《数字图像处理》课内实验-new.doc

*** *** 《数字图像处理》课内实验 实验一 直方图均衡 一、实验题目： 直方图均衡 二、实验目的： 在学习图像直方图的概念、计算方法、性质和相关使用基础上，生成、绘制图像的直方图，并使用MATLAB编程实现图像直方图均衡化程序。 三、实验内容： （1）计算并绘制图像直方图； （2）编程实现图像的直方图均衡化处理，显示均衡前后的直方图和图像； 四、预备知识： （1）熟悉图像读写和显示； （2）理解图像直方图的概念及用途； （3）理解直方图均衡化的概念及使用背景； 五、实验原理： 在对图像进行处理之前，了解图像整体或局部的灰度分布情况非常必要。对图像的灰度分布进行分析的重要手段就是建立图像的灰度直方图（Density Histogram），利用图像灰度直方图，可以直观地看出图像中的像素亮度分布情况；通过直方图均衡化，可以对图像的质量进行调整。 （1）生成并绘制图像的直方图 假设一幅数字图像的像素总数为N，在范围[0，G]内共有L个灰度级，其直方图定义为离散函数，其中，rk是区间[0，G]内的第K级的亮度，nk是灰度级为rk的图像中的像素数。 对于uint 8类图像，G的值为255；对于uint 16类图像，G的值为65535；对于double类图像，G的值为1.0。记住，MATLAB中的索引不能为0，故r1相当于灰度级0，r2相当于灰度级1，如此等等，rL相当于灰度级G。其中，uint 8类图像或uint 16类图像中G=L-1。 通常，会用到归一化直方图，即用所有元素h(rk)除以图像中的像素总数N所得到的图形： P(rk)表示灰度级rk出现的频数。 MATLAB图像处理工具箱提供了imhist函数来计算和显示图像的直方图，其调用格式为： imhist(I,b) [COUNTS,X] = imhist(I) 其中I为输入图像，b为指定的灰度级数目，默认值为256。[COUNTS,X]=imhist(…)返回直方图统计的数据和相应的灰度级向量X。使用表达式p= imhist(I,b)/N就可简单地获得归一化直方图，这里N为图像中的像素总数。显示图像’lean.bmp’的直方图及归一化直方图，如图1.2 (a) 原图 (b) 直方图 (c) 归一化直方图 图1.2 如果图像的灰度分别集中在较窄的区间，从而引起图像细节的模糊，为了增强图像，可通过改善各部分亮度的比例关系，即通过直方图的方法来实现。这种方法是以概率论为基础的，常用的方法有直方图均衡化和直方图匹配（规定化）。 (2) 直方图均衡化 直方图均衡化也叫做直方图均匀化，是将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像，此时图像的熵最大，图像所包含的信息量最大，且扩展了像元取值的动态范围，从而达到增强图像整体对比度的效果。 设一幅图像总像元数为N，灰度级的个数为L，第K个灰度级rk出现的频数为nk,则第k灰度级出现的概率为 此时变换函数可表示为 根据原图像的直方图统计值就可算出均衡化后各像元的灰度值。直方图上灰度分布较密的部分被拉伸；灰度分布较稀疏的部分被压缩，使图像对比度总体上得到增强。 MATLAB图像处理工具箱提供了直方图均衡函数histeq。其调用格式为： J = histeq(I,n); [J,T] = histeq(I,…); 其中,n是均衡化后的灰度级数目，是一个可选参数，缺省值是64。[J,T]=histeq(I,…)返回能从图像I的灰度直方图变换成图像J的直方图的变换函数T。显示图像’RSImg.gif’的直方图均衡化前后的图像及对应的直方图，如图2-3所示。 (a)原图像 (b) 直方图均衡化后图像 (c) 原图的直方图 (d) 均衡化后的直方图 图1.2.3 直方图均衡化前后的图像及其直方图 经过均衡化后，原图中较暗区域中的一些细节更清晰。 六、实验步骤: （1）打开一幅灰度图像，利用MATLAB工具箱所提供的函数计算并绘制图像的直方图和归一化直方图； （2）利用相应的MATLAB函数对灰度图像进行直方图均衡化，显示均衡化后的图像及对应的直方图，分析均衡化后图像有何变化，均衡化后的直方图有何特点； 七、思考题 (1) 灰度直方图可以反映一幅图像的哪些特征？ (2) 均衡化后的直方图有何特点？ 八、实验程序代码： （1）生成并绘制灰度图像的直方图及归一化直方图 clear all; I=imread(lena_gray_256.tif); %打开一幅灰度图像 [m,n]=size(I); p=m*n; J=imhist(I)./p;