深圳大学图像的灰度变换与空域滤波
数字图像处理期末考试答案
《数字图像处理》复习指南选择题1、采用幕次变换进行灰度变换时，当幕次取大于1 时，该变换是针对如下哪一类图像进行增强。
（ B )A 图像整体偏暗B 图像整体偏亮C 图像细节淹没在暗背景中D 图像同时存在过亮和过暗背景2、图像灰度方差说明了图像哪一个属性（ B )A 平均灰度B 图像对比度C 图像整体亮度D 图像细节3、计算机显示器主要采用哪一种彩色模型（A )A、RGBB、CMY 或CMYKC、HSID、HSV4、采用模板［-1 1]T主要检测（A）方向的边缘。
A.水平B.450C.垂直D.13505、下列算法中属于图象锐化处理的是：( C )A.低通滤波B.加权平均法C.高通滤波D. 中值滤波6、维纳滤波器通常用于（ C )A、去噪B、减小图像动态范围C、复原图像D、平滑图像7、彩色图像增强时，（C）处理可以采用RGB 彩色模型。
A. 直方图均衡化B. 同态滤波C. 加权均值滤波D. 中值滤波8、 B 滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。
A. 逆滤波B. 维纳滤波C. 约束最小二乘滤波D. 同态滤波9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以便引入一些低频分量。
这样的滤波器叫（ B ）。
A. 巴特沃斯高通滤波器B. 高频提升滤波器C. 高频加强滤波器D. 理想高通滤波器10、图象与灰度直方图间的对应关系是（ B )A.一一对应B.多对一C.一对多D.都不11、下列算法中属于图象锐化处理的是：( C)A.低通滤波B.加权平均法C.高通滤波D. 中值滤波12、一幅256*256 的图像，若灰度级数为16，则存储它所需的比特数是：(A)A. 256KB.512KC. 1M C.2M13、一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为：（D）a. 0b.255c.6d.814、下列算法中属于局部处理的是：（D）a.灰度线性变换b.二值化c.傅立叶变换d.中值滤波15、下列算法中属于点处理的是：（B）a.梯度锐化b.二值化c.傅立叶变换d.中值滤波16、下列算法中属于图象平滑处理的是：（C）a.梯度锐化b.直方图均衡c. 中值滤波placian 增强17、设灰度图中每一个像素点由1 个字节表示，则可表示的灰度强度范围是（B）A.128 B.256 C.36 D.9618、对椒盐噪声抑制效果最好的是下列那种图像增强技术？(D)A 低通滤波B Laplace 微分C 邻域平均D 中值滤波19、将图像“name.tif”存储到文件中的命令（C）A、imread（’name.tif’）B、loadC、imwrite（’name.tif’）D、imshow（’name.tif’）20.计算机显示设备使用的颜色模型是（A）A.RGBB.HSVC.CMYD.以上都不对21.下列关于直方图的叙述错误的是( D)A. 描绘了各个灰度级像素在图像中出现的概率B. 描述图像中不同灰度级像素出现的次数C. 没有描述出像素的空间关系D. 直方图均衡化不能增强图像整体对比度的效果22.锐化滤波器的主要用途不包括( B)A.突出图像中的细节增强被模糊了的细节B.超声探测成像分辨率低可以通过锐化来使图像边缘模糊C.图像识别中分割前的边缘提取D.锐化处理恢复过度钝化、暴光不足的图像23.假设f(x,y)是一幅图像，则下列有关f(x,y) 的傅里叶变换说法中不正确(C)A.在原点的傅里叶变换等于图像的平均灰度级B.一个二维傅里叶变换可以由两个连续一维的傅里叶运算得到C.图像频率域过滤可以通过卷积来实现D.傅里叶变换具有线性移不变性24. 列有关图像复原和图像增强的说法错误的是(D)A.与图像增强不同，图像复原的目的是提供给用户喜欢接收的图像B.图像增强主要是一个客观过程，而图像复原主要是一个主观过程C.图像增强被认为是一种对比度拉伸，图像复原技术追求恢复原始图像的一种近似估计值D.图像复原技术只能使用频率域滤波器实现25、下列哪一个模板可用于图像平滑（AA、1/9 1/9 1/9B、1 1 1C、1/3 1/3 1/3D、-1 -1 -11/9 1/9 1/9 1 -8 1 1/3 1/3 1/3 -1 8 -1 1/9 1/9 1/9 1 1 1 1/3 1/3 1/3 -1 -1 -1 26、对于含有孤立线噪声的图像，既要保证图像的边缘，又要去除噪声应该用那种滤波器（B）A、box 模板B、中值滤波器C、gauss 模板D、prewitt 模板27、对一幅二值图像做腐蚀的结果（B ）A、图像面积放大B、图像面值缩小C、图像面积不变D、图像边界变圆28、下列算法中属于局部处理的是（D）A、灰度线性变换B、二值化C、傅里叶变换D、中值滤波判别正确、错误1. 图像按其亮度等级的不同，可以分为二值图像和灰度图像两种。
空域滤波和频域滤波的关系
空域滤波和频域滤波的关系空域滤波是一种基于像素级别的滤波方法，它通过直接处理图像中的像素值来实现滤波效果。
具体而言，空域滤波是基于图像的空间域进行操作，通过对图像中的像素进行加权平均或非线性处理，改变像素之间的关系来达到滤波的目的。
