图像处理实验报告

实 实 验 报 告

实验课程名称

图像处理（第二版）

指 指 导 老 师

邓天明

学 学

院

交通运输

年级

2012 级

专业及班级

交通信息与控制工程二班

学 学 生 姓 名

田

飞

学

号 631205090230

开 开 课 时 间

2014

至

2015

学年第

2

学期

总 总 成 绩

教师签名

实验名称 直方图均衡化 实验类型 验证型 实验时间 2015/6/2 实验地点 基础实验楼北 501 实验目的：

1.熟悉图像数据在计算机中的存储方式； 2.掌握图像直方图均衡化这一基本处理过程。

仪器、设备名称：

PC 微机一台和 MATLAB 软件。

实验要求及注意事项：

本次实验注意事项总结如下：

1、要学会利用 Matlab 中的帮助信息，因为很多函数的调用方法都是可以在帮助中找到的。在调用函数时应重点看 Examples 中的方式。

2、在 Matlab 中进行重复操作时，可以用方向上键重复命令，也可以在命令窗口中进行复制粘贴。

3、使用软件处理图像时，注意不要使用复杂图像，以免处理时间过长且显示效果不理想。

实验内容、操作步骤：

实验内容：

1.读入图像数据到内存中，并显示读入的图像； 2.实现直方图均衡化处理，显示处理前后图像的直方图。

3.显示并保存处理结果。

实验步骤：

1．打开 Matlab 编程环境； 2．获取实验用图像。用’imread’函数将图像读入 Matlab；用’imshow’函数显示读入的图像。

3．获取输入图像的直方图：用’imhist’函数处理图像。

4．均衡化处理：用’histeq’函数处理图像即可。

5．获取均衡化后的直方图并显示图像：用’imhist’和’imshow’函数。

6．保存实验结果：用’imwrite’函数处理。

实验结果分析（含数据、图表整理）：

程序源代码 ：

A = imread(‘D:\\TF.gif’, ‘gif’); imshow(A); imhist(A); histeq(A); Imhist(A); Imshow(A); Imwrite(A, ‘D:\TF.gif’, ‘GIF’);

处理结果：

图 1

灰度图

图 2

均衡化图

图 3

直方图

实验收获、心得及建议：

直方图均衡化是直方图变换方法中的一种，进行图像增强的方法是以概率论为基础的。

直方图均衡化主要用于增强动态范围偏小的图像的反差。这个方法基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度德效果。

数字图像直方图均衡化之后直方图不是绝对平坦的，因为不能将同一个灰度值的各个像素变换到不同灰度级（或说此时仅根据灰度值区分不开不同的像素），所以数字图像直方图均衡化的结果一般只是近似均衡化的直方图。

在本次实验中发现：直方图均衡化在增强反差的同时也增强了图像的可视粒度。

实验名称 频域平滑滤波 实验类型 验证型 实验时间 2015/6/9 实验地点 基础实验楼北 501 实验目的：

1.熟悉图像数据在频率域的表示； 2.掌握频域图像增强的基本步骤。

仪器、设备名称：

PC 微机一台、MATLAB 软件、GIF 格式图片一张。

实验要求及注意事项：

在选择图片时应当选择 TTF 格式或者 GIF 格式的图片，若不是这种格式则应该在画图工具中改为上述格式，因为其他格式都打不开。

实验内容、操作步骤：

实验内容：

1.综合利用所学的数字图像基本存储结构、图像变换、图像增强等知识实现频率域图像增强； 2.在频率域进行用半径值分别为 5，15，30，80 和 230 的理想低通滤波器对图像进行平滑，并观察滤波效果。

