数字图像处理-灰度变换
数字图像处理_课件_3
21
航拍图像的幂律变换增强
数第 字三 图章 像灰 处度 理变
换 与 空 间 滤 波
a. 原始图像
b. C=1, =3.0 c. C=1, =4.0 (最佳) d. C=1, =5.0
s cr c 1
22
电子显微镜扫描
3.2.4 对比度拉伸
的 放 大 约 700 倍 的花粉图像
➢ 因此，归一化后的直方图由 p(rk ) nk / MN 给 出，其中k＝0, 1, …, L-1。
29
数第 字三
➢ p(rk)是灰度级rk在图像中出现的概率的一
图 章 个估计。
像灰
处 度 ➢ 归一化直方图的所有分量之和应等于1。
理变
换 与
➢ 直方图是多种空间域处理技术的基础。
空
间
滤
波
30
数第 字三 图章 像灰 处度 理变
换 与 空 间 滤 波
4. 一般情况下，从输入图像的左上角开始处理，以 水平扫描的方式逐像素地处理，每次一行
5. 当该邻域的原点位于图像的边界上时，部分邻域 将位于图像的外部。此时，可以用0或者其它指定 的灰度值填充图像的边缘，被填充边界的厚度取 决于邻域的大小。
以上处理称为空间滤波，邻域与预定义的操作一 起称为空间滤波器。
与 为输出中较宽范围的灰度值，可以扩展图像
空 间
中暗像素的值，同时压缩高灰度级的值。
滤 波
➢ 反对数变换的作用与此相反。
17
傅里叶频谱及其对数变换
数第
字三
图章
像灰
处度
理变
换
与
空
间 滤
傅立叶频谱的对数变换，s
c
灰度变换的基本原理
灰度变换的基本原理灰度变换是数字图像处理中一种常见的操作技术，它通过改变图像中每个像素的亮度值，从而实现图像的增强或调整。
灰度变换的基本原理是将原始图像的灰度级映射到一个新的灰度级，使得图像的视觉效果更加理想。
在进行灰度变换之前，我们需要了解一些基本概念。
首先，灰度级是指图像中每个像素的亮度值，通常用0到255的整数表示，其中0代表黑色，255代表白色。
其次，灰度变换函数是将原始图像的灰度级映射到新的灰度级的函数，它决定了图像的最终效果。
常用的灰度变换函数包括线性变换、对数变换、幂律变换等。
线性变换是最简单的一种灰度变换方法，它通过一条直线的斜率和截距来调整图像的亮度。
对数变换和幂律变换则是非线性变换方法，它们通过对原始图像的灰度级取对数或幂次来改变图像的亮度分布。
灰度变换的具体步骤如下：首先，读入原始图像，并将其转换为灰度图像。
然后，选择合适的灰度变换函数，并根据函数的定义计算每个像素的新灰度级。
最后，将新的灰度级赋值给每个像素，并生成处理后的图像。
灰度变换在图像处理中有着广泛的应用。
首先，它可以用于图像增强，即通过调整图像的亮度和对比度，使图像更加清晰和鲜明。
其次，灰度变换可以用于图像的调整和校正，例如校正图像的曝光不足或过度曝光的问题。
此外，灰度变换还可以用于图像的压缩和编码，从而减少图像的存储空间和传输带宽。
灰度变换虽然简单，但在实际应用中需要根据具体情况选择合适的变换函数和参数。
例如，在图像增强中，可以根据图像的亮度分布选择线性变换、对数变换或幂律变换。
对于高动态范围图像，可以采用自适应灰度变换方法，根据图像的局部特征进行变换。
需要注意的是，灰度变换可能会引入一些副作用，例如图像的噪声会被放大，导致图像质量的下降。
因此，在进行灰度变换时，需要考虑图像的特点和应用需求，避免不必要的变换和误操作。
灰度变换是数字图像处理中一种重要的操作技术，它通过改变图像的灰度级来实现图像的增强和调整。
灰度变换的基本原理是将原始图像的灰度级映射到一个新的灰度级，从而改变图像的亮度分布和视觉效果。
数字图像处理名词解释
•名词解释（每小题5分,本题共20分）数字图像数字图像是指由被称作像素的小块区域组成的二维矩阵。
将物理图像行列划分后，每个小块区域称为像素（PiXeI）O 数字图像处理指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术.8-连通的定义-对于具有值V的像素P和q ,如果q在集合N&p）中,则称这两个像素是8-连通的。
灰度直方图是指反映•幅图像各灰度级像元出现的频率。
灰度自方图是灰度级的函数，描述的是图像中该灰度级的像素个数。
即：横坐标农示灰度级，纵坐标衣示图像中该灰度级出现的个数。
性质：直方图是•幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某•灰度值像素所在位置。
也就是说，它只包含了该图像中某•灰度值的像素出现的概率，而丢失了其所在位置的信息。
用途：用于判断图像量化是否恰当直方图给出了•个简单可见的指示，用来判断•幅图象是否合理的利用了全部被允许的灰度级范圉。
•般•幅图应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。
丢失的信息将不能恢复。
数字图像通常有两种表示形式：位图，矢量图位图和矢量图的比较：1、点位图由像素构成，矢量图由对象构成点位图的基本构图单位是像素，像素包含了色彩信息。
包含不同色彩信息的像素的矩阵组合构成了千变万化的图像。
矢量图形指由代数方程定义的线条或曲线构成的图形。
如:农示-个圆形,矢量图像保存了• 个画圆的命令、圆心的坐标、半径的长度等等。
欲显示该圆，矢量绘图软件则根据圆的坐标、半径等信息，经过方程式计算，将圆“画”在屏幕上。
矢量图像由许多矢量图形元素构成, 这些图形元素称为“对象”。
2、点位图面向像素绘画,矢量图面向对象“构画”两种图像的构成方式不同，其绘画力式也存在差别。
点位图是通过改变像素的色彩实现绘画和画面的修改。
点位图软件捉供了模拟手绘习惯的工具实现绘画。
数字图像处理-图像基本运算
数字图像处理_图像基本运算图像基本运算1点运算线性点运算是指输⼊图像的灰度级与输出图像呈线性关系。
s=ar+b（r为输⼊灰度值，s为相应点的输出灰度值）。
当a=1，b=0时，新图像与原图像相同；当a=1，b≠0时，新图像是原图像所有像素的灰度值上移或下移，是整个图像在显⽰时更亮或更暗；当a＞1时，新图像对⽐度增加；当a＜1时，新图像对⽐度降低；当a＜0时，暗区域将变亮，亮区域将变暗，点运算完成了图像求补； ⾮线性点运算是指输⼊与输出为⾮线性关系，常见的⾮线性灰度变换为对数变换和幂次变换，对数变换⼀般形式为：s=clog（1+r）其中c为⼀常数，并假设r≥0.此变换使窄带低灰度输⼊图像映射为宽带输出值，相对的是输出灰度的⾼调整。