常见的空域滤波方法包括均值滤波、中值滤波和高斯滤波等。
频域滤波则是一种基于图像的频域进行操作的滤波方法，它通过对图像进行傅里叶变换，将图像从空域转换到频域，然后在频域中对图像进行滤波操作，最后再通过傅里叶反变换将图像转换回空域。
频域滤波方法主要利用了傅里叶变换的性质，通过滤波器的频率响应对图像的频谱进行调整，达到滤波的效果。
常见的频域滤波方法包括低通滤波、高通滤波和带通滤波等。
空域滤波和频域滤波有着密切的关系。
事实上，它们本质上是同一种滤波方法的不同表现形式。
在空域滤波中，滤波器直接作用于图像的像素值，通过对像素值进行处理来实现滤波效果；而在频域滤波中，滤波器则直接作用于图像的频谱，通过调整频谱的幅度和相位来实现滤波效果。
从这个角度来看，频域滤波可以看作是空域滤波在频域中的表现。
空域滤波和频域滤波各有其优点和适用场景。
空域滤波方法简单直观，易于理解和实现，适用于对图像的局部特征进行处理，例如去除噪声、平滑边缘等。
而频域滤波方法则适用于对图像的全局特征进行处理，例如图像增强、频谱分析等。
频域滤波方法通过傅里叶变换将图像转换到频域，可以更好地分析和处理图像的频域信息，对于频谱特征较为明显的图像处理问题具有较好的效果。
尽管空域滤波和频域滤波在原理和应用上有所差异，但它们并不是对立的关系。
事实上，这两种滤波方法常常结合使用，相互补充，以实现更好的滤波效果。
比如，在图像处理中，可以先使用空域滤波方法去除图像中的噪声和干扰，然后再将处理后的图像转换到频域进行进一步的滤波和增强。
这样的组合使用可以充分发挥两种滤波方法的优势，提高图像处理的效果和质量。
空域滤波和频域滤波是图像处理中常用的两种滤波方法。
实验三 空域图像增强
实验三空域图像增强（灰度变换、直方图处理）一、实验目的1. 掌握灰度变换的基本原理。
2. 掌握直方图处理的基本原理。
3. 掌握Matlab中灰度变换和直方图处理的实现方法。
二、实验内容1. 灰度变换（直接正比变换）。
2. 灰度变换（截取式正比变换）。
3. 灰度变换（反比变换）。
4. 灰度变换（对比拉伸）。
5. 灰度变换（灰度切割）。
6. 灰度变换（对数变换）。
7. 灰度变换（幂次变换）。
8. 直方图处理（直方图均衡化）。
三、实验仪器、设备及材料1. 电脑一台（2G CPU、2GB RAM、50GB Disk及以上）。
2. Windows 2000 / Windows XP / Windows 7。
3. Matlab R2006b及以上版本。
4. 记录用的笔、纸。
四、实验原理1. 灰度变换灰度变换是一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则将其转化为另一灰度值。
其原理是将原图像f(x , y)中的每个像素的灰度按EH操作直接变换以得到目标图像g(x , y)。
若以s表示f(x , y)，以t表示g(x , y)，则灰度变换原理如下图所示：2. 直方图处理直方图变换可以清晰图像细节，突出目标物体，改善亮度比例关系，增强图像对比度。
直方图变换基于概率论。
直方图均衡化主要用于增强动态范围偏小的图像的反差。
其基本思想是把原图像的直方图转换为均匀分布的形式，增加像素灰度值的动态范围，增强图像整体对比度。
五、实验步骤1. 灰度变换（直接正比变换）(1) 程序源代码：close allclear15clcdisp('====E4_4_1.m====');I=imread('rice.png');subplot(3,3,1),imshow(I),ylabel('原图像');subplot(3,3,2),imhist(I);%方法1-系统函数J=imadjust(I,[40/255 204/255],[0 1]); %图像的最小灰度值为40，最大灰度值为204subplot(3,3,4),imshow(J),ylabel('变换图像(方法1)');subplot(3,3,5),imhist(J);%方法2-编程实现%把灰度值范围从[40,204]映射到[0,255]f0=0;g0=0; %分段曲线的第1个点f1=40;g1=0; %分段曲线的第2个点f2=204;g2=255; %分段曲线的第3个点f3=255;g3=255; %分段曲线的第4个点subplot(3,3,9),plot([f0,f1,f2,f3],[g0,g1,g2,g3]),xlabel('f'),ylabel('g'),axis([0 255 0 255]);%绘制变换曲线r1=(g1-g0)/(f1-f0); %曲线1的斜率b1=g0-r1*f0; %曲线1的截距r2=(g2-g1)/(f2-f1); %曲线2的斜率b2=g1-r2*f1; %曲线2的截距r3=(g3-g2)/(f3-f2); %曲线3的斜率b3=g2-r3*f2; %曲线3的截距[m,n]=size(I);K=double(I);for i=1:mfor j=1:nf=K(i,j);g(i,j)=0;if(f>=f0)&(f<=f1)g(i,j)=r1*f+b1; %曲线1的方程y=r1*x+b1elseif (f>=f1)&(f<=f2)g(i,j)=r2*f+b2; %曲线2的方程y=r2*x+b2elseif (f>=f2)&(f<=f3)g(i,j)=r3*f+b3; %曲线3的方程y=r3*x+b3endendendendend16subplot(3,3,7),imshow(uint8(g)),ylabel('变换图像(方法2)');subplot(3,3,8),imhist(uint8(g));(2) 观察并记录实验结果：作为实验报告的内容(3) 将“分段曲线的第2个点”更改为“f1=150;g1=0;”，观察并记录实验结果，分析产生该结果的原因：作为实验报告的内容。