操作步骤：

1．打开 Matlab 编程环境； 2．获取实验用图像。用’imread’函数将图像读入 Matlab；用’imshow’函数显示读入的图像。

3．将图像’uint8’格式转换为’double’格式，并将各点数据乘以-1 的（x+y）次方以便 FFT 变换后的结果中低频数据处于图像中央。

4．用’fft2’函数对图像数据进行二维 FFT 变换，得到频率域图像数据。

5．计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像。

6．在频率图像上去除滤波半径意外的数据（置 0）。

7．计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像。

8．用’fft2’函数对图像数据进行二维 FFT 逆变换，并用’real’函数取其实部，得到处理过的空间域图像数据。

9．将图像数据各点数据乘以-1 的（x+y）次方。

10．用’imshow’函数显示处理结果图像数据，并用’imwrite’函数保存图像处理结果数据。

实验结果分析（含数据、图表整理）：

程序源代码：

function

idlvbo(r)

I=imread("E:\ \ tu\ \ bailong1.gif");

subplot(1,2,1),imshow(I);% 显示原图

title("bailong2 原 图 ");

k=double(I);% ‘ uint8 格式转换为‘ double ’

g=fft2(k);% 傅里叶变换

g=fftshift(g);% 实现低频数据处于图像中心

figure,imshow(g);

% % 除去滤波半径以外的数据

[M ,N]=size(g);% 计算幅值

m=fix(M/2);

n=fix(N/2);

%m=round(M/2);

%n=round(N/2);

for i=1:M

for j=1:N

d=sqrt((i- - m)^2+(j- - n)^2);

if

d<=r

h=1;

else

h=0;

end

y(i,j)=h*g(i,j);

end

end

y=ifftshift(y);

E1=ifft2(y);

E2=uint8(real(E1));

subplot(1,2,2),imshow(E2);

title(" 处理后的图像 ");

imwrite(E2,"E2.tif","tif");

处理结果：

原图

r=5 的结果图

r=15 的结果图

r=30 的结果图

r=80 的结果图

r=230 的结果图

实验收获、心得及建议：

在频域空间，图像的信息表现为不同频率分量的组合。如果能让某个范围内的分量或某些频率的分量受到抑制而让其他分量不受影响，就可以输出图的频率分布，达到不同的增强目的。

频域空间的增强方法有三个步骤：

1、将图像从图像空间转换到频域空间； 2、在频域空间对图像进行增强； 3、将增强后的图像再从频域空间转换到图像空间； 本次试验中在 FFT 变换前后，将各点数乘以-1 的（x+y）次方，是为了将图像处理后它的中低频数据处于图像中央位置。

频率域图像处理是把图像看成一种二维信号，对其进行基于二维傅里叶变化的信号增强；空间域图像增强的方法是直接对图像中的像素进行处理的过程。

实验名称 图像去噪 实验类型 验证型 实验时间 2015/6/9 实验地点 基础实验楼北 501 实验目的：

1.熟悉图像高斯噪声的特点； 2.掌握利用中值滤波器去除图像噪声的方法。

仪器、设备名称：

PC 微机一台、MATLAB 软件、GIF 格式图片一张。

实验要求及注意事项：

在选择图片时应当选择 TTF 格式或者 GIF 格式的图片，若不是这种格式则应该在画图工具中改为上述格式，因为其他格式都打不开。

实验内容、操作步骤：

实验内容：

编写代码实现中值滤波算法，并观察增强效果。

操作步骤：

1.打开 Matlab 编程环境。

2.利用’imread’ 函数读入包含噪声的原始图像数据。

3.利用’imshow’ 显示所读入的图像数据。

4.编写代码实现中值滤波算法，并对原始噪声图像进行滤波处理。

5.利用’imshow’ 显示处理结果图像数据。

6.利用’imwrite’函数保存图像处理结果数据。

实验结果分析（含数据、图表整理）：

程序源代码：

I1=imread("D:\tf\YUAN.jpg");

I3=rgb2gray(I1); I2=imnoise(I3,"salt & pepper",0.02); subplot(1,2,1);

imshow(I2);

title("jia zao yin");

L=medfilt2(I2);

subplot(1,2,2);

imshow(L);

title(" 中值滤波所得图像"); 处理结果：

去噪声后的图像对比

实验收获、心得及建议：

噪声是常见的退化因素之一，也是图像恢复中重点研究的主要内容。图像中的噪声可定义为图像中不希望有的部分，或图像中不需要的部分。

中值滤波算法处理速度快。均值滤波对一个像素，取其周围的像素均值作为当前像素的值；中值滤波对一个像素，取其周围的像素的中间值作为当前像素的值，不需要求出均值，因此中值滤波算法较快。先得到图像的频率空间，然后对得到的二维空间数据进行比较得到最大值和最小值，求这两个值的平均值得到。它比中值滤波算法慢。

