《数字图像处理实验报告--直方图均衡化》由会员分享，可在线阅读，更多相关《数字图像处理实验报告--直方图均衡化（6页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理实验报告实验名称：直方图均衡化姓名：班级：学号：专业：电子信息工程（2+2）指导教师：陈华华实验日期：2012 年 5 月 24 日 直 方 图 均 衡 化 图 像 对 比 度 增 强 的 方 法 可 以 分 成 两 类 :一 类 是 直 接 对 比 度 增 强 方 法 ;另一 类 是 间 接 对 比 度 增 强 方 法 。 直 方 图 均 衡 化 是 最 常 见 的 间 接 对 比 度 增 强 方法 。 直 方 图 均 衡 化 则 通 过 使 用 累 积 函 数 对 灰 度 值 进 行 “调 整 ”以 实 现 对 比度 的 增 强 。 直 方 图 均 衡 化 处 理 的 “中 心
2、 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 。 直 方 图 均 衡 化 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 。 直 方 图 均 衡 化 就 是 把 给 定 图 像 的 直 方 图 分 布 改 变 成 “均 匀 ”分布 直 方 图 分 布 。 缺 点 ： 1） 变 换 后 图 像 的 灰 度 级 减 少 ， 某 些 细 节 消 失 ； 2） 某 些 图 像
3、， 如 直 方 图 有 高 峰 ， 经 处 理 后 对 比 度 不 自 然 的 过 分 增 强 。 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 。 这 种 方 法 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 这 种 方 法 ， 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
4、 图 均 衡化 通 过 有 效 地 扩 展 常 用 的 亮 度 来 实 现 这 种 功 能 。 直 方 图 均 衡 化 的 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 象 素 灰 度 值 的 动 态 范 围 从 而 可 达 到 增 强 图 像 整 体 对 比 度 的 效 果 。设 原 始 图 像 在 (x， y)处 的 灰 度 为 f， 而 改 变 后 的 图 像 为 g， 则 对 图 像 增 强 的方 法 可 表 述 为 将 在 (x， y)处 的 灰 度 f 映 射 为 g。 在 灰 度 直 方 图 均 衡 化 处
5、理 中对 图 像 的 映 射 函 数 可 定 义 为 :g = EQ (f)， 这 个 映 射 函 数 EQ(f)必 须 满 足 两个 条 件 (其 中 L 为 图 像 的 灰 度 级 数 ): (1)EQ(f)在 0 f L-1 范 围 内 是 一 个 单 值 单 增 函 数 。 这 是 为 了 保 证 增 强处 理 没 有 打 乱 原 始 图 像 的 灰 度 排 列 次 序 ， 原 图 各 灰 度 级 在 变 换 后 仍 保 持 从 黑到 白 (或 从 白 到 黑 )的 排 列 。 (2)对 于 0 f L-1 有 0 g L-1， 这 个 条 件 保 证 了 变 换 前 后 灰 度 值
6、动态 范 围 的 一 致 性 。 累 积 分 布 函 数 即 可 以 满 足 上 述 两 个 条 件 ， 并 且 通 过 该 函 数 可 以 完 成 将 原图 像 f 的 分 布 转 换 成 g 的 均 匀 分 布 。 此 时 的 直 方 图 均 衡 化 映 射 函 数 为 : gk = EQ(fk) = (ni/n) = pf(fi) ， (k=0， 1， 2， ， L-1) 上 述 求 和 区 间 为 0 到 k， 根 据 该 方 程 可 以 由 源 图 像 的 各 像 素 灰 度 值 直 接得 到 直 方 图 均 衡 化 后 各 像 素 的 灰 度 值 。 在 实 际 处 理 变 换 时
7、 ， 一 般 先 对 原 始 图像 的 灰 度 情 况 进 行 统 计 分 析 ， 并 计 算 出 原 始 直 方 图 分 布 ， 然 后 根 据 计 算 出 的累 计 直 方 图 分 布 求 出 fk 到 gk 的 灰 度 映 射 关 系 。 在 重 复 上 述 步 骤 得 到 源 图 像所 有 灰 度 级 到 目 标 图 像 灰 度 级 的 映 射 关 系 后 ， 按 照 这 个 映 射 关 系 对 源 图 像 各点 像 素 进 行 灰 度 转 换 ， 即 可 完 成 对 源 图 的 直 方 图 均 衡 化 。一， 调用 matlab 系统函数方式（1）实验程序clear all;f=im
8、read(cameraman.tif);figure(1)imshow(f); figure(2)imhist(f); %绘制图象 f 的直方图ylim(auto);g=histeq(f,256); %对 f 进行直方图均衡，输出图象的灰度级数为 256figure(3)imshow(g);figure(4)imhist(g);ylim(auto);（2）实验结果：图 1：原图 图 2: 原图的直方图图 3:处理后的图 图 4: 处理后的直方图二：不用系统函数（1） 实验程序：f=imread(cameraman.tif); %读取原图象 m,n=size(f); figure(1)imsho
9、w(f);gp=zeros(1,256); %创建一个全零矩阵，1256，计算各灰度出现的概率 for i=1:256 gp(i)=length(find(f = (i-1)/(m*n); end figure,bar(0:255,gp); newGp=zeros(1,256); %计算新的各灰度出现的概率 S1=zeros(1,256); S2=zeros(1,256); tmp=0; for i=1:256 tmp=tmp+gp(i); S1(i)=tmp; %各会灰度的累计概率S2(i)=round(S1(i)*256); %将取整后的值存储在 S2end for i=1:256 new
10、Gp(i)=sum(gp(find(S2=i); end figure,bar(0:255,newGp); for i=1:256newGrayPic(find(f=(i-1)=S2(i); %用新的灰度填充以前旧的灰度值end figure,imshow(newGrayPic);（2） 实验结果：图 5：原图 图 6: 原图的直方图 图 7: 处理后的图 图 8: 处理后的直方图三：对比用这两种方式实现效果上的差异调用系统函数的结果 未调用系统函数的结果尽管两者直方图的统计方式不同，左边是统计每个灰度值总的像素，右边是统计每个灰度值出现的概率，但形状基本相同。I = imread(1.bmp);J=imread(2.bmp);Iq = imsubtract(I,J);%两幅图相减imview(Iq)
