用MATLAB实现直方图均衡化和中值滤波.doc

直方图均衡化

1.直方图均衡化

直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比拟集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。

2．Matlab中直方图均衡化程序

clearall;

closeall;

tuu=imread(picture1.JPG);

tu=rgb2gray(tuu);%将彩色图片转换为灰度图

graydis=zeros(1,256);

%设置矩阵大小

graydispro=zeros(1,256);

new_graydis=zeros(1,256);

new_graydispro=zeros(1,256);

[h,w]=size(tu);

new_tu=zeros(h,w);

%计算原始直方图各灰度级像素个数graydis

forx=1:h

fory=1:w

graydis(1,(tu(x,y)+1))=graydis(1,(tu(x,y)+1))+1;

end

end

%计算原始直方图graydispro

graydispro=graydis./sum(graydis);

subplot(1,2,1);

plot(graydispro);

title(灰度直方图);

xlabel(灰度值);

ylabel(像素的概率密度);

%计算原始累计直方图

fori=2:256

graydispro(1,i)=graydispro(1,i)+graydispro(1,i-1);

end

%计算和原始灰度对应的新的灰度t[]，建立映射关系

fori=1:256

t(1,i)=floor(255*graydispro(1,i)+0.5);

end

%统计新直方图各灰度级像素个数new_graydis

fori=1:256

new_graydis(1,t(1,i)+1)=new_graydis(1,t(1,i)+1)+graydis(1,i);

end

%计算新的灰度直方图new_graydispro

new_graydispro=new_graydis./sum(new_graydis);

subplot(1,2,2);

plot(new_graydispro);

title(均衡化后的灰度直方图);

xlabel(灰度值);ylabel(像素的概率密度);

%计算直方图均衡后的新图new_tu

forx=1:h

fory=1:w

new_tu(x,y)=t(1,tu(x,y)+1);

end

end

figure,imshow(tu,[]);

title(原图);

figure,imshow(new_tu,[]);

title(直方图均衡化后的图);

3．程序运行结果

图1原始图像图2直方图均衡化后的图

从图1和图2中明显可以看出，原始图像中树下的暗区几乎看不清有什么，而经过直方图均衡化以后可以看到有两只猴子，不但如此，均衡化后的途中树枝和树干也变得更加清晰。

图3是原始图像的灰度直方图和均衡化后的灰度直方图的比拟，可以看出，原图的灰度值大局部分布在0~100之间，而经过直方图均衡化，那么在0~255上有较为均匀的分布。

图3原始灰度直方图和均衡化后的灰度直方图比拟

中值滤波

1.中值滤波介绍

中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的根本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升〔或下降〕的为二维数据序列。二维中值滤波输出为g〔x,y〕=med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。

2.Matlab中中值滤波程序

clearall

closeall

tuu=imread(picture1.JPG);

tu=rgb2gray(tuu);

J=imnoise(tu,saltpepper,0.02);

imshow(J,[]);

title(参加椒盐噪声后的图像);

[h,w]=size(J);

new_tu=J;

k=zeros(1,9);

fori=1:(h-2