数字图像处理实验2数字图处理实验2.doc

《数字图像处理》实验 报告（二） 学 号：121310122 姓 名：王际尧 专 业：机械设计制造及其自动化 课序号：1 计算机科学与技术学院  《数字图像处理》实验报告（一） PAGE \* MERGEFORMAT- 5 - 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： 直方图均衡化算法分为三个步骤，第一步是统计直方图每个灰度级出现的次数，第二步是累计归一化的直方图，第三步是计算新的像素值。 第一步： for(i=0;iheight;i++){ for(j=0;jwidth;j++){ n[s[i][j]]++; } } for(i=0;iL;i++){ p[i]=n[i]/(width*height); } 这里，n[i]表示的是灰度级为i的像素的个数，L表示的是最大灰度级，width和height分别表示的是原始图像的宽度和高度，所以，p[i]表示的就是灰度级为i的像素在整幅图像中出现的概率(其实就是p[]这个数组存储的就是这幅图像的归一化之后的直方图)。 第二步： for(i=0;i=L;i++){ for(j=0;j=i;j++){ c[i]+=p[j]; } } c[]这个数组存储的就是累计的归一化直方图。 第三步： max=min=s[0][0]; for(i=0;iheight;i++){ for(j=0;jwidth;j++){ if(maxs[i][j]){ max=s[i][j]; }else if(mins[i][j]){ min=s[i][j]; } } } 找出像素的最大值和最小值。 for(i=0;iheight;i++){ for(j=0;jwidth;j++){ t[i][j]=c[s[i][j]]*(max-min)+min; } } t[][]就是最终直方图均衡化之后的结果。 2、请给出本实验的核心源码（Matlab或C语言）： I=imread(pout.tif); imshow(I); figure,imhist(I); [J,T]=histeq(I,64); figure,imshow(J); figure,imhist(J); figure,plot((0:255)/255,T); 3、实验结果分析（要求附上结果图像）： 原始图像 均衡化图像 直方图 直方图均衡化 灰度级变换曲线图 实验体会： 这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及HYPERLINK /view/230153.htm曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的HYPERLINK /view/60840.htm直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度；变换后图像的灰度级减少，某些细节消失；某些图像，如HYPERLINK /view/60840.htm直方图有高峰，经处理后对比度不自然的过分增强。 通过实践操作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。知道直方图均衡化是一种快速有效且简便的图像空