数字图像处理实验四
数字图像处理实验四(附源程序)
南京航空航天大学
电子信息工程学院
信息工程
041010329
某某
噪声敏感)，应想法降低。 3） 获取 Sobel 图像并用 imfilter 对其进行 5×5 邻域平均，以减少噪声。 4） 获取 2)和 3)相乘图像，噪声得以少。 5） 将 4）结果叠加到原始图像上。 6） 最后用 imadjust 函数对 5)结果做幂指数为 0.2 的灰度变换。 4．编写 Roberts 梯度锐化函数。Roberts 梯度为
南京航空航天大学 J2=imfilter(I,L1);
电子信息工程学院
信息工程
041010329
某某
figure(1),subplot(2,3,1),imshow(I);title('原始图像');axis on; subplot(2,3,2),imshow(J1);title('sobel 锐化法');axis on; subplot(2,3,3),imshow(J2);title('Laplacian 锐化法');axis on; imwrite(J1,'soble 锐化.jpg'); imwrite(J2,'Laplacian 锐化.jpg'); S2_x=[-1,-2,-1;0,0,0;1,2,1]; S2_y=[-1,0,1;-2,0,2;-1,0,1]; L2=[0,-1,0;-1,4,-1;0,-1,0]; %S2=sqrt(S2_x.^2+S2_y.^2); J31=imfilter(I,S2_x); J32=imfilter(I,S2_y); J33=sqrt(J31.^2+J32.^2); %J3=imfilter(I,S2); J4=imfilter(I,L2); subplot(2,3,5),imshow(J33);title('规定 soble 算子法');axis on; subplot(2,3,6),imshow(J4);title('规定 Laplacian 算子法');axis on; imwrite(J33,'规定 soble 算子.jpg'); imwrite(J4,'规定 Laplacian 算子.jpg'); %%%%%%%%%skeleton.jpg I2=imread('skeleton.jpg'); I2=im2double(I2); L3=[-1,-1,-1;-1,8,-1;-1,-1,-1]; J5=imfilter(I2,L3); J6=J5+I2; J7=imfilter(I2,S1); ave=fspecial('average',5); J8=imfilter(I2,ave); J9=J6.*J8; J10=J9+I2; 南京航空航天大学 电子信息工程学院 信息工程 041010329 某某
数字图像处理 实验四dct编码
实验程序和结果：实验所使用的图像：1、利用Huffman进行JPEG图像压缩编码程序：I=imread('F\.jpg');pix(256)=struct('huidu',0.0,...%灰度值'number',0.0,...%对应像素的个数'bianma','');%对应灰度的编码[m n l]=size(I);fid=fopen('huffman.txt','w');%huffman.txt是灰度级及相应的编码表fid1=fopen('huff_compara.txt','w');%huff_compara.txt是编码表huf_bac=cell(1,l);for t=1:l%初始化结构数组for i=1:256pix(i).number=1;pix(i).huidu=i-1;%灰度级是0—255，因此是i-1pix(i).bianma='';end%统计每种灰度像素的个数记录在pix数组中for i=1:mfor j=1:nk=I(i,j,t)+1;%当前的灰度级pix(k).number=1+pix(k).number;endend%按灰度像素个数从大到小排序for i=1:255for j=i+1:256if pix(i).number<pix(j).numbertemp=pix(j);pix(j)=pix(i);pix(i)=temp;endendend%因为有的灰度值在图像中可能没有对应的像素值，所以要%找出在图像中存在像素的灰度级的个数，并保存在num中for i=256:-1:1if pix(i).number ~=0break;endendnum=i;count(t)=i;%记录每层灰度级%定义用于求解的矩阵clear huffmanhuffman(num,num)=struct('huidu',0.0,...'number',0.0,...'bianma','');huffman(num,:)=pix(1:num);%矩阵赋值for i=num-1:-1:1p=1;%算出队列中数量最少的两种灰度的像素个数的和sum=huffman(i+1,i+1).number+huffman(i+1,i).number;for