数字图像处理知识及实验
数字图像处理 实验报告(完整版)
数字图像处理实验一 MAＴLAＢ数字图像处理初步一、显示图像１．利用imread（）函数读取一幅图像，假设其名为ｌｉｌy、ｔｉf，存入一个数组中；2。
利用whoｓ命令提取该读入图像flｏwｅr、tiｆ得基本信息；３.利用imsｈoｗ（）函数来显示这幅图像；实验结果如下图:源代码:>〉Ｉ＝iｍrｅａｄ（'lｉly、ｔif’）>〉whos I＞> imｓhow（Ｉ)二、压缩图像４.利用ｉｍfinfo函数来获取图像文件得压缩，颜色等等其她得详细信息；5.利用imwriｔe(）函数来压缩这幅图象，将其保存为一幅压缩了像素得jｐg文件，设为lily、jpg；语法：imｗｒｉtｅ（原图像，新图像,‘quａlitｙ’,ｑ），q取０-10０。
6．同样利用imwrite()函数将最初读入得tiｆ图象另存为一幅bmp图像，设为flilｙ、bmｐ。
7。
用imrｅad（)读入图像Sunｓet、jpg与Ｗinｔeｒ、jpg；8.用ｉmｆｉnfo()获取图像Sｕnｓeｔ、ｊpg与Winter、ｊpg得大小；9.用ｆｉｇurｅ，imｓhow()分别将Ｓunｓet、ｊｐg与Winter、jpg显示出来,观察两幅图像得质量.其中9得实验结果如下图：源代码：4~6（接上面两个) >＞I=iｍread('lｉly、tiｆ’)>> iｍfinfo’lｉly、tif’;>〉iｍwrｉte（Ｉ，'ｌily、jpg＇,’qｕality'，20)；〉> ｉmｗrite(I，’lily、bmp’）；7～9 〉〉I＝imrｅad（'Ｓunsｅt、jpｇ'）;＞＞J=ｉmｒead(＇Wiｎter、jpｇ’）>>imfinfo ’Ｓｕnset、jｐｇ'＞> imfinｆo'Winter、jpｇ’〉〉figure（１),imshｏw（’Sunset、ｊpｇ’）>>ｆigure(2），ｉmshow('Wintｅr、ｊpｇ’）三、二值化图像10．用iｍ2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像得特征。
数字图像处理实验报告
数字图像处理实验报告数字图像处理实验报告（一）实验目的1.理解数字图像处理的基本概念与原理。
2.掌握数字图像处理的基本方法。
3.掌握常用数字滤波器的性质和使用方法。
4.熟练应用数字图像处理软件进行图像处理。
实验器材计算机、MATLAB软件实验内容1.图像的读写与显示首先，我们需要在MATLAB中读入一幅图像，并进行显示。
% 导入图像文件I = imread('myimage.jpg');% 显示图像imshow(I);2.图像的分辨率与色彩空间转换数字图像处理中的一个重要概念是图像的分辨率，通常用像素数量表示。
图像的分辨率越高，代表着图像包含更多的像素，从而更具细节和清晰度。
在数字图像处理中，常常需要将一幅图像从一种色彩空间转换为另一种色彩空间。
RGB色彩空间是最常见的图像色彩空间之一，并且常常作为其他色彩空间的基础。
% 转换图像色彩空间J = rgb2gray(I);% 显示转换后的图像imshow(J);3.图像的增强与滤波图像的增强通常指的是对图像的对比度、亮度和清晰度等方面进行调整，以改善图像的质量和可读性。
数字图像处理中的滤波是一种常用的图像增强方法。
滤波器是一个能够对图像进行局部操作的矩阵，它能够提取或抑制特定的图像特征。
% 对图像进行平滑滤波K = imgaussfilt(J, 1);% 显示滤波后的图像imshow(K);4.数字图像处理在实际应用中的例子数字图像处理在很多实际应用中被广泛应用。
这些应用包括医疗成像、计算机视觉、人脸识别、安防监控等。
下面是数字图像处理在人脸识别应用中的一个简单例子。