本次实验中，通过相关软件自带函数对图像进行处理，实现图像噪点的处理。

实验名称 Matlab 在数字图像处理中的应用

实验类型 验证行 实验时间 2015/6/16 实验地点 基础实验楼北 501 室 实验目的：

1．熟悉图像的四种类型。

2．熟练掌握图像的读、写操作以及显示方法。

3.熟悉图像的类型转换以及格式转换。

仪器、设备名称：

计算机、MATLAB 软件、《图像处理实验指导（电子版）》、MATLAB 相关书籍 实验要求及注意事项：

1、注意在 Matlab 中不同图像对应的格式。在 Matlab 中采用 4 种不同的方式把图像数据矩阵中的元素值（又称像素值）解释为对应像素的颜色。

2、使用 Matlab 中自带的函数可以实现不同格式的图像的格式间的转换。要熟悉相应的函数的使用参数。

实验内容、过程记录：

1．利用 imread( )函数分别读取四种类型的图像。

2．读取一幅 RGB 图片，并将它转换成其他几种图像类型。

3.读取一幅 TIF 格式的图像，将它转换成 JPG 文件格式，并尝试使用不同的压缩品质(使用 help imwrite 查询其‘quality’参数的用法)压缩文件，比较压缩前后文件的大小和图像质量。

4（选做）.读取一幅索引图像，将图像显示出来。尝试修改 MAP 颜色矩阵的值，再将图像显示出来，对比观察图像颜色的变化。

实验分析结果（含数据、图表整理）：

程序源代码：

function dutu

I=imread("C:\ \ ABCDEFG ------- TF\ \ tf\ \ tf.jpg");

subplot(2,2,1),imshow(I);

B title("RGB 原图 ");

A=dither(I,gray);

subplot(2,2,2),imshow(A);

title(" 索引图 ");

imwrite(A ,"suoyin.tif","tif");

B=rgb2gray(I);

subplot(2,2,3),imshow(B);

title(" 灰度图 ");

imwrite(B,"huidu.tif","tif");

C=im2bw(I,0.4);

subplot(2,2,4),imshow(C);

title(" 二值图 ");

imwrite(C,"erzhi.tif","tif");

end

function gaitu

clc

clear

I=imread("C:\ \ ABCDEFG ------- TF\ \ tff .tif");

subplot(2,2,1),imshow(I);

title(" TF1.tif");

imwrite(I,"TF1.jpg","jpg");

B=imread("C:\ \ ABCDEFG ------- TF\ \ TF1.jpg");

subplot(2,2,2),imshow(B);

title("TF1.jpg");

imwrite(I,"TF1(25).jpg","quality",25);

C=imread("C:\ \ ABCDEFG ------- TF\ \ TF1(25).jpg");

subplo t(2,2,3),imshow(C);

title("TF1(25).jpg");

imwrite(I,"TF1(50).jpg","quality",50);

D=imread("C:\ \ ABCDEFG ------- TF\ \ TF1(50).jpg");

subplot(2,2,4),imshow(D);

title("TF1(50).jpg");

end

1、图像格式间的转换 结果见下图

图 1 图像格式转换结果图 使用 imread 函数读入一张 RGB 图像，然后使用“dither”、“rgb2gray”、“im2bw”函数实现 RGB 图像向索引图像、灰度图像、二值图像的转换。图像结果使用“imwrite”函数进行保存。

2.读取一幅 TIF 格式的图像，将它转换成 JPG 文件格式

图 2 tif 格式转换为 jpg 格式结果 使 用 imwrite 函 数 使 “tif” 格 式 转 换 为 “jpg” 格 式 ， 然 后 使 用 “ imwrite（I,"TF1(25).jpg","quality",25）”和“imwrite（I,"TF1(50).jpg","quality",50）”使图像分别以 25 和 50 的质量进行压缩保存。