1 x=imread('D:/picture/DiaoChan.jpg');2 subplot(2,2,1)3 imshow(x);4 title('原图');5 J=0.3*x+50/255;6 subplot(2,2,2);7 imshow(J);8 title('线性点变换');9 subplot(2,2,3);10 x1=im2double(x);11 H=2*log(1+x1);12 imshow(H)13 title('⾮线性点运算');%对数运算幂次变换⼀般形式：s=cr^γ幂级数γ部分值把窄带暗值映射到宽带输出值下⾯是⾮线性点运算的幂运算1 I=imread('D:/picture/DiaoChan.jpg');2 subplot(2,2,1);3 imshow(I);title('原始图像','fontsize',9);4 subplot(2,2,2);5 imshow(imadjust(I,[],[],0.5));title('Gamma=0.5');7 imshow(imadjust(I,[],[],1));title('Gamma=1');8 subplot(2,2,4);9 imshow(imadjust(I,[],[],1.5));title('Gamma=1.5');2代数运算和逻辑运算加法运算去噪处理1 clear all2 i=imread('lenagray.jpg');3 imshow(i)4 j=imnoise(i,'gaussian',0,0.05);5 [m,n]=size(i);6 k=zeros(m,n);7for l=1:1008 j=imnoise(i,'gaussian',0,0.05);9 j1=im2double(j);10 k=k+j1;11 End12 k=k/100;13 subplot(1,3,1),imshow(i),title('原始图像')14 subplot(1,3,2),imshow(j),title('加噪图像')15 subplot(1,3,3),imshow(k),title(‘求平均后的减法运算提取噪声1 I=imread(‘lena.jpg’);2 J=imnoise (I,‘lena.jpg’,0,0.02);3 K=imsubtract(J,I);4 K1=255-K;5 figure;imshow(I);7 figure;imshow(K1);乘法运算改变图像灰度级1 I=imread('D:/picture/SunShangXiang.jpg')2 I=im2double(I);3 J=immultiply(I,1.2);4 K=immultiply(I,2);5 subplot(1,3,1),imshow(I);subplot(1,3,2),imshow(J);6 subplot(1,3,3);imshow(K);逻辑运算1 A=zeros(128);2 A(40:67,60:100)=1;3 figure(1)4 imshow(A);5 B=zeros(128);6 B(50:80,40:70)=1;7 figure(2)8 imshow(2);9 C=and(A,B);%与10 figure(3);11 imshow(3);12 D=or(A,B);%或13 figure(4);14 imshow(4);15 E=not(A);%⾮16 figure(5);17 imshow(E);3⼏何运算平移运算实现图像的平移1 I=imread('lenagray.jpg');2 subplot(1,2,1);3 imshow(I);4 [M,N]=size(I);g=zeros(M,N);5 a=20;b=20;6for i=1:M7for j=1:N8if((i-a>0)&(i-a<M)&(j-b>0)&(j-b<N)) 9 g(i,j)=I(i-a,j-b);10else11 g(i,j)=0;12 end13 end14 end15 subplot(1,2,2);imshow(uint8(g));⽔平镜像变换1 I=imread('lena.jpg');2 subplot(121);imshow(I);3 [M,N]=size(I);g=zeros(M,N);4for i=1:M5for j=1:N6 g(i,j)=I(i,N-j+1);7 end8 end9 subplot(122);imshow(uint8(g));垂直镜像变换1 I=imread('lena.jpg');2 subplot(121);imshow(I);3 [M,N]=size(I);g=zeros(M,N);4for i=1:M5for j=1:N6 g(i,j)=I(M-i+1,j);7 end8 end9 subplot(122);imshow(uint8(g));图像的旋转1 x=imread('D:/picture/DiaoChan.jpg');2 imshow(x);3 j=imrotate(x,45,'bilinear');4 k=imrotate(x,45,'bilinear','crop');5 subplot(1,3,1),imshow(x);6 title(‘原图')7 subplot(1,3,2),imshow(j);8 title(‘旋转图(显⽰全部)')9 subplot(1,3,3),imshow(k);10 title(‘旋转图(截取局部)')⼏种插值法⽐较1 i=imread('lena.jpg');2 j1=imresize(i,10,'nearest');3 j2=imresize(i,10,'bilinear');4 j3=imresize(i,10,'bicubic');5 subplot(1,4,1),imshow(i);title(‘原始图像')6 subplot(1,4,2),imshow(j1);title(‘最近邻法')7 subplot(1,4,3),imshow(j2);title(‘双线性插值法')8 subplot(1,4,4),imshow(j3);title(‘三次内插法')放缩变换1 x=imread('D:/picture/ZiXia.jpg')2 