% 导入图像文件I = imread('face.jpg');% 进行人脸检测faceDetector = vision.CascadeObjectDetector;bbox = step(faceDetector, I);% 在图像上标记人脸位置IFaces = insertObjectAnnotation(I, 'rectangle', bbox, 'Face');imshow(IFaces);实验结论通过本次实验，我已经能够理解数字图像处理的基本概念与原理，掌握数字图像处理的基本方法，熟练应用数字图像处理软件进行图像处理。
数字图像处理学
数字图像处理学数字图像处理(digital image processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二就是数学的发展（特别就是离散数学理论的创办和健全）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
一、实验内容：主要是图像的几何变换的编程实现，具体包括图像的读取、改写，图像平移，图像的镜像，图像的转置，比例缩放，旋转变换等，具体要求如下：1、编程同时实现图像位移，建议位移后的图像大小维持不变；2、编程实现图像的镜像；3、编程同时实现图像的单位矩阵；4、编程实现图像的比例缩放，要求分别用双线性插值和最近邻插值两种方法来实现，并比较两种方法的缩放效果；5、编程同时实现以任一角度对图像展开旋转变换，建议分别用双线性插值和最近邻插值两种方法去同时实现，并比较两种方法的转动效果。
二、实验目的和意义：本实验的目的就是并使学生熟识并掌控图像处理编程环境，掌控图像位移、镜像、单位矩阵和转动等几何变换的方法，并能够通过程序设计同时实现图像文件的读、写下操作方式，及图像位移、镜像、单位矩阵和转动等几何变换的程序实现。
三、实验原理与主要框架：3.1实验所用编程环境：visualc++(简称vc)是微软公司提供的基于c/c++的应用程序集成开发工具、vc拥有丰富的功能和大量的扩展库，使用它能有效的创建高性能的windows应用程序和web应用程序。
vc除了提供更多高效率的c/c++编译器外，还提供更多了大量的可以器重类和组件，包含知名的谷歌基础类库(mfc)和活动模板类库(atl)，因此它就是软件开发人员不可多得的开发工具。
vc丰富的功能和大量的扩展库，类的重用特性以及它对函数库、dll库的支持能使程序更好的模块化，并且通过向导程序大大简化了库资源的使用和应用程序的开发，正由于vc具有明显的优势，因而我选择了它来作为数字图像几何变换的开发工具。
数字图像处理的基础知识
数字图像处理的基础知识数字图像处理是一种以计算机为基础的处理图像的技术。
它的核心是数字信号处理技术，其中包括数字滤波、傅里叶变换、数字图像处理等等。
数字图像处理主要是针对图像进行数字信号处理和计算机算法处理，从而得到使图像更加美观、清晰，同时也可对其进行各种分析和处理。
数字图像处理的基础知识包括图像的获取、表示和处理。
在此，我们将分别阐述这些基础知识。
一、图像的获取图像的获取方式有很多种，包括摄影、扫描、数码相机等等。
这些方式都可以将图像转化为数字信号，以便于计算机的处理。
在数字相机中，传感器采集光线信息并将其转化为电信号，再经过模数转换后保存在内存卡中。
而在扫描仪中，可以通过光线照射样品，然后采集样品的反射信息，保存成数字图像的形式。
二、图像的表示图像可以用矩阵的形式进行表示，其中每个矩阵的元素都对应图像中的一个像素点。
这个像素值可以代表颜色、灰度和亮度等信息。
将图像信息存储成数字矩阵的方式称为栅格画。
在黑白影像中，每个像素点只有黑和白两种颜色，每个像素点都用1或0表示。
在彩色图像中，每个像素中则由红绿蓝三原色按一定比例混合而成的颜色值来表示，并用数值表示。
这些数值也可以是整数或浮点数等形式。
另外，还有图像的压缩技术。
图像压缩通常包括有损压缩和无损压缩。
有损压缩会使压缩的图像失去一些细节，但能帮助减少图像的尺寸。
无损压缩则不会丢失图像的任何信息。
常见的无损压缩格式为PNG、BMP、TIFF等，常见的有损压缩格式为JPEG、GIF等。
