南理工数字图象处理报告..docVIP

数字图像处理实验报告 姓名: 学号: 班级: 指导老师: 王欢 实验一 实验目的 对一幅图像的直方图进行均衡化,即产生一幅灰度级分布具有均匀概率密度的图像，扩展像素取值的动态范围，达到了图象增强的目的 1).直方图的理论基础： 直方图概念：灰度直方图表示图像中每种灰度出现的频率。 直方图的作用：反映一幅图像的灰度分布特性 直方图的计算：在图像均衡化后，H2要求是每个灰度级上都有A0/N个象素，显然有： 从而得到G=F(g)为： 其中，A(g)是像素分布函数(累积函数) step.1 计算累积函数A(g)如下： for(g=0;g256;g++) A[g]=0; //初始化累积函数 if (Hist[0]) N=1; else N=0; for(g=1,A[0]=Hist[0];g256;g++) { A[g]=A[g-1]+Hist[g]; //递推求累积函数 if (Hist[g]) N++; //统计有效的灰度级的个数 } step.2 计算映射关系G=F(g) for(g=0;g256;g++) LUT[g]=N*A[g]/A[255]; // A0=A[255] step.3 均衡化操作 for(i=0,pCur=pImg;iimgsize;i++) *(pCur++) = LUT(*pCur); 在整个计算过程中，我们使用的不是归一化直方图和归一化灰度，这样在上面的算法完成后，得到的最大灰度为N，而不是255。因此在Step.2中，需要构造线性拉伸。乘上比例系数255/N. step.2 计算映射关系G=F(g) for(g=0;g256;g++) LUT[g]=(255.0/N)*N*A[g]/A[255]; 即: step.2 计算映射关系G=F(g) for(g=0;g256;g++) LUT[g]=255*A[g]/A[255]; 实验过程 void main() { int width,height; BYTE *pGryImg=RmwRead8BitBmpFile2Img(1.bmp,width,height); //读入图片 printf(%d,%d,width,height); RmwHistogramEqualize(pGryImg,width,height); RmwWrite8BitImg2BmpFile(pGryImg,width,height,1.bmp);//重写图片 delete pGryImg;//释放指针 return; } 其中直方图均衡化的函数实现如下 void RmwHistogramEqualize(BYTE *pImg,int width,int height) { BYTE *pCur,*pEnd=pImg+width*height; unsigned int hist[256]; int LUT[256],i,sum; memset(hist,0,sizeof(int)*256); for(pCur=pImg;pCurpEnd;) {hist[*(pCur++)]++; for(sum=hist[0],LUT[0]=0,i=1;i256;i++) { printf(%d: %d\n,i,hist[i]); sum = sum+hist[i]; LUT[i]=255*sum/(width*height); //n被约掉了 } for(pCur=pImg;pCurpEnd;) *(pCur++)=LUT[*pCur]; return; } 实验结果 (均衡化前后对比) 实验二 1.实验目的 实现otsu算法,即使用otsu算法来进行图像分割,使得图像的背景与目标尽可能区分最大 2.实验原理 OTSU算法（大律法或最大类间方差法） 一、Otsu最大类间方差法原理 利用阈值将原图像分成前景，背景两个图象。 前景：用n1,csum,m1来表示在当前阈值下的前景的点数，质量矩，平均灰度 后景：用n2, sum-csum,m2来表示在当前阈值下的背景的点数，质量矩，平均灰度 当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准，而在otsu算法中这个衡量差别的标准就是最大类间方差（英文简称otsu，这也就是这个算法名字的来源），在本程序中类间方差用sb表示，最大类间方差用fmax 关于最大类间方差法（otsu）的性能: 类间方差法对噪