图像灰度变换实验报告(谷风软件)

实验一图像空域增强——灰度变换一．实验内容：图像灰度变换二．实验目的：1、理解、掌握对数变换、幂次变换、对比度拉伸的原理方法2、了解图像灰度级的概率分布情况，掌握直方图均衡化原理和方法3、编程实现图像的对数变换、幂次变换、对比度拉伸、直方图均衡化三．实验步骤：1．获取实验用图像：Fig3.05(a).jpg. 使用imread函数将图像读入Matlab；并对其进行对数变换（令c=1）；应用sublpot在同一个图像窗口中显示原图像及对数变换后的图像，分别用title标注。

原理：对数变换的一般表达式为：s c r=+log(1)其中c是一个常数，并假设0r≥。

该种变换是一窄带低灰度输入图像映射为一宽带输出值。

相应的是输入灰度的高调整值。

可以利用这种变换来扩展被压缩的高值图像中的暗像素。

我们用matlab编程获取了图像Fig3.05(a).jpg，并对其进行对数变换，所得结果如下图1所示：原始图像对数变换图1分析图像：比较上面两幅图像，我们会发现经过对数变换后的图像的细节可见程度比原始图像更明显些，在原始图像中最亮的像素显示为重点，灰度低的像素（恰恰是重要的）却观察不到。

经过对数变换扩展灰度低的像素从而使暗像素观察的很清楚。

实验结果分析：经过matlab编程很好地对原始图像进行了对数变换，并取得了很好的效果，达到了实验地目的。

程序如下：clear all;close all;clc;f=imread('D:\实验一灰度变换及直方图变换\Fig3.05(a).jpg');s=log(1+double(f));subplot(1,2,1);imshow(f);title('原始图像');subplot(1,2,2);imshow(s);title('对数变换');2．产生灰度变换函数T1，使得：0.3r r < 0.35s = 0.105 + 2.6333(r – 0.35) 0.35 ≤r ≤0.651 + 0.3(r – 1) r > 0.65用T1对原图像Fig3.10(b).jpg进行处理，在同一窗口显示处理前后的图像。

实验三灰度变换与直方图处理一、实验目的1、理解图像直方图的含义；2、掌握MATLAB中灰度转换和直方图处理相关函数；3、了解直方图均衡化的实现方法。

二、实验步骤及内容1、灰度转换灰度变换是图像增强技术中最简单的一类。

常用的三类基本函数：线性函数、对数函数、幂次函数。

（1）图像反转：对教材中61页的图像Fig3.04(a)的图像进行反转变换Image=imread('Fig3.04(a).jpg');imshow(Image);Image=255-double(Image); %反转figure(2),imshow(uint8(Image));11电子韦志东62页的图像Fig3.05(a)进行对数变换（2）对数变换：对教材中close allImage=imread('Fig3.05(a).jpg');imshow(Image);Image=log(1+double(Image)); %对数变换figure(2),imshow(Image,[]);图像Fig3.09(a)进行幂次变换）幂次变换：对教材中（366页的close allImage=imread('Fig3.09(a).jpg');imshow(Image);Image2=double(Image).^3.0; %γ＝3figure(2),imshow(Image2,[]);Image2=double(Image).^4.0;figure(3),imshow(Image2,[]);Image2=double(Image).^5.0;figure(4),imshow(Image2,[]);、灰度直方图的显示imhist2imhist是MATLAB提供的显示图像灰度直方图的函数。

(1) 显示图像cameraman.tif 的直方图。

close allx=imread('cameraman.tif');figuresubplot(2,1,1)imshow(x)subplot(2,1,2)imhist(x)（2）还可以将直方图显示成其他形式，比如柱形图（续一）或者折线图（续二）。

数字图像处理实验报告（一）班级：测控1002姓名：刘宇学号：06102043实验一图像的灰度变换1. 实验任务熟悉MATLAB软件开发环境，掌握读、写图像的基本方法。

理解图像灰度变换在图像增强的作用，掌握图像的灰度线性变换和非线性变换方法。

掌握绘制灰度直方图的方法，掌握灰度直方图的灰度变换及均衡化的方法。

2. 实验环境及开发工具Windws2000/XPMATLAB 7.x3. 实验原理灰度变换灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。