三、图像的处理图像的处理包括预处理、增强、分割、检测和识别等等。
其中预处理指图像的去噪、灰度平衡、色彩校正等，以利用后续处理。
增强指通过调整图像的对比度、亮度等等，使图像更加清晰、唯美。
分割技术可以将图像分为多个区域，每个区域有独特的特征。
例如，我们可以用分割技术将人体和背景分开。
检测技术用于在图像中找到我们感兴趣的点，例如在医学图像中检测肿瘤。
识别技术允许计算机对图像中的对象进行分类，例如人脸识别技术和指纹识别技术等等。
《数字图像处理》实验报告
《数字图像处理》实验报告数字图像处理是一门将图像进行数字化处理的学科，它通过计算机算法和技术手段对图像进行分析、增强、压缩和重建等操作。
在本次实验中，我们学习了数字图像处理的基本概念和常用算法，并通过实验来探索其应用和效果。
首先，我们进行了图像的读取和显示实验。
通过使用Python中的OpenCV库，我们能够轻松地读取图像文件，并将其显示在屏幕上。
这为我们后续的实验奠定了基础。
同时，我们还学习了图像的像素表示方法，了解了图像由像素点组成的原理。
这使我们能够更好地理解后续实验中的算法和操作。
接下来，我们进行了图像的灰度化实验。
灰度化是将彩色图像转换为灰度图像的过程。
在实验中，我们使用了不同的算法来实现灰度化操作，包括平均值法、最大值法和加权平均法等。
通过比较不同算法得到的灰度图像，我们发现不同算法对图像的处理效果有所差异，这使我们深入理解了灰度化的原理和应用。
随后，我们进行了图像的直方图均衡化实验。
直方图均衡化是一种用于增强图像对比度的方法。
在实验中，我们使用了直方图均衡化算法来对图像进行处理，并观察了处理前后的效果变化。
通过实验，我们发现直方图均衡化能够显著提高图像的对比度，使图像更加清晰和鲜明。
在进一步探索图像处理技术的过程中，我们进行了图像的滤波实验。
滤波是一种常用的图像处理操作，它通过对图像进行卷积操作来实现。
在实验中，我们学习了不同类型的滤波器，包括均值滤波器、高斯滤波器和中值滤波器等。
通过比较不同滤波器对图像的处理效果，我们发现每种滤波器都有其适用的场景和效果。
此外，我们还进行了图像的边缘检测实验。
边缘检测是一种用于提取图像边缘信息的方法。
在实验中，我们学习了不同的边缘检测算法，包括Sobel算子、Canny算子和Laplacian算子等。
通过比较不同算法对图像的处理效果，我们发现每种算法都有其独特的特点和应用。
最后，我们进行了图像的压缩实验。
图像压缩是一种将图像数据进行压缩以减小文件大小的方法。
《数字图像处理》实验教案
《数字图像处理》实验教案一、实验目的与要求1. 实验目的（1）理解数字图像处理的基本概念和原理；（2）掌握常用数字图像处理算法和技巧；（3）培养实际操作能力和动手能力，提高解决实际问题的能力。
2. 实验要求（1）熟悉实验环境和相关软件；（2）了解实验原理和流程；二、实验环境与工具1. 实验环境（1）计算机操作系统：Windows 10/Linux/macOS；（2）编程语言：MATLAB/Python/C++等；（3）图像处理软件：Photoshop/OpenCV等。
2. 实验工具（1）编程环境：MATLAB/Python/C++开发工具；（2）图像处理软件：Photoshop/OpenCV；（3）实验教材和参考资料。
三、实验内容与步骤1. 实验一：图像读取与显示（1）打开图像处理软件，导入一幅图像；（2）了解图像的基本信息，如像素大小、分辨率等；（3）将图像显示在界面上，进行观察和分析。
2. 实验二：图像基本运算（1）对图像进行灰度化处理；（2）进行图像的直方图均衡化；（3）实现图像的滤波处理，如高斯滤波、中值滤波等。
3. 实验三：边缘检测（1）实现Sobel边缘检测算法；（2）实现Canny边缘检测算法；（3）分析不同边缘检测算法的效果和特点。
