直方图图像处理实验报告总结.docxVIP

实验一 直方图处理 目的 理解 像直方 的概念，掌握 像直方 的 制方法 掌握直方 均衡化的原理，并会用直方 均衡化 像 行 理。 要求 入 像，可使用 imread 。 出 像，可使用 imshow。 3. 制 像的 一化的直方 ，可使用 IPT 函数 imhist 。 像 行直方 均衡化，可使用 IPT 函数 histeq ， 均衡化前后的 像以及直方 行 比。 原理 一幅数字 像在范 [0, G] 内共有 L 个灰度等 ，其直方 定 离散函数 h(rk ) nk 其中 r k 是区 [0, G] 内的第 k 亮度， nk 是灰度 r k 的 像中的像素数。 通常，我 会用到 一化直方 ，即使所用所有元素 h( r ) 除以 像中的像素 数 n 所 k 得到的 形： h(r k ) nk p(rk ) n n 其中 k=1,2, ? , L。 Matlab 中提供了 IPT 函数 imhist 来 制 像的直方 ， 但是除此之外 制直方 的方 法 有很多，可以通 条形 、杆状 等方式来表示直方 。 直方 均衡化主要用于增 范 偏小的 像的反差。 方法的基本思想是把原始的直方 均匀分布的形状， 就增加了像素灰度 的 范 ， 从而达到增 像整体 比度的效果。 直方 均衡化一般采用原始 的累 分布函数作 函数。 假 灰度 一化至范 [0, 1] 内， pr ( r ) 表示 定 像中的灰度 的概率密度函数， 于离散的灰度 ，均衡化 ： k k n j sk T( rk ) pr (r j ) n j 1 j 1 式中 k=1,2, ? , L， sk 是 出 像中的亮度 ，它 于出入 像中的亮度 r k。 心得： matlab 的函数的功能很 大，一个 的函数 用就可以解决复 的 。 ，就需 要在函数 用 注意函数的参数，否 很容易出 。比如函数 histeq(a,n) ，就要注意其中 的 n为灰度值的个数。 于自己 写函数 某些特定的功能 ，需要 原理掌握清楚，如 二中需自己 写函数 像的均衡，就要求 直方 的均衡原理掌握到位。 使用 像函数 imread() 需注意 程序的物理路径和函数参数，即 像的物理路径需 要保持一致。 在代码中定义某些参数，可以扩大代码的使用范围，提高代码的灵活性。例如，程序二 中定义行， 列和像素，则可以稍微修改参数的初始值，就可对不同行， 列和像素的图像进行直方图均衡。 实验代码： 1. 实验一代码 ： %读入位于  D盘 \image\tuxiang  的 lena 图像 A=imread( D:\image\tuxiang\  ); %将读入的彩色图像转化为灰度图像 a=rgb2gray(A); %对图像进行直方图均衡化 b=histeq(a,256); %绘制均衡化前后的图像及其直方图 subplot(2,2,1); imshow(a); title( 原始图像 ); subplot(2,2,2); imhist(a); title( 原始图像归一化直方图 ); subplot(2,2,3); imshow(b); title( 均衡化后的图像 ); subplot(2,2,4); imhist(b); title( 均衡化后图像的归一化直方图 ); 2. 实验一代码 ： %读入位于  D盘 \image\tuxiang  的 lena  图像 A=imread( D:\image\tuxiang\  ); %将读入的彩色图像转化为灰度图像 a=rgb2gray(A); row=512; %图像每列的像素点 col=512; %图像每行的像素点 n=255; %灰度个数 y=zeros(1,n+1); z=zeros(1,n+1); f=zeros(1,n+1); %统计图像中每个灰度的像素点个数 for i=0:n k=0; for r=1:row for c=1:col if (a(r,c)==i) k=k+1; end end end y(i+1)=k; end %映射函数 for p=1:n+1 for q=1:p f(p)=f(p)+y(q); end f(p)=f(p)*n/(row*col); end %利用映射函数对图像实现均衡化 for s=1:row for t=1:col b(s,t)=f(a(s,t)+1); end end %统计均衡化后的图像的每个灰度的像素点个数 for j=0:n h=0; for r=1:row for c=1:col if (b(r,c)==j) h=h+1; e