下载文档原格式
图像处理有关的课程设计一、教学目标本课程的学习目标主要包括知识目标、技能目标和情感态度价值观目标。
通过本课程的学习，学生将掌握图像处理的基本原理、方法和技巧，包括图像的表示、图像增强、图像滤波、边缘检测和图像分割等。
同时，学生将能够运用所学的知识解决实际问题，提高图像处理的实践能力。
此外，学生将培养对图像处理的兴趣和热情，增强创新意识和团队合作精神。
二、教学内容根据课程目标，本课程的教学内容主要包括图像处理的基本概念、图像的表示和运算、图像增强、图像滤波、边缘检测和图像分割等。
具体包括以下几个方面的内容：1.图像处理的基本概念：图像处理的目的、方法和应用领域。
2.图像的表示和运算：图像的数学模型、图像的像素运算和图像的坐标变换。
3.图像增强：图像增强的目的、方法和算法，包括直方图均衡化、对比度增强和锐化等。
4.图像滤波：图像滤波的目的、方法和算法，包括线性滤波、非线性滤波和高斯滤波等。
5.边缘检测：边缘检测的目的、方法和算法，包括Sobel算法、Canny算法和Prewitt算法等。
6.图像分割：图像分割的目的、方法和算法，包括阈值分割、区域增长和边缘追踪等。
三、教学方法为了实现课程目标，本课程将采用多种教学方法，包括讲授法、讨论法、案例分析法和实验法等。
通过这些教学方法的综合运用，将激发学生的学习兴趣和主动性，提高学生的学习效果和实践能力。
1.讲授法：通过教师的讲解和演示，向学生传授图像处理的基本原理、方法和技巧。
2.讨论法：通过小组讨论和课堂讨论，引导学生主动思考和探索图像处理的问题和解决方案。
3.案例分析法：通过分析典型的图像处理案例，让学生了解图像处理在实际应用中的作用和效果。
4.实验法：通过实验操作和数据分析，培养学生动手能力和实际解决问题的能力。
四、教学资源为了支持教学内容和教学方法的实施，丰富学生的学习体验，我们将选择和准备适当的教学资源。
教学资源包括教材、参考书、多媒体资料和实验设备等。
昆明理工大学信息工程与自动化学院学生实验报告（ 2012 —2013 学年第二学期）课程名称：图形图像处理开课实验室：信自444 2013年 5月 22日一、实验目的1．掌握灰度直方图的概念及其计算方法；2．熟练掌握直力图均衡化和直方图规定化的计算过程；3．熟练掌握空域滤波中常用的平滑和锐化滤波器；4．掌握色彩直方图的概念和计算方法5．利用MATLAB程序进行图像增强。
二、实验原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。
直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。
直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。
直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。
灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。
直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
下面给出直方图均衡化增强图像对比度的MATLAB程序：I=imread(‘pollen.jpg); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理imshow(I); %显示原图像title(‘原图像’); %给原图像加标题名%对原图像进行屏幕控制；显示直方图均衡化后的图像figure；imshow(J);%给直方图均衡化后的图像加标题名title(‘直方图均衡化后的图像’) ;%对直方图均衡化后图像进行屏幕控制；作一幅子图，并排两幅图的第1幅figure; subplot(1,2,1) ;imhist(I,64); %将原图像直方图显示为64级灰度title(‘原图像直方图’) ; %给原图像直方图加标题名subplot(1,2,2); %作第2幅子图imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度title(‘均衡变换后的直方图’) ; %给均衡化后图像直方图加标题名处理后的图像直方图分布更均匀了，图像在每个灰度级上都有像素点。