4. 实验四：图像分割（1）利用阈值分割法对图像进行分割；（2）利用区域生长法对图像进行分割；（3）分析不同图像分割算法的效果和特点。
5. 实验五：特征提取与匹配（1）提取图像的关键点，如角点、边缘点等；（2）利用特征匹配算法，如SIFT、SURF等，进行图像配准；（3）分析不同特征提取与匹配算法的效果和特点。
四、实验注意事项1. 严格遵循实验要求和步骤，确保实验的正确性；2. 注意实验环境和工具的使用，防止计算机和设备的损坏；3. 尊重知识产权，不得抄袭和剽窃他人成果；4. 实验过程中遇到问题，应及时请教老师和同学。
五、实验报告要求1. 报告内容：实验目的、实验环境、实验内容、实验步骤、实验结果及分析；2. 报告格式：文字描述清晰，条理分明，公式和图像正确无误；3. 报告篇幅：不少于2000字；4. 提交时间：实验结束后一周内。
数字图像及处理的基础知识
数字图像1 数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。
2 图像种类：二值图像(Binary Image): 图像中每个像素的亮度值(Intensity)仅可以取自0到1的图像。
灰度图像(Gray Scale Image)，也称为灰阶图像: 图像中每个像素可以由0(黑)到255(白)的亮度值表示。
0-255之间表示不同的灰度级。
彩色图像(Color Image)：每幅彩色图像是由三幅不同颜色的灰度图像组合而成，一个为红色，一个为绿色，另一个为蓝色。
伪彩色图像（false-color）multi-spectral thematic 立体图像(Stereo Image)：立体图像是一物体由不同角度拍摄的一对图像，通常情况下我们可以用立体像计算出图像的深度信息。
三维图像(3D Image):三维图像是由一组堆栈的二位图像组成。
每一幅图像表示该物体的一个横截面。
数字图像也用于表示在一个三维空间分布点的数据，例如计算机断层扫描（:en:tomographic，CT）设备生成的图像，在这种情况下，每个数据都称作一个体素。
3 图像显示目前比较流行的图像格式包括光栅图像格式BMP、GIF、JPEG、PNG等，以及矢量图像格式WMF、SVG等。
大多数浏览器都支持GIF、JPG以及PNG图像的直接显示。
SVG格式作为W3C的标准格式在网络上的应用越来越广。
4 图像校准：数字图像与看到的现象之间关系的知识，也就是几何和光度学或者传感器校准。
图像的基本属性亮度：也称为灰度，它是颜色的明暗变化，常用0 ％～100 ％( 由黑到白) 表示。
对比度：是画面黑与白的比值，也就是从黑到白的渐变层次。
比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。
直方图：表示图像中具有每种灰度级的象素的个数，反映图像中每种灰度出现的频率。
图像在计算机中的存储形式，就像是有很多点组成一个矩阵，这些点按照行列整齐排列，每个点上的值就是图像的灰度值，直方图就是每种灰度在这个点矩阵中出现的次数。
《数字图像处理》实验教案
《数字图像处理》实验教案一、实验目的1. 使学生了解和掌握数字图像处理的基本概念和基本算法。
2. 培养学生运用数字图像处理技术解决实际问题的能力。
3. 提高学生使用相关软件工具进行数字图像处理操作的技能。
二、实验内容1. 图像读取与显示：学习如何使用相关软件工具读取和显示数字图像。
2. 图像基本操作：学习图像的旋转、缩放、翻转等基本操作。
3. 图像滤波：学习使用不同类型的滤波器进行图像去噪和增强。
4. 图像分割：学习利用阈值分割、区域增长等方法对图像进行分割。
5. 图像特征提取：学习提取图像的边缘、角点等特征信息。
三、实验环境1. 操作系统：Windows或Linux。
2. 编程语言：Python或MATLAB。
3. 图像处理软件：OpenCV、ImageJ或MATLAB。
四、实验步骤1. 打开相关软件工具，导入图像。
2. 学习并实践图像的基本操作，如旋转、缩放、翻转等。