subplot(2,3,1)3 imshow(x);4 title('原图');5 Large=imresize(x,1.5);6 subplot(2,3,2)7 imshow(Large);8 title('扩⼤为1.5');9 Small=imresize(x,0.1);10 subplot(2,3,3)11 imshow(Small);12 title('缩⼩为0.3');13 subplot(2,3,4)14 df=imresize(x,[600700],'nearest');15 imshow(df)16 title('600*700');17 df1=imresize(x,[300400],'nearest');18 subplot(2,3,5)19 imshow(df1)20 title('300*400');后记：（1）MATLAB基础知识回顾1：crtl+R是对选中的区域注释，ctrl+T是取消注释2：有的代码中点运算如O=a.*I+b/255 ，其中b除以255原因是：灰度数据有两种表式⽅法：⼀种是⽤unit8类型，取值0~255；另⼀种是double类型，取值0~1。
数字图像处理图像变换实验报告
实验报告实验名称:图像处理姓名:刘强班级:电信1102学号:1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”,能够进行图像处理方面的简单操作;2、熟悉图像点运算、几何变换及正交变换的基本原理,了解编程实现的具体步骤;3、观察图像的灰度直方图,明确直方图的作用与意义;4、观察图像点运算与几何变换的结果,比较不同参数条件下的变换效果;5、观察图像正交变换的结果,明确图像的空间频率分布情况。
三、实验原理1、图像灰度直方图、点运算与几何变换的基本原理及编程实现步骤图像灰度直方图就是数字图像处理中一个最简单、最有用的工具,它描述了一幅图像的灰度分布情况,为图像的相关处理操作提供了基本信息。
图像点运算就是一种简单而重要的处理技术,它能让用户改变图像数据占据的灰度范围。
点运算可以瞧作就是“从象素到象素”的复制操作,而这种复制操作就是通过灰度变换函数实现的。
如果输入图像为A(x,y),输出图像为B(x,y),则点运算可以表示为:B(x,y)＝f[A(x,y)]其中f(x)被称为灰度变换(Gray Scale Transformation,GST)函数,它描述了输入灰度值与输出灰度值之间的转换关系。
一旦灰度变换函数确定,该点运算就完全确定下来了。
另外,点运算处理将改变图像的灰度直方图分布。
点运算又被称为对比度增强、对比度拉伸或灰度变换。
点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸与均衡等。
图像几何变换就是图像的一种基本变换,通常包括图像镜像变换、图像转置、图像平移、图像缩放与图像旋转等,其理论基础主要就是一些矩阵运算,详细原理可以参考有关书籍。
实验系统提供了图像灰度直方图、点运算与几何变换相关内容的文字说明,用户在操作过程中可以参考。
下面以图像点运算中的阈值变换为例给出编程实现的程序流程图,如下:2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法与频域法,点运算与几何变换属于空域法。
数字图像处理基本操作及灰度调整实验报告
一．实验目的1.掌握读、写图像的基本方法；2.掌握MATLAB 语言中图像数据与信息的读取方法；3.理解图像灰度变换处理在图像增强的作用；4．掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。
二．实验基本原理1. 灰度变换灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。
1) 图像反转灰度级范围为[0, L-1]的图像反转可由下式获得r L s --=12) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。
解决的方法是对原图进行灰度压缩，如对数变换：s = c log(1 + r )，c 为常数，r ≥ 03) 幂次变换：0,0,≥≥=γγc cr s4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：其对应的数学表达式为：2. 直方图均衡化灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。
依据定义，在离散形式下， 用r k 代表离散灰度级，用p r (r k )代表p r (r )，并且有下式成立：nn r P k k r =)( 1,,2,1,010-=≤≤l k rk式中：n k 为图像中出现r k 级灰度的像素数，n 是图像像素总数，而n k /n 即为频数。
直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。
假定变换函数为ωωd p r T s r r)()(0⎰==(a) Lena 图像 (b) Lena 图像的直方图图1-1 Lena 图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即1,,1,010)(-=≤≤=l k r nn r p k k k r式中：l 是灰度级的总数目，p r (r k )是取第k 级灰度值的概率，n k 是图像中出现第k 级灰度的次数，n 是图像中像素总数。
实验报告---实验三图像灰度变换处理模板
计算机科学与工程学院天津理工大学计算机科学与工程学院实验报告2016 至2017 学年第二学期实验三图像灰度变换处理课程名称数字图像处理学号学生姓名卢洪利年级2014专业计算机科学与技术教学班号2实验地点主7-215实验时间2016年4月4日第1节至第2 节主讲教师杨淑莹实验成绩软件运行特色算法分析流程设计报告成绩总成绩实验（三）实验名称图像灰度变换处理软件环境OpenSUSE Leap 42.2Qt 5.6.1硬件环境PC实验目的掌握图像的灰度变换原理，编程实现图像的灰度变换功能。
实验内容（应包括实验题目、实验要求、实验任务等）1．实现灰度直方图。
要求：了解灰度直方图基本原理，实现灰度直方图。