图像增强算法（直⽅图均衡化、拉普拉斯、Log、伽马变换）⼀、图像增强算法原理图像增强算法常见于对图像的亮度、对⽐度、饱和度、⾊调等进⾏调节，增加其清晰度，减少噪点等。
图像增强往往经过多个算法的组合，完成上述功能，⽐如图像去燥等同于低通滤波器，增加清晰度则为⾼通滤波器，当然增强⼀副图像是为最后获取图像有⽤信息服务为主。
⼀般的算法流程可为：图像去燥、增加清晰度（对⽐度）、灰度化或者获取图像边缘特征或者对图像进⾏卷积、⼆值化等，上述四个步骤往往可以通过不同的步骤进⾏实现，后续将针对此⽅⾯内容进⾏专题实验，列举其应⽤场景和处理特点。
本⽂章是⼀篇综合性⽂章，算是⼀篇抛砖引⽟的⽂章，有均衡化、提⾼对⽐度、降低对⽐度的算法。
1.1 基于直⽅图均衡化的图像增强图像对⽐度增强的⽅法可以分为两种：直接对⽐度增强⽅法，间接对⽐度增强⽅法。
直⽅图拉伸和直⽅图均衡化是常见的间接对⽐度增强⽅法。
直⽅图拉伸是利⽤对⽐度拉伸对直⽅图进⾏调整，扩⼤前景和背景灰度的差别，这种⽅法可以通过线性和⾮线性的⽅法来实现，其中ps中就是利⽤此⽅法提⾼对⽐度；直⽅图均衡化则是利⽤累积函数对灰度值进⾏调整，实现对⽐度的增强。
直⽅图均衡化处理原理：将原始图像的灰度图从⽐较集中的某个灰度区间均匀分布在整个灰度空间中，实现对图像的⾮线性拉伸，重新分配图像像素值。
算法应⽤场景：1、算法的本质是重新分布图像的像素值，增加了许多局部的对⽐度，整体的对⽐度没有进⾏太⼤改变，所以应⽤图像为图像有⽤数据的对⽐度相近是，例如：X光图像，可以将曝光过度或曝光不⾜照⽚进⾏更好的显⽰，或者是背景及前景太亮或太暗的图像⾮常有⽤。
2、算法当然也有缺点，具体表现为：变换后的图像灰度级减少，某些细节减少；某些图像有⾼峰值，则处理后对⽐度不⾃然的过分增强。
算法实现特点：1、均衡化过程：直⽅图均衡化保证在图像像素映射过程中原来的⼤⼩关系保持不变，即较亮的区域依旧较亮，较暗的依旧较暗，只是对⽐度增加，不能明暗颠倒；保证像素映射函数的值域在0和255之间。
实验三空域图像增强（灰度变换、直方图处理）一、实验目的1. 掌握灰度变换的基本原理。
2. 掌握直方图处理的基本原理。
3. 掌握Matlab中灰度变换和直方图处理的实现方法。
二、实验内容1. 灰度变换（直接正比变换）。
2. 灰度变换（截取式正比变换）。
3. 灰度变换（反比变换）。
4. 灰度变换（对比拉伸）。
5. 灰度变换（灰度切割）。
6. 灰度变换（对数变换）。
7. 灰度变换（幂次变换）。
8. 直方图处理（直方图均衡化）。
三、实验仪器、设备及材料1. 电脑一台（2G CPU、2GB RAM、50GB Disk及以上）。
2. Windows 2000 / Windows XP / Windows 7。
3. Matlab R2006b及以上版本。
4. 记录用的笔、纸。
四、实验原理1. 灰度变换灰度变换是一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则将其转化为另一灰度值。
其原理是将原图像f(x , y)中的每个像素的灰度按EH操作直接变换以得到目标图像g(x , y)。
若以s表示f(x , y)，以t表示g(x , y)，则灰度变换原理如下图所示：2. 直方图处理直方图变换可以清晰图像细节，突出目标物体，改善亮度比例关系，增强图像对比度。
直方图变换基于概率论。
直方图均衡化主要用于增强动态范围偏小的图像的反差。
其基本思想是把原图像的直方图转换为均匀分布的形式，增加像素灰度值的动态范围，增强图像整体对比度。