3. 学习并实践图像滤波算法，如均值滤波、中值滤波等。
4. 学习并实践图像分割算法，如全局阈值分割、局部阈值分割等。
5. 学习并实践图像特征提取算法，如Canny边缘检测算法等。
五、实验要求1. 每位学生需独立完成实验，并在实验报告中详细描述实验过程和结果。
2. 实验报告需包括实验目的、实验内容、实验步骤、实验结果和实验总结。
3. 实验结果要求清晰显示每个步骤的操作和效果。
4. 实验总结部分需对本次实验的学习内容进行归纳和总结，并提出改进意见。
六、实验注意事项1. 实验前请确保掌握相关软件工具的基本使用方法。
3. 在进行图像操作时，请尽量使用向量或数组进行处理，避免使用低效的循环结构。
4. 实验过程中如需保存中间结果，请使用合适的文件格式，如PNG、JPG等。
5. 请合理安排实验时间，确保实验报告的质量和按时提交。
七、实验评价1. 实验报告的评价：评价学生的实验报告内容是否完整、实验结果是否清晰、实验总结是否到位。
2. 实验操作的评价：评价学生在实验过程中对图像处理算法的理解和运用能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数字图像处理期末复习重点第一章1，数字图像的应用领域：（1）医学；x-ray，超声波成像，CT(2) 遥感；农作物估产，地质勘探，天气预报(3) 工业；无损探伤，外观自动检查(4) 军事公安：巡航导弹地形识别，指纹识别，手迹鉴定2，数字图像与模拟图像的异同点模拟图像：通过各种物理量的强弱变化来记录图像的各点的灰度信息；光照的位置和强度连续变化。
数字图像：用数字来记录图像上的灰度信息。
3，数字图像处理的特点：图像数据量庞大；精度高；再现性好第二章1，人眼视觉原理课本P23锥状细胞：对高照度敏感；白昼视觉。
杆状细胞：对低照度敏感；夜视觉（低照明时，亮度辨别较差（韦伯比大）；高照明时，亮度辨别力好（韦伯比小）2，名词解释：（1）马赫带效应：当亮度发生跃变时，视觉上会感到边缘的亮侧更亮些，暗侧更暗些。
在图像轮廓部分发生的主观亮度对比度加强的现象，又称为边缘对比效应。
（2）同时对比效应：眼睛对物体的主观亮度强烈依赖于物体自身的背景。
灰色物体周围是黑色背景时，主观亮度增强；当周围背景变明亮时，主观亮度会减弱。
3，图像的获取步骤及其影响因素等 P30-34步骤：（1）采样，影响因素：空间分辨率采样间隔越小，像素数越多，空间分辨率高，图像质量好，但数据量大。
（2）量化，影响因素：灰度级分辨率量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；4，数字图像的表示 P31（1）数字图像表示方式二维离散亮度函数： f (x, y) 二维矩阵: A [m ,n]（2）数字图像的数据量即图像的大小。
存储数字图像所需的比特数b=M×N×k（此题有可能是直接给出k，也有可能告诉你灰度级数为256，则，k=8）课本P33 （3）数字图像分类及其特点：二值图像：每个像素只能是黑或白，没有中间的过渡，又称为黑白图像。
二值图像的像素值为0或1。
灰度图像：灰度级数大于2的图像。
但它不包含彩色信息。
彩色图像：每个像素由RGB三个分量构成，其中RGB是由不同的灰度级来描述。
5，数字图像的质量层次，亮度，对比度，清晰度第三章1，点处理(灰度变换) P63基本灰度变换，直方图运算，代数运算2，幂次变换r>1时，降低灰度级，图像变暗，r<1时变亮 P663，灰度直方图（名词解释）：横坐标为灰度级，纵坐标为灰度级的频率，绘制频率和灰度级的关系图就是灰度直方图（此条书上好像没有，具体可见第三章PPT第二十页）4，空间域滤波器处理（模板处理）空间域（1）平滑滤波器（频率域还包括低通滤波器，作用：去噪，模糊图像） P93分类：线性滤波器；统计排序滤波器：中值，最大，最小滤波器（此题参考实验程序）。
