当前位置：文档之家 › 数字图像处理 实验 直方图均衡化实现图像增强

数字图像处理 实验 直方图均衡化实现图像增强

  • 格式：doc
  • 大小：137.50 KB
  • 文档页数：2

XXXXXXXX大学（数字图形处理）实验报告

实验名称 直方图均衡化实现图像增强

实验时间

年

月

日

专 业 姓 名 学 号

预 习 操 作 座 位 号

教师签名 总 评

一、实验目的：

掌握直方图均衡化的原理。

掌握直方图均衡化实现图像增强的实现方法。

二、实验原理：

直方图是统计像数统计图，如设一张灰度图或一个通道，值0~255。

直方图如果按。255个区分的话。统计出来的就是，值为。0的有几个像数，值为1的有机个像数，这样的一张表。

那么均衡化的意思就是。这样表要均衡。不直不于。0有上万个像数，1只有1 个。

正常，直方图本身可以用小于255个区。比如10个，那么这样相对图中的点就有一个映射，这时值0-9统计落在第一个区,值为10-19落第二个区。。。

这样的结果就会出来，10个区，10个统计数区。这时。你均衡就是让10区的统计数据都不会差很多。表现出来的就是一张图上的颜色分布相对均衡。

总的来说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。

三、实验内容：

利用直方图均衡化实现图像增强。

在资源编辑器中，在主菜单下添加一名为“直方图均衡化”的菜单步骤如前面实验。

实验代码如下：

if(m_DibHead->biBitCount!=8)

{

MessageBox("当前版本仅支持256色位图的操作！","系统提示！",MB_ICONINFORMATION|MB_OK);

return;

}

zftjh(m_Image,m_DibHead->biWidth,m_DibHead->biHeight);

Invalidate()；

其中函数zftjh的实现代码如下：

zftjh(unsigned char *lpDib,long lWidth,long lHeight)

{ unsigned char *lpsrc;

long lresult(0);

long i,j;

unsigned char bMap[256];

long lCount[256];

for(i=0;i<256;i++)

lCount[i]=0;

for(i=0;i

for(j=0;j

{

lpsrc=lpDib+i*lWidth+j;

lCount[*lpsrc]++;

}

for(i=0;i<256;i++)

{

lresult=0;

for(j=0;j<=i;j++)

lresult+=lCount[j];

bMap[i]=(lresult*255)/lHeight/lWidth;

}

for(i=0;i

for(j=0;j

{

lpsrc=lpDib+i*lWidth+j;

*lpsrc=bMap[*lpsrc];

}

}

原图为下图的左边部分，均值化以后的图为右边的部分：

合集下载

matlab数字图像处理实验报告

matlab数字图像处理实验报告

《数字图像处理实验报告》

实验一 图像的增强

一.实验目的

1.熟悉图像在MATLAB下的读写、输出；

2.熟悉直方图；

3.熟悉图像的线性指数等；

4.熟悉图像的算术运算和几何变换。

二.实验仪器

计算机、MATLAB软件

三.实验原理

图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。

其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。

频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。假定原图像为f(x，y)，经傅立叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。

四.实验内容及步骤

1.图像在MATLAB下的读写、输出；

实验过程：

>> I = imread('F:\image\');

figure;imshow(I);title('Original Image');

text(size(I,2),size(I,1)+15, ...

'', ...

'FontSize',7,'HorizontalAlignment','right');

Warning: Image is too big to fit on screen; displaying at 25%

Matlab中的图像增强方法

Matlab中的图像增强方法

Matlab中的图像增强方法

图像增强是数字图像处理中的一项重要技术，通过使用各种算法和方法，可以改善图像的质量、增加图像的信息量和清晰度。在Matlab中，有许多强大而灵活的工具和函数，可以帮助我们实现图像增强的目标。本文将介绍几种常用的Matlab图像增强方法，并探讨它们的原理和应用。

一、直方图均衡化

直方图均衡化是一种常用的图像增强方法，通过调整图像的像素分布来增强图像的对比度和亮度。在Matlab中，我们可以使用“histeq”函数来实现直方图均衡化。该函数会根据图像的直方图信息，将像素的灰度值重新映射到一个均匀分布的直方图上。

直方图均衡化的原理是基于图像的累积分布函数（CDF）的变换。它首先计算图像的灰度直方图，并根据直方图信息计算CDF。然后，通过将CDF线性映射到期望的均匀分布上，将图像的像素值进行调整。