五、实验步骤1. 灰度变换（直接正比变换）(1) 程序源代码：close allclear15clcdisp('====E4_4_1.m====');I=imread('rice.png');subplot(3,3,1),imshow(I),ylabel('原图像');subplot(3,3,2),imhist(I);%方法1-系统函数J=imadjust(I,[40/255 204/255],[0 1]); %图像的最小灰度值为40，最大灰度值为204subplot(3,3,4),imshow(J),ylabel('变换图像(方法1)');subplot(3,3,5),imhist(J);%方法2-编程实现%把灰度值范围从[40,204]映射到[0,255]f0=0;g0=0; %分段曲线的第1个点f1=40;g1=0; %分段曲线的第2个点f2=204;g2=255; %分段曲线的第3个点f3=255;g3=255; %分段曲线的第4个点subplot(3,3,9),plot([f0,f1,f2,f3],[g0,g1,g2,g3]),xlabel('f'),ylabel('g'),axis([0 255 0 255]);%绘制变换曲线r1=(g1-g0)/(f1-f0); %曲线1的斜率b1=g0-r1*f0; %曲线1的截距r2=(g2-g1)/(f2-f1); %曲线2的斜率b2=g1-r2*f1; %曲线2的截距r3=(g3-g2)/(f3-f2); %曲线3的斜率b3=g2-r3*f2; %曲线3的截距[m,n]=size(I);K=double(I);for i=1:mfor j=1:nf=K(i,j);g(i,j)=0;if(f>=f0)&(f<=f1)g(i,j)=r1*f+b1; %曲线1的方程y=r1*x+b1elseif (f>=f1)&(f<=f2)g(i,j)=r2*f+b2; %曲线2的方程y=r2*x+b2elseif (f>=f2)&(f<=f3)g(i,j)=r3*f+b3; %曲线3的方程y=r3*x+b3endendendendend16subplot(3,3,7),imshow(uint8(g)),ylabel('变换图像(方法2)');subplot(3,3,8),imhist(uint8(g));(2) 观察并记录实验结果：作为实验报告的内容(3) 将“分段曲线的第2个点”更改为“f1=150;g1=0;”，观察并记录实验结果，分析产生该结果的原因：作为实验报告的内容。
数字图像课程设计--基于直方图变换实现的图像增强燕山大学课程设计说明书题目：基于直方图变换实现的图像增强学院（系）：里仁学院电气工程系年级专业：工业自动化仪表10-1班学号： 101203021001 学生姓名：卢烁指导教师：赵彦涛韩立强教师职称：副教授燕山大学课程设计（论文）任务书院（系）：里仁学院气工程系基层教学单位：说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。
月日燕山大学课程设计评审意见表目录一、摘要 ------------------------------------1二、关键字 ------------------------------------1三、直方图增强技术的基本理论-------------------11、直方图基础---------------------------------------------------------------------12、直方图均衡化---------------------------------------------------------------------23、直方图规定化---------------------------------------------------------------------2四、MATLAB 实现及分析 -------------------------3五、结束语 ------------------------------11六、参考文献 ------------------------------11共11 页第 0页一、摘要共11 页第 1页在图像形成、传输或变换的过程中,由于受到其它客观因素诸如系统噪声、曝光不足或过量、相对运动等影响,获取图像往往会与原始图像之间产生某种差异(称为降质或退化) 。
退化后的图像通常模糊不清或者经过机器提取的信息量减少甚至错误,因此必须对其采取一些手段进行改善。