实验收获、心得及建议：

实验中主要注意的时使用函数时，要与函数要求的格式相对应。处理不同类型的图像，所使用的函数语句是不一样的，对于结果的显示也会有所不同。有时图像的改变在显示时改变的迹象可能不太明显，这时可以通过查看图像的格式，具体的属性参数直观的看到改动。

查看文件的格式时可以根据其文件的后缀名。或者查看 imread 函数读到的矩阵格式。比如 TIFF 格式的文件，其文件包含文件头、参数指针表与参数域、参数数据表和图像数据 4 部分，这样读入到 MATLAB 中的矩阵格式就会为格式。

用词精炼，犀利。

心灵的震撼！

摘要：

图像处理，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。图像处理一般指数字图像处理。

数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。 目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。 设计要求

可视化界面，采用多幅不同形式图像验证系统的正确性；

合理选择不同形式图像，反应各功能模块的效果及验证系统的正确性 对图像进行灰度级映射，对比分析变换前后的直方图变化；

1.课题目的与要求 目的：

基本功能：彩色图像转灰度图像

图像的几何空间变换：平移，旋转，剪切，缩放 图像的算术处理：加、减、乘

图像的灰度拉伸方法（包含参数设置）； 直方图的统计和绘制；直方图均衡化和规定化； 要求：

1、熟悉图像点运算、代数运算、几何运算的基本定 义和常见方法；

2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法

3、掌握在MATLAB中进行插值的方法

4、运用MATLAB语言进行图像的插值缩放和插值旋转等

5、学会运用图像的灰度拉伸方法

6、学会运用图像的直方图设计和绘制；以及均衡化和规定化

7、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际

2.课题设计内容描述

1>彩色图像转化灰度图像：

大部分图像都是RGB格式。RGB是指红，绿，蓝三色。通常是每一色都是256个级。相当于过去摄影里提到了8级灰阶。

真彩色图像通常是就是指RGB。通常是三个8位，合起来是24位。不过每一个颜色并不一定是8位。比如有些显卡可以显示16位，或者是32位。所以就有16位真彩和32位真彩。

在一些特殊环境下需要将真彩色转换成灰度图像。 1单独处理每一个颜色分量。

2.处理图像的“灰度“， 有时候又称为“高度”。边缘加强，平滑，去噪，加锐度等。

3.当用黑白打印机打印照片时，通常也需要将彩色转成灰白，处理后再打印 4.摄影里，通过黑白照片体现“型体”与“线条”，“光线”。 2>图像的几何空间变化：

图像平移是将图像进行上下左右的等比例变化，不改变图像的特征，只改变位置。

图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，在y轴按比例缩放fy倍，从而获得一幅新的图像。如果fx=fy，即在x轴方向和y轴方向缩放的比率相同，称这样的比例缩放为图像的全比例缩放。如果fx≠fy，图像的比例缩放会改变原始图象的像素间的相对位置，产生几何畸变。

旋转。一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。图像的旋转变换也可以用矩阵变换来表示。 3>图像的算术处理：

图像代数运算是指对两幅或两幅以上输入图像对应的像素逐个进行和差积商运算以产生增强效果的图像。图像运算是一种比较简单有效的增强处理手段是图像处理中常用方法。 三种图像处理代数运算的数学表达式如下： C(x,y)=A(x,y)+B(x,y) C(x,y)=A(x,y)-B(x,y) C(x,y)=A(x,y)*B(x,y) 4>图像的灰度拉伸方法：

灰度拉伸又叫对比度拉伸，它是最基本的一种灰度变换，使用的是最简单的分段线性变换函数，它的主要思想是提高图像处理时灰度级的动态范围。 可以有选择的拉伸某段灰度区间以改善输出图像。如图，所示的变换函数的运算结果是将原图在a到b之间的灰度拉伸到c到d之间。如果一幅图像的灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸(斜率>1)物体灰度区间以改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩(斜率