直方图均衡化的优点在于简单易实现，且效果较好。但它也存在一些限制，比如对噪声敏感、全局亮度调整可能导致细节丢失等。因此，在具体应用中，我们需要权衡其优缺点，并根据图像的特点选择合适的方法。

二、自适应直方图均衡化

自适应直方图均衡化是对传统直方图均衡化的改进，它能够在改善对比度的同时，保持局部细节。与全局直方图均衡化不同，自适应直方图均衡化采用局部的直方图信息来进行均衡化。

在Matlab中，我们可以使用“adapthisteq”函数来实现自适应直方图均衡化。该函数会将图像分成小块，并在每个块上进行直方图均衡化。通过这种方式，自适应直方图均衡化可以在增强图像对比度的同时，保留图像的细节。 自适应直方图均衡化的优点在于针对每个小块进行处理，能够更精确地调整局部对比度，避免了全局调整可能带来的细节丢失。然而，相对于全局直方图均衡化，自适应直方图均衡化的计算量较大，因此在实时处理中可能会引起性能问题。

三、模糊与锐化

图像增强不仅局限于对比度和亮度的调整，还可以改善图像的清晰度和边缘信息。在Matlab中，我们可以使用一些滤波器来实现图像的模糊和锐化。

自-直方图图像增强(实验报告)

自-直方图图像增强(实验报告)

数字图像处理作业

——直方图图像增强

【摘要】

ﻩ在自然界中很多图像可能都不符合人的视觉特点，因此有必要根据图像的特点采用一定的方法增强图像的视觉感知效果。本次作业通过直方图来增强图像，主要是对直方图进行修正来达到视觉转换。具体方法为直方图均衡、直方图匹配以及图像分割技术。其中,直方图均衡是调整图像的对比度使其增强;直方图匹配是将所要处理图像的直方图与已知直方图进行类似匹配的方法；而图像分割是将一副图像的前景与背景区别开来的技术。

1. 把附件图像的直方图画出：

【注】:由于源图像中的附图均是以索引图的形式给出,因此在画直方图之前需要将其转换成灰度图。如果调色板缺失,需要先将调色板中缺失的色彩信息补全之后，再用matlab工具箱提供的图像类型转换函数(G＝ind２gray（A,map)%

将索引图转换成灰度图）进行类型转换。

利用MAＴLAB工具箱，我们可以直接通过函数imhｉｓｔ( )来画出图像的直方图。

处理结果如下:

0100020003000citywall.bmp的原直方图01002000500010000citywall1.bmp的直方图01002000500010000citywall2.bmp的直方图0100200

0100020003000elain.bmp的原直方图0100200050001000015000elain1.bmp的直方图0100200050001000015000elain2.bmp的直方图010020000.511.52x 104elain3.bmp的直方图01002000100020003000lena.bmp的原直方图0100200012x 104lena1.bmp的直方图01002000200040006000lena2.bmp的直方图0100200050001000015000lena4.bmp的直方图0100200

数字图像--图像的均衡化处理

数字图像--图像的均衡化处理

江 西 理 工 大 学 江 西 理 工 大 学 实 验 报 告 纸

第 1 页/共 2页

一、实验目的

了解图像的均衡化处理算法；要求对明暗不同的图像分别作均衡化处理；

掌握基本的图象增强方法,观察图象增强的效果,加深对灰度直方图及直方图均衡化的理解，

掌握直方图均衡化方法。

二、实验内容

分别选用如下三幅较暗、动态范围较窄和较亮的图像，分别进行直方图均衡化处理，并对处理结果作分析；

（a）较暗的图像elaindark （b）动态范围较窄的图像elainnarrow

（c）较亮的图像elainbright

三、实验步骤和设计思想

灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其所出现的频度。通常，灰度直方图的横坐标表示灰度值，纵坐标为像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。 直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。

四、程序清单

I=imread('1.bmp');

figure;

subplot(2,2,1),imshow(I);title('原图');

[m,n]=size(I);

GP=zeros(1,256);

for k=0:255

GP(k+1)=length(find(PS==k))/(m*n);

end

subplot(2,2,2),bar(0:255,GP,'g')

title('原图像直方图')

xlabel('灰度值')

ylabel('出现概率') 数字图像处理 实验报告