说明：灰度直方图基本原理1 灰度直方图简介2 基本原理任务：（1）在左视图中打开一幅位图。
（2）制作一个【灰度直方图】菜单，将消息映射到右视图中，在右视图中实现灰度直方图。
2．实现灰度线性变换。
要求：了解灰度线性变换基本原理，实现灰度线性变换。
说明：灰度线性变换基本原理任务：（1）在左视图中打开一幅位图。
（2）制作一个【灰度线性变换】菜单，将消息映射到右视图中，在右视图中实现灰度线性变换。
3．实现灰度非线性变换。
要求：了解灰度非线性变换基本原理，实现灰度非线性变换。
说明：灰度非线性变换基本原理1灰度对数变换2灰度幂次变换3灰度指数变换任务：（1）在左视图中打开一幅位图。
（2）制作一个【灰度对数变换】菜单，将消息映射到右视图中，在右视图中实现灰度对数变换。
（3）制作一个【灰度幂次变换】菜单，将消息映射到右视图中，在右视图中实现灰度对数变换。
（4）制作一个【灰度指数变换】菜单，将消息映射到右视图中，在右视图中实现灰度指数变换。
4．实现阈值变换。
要求：了解阈值变换图基本原理，实现灰度阈值变换说明：灰度阈值变换基本原理任务：（1）在左视图中打开一幅位图。
（2）制作一个【阈值变换】菜单，将消息映射到右视图中，在右视图中实现阈值变换。
数字图像处理实验报告：灰度变换与空间滤波(附带程序,不看后悔)
1.灰度变换与空间滤波一种成熟的医学技术被用于检测电子显微镜生成的某类图像。
为简化检测任务，技术决定采用数字图像处理技术。
发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2的范围，因此，技术人员想保留I1-I2区间范围的图像，将其余灰度值显示为黑色。
（5）将处理后的I1-I2范围内的图像，线性扩展到0-255灰度，以适应于液晶显示器的显示。
请结合本章的数字图像处理处理，帮助技术人员解决这些问题。
1.1问题分析及多种方法提出（1）明亮且孤立的点是不够感兴趣的点对于明亮且孤立的点，其应为脉冲且灰度值为255(uint8)噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。
均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。
优点：速度快，实现简单；缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。
其公式如下：使用矩阵表示该滤波器则为：中值滤波：滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。
其过程为：a 、存储像素1，像素2.....像素9的值；b 、对像素值进行排序操作；c 、像素5的值即为数组排序后的中值。
优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。
缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。
- 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)。
1000
800
600
400
200
0
0
50
100
150
200
250
4
Gray-Level Transformation
The principal objective of image enhancement is to create a better image representation with unwanted information suppressed/removed and wanted information enhanced. This can be achieved in the spatial domain by graylevel transformation which maps the original set of gray-levels in an image Where T denotes the transformation or mapping function which can be either a linear or non-linear function. It is useful to visualize the transformation in two dimensions with the x-axis representing the old gray-levels and the y-axis the new gray-levels. For example, if the slope of the transformation function equals 1 , then gout T(gin)
gin
5
Gray-Level Transformation
if the slope of the transformation function is greater or less than 1 , then
T(gin) with slope>1 gout T(gin) with slope<1
数字图像处理-灰度变换
1
Displaying Gray-Level Information
There are a number of useful Matlab functions for displaying the graylevel/color information of an image (a) Pixel information An interactive display of pixel co-ordinate and gray/color information in the current figure can be turned on or off by entering pixval on and pixval off
12
Bit-plane Slicing
The image is thought of as a stack of bit-planes and each bit-plane represents the contribution made by a particular bit to the overall image appearance.