空间滤波的实验原理是
空间滤波的实验原理是空间滤波是一种图像处理技术，用于图像降噪、锐化等应用领域。
其实验原理可以从以下几个方面解释。
1. 图像表示：图像是由一个个像素点组成的二维矩阵，其中每个像素点包含亮度信息。
在进行空间滤波前，需要将图像进行灰度化操作，将彩色图像转化为黑白图像。
2. 滤波器：空间滤波的核心是滤波器，也称为卷积核。
它是一个小矩阵，用于对图像的每个像素点进行操作。
滤波器中的数值称为权重，决定了每个像素点受到滤波器的影响程度。
滤波器的大小决定了影响像素点的范围，常见的滤波器有3x3、5x5等。
3. 滤波原理：空间滤波的原理基于图像中局部像素之间的相关性。
通过将每个像素与其周围像素加权求和，可以对图像进行平滑或锐化处理。
具体操作是将滤波器沿图像的每个位置进行平移，将滤波器与图像的对应位置进行元素乘积，再将乘积结果相加得到输出图像的像素值。
4. 常用滤波器：- 均值滤波器：滤波器中的权重均为1，用于平滑图像、去除噪声。
计算每个像素周围邻居像素的平均值，并将结果作为输出图像的像素值。
- 中值滤波器：滤波器中的权重根据周围像素的亮度进行排序，将中间值作为输出图像的像素值。
适用于去除椒盐噪声等。
- Sobel滤波器：用于边缘检测，通过计算每个像素点在X和Y方向上的亮度梯度，来检测图像中的边缘。
5. 实验步骤：- 载入图像：选择一个需要处理的图像，载入到图像处理软件中。
- 灰度化：将图像转化为黑白图像，每个像素点只包含亮度信息。
- 选择滤波器：根据需求选择合适的滤波器，比如均值滤波器、中值滤波器、Sobel滤波器等。
- 滤波处理：将滤波器沿图像的每个位置进行平移，与图像对应位置的像素进行乘积累加，得到输出图像的像素点。
- 保存结果：将处理后的图像保存，用于后续分析或展示。
6. 实验效果评估：根据实际需求，可以使用定量或定性的方法评估实验效果。
常见的评估指标包括峰值信噪比（PSNR）、结构相似性指数（SSIM）等。
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。
数字图像处理03_灰度变换及空间滤波
2020年5月28日
数字图像处理
13
频率域方法
在图像的某种变换域内，对图像的变换值进行处理。如， 先对图像进行二维傅立叶变换，再对图像的频谱进行某 种修正（滤波），最后将修正后的变换值逆变换到空间 域，从而获得增强后的图像。
2020年5月28日
数字图像处理
6
图像增强的主要方法
图像增强的处理方法
空间域方法:直接以图像中的像素操作为基础。
灰度变换（强度映射、点处理）
➢ 直接灰度变换(图像反转、对数变换、幂次变换、分段线性变换) ➢ 直方图处理（直方图均衡化、直方图匹配、局部直方图） ✓ 关键是寻找一个合适的变换函数T
（b）模板系数以及与图像 像素对应位置关系
f(x,y-1) f(x, y) f(x, y+1) f(x+1,y-1) f(x+1, y) f(x+1,y+1)
（a）模板下的图像像素
ab
g(x, y) w(s,t) f (x s, y t) sa tb
空域滤波的基本原理
2020年5月28日
数字图像处理
例如,伪彩色图像增强：将不同灰度的图像赋以不同的彩色,以 增强人类的视觉感知,在医学图像处理中经常采用；
又如，假彩色增强：不同波段获取的图像赋以不同的彩色,用 在对多波段遥感图像的假彩色显示等
图像的增强是综合和一般性地改善图像质量，解决图像 由于噪声、模糊退化和对比度降低等三类问题,获得最 好的视觉效果。
低质量图像(低对比度、高噪声、低清晰度)
2020年5月28日
数字图像处理
3
3.1 背景知识
毕业设计--基于双边滤波的图像去噪的方法
学号：1008431110本科毕业论文（设计）(2014届)基于双边滤波的图像去噪方法院系电子信息工程学院专业通息工程姓名指导教师讲师2014年4月摘要双边滤波是非线性的滤波方法，是结合图像的像素值相似度空间邻近度和空间领近度的一种折衷处理，同时考虑灰度相似性和空域信息，达到保边去噪的目的。
双边滤波具有简单、非迭代、局部的特点。
双边滤波器的好处是可以做边缘保存，一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。
双边滤波比高斯滤波多了一个高斯方差，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。
但是由于保存了过多的高频信息对于彩色图像里的高频噪声，双边滤波器不能够彻底的滤掉，只能够对于低频信息进行较好的滤波。
