直方图图像处理实验报告

.数字图像处理实验实验一 直方图处理实验目的理解图像直方图的概念，掌握图像直方图的绘制方法掌握直方图均衡化的原理，并会用直方图均衡化对图像进行处理。实验要求1.读入图像，可使用 imread。2.输出图像，可使用 imshow。3.绘制图像 pout.tif的归一化的直方图，可使用 IPT函数imhist。4.对图像进行直方图均衡化，可使用 IPT函数histeq，对均衡化前后的图像以及直方图进行对比。实验原理一幅数字图像在范围 [0,G]内共有L个灰度等级，其直方图定义为离散函数h(rk) nk其中rk是区间[0,G]内的第k级亮度，nk是灰度级为rk的图像中的像素数。通常，我们会用到归一化直方图，即使所用所有元素h(rk)除以图像中的像素总数n所得到的图形：h(rk)nkp(rk)nn其中k=1,2,,L。Matlab中提供了 IPT函数imhist来绘制图像的直方图，但是除此之外绘制直方图的方法还有很多，可以通过条形图、杆状图等方式来表示直方图。直方图均衡化主要用于增强动态范围偏小的图像的反差。该方法的基本思想是把原始的直方图变换为均匀分布的形状，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的效果。直方图均衡化一般采用原始图的累计分布函数作为变换函数。假设灰度级归一化至范围[0,1]内，pr(r)表示给定图像中的灰度级的概率密度函数，对于离散的灰度级，均衡化变换为：skkpr(rj)knjT(rk)nj1j1式中k=1,2,,L，sk是输出图像中的亮度值，它对应于出入图像中的亮度值rk。实验心得：matlab的函数的功能很强大，一个简单的函数调用就可以解决复杂的问题。这样，就需要在函数调用时注意函数的参数，否则很容易出错。比如函数 histeq(a,n) ，就要注意其中的 n为灰度值的个数。对于自己编写函数实现某些特定的功能时，需要对原理掌握清楚，如实验二中需自己编写函数实现图像的均衡，就要求对直方图的均衡原理掌握到位。'..使用读图像函数imread()时需注意该程序的物理路径和函数参数，即图像的物理路径需要保持一致。在代码中定义某些参数，可以扩大代码的使用范围，提高代码的灵活性。例如，程序二中定义行，列和像素，则可以稍微修改参数的初始值，就可对不同行， 列和像素的图像进行直方图均衡。实验代码：1.实验一代码：%读入位于D盘\image\tuxiang 的lena图像A=imread('D:\image\tuxiang\lena.bmp' );%将读入的彩色图像转化为灰度图像a=rgb2gray(A);%对图像进行直方图均衡化b=histeq(a,256);%绘制均衡化前后的图像及其直方图subplot(2,2,1);imshow(a);title( '原始图像');subplot(2,2,2);imhist(a);title( '原始图像归一化直方图 ');subplot(2,2,3);imshow(b);title( '均衡化后的图像 ');subplot(2,2,4);imhist(b);title( '均衡化后图像的归一化直方图 ');2.实验一代码：%读入位于D盘\image\tuxiang 的lena图像A=imread('D:\image\tuxiang\lena.bmp' );%将读入的彩色图像转化为灰度图像a=rgb2gray(A);row=512;%图像每列的像素点col=512; %图像每行的像素点n=255;%灰度个数y=zeros(1,n+1);'..z=zeros(1,n+1);f=zeros(1,n+1);%统计图像中每个灰度的像素点个数for i=0:nk=0;forr=1:rowforc=1:colif(a(r,c)==i)k=k+1;endendendy(i+1)=k;end%映射函数for p=1:n+1forq=1:pf(p)=f(p)+y(q);endf(p)=f(p)*n/(row*col);end%利用映射函数对图像实现均衡化for s=1:rowfort=1:colb(s,t)=f(a(s,t)+1);endend%统计均衡化后的图像的每个灰度的像素点个数for j=0:nh=0;forr=1:rowforc=1:colif(b(r,c)==j)h=h+1;endendendz(j+1)=h;end'..%绘制均衡化前后的图像及其直方图subplot(2,2,1);imshow(a);title( '原始图像');subplot(2,2,2);bar([0:n],y/(row*col));title( '原始图像归一化直方图 ');subplot(2,2,3);imshow(b);title( '均衡化后的图像 ');subplot(2,2,4);bar([0:n],z/(row*col))