第四章图像增强
1.简述直方图均衡化处理的原理和目的。拍摄一幅较暗的图像，用直方图均衡化方
法处理，分析结果。
原理：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较集中的某个灰度区间变成在全部灰度范围内的均匀分布。也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。把给定图像的直方图分布改变成“均匀”分布直方图分布
目的：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。它通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过直方图均衡化，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
Matlab程序如下：
clc;
RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组
R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量
G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);
figure(1)
imshow(RGB); %绘制各分量的图像及其直方图
title('原始真彩色图像');
figure(2)
subplot(3,2,1),imshow(R);
title('真彩色图像的红色分量');
subplot(3,2,2), imhist(R);
title('真彩色图像的红色分量直方图');
subplot(3,2,3),imshow(G);
title('真彩色图像的绿色分量');
subplot(3,2,4), imhist(G);
title(' 的绿色分量直方图');
subplot(3,2,5),imshow(B);
title('真彩色图像的蓝色分量');
subplot(3,2,6), imhist(B);
title('真彩色图像的蓝色分量直方图');
r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像
g=histeq(G);
b=histeq(B);
figure(3),
subplot(3,2,1),imshow(r);
title('红色分量均衡化后图像');
subplot(3,2,2), imhist(r);
title('红色分量均衡化后图像直方图');
subplot(3,2,3),imshow(g);
title('绿色分量均衡化后图像');
subplot(3,2,4), imhist(g);
title('绿色分量均衡化后图像直方图');
subplot(3,2,5), imshow(b);
title('蓝色分量均衡化后图像');
subplot(3,2,6), imhist(b);
title('蓝色分量均衡化后图像直方图');
figure(4), %通过均衡化后的图像还原输出原图像
newimg = cat(3,r,g,b); %
imshow(newimg,[]);
title('均衡化后分量图像还原输出原图');
程序运行结果：
原始真彩色图像均衡化后分量图像还原输出原图
图1.1 原始图像与均衡化后还原输出图像对比
通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。
0100200
0100200
0100200
0100200
0100200
0100200
由图1.2和图1.3所显示的红绿蓝各颜色分量均衡化前后的图像直方图对比可得：
○1经变换后得到的新直方图虽然不很平坦，但比原始图像的直方图平坦的
多,而且其动态范围也大大地扩展了。因此，这种方法对于对比度较弱的图像进行处理是很有效的。
○2因为直方图是近似的概率密度函数，所以用离散灰度级作变换一般得不到完全平坦的结果。
○3变换后的灰度级减少了，这种现象叫做“简并”现象。这是像素灰度有限的必然结果。数字图像的直方图均衡只是近似的。
2.邻域平均法和中值滤波法各有何特点？
用上述2种方法实现噪声图像的去噪。计算去噪前后的峰值信噪比，做出主观和客观评价。
邻域平均法特点：
1)其主要优点是算法简单，图像的噪声得到了一定的抑制；但其代价是会造成
2)邻域平均法的平滑效果与所采用邻域的半径（模板大小）有关。半径愈大，
去噪效果越好，但图像的模糊程度越大。
中值滤波法特点：
1)对某些输入信号中值滤波的不变性。对某些特定的输入信号，如在窗口内单
调增加或单调减少的序列，中值滤波输出信号仍保持输入信号不变利用这个特点，可以使中值滤波既能去除图像中的噪声，又能保持图像中一些物体的边缘。
2)对随机噪声的抑制能力，中值滤波比平均值滤波要差一些。但对脉冲干扰，
特别是脉冲宽度小于m／2、相距较远的窄脉冲干扰，中值滤波的效果较好。
3)中值滤波的频谱特性。中值滤波频谱特性起伏不大，其均值比较平坦。可以
认为信号经中值滤波后，频谱基本不变。
Matlab程序主要部分如下：
（1）分别给图像加入噪声密度为0.02的椒盐噪声和高斯噪声，然后分别采用中值滤波和均值滤波对两种噪声图像去燥。
G = imnoise(I,'gauss',0.02); %加入高斯噪声
J = imnoise(I,'salt & pepper',0.02); %加入椒盐噪声
ave = fspecial('average',5);
K = filter2(ave,G)/255; %均值滤波抑制高斯噪声
L = filter2(ave,J)/255; %均值滤波抑制椒盐噪声
M = medfilt2(G,[3 3]); %中值滤波抑制高斯噪声
N = medfilt2(J,[3 3]); %中值滤波抑制椒盐噪声
（2）计算去噪前后的峰值信噪比
[h w]=size(I);
g=double(G); k=double(K); m=double(M);
j=double(J); l=double(L); n=double(N);