其具体的操作方法有两个，第一个是高斯模版，用个模板对图像中的每一个像素值进行扫描，然后把某一点和其邻域内像素的加权平均值代替那一个中心的值高斯滤波器是根据高斯函数的形状来选择其权值的线性平滑滤波器，高斯滤波是线性平滑滤波的一种，最适合去除的噪声类型是服从正态分布的噪声。
第二个是以灰度级的差值作为函数系数生成的模板。
然后这两个模板点乘就得到了最终的双边滤波模板，最后得到双边滤波处理后的图像。
关键词：图像；去噪；双边滤波；高斯滤波AbstractThe bilateral filter is a nonlinear filtering method, is the combination of image pixel value similarity space proximity and space brought a compromise approach degree, considering the gray similarity and spatial information, to achieve the purpose of edge preserving denoising. The bilateral filter has the advantages of simple, non iterative, local. The bilateral filter is good to do edge preservation,generally used Wiener filtering or Gauss filter to denoise, will obviously fuzzy edge, for the protection of high frequency detail is not obvious. Bilateral filtering than Gauss filter has a Gauss variance, it is Gauss filter function based on the spatial distribution, so near the edge, the pixel will not affect the farther to the pixel on the edge of the value, thus ensuring the preservation of edge pixel values. But because of the high frequency information saved too much for the high frequency noise in the color image, the bilateral filter can not be completely filtered out, can only be better filtering for the low frequency information. The specific operation method has two, the first is Gauss template, scanning for each pixel in the image with a template, and then the weighted one point and its neighborhood pixels instead of the average value of a central value Gauss filters are linear smoothing filter to select the weights based on the Gauss function the shape, the Gauss filter is a linear smoothing filter for noise removal, the type is subject to normally distributed noise. The second is the difference of gray level as function coefficients generated templates. Then the two template dot get bilateral filtering template final, finally get the image after bilateral filtering.Key words: Image ;Denoising;Bilateral Filtering;Gauss Filtering目录摘要 (I)ABSTRACT (II)1 引言 (1)1.1 课题的研究背景及意义 (1)1.2 国内外研究现状 (1)1.3 图像噪声及图像去噪方法 (2)1.4 图像质量评价方法 (5)1.5论文研究目标及结构安排 (9)2 双边滤波理论 (7)2.1双边滤波定义 (7)2.2双边滤波器的设计 (7)3 图像去噪的方法 (9)3.1 中值滤波介绍 (9)3.2 高斯滤波介绍 (11)4 双边滤波实验结果 (17)4.1结果图片 (17)5 论文总结 (18)参考文献 (19)1 引言1.1 课题的研究背景及意义当今社会已经进入了一个高度信息化的阶段，人们对信息的需求越来越多。