5>直方图设计和绘制；以及均衡化和规定化：

灰度直方图是将数字图像的所有像素，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，纵坐标为半个像素个数，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。

3.总体方案设计

1> GUI图像处理平台的总体设计

图像处理平台设计的目的是能够将图像处理的各个独立算法集成到一个平台内，方便用户选用多种方法对图像进行处理.平台基于ＭatlabGUI设计，实现图像处理过程的交互和可视化，并为用户二次开发提供平台接口，提高图像处理算法的综合利用效率

2> 平台总体功能设计 根据一体化的设计思想，平台主要实现算法集成、交互可视化和提供二次开发接口等功能.其中算法集成分为已有算法集成和新算法集成.具体功能描述如下：

（1）已有算法集成是对Ｍatlab图像处理工具

包中提供的算法进行集成，可以通过使用函数名加参数的方式直接调用.依据功能进行分类，将同类算法集成到同一菜单项内，如将傅里叶变换、小波变换、离散变换等算法归类到图像变换中，进行集成.（2）新算法集成是指对自主开发的算法进行集成，如改进水平集算法[12]、交互式图割算法[13]、细胞自动机分割算法[14]等均为自主开发的图像分割算法，同已有算法集成方式类似，集成到平台中，便于综合运用和算法分析与对比.（3）交互式可视化是指对图像处理过程及结果的可视化显示，并提供用户交互区.（4）二次开发接口是指通过调用集成模板方式，为用户提供一个将自己算法集成到平台中的一个接口

3>总体布局设计

一个高性能的图像处理平台应该为用户提供

方便快捷的操作.平台设计中通过菜单和按钮实现快捷操作，其中菜单项提供平台的整体功能，快捷按钮显示具体的独立功能.图像处理平台的布局设计如图1所示.利用ＭatlabGUI提供的工具包和底层代码，可以实现菜单功能区、快捷按钮功能区、DEMO显示区、可视化效果显示区和用户交互区的布局设计

4.程序实现和测试

4.1各个功能模块的主要实现程序 基本功能：彩色图像转灰度图像

I=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\peppers.png\\",\\"png\\"); x=rgb2gray(I); figure(1); subplot(121); imshow(I); title(\\"原始图像\\"); subplot(122); imshow(x); title(\\"灰度图像\\"); 实验结果：

图像的几何空间变换：平移，旋转，剪切，缩放

img1=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao3.jpg\\",\\"jpg\\"); img1=rgb2gray(img1); figure,imshow(img1); imwrite(img1,\\"a1.jpg\\"); %%%%%%平移

se=translate(strel(1),[20 20]); img2=imdilate(img1,se); figure,imshow(img2); imwrite(img2,\\"a2.jpg\\"); %%%%%%旋转 img3=imrotate(img1,90); figure,imshow(img3); imwrite(img3,\\"a3.jpg\\"); % %%%%%缩放 img4=imresize(img1,2); figure,imshow(img4); imwrite(img4,\\"a4.jpg\\");

原始图像：

平移图像：

旋转图像：

缩放图像：

图像的算术处理：加、减、乘

加法

A=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao3.jpg\\",\\"jpg\\"); B=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao1.jpg\\",\\"jpg\\"); subplot(1,3,1);imshow(A); title(\\"图像1\\"); subplot(1,3,2);imshow(B); title(\\"图像2\\"); C=imadd(A,B); subplot(1,3,3);imshow(C); title(\\"相加后的图像\\")

减法

A=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao3.jpg\\",\\"jpg\\"); B=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao1.jpg\\",\\"jpg\\"); subplot(2,3,1);imshow(A); title(\\"图像1\\"); subplot(2,3,2);imshow(B); title(\\"图像2\\"); C=imsubtract(A,B); subplot(2,3,3);imshow(C); title(\\"相减后的图像\\")

乘法

A=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao3.jpg\\",\\"jpg\\"); B=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao1.jpg\\",\\"jpg\\"); subplot(1,3,1);imshow(A); title(\\"图像1\\"); subplot(1,3,2);imshow(B); title(\\"图像2\\"); C=immultiply(A,B); subplot(1,3,3);imshow(C); title(\\"相乘后的图像\\")