具体只需掌握3×3或5×5的（2）锐化滤波器（频率域还包括高通滤波器，作用：突出细节）分类：二阶微分滤波器--拉普拉斯算子；一阶微分滤波器--梯度算子拉普拉斯算子及梯度算子的异同点 P99两者都有边缘增强的作用。
拉普拉斯算子，还可以有效地消除图像上因扩散作用产生地模糊，使图像清晰化。
5，直方图均衡化步骤（计算题或程序题）具体参见课本P76的例题注意：（1）要看看P77的均衡后的直方图，有可能会叫我们画（2）例题是给出了r，n和p。
有可能是给出n，求p，p=n／MN（MN为图像大小）第四章1，频率域滤波的基本步骤（解答题或程序题）课本P165或第四章PPT P38（1）用(-1)x+y乘以输入图像f (x ,y)进行中心变换（2）计算1中的DFT,，F(u，v)（3）用滤波器函数H(u，v)乘以F(u,v)，得到G(u ,v)（4）计算3中结果G(u，v)的反DFT，g (x,y)（5）得到4中结果的实部R[g(x，y)]（6）用(-1)x+y乘以5中的结果R[g(x，y)] ，取消输入图像的乘数2，频率域平滑滤波器分类：课本 P169理想低通滤波器，巴特沃思低通滤波器，高斯低通滤波器（无振铃现象）至于什么是振铃现象，具体可参考课本P171，本人是看不懂。
百度上大概说振铃是图像灰度剧烈变化的临域出现类吉布斯分布——(满足给定约束条件且熵最大的分布)的震荡。
3，同态滤波的目的：消除不均匀照度的影响而又不损失图像细节第八章1，信源编码：数据压缩是信息论的一个重要研究内容，称信源编码。
概念：以尽可能少的数据表示信源所发出的信号，减少数据所占用的存储空间。
2，图像压缩（名词解释）：图像压缩是数据压缩技术在图像中的应用。
概念：在满足一定图像质量条件下，用尽可能少的比特数来表示原始图像，以提高图像传输的效率和减少图像存储的容量。
分类：根据解压重建后图像和原始图像之间是否有误差，图像压缩分为：无损压缩：原始数据可完全从压缩数据中恢复出来，即在压缩和解压缩过程中没有信息损失。
压缩比2:1左右；有损压缩：原始数据不能完全从压缩数据中恢复出来，即恢复数据只是在某种失真度下的近似。
压缩比2:1-1000:13，图像保真度准则概念及其分类概念：评价信息损失的测度。
描述解码图像相对于原始图像的偏离程度。
分类：客观保真度准则和主观保真度准则4，变字长编码定理：在变字长编码中，对出现概率大的信符赋予短码字，而对小的赋予长码字。
如果码字长度严格按照所对应信符的出现概率大小逆序排列，则编码的平均码长不会大于任何其它排列方式。
5，数据冗余概念及分类：概念：信源数据=有用数据 + 冗余数据6，三种基本的图像冗余：第八章PPT第十页（书上和PPT的名称不一样，以PPT为准）（1）编码冗余：如果一个图像的灰度级编码，使用了多于实际需要的编码符号，就称该图像包含了编码冗余。
消除方法：哈夫曼编码，算数编码。
（2）像素间冗余：反映图像像素之间的相关性（3）心理视觉冗余：在正常视觉处理过程中，各种信息的相对重要程度不同，不重要的信息称心理视觉冗余。
7，各种编码方法的作用：（1）霍夫曼编码和算数编码：消除编码冗余（2） LZW编码、位平面编码、预测编码和变换编码：消除像素间冗余（3）量化编码：消除心理视觉冗余8，霍夫曼编码参考课本P345（计算题）主要是计算霍夫曼编码，平均码长和熵（课本P339）实验一图像像素处理1.提取图像woman的像素在50100≤≤之间的像素点，并对提取处理的像素作如下处r理：（1）对其提取的像素求平均值且将重新赋值于原像素；（2）将提取的像素全部置为0；（3）将提取的像素全部置为255；要求显示处理前后的图像（4幅图显示在同一窗口，且图像标题分别为“原图”、“置0图”、“置255图”、“置平均值图”）。