空域滤波的过程和原理
空域滤波的过程和原理
空域滤波是一种图像处理技术，它通过对图像中每一个像素的数值进行操作，来改变图像的外观和质量。
以下是空域滤波的过程和原理：
1. 图像平滑：空域滤波常用于图像平滑操作，这是通过将每一个像素的数值与其周围像素的数值进行平均或加权平均来实现的。
这样可以减少图像中的噪声和细微变化，使图像更加平滑。
2. 图像增强：空域滤波也可以用于图像的增强操作。
这是通过将每一个像素的数值与其周围像素的数值进行比较，并进行一定的算术操作，如加法或乘法来实现的。
这样可以增加图像的对比度和亮度，使图像更加清晰和鲜明。
3. 模糊和锐化：空域滤波还可以用于图像的模糊和锐化操作。
模糊操作通过在图像中每一个像素周围取平均数或加权平均数来实现，可以降低图像的细节和清晰度，使图像看起来更加模糊。
锐化操作则是通过增加图像中每一个像素的值与其周围像素的差值来实现，可以使图像的轮廓更加清晰和锐利。
4. 过滤器选择：在空域滤波中，选择合适的过滤器是很重要的。
过滤器是一个矩阵，用于定义每一个像素与周围像素之间的操作。
常用的过滤器包括平均滤波器、高斯滤波器、中值滤波器等。
不同的过滤器可以实现不同的效果，如平均滤波器可以平滑图像，高斯滤波器可以去除噪声，中值滤波器可以去除椒盐噪声等。
总的来说，空域滤波通过对图像中每一个像素的数值进行操作，实现图像平滑、增强、模糊和锐化等效果。
选择合适的过滤器可以实现不同的图像处理目标。
- 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)。
深圳大学实验报告课程名称：数字图像处理
实验项目名称：图像的灰度变换与空域滤波学院：信息工程学院
专业：电子信息工程
指导教师：***
报告人：学号：班级：
实验时间：2016.4.14
实验报告提交时间：2016.4.20
教务部制
实验代码及结果：
（一）代码：
I = imread('A.tif');
J = imadjust(I, [0 1], [1 0]); subplot(2,2,1),imshow(I) subplot(2,2,2),imshow(J)
subplot(2,2,3),imhist(I)
subplot(2,2,4),imhist(J)
结果：
（二）
代码：
I = imread('B.tif');
J = histeq(I);
subplot(2,2,1),imshow(I) subplot(2,2,2),imshow(J)
subplot(2,2,3),imhist(I) subplot(2,2,4),imhist(J)
（三）
代码：
I = imread('C.tif');
J = imnoise(I,'gaussian',0.02);
h=fspecial('average',[3,3]);
I1=filter2(h,J);
h=fspecial('average',[13,13]);
I2=filter2(h,J);
subplot(2,2,1),imshow(I),title('Ô-ͼ');
subplot(2,2,2),imshow(J),title('¼Ó¸ß˹ÔëÉù');
subplot(2,2,3),imshow(I1,[]),title('½øÐÐ[3x3]¾ùÖµ¹ýÂË') subplot(2,2,4),imshow(I2,[]),title('½øÐÐ[13x13]¾ùÖµ¹ýÂË')
（4）代码
I = imread('C.tif');
J = imnoise(I,'gaussian',0.02);
I1=medfilt2(J,[3,3]);
I2=medfilt2(J,[5,5]);
I3=medfilt2(J,[10,10]);
I4=medfilt2(J,[20,20]);
subplot(3,2,1),imshow(I),title('原图');
subplot(3,2,2),imshow(J),title('加高斯噪声');
subplot(3,2,3),imshow(I1,[]),title('进行[3x3]中值过滤') subplot(3,2,4),imshow(I2,[]),title('进行[5x5]中值过滤') subplot(3,2,5),imshow(I3,[]),title('进行[10x10]中值过滤') subplot(3,2,6),imshow(I4,[]),title('进行[20x20]中值过滤')
（5）代码：
I=imread('B.tif');
J1=im2double(I)*255;
[m,n]=size(J1);
p=zeros(1,256);
for k=1:256
p(k)=sum(sum(J1==k-1))/(m*n); end
for i=2:256
p(i)=p(i)+p(i-1);
end
for i=1:256
p(i)=round(p(i)*255);
end
for i=1:m
for j=1:n
J1(i,j)=p(J1(i,j)+1);
end
end
figure();
subplot(1,2,1),imshow(I); J1=im2uint8(J1/255); subplot(1,2,2),imshow(J1);实验结果：。