图像的灰度拉伸方法（包含参数设置）；

img=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao3.jpg\\",\\"jpg\\"); figure(1); imshow(img); title(\\"原图\\"); [m,n]=size(img); %测量图像尺寸参数

GreyHist=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GreyHist(k+1)=length(find(img==k))/(m*n); %计算每级灰度出现的概率，将其存入GreyHist中相应位置

end figure(2); bar(0:255,GreyHist) %绘制直方图 title(\\"原直方图\\") xlabel(\\"灰度值\\") ylabel(\\"出现概率\\") %灰度拉伸 imggrey=img; prompt={\\"请输入系数a\\",\\"请输入系数b\\"}; words=\\"请输入线性拉伸函数:\\"; answer = inputdlg(prompt,words,1,{\\"0.5\\",\\"2\\"}); a=str2double(answer(1)); b=str2double(answer(2)); for i=1:m for j=1:n img(i,j)=a*img(i,j)+b; end end figure(3); imshow(img); title(\\"灰度拉伸\\"); GreyHist=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255

直方图的统计和绘制；直方图均衡化和规定化；

%一，图像的预处理，读入彩色图像将其灰度化

img=imread(\\"C:\\\\MATLAB7\\\\toolbox\\\\images\\\\imdemos\\\\guidemo123\\\\jujiao3.jpg\\",\\"jpg\\"); %读入JPG彩色图像文件

imshow(img) %显示出来 title(\\"输入的彩色JPG图像\\") imwrite(rgb2gray(img),\\"PicSampleGray.jpg\\"); %将彩色图片灰度化并保存 img=rgb2gray(img); %灰度化后的数据存入数组 %二，绘制直方图

[m,n]=size(img); %测量图像尺寸参数

GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(img==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置 end figure,bar(0:255,GP,\\"g\\") %绘制直方图 title(\\"原图像直方图\\") xlabel(\\"灰度值\\") ylabel(\\"出现概率\\") %三，直方图均衡化 S1=zeros(1,256); for i=1:256 for j=1:i S1(i)=GP(j)+S1(i); %计算Sk end end S2=round((S1*256)+0.5); %将Sk归到相近级的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2==i))); %计算现有每个灰度级出现的概率 end figure,bar(0:255,GPeq,\\"b\\") %显示均衡化后的直方图 title(\\"均衡化后的直方图\\") xlabel(\\"灰度值\\") ylabel(\\"出现概率\\") %四，图像均衡化 PA=img; for i=0:255 PA(find(img==i))=S2(i+1); %将各个像素归一化后的灰度值赋给这个像素 end figure,imshow(PA) %显示均衡化后的图像 title(\\"均衡化后图像\\") imwrite(PA,\\"PicEqual.jpg\\");

4.3.问题说明和总结：对在调试中发现的问题和解决方法做说明。

图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。

进行程序调试的过程中，最重要的是输入图像，刚开始是为了找到原始图像耗费了很多时间，一般的条件书上有，但要对其进行磨合。程序编写时，应该注意大小写。应该注意最后的输出部分，保证输出条件与输入条件相同。

5．总结与体会 这次使用MATALB进行图像处理的编写，是我对MATALB软件有了更深入的了解，对其的应用能力也有了相应的提高，更深入的了解到MATALB作为绘图软件的方便与快捷。在进行程序调试的过程中，最重要的是输入图像，只有找到图像的原始位置，才能进行下面的程序编码。编码程序时，应该在MATLAB原始文档的位置先行输入，输入时应该注意大小写。程序应该尽可能地简单，只要能达到目的就行，程序越复杂，运行时的错误就越多。以上是我的程序编码经验与感受。

6．参考文献

《数字图像处理实验指导书》 厍向阳 曹颖超 编著 《MATLAB与数学实验》 艾冬梅 李艳晴 编著 《图像处理和分析技术》 章毓晋 编著 《MATLAB实用教程》 郑阿奇 编著

推荐访问:图像处理 实验 报告