《数字图像理实验(E000314)》作业.doc

南京航空航天大学 研究生实验报告 实验名称：数字图像处理 实验编号：E000314 姓 名：张雪婷 学 号：SZ1303010 专 业：仪器仪表工程 时 间： 2014/03/31 实验一 图像增强1－图像灰度变换（实验图像 图像增强.bmp） 1）实验内容及要求 灰度变换就是通过线性变换对图像进行处理。灰度变换可使图像动态范围变大，对比度扩展，图像清晰，特征明显，是图像增强的重要手段。在爆光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内，这时将看到一个模糊不清、没有灰度层次的图像。用一个线性单值函数，对帧内的每一个像素作线性扩展，将有效的改善图像的视觉效果。 令原图像f( i，j )的灰度范围为 [a，b]，线性变换后图像g( i，j )的范围为[c，d]，f( i，j )与 g( i，j )存在下列关系： g( i，j ) = c + [( d – c )/ ( b – a )]*( f – a ) 图（a） 图像增强原始图像 2）算法描述及程序 根据原理公式，改变c和d的值。 function digpic clc; clear all; [fn,pn,fi]=uigetfile(*.bmp,选择图片); f=imread([pn,fn]); subplot(2,2,1),imshow(f);title(实验一原始图像); f1=double(f); a=min(min(f1));%a=73 b=max(max(f1));%b=181 c=0;d=255.0; g11= c + [( d - c )/ ( b - a )]*( f1 - a ); subplot(2,2,2) g1=uint8(g11); imshow(g1);title(c=0,d=255); c1=127.0;d1=128.0; g12= c1 + [( d1- c1 )/ ( b - a )]*( f1 - a ); subplot(2,2,3) g2=uint8(g12); imshow(g2);title(c=127,d=128); c2=255.0;d2=0; g13= c2 + [( d2- c2 )/ ( b - a )]*( f1 - a ); subplot(2,2,4) g3=uint8(g13); imshow(g3);title(c=255,d=0); 3）实验结果和分析 图(b) 图像灰度化结果对比图 从实验结果来看，原始图像的a=73,b=181,是固定值。线性单值函数中的c初值取0，d取初值255，二者取值范围均在[0,255],改变c和d的取值范围，会发现c和d的取值差别越大，也就是灰度域区间越宽，对比度越大。将灰度域扩展到[0,255]，对比度最好。 实验一 图像增强2－直方图均衡化（实验图像 图像增强.bmp） 1）实验内容及要求 直方图均衡化通过将图像的原始灰度分布均匀散布于整个可能允许的灰度分布空间，以拉大灰度值之间的动态范围，而在视觉上增强图像的整体对比度。如果将一幅灰度分布如图1( a )所示的图像的直方图变换为如图1( b )所示的形式，并以此具有均衡特性的直方图去映射修正图像灰度分布，则修正后的图像将比原图像协调。这一过程即为直方图均衡化。 　　　　 ( a ) ( b ) 图 1 直方图均衡化 对于离散图像，第i个灰度级出现的频数用ri表示，该灰度级像素对应的概论值Pr(ri)为： Pr(ri) = ni/n n是帧内像素总数，满足归一化条件。可以写出离散图像的变换函数表达式：　　　 式中，k为灰度级数。 由以上可知，直方图均衡化的步骤为： ( 1 ) 统计出各灰度级的像素个数。 ( 2 ) 计算出灰度分布概率密度。 ( 3 ) 计算累计灰度分布密度。 ( 4 ) 通过下式计算出灰度级在均衡化前后的映射关系。其中，N为灰度级数，T为第三步计算出的累计灰度分布密度；[ ]为取整运算。 [ (N-1)*T+0.5] ( 5 ) 根据上步计算出的结果得出均衡后得灰度分布。 2）算法描述及程序 根据要求给出的过程编写如下程序： function zhifangtu clc; clear all; [fn,pn,fi]=uigetfile(*