专业综合实验报告----数字图像处理专业:班级：姓名：学号：指导教师：2015年7月24日直方图均衡化图像增强与彩色图像处理算法分析一、设计目的在实际应用中，无论采用何种输入装置采集的图像，由于光照、噪声等原因，图像的质量往往不能令人满意。
例如，检测对象物的边缘过于模糊；在比较满意的一幅图像上发现多了一些不知来源的黑点或白点；图像的失真、变形等等。
所以图像往往需要采取一些手段进行改善以求达到较好的效果。
图像增强技术正是在此基础上提出的。
图像增强是图像分析与处理的一个重要的预处理过程，其主要有两个目的：一是运用一系列技术手段改善图像的视觉效果,提高图像的清晰度；二是将图像转化成一种更适合于人或计算机进行分析处理的形式。
即改善图像质量是图像增强的根本目的。
图像增强的意义一般可以理解为：按需要进行适当的变换，对图像的某些特征，如边缘、轮廓、对比度进行强调或锐化，突出某些有用的信息，去除或削弱无用的信息以便于显示、观察或进一步分析和处理。
图像增强技术是一类基本的图像处理技术，是指有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统，包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。
因此图像增强处理是图像分析和图像理解的前提和基础。
在图像的获取过程中，特别是对于多媒体监控系统采集的图像，由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。
加之摄像设备、传感器等因素引入的噪声，使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。
因此，为得到一幅清晰的图像必须进行增强处理。
传统的图像增强算法通常是基于整幅图像的统计量，这样在计算整幅图像的变换时，图像中的低频信息、高频信息以及含有的噪声，同时进行了变换，因而在增强图像的同时增强了噪声，导致信息熵下降，给监控图像的分析和后期处理带来了困难。
针对此问题，提出一种新算法。
图像处理中的图像增强算法分析与优化图像增强是图像处理领域中的一个重要任务，旨在改善图像的质量以及增强图像中的细节。
图像增强算法通过对图像进行亮度、对比度、色彩、锐化等方面的调整，使得图像更加清晰、细腻。
本文将对常见的图像增强算法进行分析，并探讨如何优化这些算法以提高图像质量。
一、直方图均衡化直方图均衡化是一种常用的图像增强算法，其主要思想是通过对图像的灰度直方图进行变换，使得图像的像素值分布更加均匀。
直方图均衡化可以有效增强图像的对比度，但对于某些特殊图像，可能会导致不太自然的效果。
为了解决这个问题，可以通过对直方图进行局部均衡化来实现更好的效果。
二、空间滤波空间滤波是图像增强的常用方法之一，其主要通过对图像的像素邻域进行运算，来改变图像的像素值。
常见的空间滤波算法包括均值滤波、中值滤波、高斯滤波等。
这些算法通过对邻域像素进行平均、取中值或加权平均等操作，达到去噪、模糊或锐化图像的效果。
在实际应用中，根据图像的特点选择合适的滤波算法是非常重要的。
三、小波变换小波变换是一种基于信号分析的图像处理方法，它能够将图像分解为不同尺度的频域信息。
在图像增强中，小波变换可以通过提取图像的频域信息来增强图像的边缘和细节。
常见的小波变换方法有离散小波变换(DWT)和连续小波变换(CWT)。
小波变换具有良好的多分辨率特性，可以根据不同的需求选择合适的小波和尺度，以实现对图像的增强。
四、Retinex算法Retinex算法是一种基于视觉感知的图像增强算法，其主要思想是通过模拟人眼的感知机制来增强图像的视觉效果。
Retinex算法将图像分解为反射和亮度两个分量，然后根据不同的需求对这两个分量进行调整，以达到增强图像的效果。
Retinex算法在改善图像的动态范围、增强细节等方面具有出色的表现，但该算法较为复杂，对计算资源要求较高。
五、深度学习方法近年来，深度学习方法在图像增强领域取得了巨大的突破。
深度学习方法通过训练神经网络模型，可以自动学习图像的映射关系，并根据学到的规律对图像进行增强。
