调用就可以解决复杂的问题。这样，就需要在函数调用时注意函数的参数，否则很容易出错。比如函数 histeq(a,n)，就要注意其中的n 为灰度值的个数。 2. 对于自己编写函数实现某些特定的功能时，需要对原理掌握清楚，如实验二中需自己编写函数实现图像的均衡，就要求对直方图的均衡原理掌握到位。

图像处理实验3(习题教学)

昆明理工大学信息工程与自动化学院学生实验报告 （2016—2017学年第一学期） 课程名称：数字图像基础开课实验室： 2016年月日 年级、专业、班学号姓名成绩 实验项目名称图像增强（1）指导教师 教师评语 该同学是否了解实验原理： A.了解□ B.基本了解□ C.不了解□ 该同学的实验能力： A.强□ B.中等□ C.差□ 该同学的实验是否达到要求： A.达到□ B.基本达到□ C.未达到□ 实验报告是否规范： A.规范□ B.基本规范□ C.不规范□ 实验过程是否详细记录： A.详细□ B.一般□ C.没有□ 教师签名： 2016年 11月 16日 一、实验目的及内容 目的：掌握和熟悉Matlab编程环境及语言；掌握直方图统计的算法和用途。 内容： 1.调试教材P25页例 2.1输出类似教材图2.3的结果。 2.调试教材P33页例2.4，编写一个程序，分别使用imhist、bar、stem、plot四种方式 显示一幅灰度图像的直方图 3.调试教材P37页例2.5。 4.直方图均衡化的公式如下所示： 11 ()() k k j k k r j j j n s T r p r n == === ∑∑ 根据上式及课堂所讲直方图均衡化原理及方法，自己写一个Matlab函数实现对灰度图像的直方图均衡化功能（类似于Matlab提供的hist eq函数）。（提示：实现中使用Matlab函数cumsum（P38）可能会使程序简单些）。

二、要求 1.描述直方图的概念并解释直方图均衡化原理。 2.程序结构清晰，运行结果正确。 3.对于第1、2、3小题在实验报告中给出所调试的程序，及其运行结果，对第4小题 描述程序的设计、实现和结果，并对结果进行分析。

直方图均衡化处理

数字图像处理实验报告 姓名: 王程学号: 2012021199037 日期：2013.3.30 一、实验要求 （1）对一幅的对比度灰度图像进行直方图均衡化处理，画出处理前后的图像及直方图（2）用matlab读取和显示 二、实验代码 clc; clear; I=imread('E:\数字图像处理\exp2\伊伽贝拉.jpg'); %读入图像文件 if isrgb(I) I=rgb2gray(I); end subplot(221),imshow(I); title('原图像伊伽贝拉') [m,n]=size(I); %测量图像尺寸参数 B=zeros(1,256); %预创建存放灰度出现概率的向量for i=1:m for j=1:n %k=I(i,j); %k=k+1; %B(k)=B(k)+1; B(I(i,j)+1)=B(I(i,j)+1)+1; %计算每级灰度出现的概率end end subplot(222), stem(0:255,B,'Marker','none'); %绘制直方图 title('未均衡化的直方图'); S=I; [m,n]=size(S); %读出图像的大小 BP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255 BP(k+1)=length(find(S==k))/(m*n); %计算每级灰度出现的概率 end B1=zeros(1,256) for i=1:256 for j=1:i B1(i)=BP(j)+B1(i); end

end B2=round((B1*256)+0.5); for i=1:256 BPeq(i)=sum(BP(find(B2==i))); end I=S; for i=0:255; I(find(S==i))=B2(i+1); %将各个像素归一化后的灰度值赋 给这个像素 end subplot(223), imshow(I); %显示均衡化后的图像 title('均衡化后的图像'); subplot(224), imhist(I); %利用系统函数进行直方图计算 title('均衡化后的直方图'); 三、 实验结果截图并做分析 原图像伊伽贝拉 0100200 300 1234x 104 未均衡化的直方图 均衡化后的图像 02000 4000 均衡化后的直方图 100 200 分析： 从上面各个图中可以看出在原图像中的一些看不到或看不清楚的细节在均衡化后可以