clcload womanT=X;subplot(2,2,1);imshow(X,map);%展示图片title('原画');b=find(X>=50&X<=100);X(b)=mean(X(b));subplot(2,2,4);imshow(X,map);%展示图片title('平均');X=T;X(b)=0;subplot(2,2,2);imshow(X,map);%展示图片title('置0');X=T;X(b)=255;subplot(2,2,3);imshow(X,map);%展示图片title('置255');2. 对图像detfingr 进行阈值处理，阈值函数如下：0127255127r s r ≤⎧=⎨>⎩，要求显示处理前后的图像（2幅图显示在同一窗口，且图像标题分别为“处理前图像”、“处理后图像”）。
clc;load womansubplot(1,2,1);imshow(X,map);title('处理前图像');b=find(X<=127);X(b)=0;a=find(X>127);X(a)=255;subplot(1,2,2);imshow(X,map);title('处理后图像');实验二图像灰度处理1.分别对图像woman进行如下灰度变换（1）反转变换灰度级数8bit，函数取1=--，要求显示处理前后的图像（显示在同一窗口）；s L r（2）对数变换函数取log(1)=+，要求显示处理前后的图像（显示在同一窗口）；s r（3）幂次变换函数取s rγ=（γ分别取0.9和1.1），要求显示处理前后的图像（显示在同一窗口）。
clc;load womanr=X;subplot(231);imshow(X,map);title('处理前图像');s1=256-1-r;subplot(232);imshow(s1,map);title('取反');s2=log(1+r)*10;subplot(233);imshow(s2,map);title('对数');s3=r^0.9;subplot(234);imshow(s3,map);title('幂律0.9');s4=r()^1.1;subplot(235);imshow(s4,map);title('幂律1.1');实验三图像直方图处理对图像woman进行灰度级（即8bit转换为3bit），并对转换后的图像进行直方图均衡化处理、且分别显示出每个灰度级的像素个数。
clc;clear all;%一，图像的预处理，读入彩色图像将其灰度化load woman; %读入JPG彩色图像文件T=X;subplot(3,2,1);imshow(T,map) %显示出来title('原图像')A=round(T/255*7);subplot(3,2,2);imshow(A,map) %显示出来title('3bit图像')%二，绘制直方图[m,n]=size(A); %测量图像尺寸参数Pr=zeros(1,8); %预创建存放灰度出现概率的向量for k=0:7Pr(k+1)=length(find(A==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置endsubplot(3,2,3);bar(0:7,Pr,'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(1,8);for i=1:8for j=1:is1(i)=Pr(j)+s1(i);endends2=round((s1*7)+0.4);for i=1:8Ps(i)=sum(Pr(find(s2==i)));endsubplot(3,2,4);bar(0:7,Ps,'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=A;for i=0:7PA(find(A==i))=s2(i+1); %将各个像素归一化后的灰度值赋给这个像素endsubplot(3,2,5);imshow(PA,map) %显示均衡化后的图像title('均衡化后图像')实验四空域滤波处理对图像woman进行均值滤波，自己编写均值滤波函数，要求程序适用于任何的n*n模板。