基于直方图均衡化的图像增强算法图像增强是数字图像处理领域中的一个重要任务，其目标是提高图像的视觉质量、增强图像的细节信息，使得图像更具观赏性和可辨识度。
直方图均衡化是一种常用的图像增强算法，通过重新分配图像的像素值，增强图像的对比度和动态范围。
本文将详细介绍基于直方图均衡化的图像增强算法的原理、步骤和应用。
一、直方图均衡化的原理直方图均衡化是一种通过拉伸图像的像素值分布来增强图像对比度的方法。
其基本原理是将原始图像中的像素经过变换后，使其灰度级分布更加均匀，从而增强图像的细节和对比度。
直方图均衡化的核心思想是将图像的像素累积函数进行非线性变换，使得原始图像中灰度级分布不均匀的区域得到均匀化，从而实现图像的增强效果。
二、直方图均衡化的步骤直方图均衡化算法主要包括以下几个步骤：1. 计算原始图像的灰度直方图：通过统计每个灰度级对应的像素个数，得到原始图像的灰度直方图。
2. 计算原始图像的累积分布函数(CDF)：对灰度直方图做累积求和，得到原始图像的累积分布函数。
3. 计算像素值映射函数：将CDF进行归一化处理，得到像素值的映射函数，该映射函数描述了原始图像像素值与增强后图像像素值的对应关系。
通过该映射函数，可以将原始图像的每个像素值映射到增强后的像素值。
4. 对原始图像进行像素值映射：根据像素值映射函数，将原始图像的每个像素值进行映射，得到增强后的图像。
5. 输出增强后的图像：将经过像素值映射后的图像进行输出显示或保存，得到最终的增强图像。
三、基于直方图均衡化的图像增强应用直方图均衡化算法在图像增强领域有着广泛的应用。
下面介绍几个典型的应用场景。
1. 医学图像增强：医学图像通常需要提高图像的对比度和细节信息，以便医生更好地进行诊断。
直方图均衡化可以增强医学图像中的血管、肿瘤等细节信息，提升图像的识别能力。
2. 目标检测与识别：图像中的目标通常需要具备清晰的边缘和丰富的纹理信息，以便目标检测和识别算法能够准确地进行处理。
成绩评定表课程设计任务书摘要空域增强是数字图像处理的基本内容之一。
经过增强处理后，图像的视觉效果会得到改善，对比度增强，为图像的信息提取及其他图像分析技术奠定良好的基础。
由于没有衡量图像增强质量的通用标准，图像增强往往和具体应用背景有较大的相关性。
本课程设计主要研究用于图像空域增强算法的直方图变换增强，包括直方图均衡化与直方图规定化。
对于原本偏亮或偏暗的图像，均衡化可以使被处理图像不再偏暗也不再偏亮，灰度层次分布比较均匀。
规定化可将被处理图像按照预先设定的形状调整其直方图。
二者均可改善图像视觉效果。
采用MATLAB软件进行编程，运用上述算法对图像进行处理。
仿真结果表明，处理后的图像对比度得到了明显改善，图像细节清晰，增强了图像的视觉效果，有利于图像的分析和识别。
关键词：空域增强；直方图变换增强；MATLAB目录1设计目的与要求 (1)1.1设计目的 (1)1.2设计要求 (1)2设计原理 (1)2.1直方图均衡化 (1)2.2直方图规定化 (2)3设计方案 (3)3.1设计思想 (3)3.2设计流程 (4)4软件实现 (5)4.1原始图像 (5)4.2图像均衡化 (5)4.3图像规定化 (6)5仿真与结果分析 (6)5.1仿真 (7)5.1.1图像原始化 (7)5.1.2图像均衡化 (8)5.1.3图像规定化 (8)5.2结果分析 (10)结论 (11)参考文献 (12)1设计目的与要求1.1设计目的选择一副对比度不足的图像，对该图像进行灰度变换实现图像的增强，增强对比度，显示增强前、后的图像以及他们的灰度直方图。
总结直方图增强的方法，对比方法的优缺点，积极思考基于特定图像的增强方法，设计中应具有自己的设计思想、设计体会。
1.2设计要求（1）学习Matlab处理图像的方法；（2）加深对空域增强的理解；（3）掌握直方图均衡化和标准化算法。
2设计原理一般情况下,如果图像的灰度分别集中在比较窄的区间,从而引起图像细节的模糊,为了使图像细节清晰,并使目标得到突出,达到图像增强的目的,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。