在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：图1.1 不同的分段线性变换其对应的数学表达式为：直方图均衡化灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。

依据定义，在离散形式下，用rk 代表离散灰度级，用pr(rk)代表pr(r)，并且有下式成立：n n r P kk r =)( 1,,2,1,010-=≤≤l k r k式中：nk 为图像中出现rk 级灰度的像素数，n 是图像像素总数，而nk/n 即为频数。

直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。

假定变换函数为ωωd p r T s r r)()(0⎰==(a) Lena 图像 (b) Lena 图像的直方图 图1.2 Lena 图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即1,,1,010)(-=≤≤=l k r nn r p k kk r式中：l 是灰度级的总数目，pr(rk)是取第k 级灰度值的概率，nk 是图像中出现第k 级灰度的次数，n 是图像中像素总数。

所以积分可以表示为下列累计分布函数(cumulative distribution function, CDF)1,,1,010)()(00-=≤≤===∑∑==l k r r p nn r T s j kj j r kj j k k4. 实验内容1、熟悉使用MATLAB 语言中对图像数据读取、显示等基本函数：imread()函数、imwrite()函数、imshow()函数、Figure （）函数。

实验三图像增强--灰度变换实验三图像增强—灰度变换⼀、实验⽬的：1、了解图像增强的⽬的及意义，加深对图像增强的感性认识，巩固所学理论知识。

2、学会对图像直⽅图的分析。

3、掌握直接灰度变换的图像增强⽅法。

⼆、实验原理及知识点术语‘空间域’指的是图像平⾯本⾝，在空间域内处理图像的⽅法是直接对图像的像素进⾏处理。

空间域处理⽅法分为两种：灰度级变换、空间滤波。

空间域技术直接对像素进⾏操作其表达式为：g(x,y)=T[f(x,y)]其中f(x,y)为输⼊图像，g(x,y)为输出图像，T是对图像f进⾏处理的操作符，定义在点(x,y)的指定领域内。

定义点(x,y)的空间邻近区域的主要⽅法是，使⽤中⼼位于(x,y)的正⽅形或长⽅形区域。

此区域的中⼼从原点(如左上⾓)开始逐像素点移动，在移动的同时，该区域会包含不同的领域。

T应⽤于每个位置(x,y)，以便在该位置得到输出图像g。

在计算(x,y)处的g值时，只使⽤该领域的像素。

灰度变换T的最简单形式是使⽤领域⼤⼩为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为⼀个亮度或灰度级变化函数。

当处理单设(灰度)图像时，这两个术语可以互换。

由于亮度变换函数仅取决于亮度的值，⽽与(x,y)⽆关，所以亮度函数通常可写做如下所⽰的简单形式： s=T(r)其中，r表⽰图像f中相应点(x,y)的亮度，s表⽰图像g中相应点(x,y)的亮度。

核⼼函数是imhist，其基本语法为：h=imhist(f,b)其中，f为输⼊图像，h为其直⽅图h()，b是⽤于形成直⽅图像的灰度级的个数。

如果b未包含在此变量中，则默认值为256.如要处理⼀幅uint8类图像并令b=2,则亮度标度范围分为两部分：0—127和128—255.所得的直⽅图只有两个值：h(1)等于图像在区间[0,127]内的像素总数，h(2)等于图像在区间[127,255]内的像素总数。

使⽤ p=imhist(f,b)/numel(f)则可获得归⼀化直⽅图。

一．实验目的1.掌握读、写图像的基本方法；2.掌握MATLAB 语言中图像数据与信息的读取方法；3.理解图像灰度变换处理在图像增强的作用；4．掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。

二．实验基本原理1. 灰度变换灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。

1) 图像反转灰度级范围为[0, L-1]的图像反转可由下式获得r L s --=12) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。

解决的方法是对原图进行灰度压缩，如对数变换：s = c log(1 + r )，c 为常数，r ≥ 03) 幂次变换：0,0,≥≥=γγc cr s4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：其对应的数学表达式为：2. 直方图均衡化灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。

依据定义，在离散形式下， 用r k 代表离散灰度级，用p r (r k )代表p r (r )，并且有下式成立：nn r P k k r =)( 1,,2,1,010-=≤≤l k rk式中：n k 为图像中出现r k 级灰度的像素数，n 是图像像素总数，而n k /n 即为频数。