14
Bit-plane Slicing
load imdemos bit7=bitget(flower,8);imshow(bit7>0) bit6=bitget(flower,7);imshow(bit6>0) bit5=bitget(flower,6);imshow(bit5>0) bit1=bitget(flower,2);imshow(bit1>0) bit0=bitget(flower,1);imshow(bit0>0)
gout
1
T(gin)
TL
TU
gin
11
Gray-level slicing
load imdemos A=double(alumgrns)/255; B= (img>0.5)& (img<0.8);
AA= (1-(img>0.5)& (img<0.8)).*img; imshow(AA) imshow(AA+B);
top 1
gamma<1 gamma>1
bottom low high 1
gin
8
Gray-level slicing
The essentially perform a double thresholding operation to highlight a particular range of gray-levels in an image. Two approaches are possible depending on whether it is desirable to remove other features in the image. (a) Double thresholding with background removed This approach produces a binary image with all gray levels in the range of interest mapped to white and all other gray levels mapped to black. That is
7
Gamma Correction
The input-output relationship of an image acquisition or display system is generally non-linear and is frequently of the form
G out cG in
where c is constant, and is an exponent (known as the gamma of the system) varying in practice between about 0.5 to nearly 3 The camera, the display and the eye all have non-unity gammas. In Matlab, the effect can be inversely compensated by using B = IMADJUST(A,[LOW_IN HIGH_IN],[LOW_OUT HIGH_OUT],GAMMA) gout
1 B(i, j ) A(i, j ) TL A(i, j ) T otherwise
U
Where A(i,j) and B(i,j) denote respectively the gray-level of input image A and output image B at point (i,j) and TL and TU denote the lower and upper threshold as shown below
0 1 2 3 4
1 2 3 4 5
2 3 -plane 2(MSB) Bit-plane 1 Bit-plane 0(LSB)
Image with 8 gray-levels
3 Bit-planes representation
13
Bit-plane Slicing
1
T(gin)
Tl
TU
gin
9
Gray-level slicing
load imdemos imshow(alumgrns) imhist(alumgrns)
imshow((alumgrns>128)& (alumgrns<192))
10
Gray-level slicing
(b) Double thresholding with background preserved This approach brightness all gray levels in the range of interest with all other gray levels remained at their original values. That is
190
180
170
160
150
140
130
120
110
100
0
10
20
30 40 Dis tance a long profile
50
60
70
3
Displaying Gray-Level Information
(c) Image Information The distribution of the gray-level/color values in an image can be displayed and computed using Matlab function imhist
gin
6
Gray-Level Transformation
The transformation function can be either a continuous function or piecewise continuous function with different expressions over different intervals. For example, if the contrast of an image in the middle range is to be stretched at the expense of compressing the contrast for high and low gray-levels, then
T(gin) gout gout T(gin)