直方图的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规定化。
2.1直方图均衡化直方图均衡化又称直方图平坦化,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。
其结果是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。
直方图均衡化的具体实现步骤如下:（1）列出原始图像的灰度级1, (1)0,-=L k r k (3.1) （2） .统计各灰度级的像素数目1,...,1,0,-=L k n k (3.2)（3） 计算原始图像直方图各灰度级的频数()1,...,1,0,10,-=≤≤=L k r nn r P kkr (3.3) （4） 计算累积分布函数，即：衡化后各像素的灰()()1,...,...,1,0,0-====∑∑==L k j nn r P r T s kj j k j jrk i (3.4)（5） .应用以下公式计算映射后的输出图像的灰度级，P 为输出图像灰度级的个数，其中INT 为取整符号()()[]1,......,1,5.0min min max -=++-=P i g r T g g INT s i (3.6)（6） .统计映射后各灰度级的像素数目 1-P …k,,…0,1,=i ,i n （7） 计算输出直方图()1,...,1,0,-==p k nn s P ii s (3.7) （8） 用k s 和k r的映射关系修改原始图像的灰度级,从而获得直方图近似为均匀分布的输出图像。
2.2直方图规定化直方图均衡化的优点是能自动增强整个图像的对比度,但它的具体增强效果不易控制,处理的结果总是得到全局的均衡化的直方图。
实际工作中,有时需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,这时可采用比较灵活的直方图规定化方法。
直方图规定化增强处理的步骤如下:令Pr （r ）和Pz （z ）分别为原始图像和期望图像的灰度概率密度函数。
如果对原始图像和期望图像均作直方图均衡化处理，应有()()()∑⎰===xxr r P dr r P r T S 0(3.8)()()⎰==xz dz z p z G V 0(3.9)()V G Z 1-= (3.10)由于都是进行均衡化处理，处理后的原图像概率密度函数Ps （S ）及理想图像概率密度函数PV （V ）是相等的。
于是，我们可以用变换后的原始图像灰度级S 代替（2）式中的V 。
即()S G Z 1-= (3.11)这时的灰度级Z 便是所希望的图像的灰度级。
此外，利用（1）与（3）式还可得到组合变换函数()[]r T G Z 1-= (3.12)对连续图像，重要的是给出逆变换解析式。
对离散图像而言，有()nn Z P ii Z =(3.13) ()()∑-===1l i i z i i Z P Z G V (3.14)()()[]i i i r T G S G Z 11--== (3.15)3设计方案3.1设计思想图像空域增强是指直接在图像所在的二维空间进行增强处理，即增强构成图像的像素。
空域增强中的直方图变换增强，包括直方图均衡化和直方图规定化两个方面。
对图像进行直方图均衡化处理时，首先导入待处理图像。
由于现在大部分的图片都是彩色图像，故在图像导入之后需将其转化为灰度图像以便于后续处理。
将原始灰度图像的直方图绘出，同时对原始灰度图像进行均衡化处理。
将处理后的灰度图像的直方图绘出，分别对均衡化前后的灰度图像和直方图做对比分析，观察图像处理效果。
对图像进行规定化处理时，同样导入图像，然后将其转化为灰度图像并绘出灰度直方图，然后通过函数对图像做规定化处理，绘出规定化后的灰度直方图，分别对规定化前后的灰度像和直方图做对比分析，观察图像处理效果。