直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。

假定变换函数为ωωd p r T s r r)()(0⎰==(a) Lena 图像 (b) Lena 图像的直方图图1-1 Lena 图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即1,,1,010)(-=≤≤=l k r nn r p k k k r式中：l 是灰度级的总数目，p r (r k )是取第k 级灰度值的概率，n k 是图像中出现第k 级灰度的次数，n 是图像中像素总数。

线性灰度变换一、实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的线性变换和直方图均衡化的原理和应用；3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4 了解噪声模型及对图像添加噪声的基本方法。

二、实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。

)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβαn y m x ,2,1 ,,,2,1==2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。

按照图像概率密度函数PDF 的定义：1,...,2,1,0 )(-==L k nn r p k k r 通过转换公式获得：1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。

将模板中的全体像素的均值（中值）来代替原来像素值的方法。

4 拉普拉斯算子如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。

三、实验步骤1 启动MATLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化（参考教材64页，例4.6）、均值滤波（参考教材69页，例4.9）、中值滤波（参考教材73页，例4.11）和梯度锐化操作（参考教材76页，例4.12）。

添加噪声，重复上述过程观察处理结果。

关于图形图像处理实训报告总结【九篇】实训报告总结：图形图像处理实训图形图像处理实训是计算机科学与技术专业的基础课程之一。

通过本次实训课程，我深入了解了图形图像处理的基本概念、方法和技术，并通过实际操作来提升了自己的实践能力。

下面是对本次实训的九篇报告总结：1. 实验一：图像读取与显示本次实验主要是学习如何读取和显示图像，以及使用Matplotlib库进行图像展示。

通过实验，我掌握了图像读取和显示的基本方法，并学会了基本的图像处理操作。

2. 实验二：图像的灰度变换实验二主要是学习图像的灰度变换，包括线性变换和非线性变换。

我学会了如何使用不同的灰度变换函数来调整图像的亮度和对比度，进一步提升图像的质量。

3. 实验三：图像的空间域滤波本次实验主要是学习图像的空间域滤波技术，包括均值滤波、中值滤波和高斯滤波等。

通过实验，我掌握了不同滤波方法的原理和实现方式，并学会了如何选择合适的滤波方法来降噪和模糊图像。

4. 实验四：图像的频域滤波实验四主要是学习图像的频域滤波技术，包括傅里叶变换和频域滤波等。

通过实验，我了解了傅里叶变换的原理和应用，并学会了如何使用频域滤波来实现图像的锐化和平滑。

5. 实验五：图像的形态学处理本次实验主要是学习图像的形态学处理技术，包括腐蚀、膨胀、开运算和闭运算等。

通过实验，我学会了如何使用形态学操作来改变图像的形状和结构，进一步改善图像的质量。

6. 实验六：图像的边缘检测实验六主要是学习图像的边缘检测技术，包括Sobel算子、Laplacian算子和Canny算子等。

通过实验，我了解了不同边缘检测方法的原理和应用，并学会了如何使用边缘检测来提取图像的轮廓和特征。

7. 实验七：图像的分割与聚类本次实验主要是学习图像的分割与聚类技术，包括阈值分割、区域生长和K均值聚类等。

通过实验，我掌握了不同分割与聚类方法的原理和应用，并学会了如何使用分割与聚类来识别和分析图像中的目标和区域。

8. 实验八：图像的特征提取与描述子实验八主要是学习图像的特征提取和描述子技术，包括尺度不变特征变换（SIFT）和方向梯度直方图（HOG）等。

实验⼆图像直⽅图及灰度变换1、编写⼀个图像灰度直⽅图统计函数my_imhist，选择⼀幅图像利⽤my_imhist显⽰其直⽅图，将结果与MATLAB图像处理⼯具箱中提供的灰度直⽅图函数imhist的处理结果进⾏⽐较，并在同⼀窗⼝中显⽰出来。