3.2设计流程实现流程图如图2.2、2.1 所示：图2.1 图形均衡化流程图2.2 图像规定化流程4软件实现4.1原始图像在Matlab中自定义M文件, 选取一张自然图像进行算法实验，图像读取程序如下：clear clc;I=imread('4.PNG'); %读入图像I1=rgb2gray(I); %转化为灰度图像subplot(1,2,1),imshow(I1); %显示灰度图像title('原始灰度图像');subplot(1,2,2),imhist(I1); %显示灰度图像的直方图title('原始灰度图像直方图');%axis square;xlabel('灰度值');ylabel('像素数量');4.2图像均衡化将图像进行均衡化处理程序如下:J=histeq(I1,64); %均衡化处理为灰度级为64的图像subplot(1,2,1),imshow(J);title('均衡化后图像（64级）');subplot(1,2,2),imhist(J) ; %显示直方图[counts,x]=imhist(J);title('均衡化后图像直方图');%axis square;xlabel('灰度值');ylabel('像素数量');4.3图像规定化在Matlab中自定义M文件, 选取另一张图像进行算法实验,利用均衡化结果对此图进行规定化，图像规定化程序如下:K=imread('5.PNG'); %读入要规定化的图像K1=rgb2gray(K); %将该图转化为灰度图像subplot(1,2,1),imshow(K1);title('原始灰度图像');subplot(1,2,2),imhist(K1); %绘制原灰度图像的直方图title('要规定化图像直方图');%axis square;xlabel('灰度值');ylabel('像素数量');L=histeq(K1,counts); %对图像进行规定化%hgram=0:255;figure;subplot(1,2,1),imshow(L);title('规定化后图像');subplot(1,2,2),imhist(L);title('规定化后图像直方图');%axis square;xlabel('灰度值');ylabel('像素数量');5仿真与结果分析一幅图像经过直方图均衡化处理、直方图规定化处理后得到的灰度图像及直方图，并对这几个图进行比较。
灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的像素数量。
5.1仿真5.1.1图像原始化选取一张自然图像进行算法实验, 通过imread ()导入一幅自然图像如图5.1所示。
图5.1 导入第一张原始图像通过函数rgb2gray()将该图转化为灰度图像，再通过函数imshow()显示其灰度图像，imhist()显示灰度直方图。
结果如图5.1所示，(a) (b)图5.2 原始灰度图像及其灰度直方图得到的原始灰度图像整体偏暗。
从其直方图(b)中可以看出原始灰度图像的灰度等级很多，且主要分布在中低灰度级上, 在高灰度级上图像的像素数很少。
5.1.2图像均衡化经过函数histeq（）对原始灰度图像均衡化处理，通过imshow（）显示其灰度图像，imhist(）显示度直方图，并将其灰度等级改为64级，返回数据向量给counts,为直方图规定化做准备。
结果如图5.2所示。
(a) (b)图5.3 均衡化结果均衡化后的图像明显比原图5.1（a）明亮了许多，对比度得到增强。
从其直方图(d)中也可以看出其灰度等级明显减少，且整体分布比较均匀，亮度对比度大为改善。
5.1.3图像规定化通过在Matlab中自定义M文件, 选取另一张自然图像进行算法实验, 通过imread ()导入一幅自然图像如图5.4所示。
图5.4 导入第二张原始图像通过函数rgb2gray()将该图转化为灰度图像，再通过函数imshow()显示其灰度图像，imhist()显示灰度直方图。
结果如图5.5所示，(a) (b)图5.5 原始灰度图像及其灰度直方图其灰度图像如图5.3中(a)所示，此图像较亮，从其灰度直方图5.3中的(b)亦可观察到像素集中分布在灰度级中、高部分。
将均衡化的结果对此图像进行直方图规定化，规定化后的结果如图5.4所示。
(a) (b)图5.6 规定化结果由图5.4 (a)可知，规定化后的图像亮度明显降低，对比度有所增强，提高了图像的可观性。