function hist(a)[m,n]=size(a);x=1:256;y=zeros(1,256);for i=1:m*ny(a(i)+1)=y(a(i)+1)+1;endbar(x,y);orfunction hist(a)[m,n]=size(a);h=zeros(1,256); %⽣成⼀个1*256的0矩阵；for m=1:mfor n=1:nh(i(m,n)+1)=h(i(m,n)+1)+1; %统计每个像素的数值，由于i(m,n)代表像素数值有0数值，⽽MATLAB中矩阵下标从1开始，所以⽤i(m,n)+1代替下标；endendbar(h); %⽤bar画图函数实现；%主程序a=imread("D:\好图共赏\111.jpg")subplot(1,2,1);imhist(a);title('imhist函数');subplot(1,2,2);hist(a);title('⾃定义函数');2、利⽤以上编写的函数my_imhist或imhist，估算图像iris.tif中瞳孔的半径（以像素为单位）。

因为瞳孔是⿊⾊的，可以⼤致认为图像中所有⿊⾊的像素块都为瞳孔。

根据hist算法可以算出0-50之间的像素个数⼤约为14000个，然后圆形⾯积公式的R=（S/π）^（1/2），得R≈67。

但此结果并不精确，因为眉⽑也是⿊⾊的。

3、按照教材68页上的公式（4.1.6）(4.1.6) 编程实现图像的分段线性灰度变换.img=imread("L:\图像处理\实验⽂件\iris.tif")[m,n,k]=size(i);j=zeros(m,n,k);a=255/3;b=2*a;M=255;c=a+20;d=M-c;for i =1:m*n*kif (img(i)>=0 && img(i)<a)j(i)=(c/a)*img(i);elseif (img(i)>=a && img(i)<b)j(i)=(d-c)/(b-a)*(img(i)-a)+c;elsej(i)=(d-b)/(d-a)*(img(i)-b)+d;endendendfigure(1);subplot(2,2,1);imshow(img);title('原图像');subplot(2,2,2);imshow(uint8(j));title( '变换后' );subplot(2,2,3);imhist(img);subplot(2,2,4);imhist(uint8(j));4、编写⼀个灰度图像的直⽅图均衡化函数（不可使⽤库函数）。

【必备】技术实习报告集锦5篇技术实习报告篇1一、实习题目1、灰度线性变换2、灰度的对数变换3、锯齿波变换4、图像剪取二、实习目的：1、巩固和深化数字图像处理技术所涉及的数理基础、基本算法和各种图像处理技术方法，学习和掌握图像变换。

2、对学习图像处理的基础知识对其应用工程实践有一定的认识，提高学生对应用软件的使用能力。

3、通过理论联系实际，综合运用所学知识，提高学生独立分析和解决实际问题的能力，增强学生的工程意识，打好专业基础三、实习要求:2、熟悉计算机图像处理的设计方法;3、熟悉图像灰度变换程序的设计方法;4、掌握图像灰度变换的仿真方法;5、完成图像的灰度变换。

四、系统原理描述:灰度变换将输入图像映射为输出图像，输出图像每个像素点的灰度值仅由对应的输入像素点的值决定。

它常用于改变图像的灰度范围及分布，是图像数字化及图像显示的重要工具。

灰度变换因其作用性质有时也被称为对比度增强、对比度拉伸或点运算，称之为灰度变换。

灰度变换实际上是灰度到灰度的映射过程。

设输入图像为A(x，y)输出图像为B(x，y)，则灰度变换可表示为：即灰度变换完全由灰度映射函数决定。

显然灰度变换不会改变图像内像素点之间的空间关系。

1. 灰度线性变换设图像灰度值f(x，y)的可能值域为D，但在一定条件下，使得其取值范围缩小为且如图 7-11所示，这种状态常出现于连续图f(x，y)值的动态范围小，或摄影曝光不足中，因而其对应的直方图P (D)如图所示，集中于某个较小的灰度区间内。

但是通常人们希望灰度直方图在全部灰度区域内均匀分布，最简单地是把低反差图像进行灰度变换得到高反差图像，即线性变换，如下式：该式可以使变换后的灰度的取值范围扩大到一般来说，只有当两个相邻像素的灰度值(亮度值)相差到一定程度时，人的视觉才能分辨。

若灰度值D仅在较小区间内时，则人眼可分辨的亮度差的总级数则亦很少，从而造成目标图像灰度值与背景灰度值相接近，人眼而无法分辨检出。