j=1:i%如果当前要复制的结构体的像素个数大于sum就直接复制if huffman(i+1,p).number>sumhuffman(i,j)=huffman(i+1,p);p=p+1;else%如果当前要复制的结构体的像素个数小于或等于sum就插入和的结构体%灰度值为-1标志这个结构体的number是两种灰度像素的和huffman(i,j).huidu=-1;huffman(i,j).number=sum;sum=0;huffman(i,j+1:i)=huffman(i+1,j:i-1);break;endendend%开始给每个灰度值编码for i=1:num-1obj=0;for j=1:iif huffman(i,j).huidu==-1obj=j;break;elsehuffman(i+1,j).bianma=huffman(i,j).bianma;endendif huffman(i+1,i+1).number>huffman(i+1,i).number%说明:大概率的编0，小概率的编1，概率相等的，标号大的为1，标号小的为0 huffman(i+1,i+1).bianma=[huffman(i,obj).bianma '0'];huffman(i+1,i).bianma=[huffman(i,obj).bianma '1'];elsehuffman(i+1,i+1).bianma=[huffman(i,obj).bianma '1'];huffman(i+1,i).bianma=[huffman(i,obj).bianma '0'];endfor j=obj+1:ihuffman(i+1,j-1).bianma=huffman(i,j).bianma;endendfor k=1:count(t)huf_bac(t,k)={huffman(num,k)}; %保存endend%写出灰度编码表for t=1:lfor b=1:count(t)fprintf(fid,'%d',huf_bac{t,b}.huidu);fwrite(fid,' ');fprintf(fid,'%s',huf_bac{t,b}.bianma);fwrite(fid,' ');endfwrite(fid,'%');%先写灰度值，再写灰度级所对应的哈夫曼编码，并用将每个层级的灰度隔开end%按原图像数据，写出相应的编码，也就是将原数据用哈夫曼编码替代for t=1:lfor i=1:mfor j=1:nfor b=1:count(t)if I(i,j,t)==huf_bac{t,b}.huiduM(i,j,t)=huf_bac{t,b}.huidu;%将灰度级存入解码的矩阵fprintf(fid1,'%s',huf_bac{t,b}.bianma);fwrite(fid1,' ');%用空格将每个灰度编码隔开break;endendendfwrite(fid1,',');%用空格将每行隔开endfwrite(fid1,'%');%用%将每层灰度级代码隔开endfclose(fid);fclose(fid1);M=uint8(M);save('M')%存储解码矩阵编码结果：Huffman编码表：Huffman代码：Huffman解码程序：function huf_decode%哈夫曼编码解码load MI=imread('F:\Heat.jpg');subplot(1,2,1),imshow(I),title('原图')%读出原图subplot(1,2,2),imshow(M),title('huffman解码后的图')%读出解码后的图解码结果：2、利用行程编码进行图像压缩的MATLAB程序function yc%行程编码算法%读图I=imread('zbz.jpg');[m n l]=size(I);fid=fopen('yc.txt','w');%yc.txt是行程编码算法的灰度级及其相应的编码表%行程编码算法sum=0;for k=1:lfor i=1:mnum=0;J=[];value=I(i,1,k);for j=2:nif I(i,j,k)==valuenum=num+1;%统计相邻像素灰度级相等的个数if j==nJ=[J,num,value];endelse J=[J,num,value];%J的形式是先是灰度的个数及该灰度的值 value=I(i,j,k);num=1;endendcol(i,k)=size(J,2);%记录Y中每行行程行程编码数sum=sum+col(i,k);Y(i,1:col(i,k),k)=J;%将I中每一行的行程编码J存入Y的相应行中 endend%输出相关数据[m1,n1,l1]=size(Y);disp('原图像大小:')whos('I');disp('压缩图像大小:')whos('Y');disp('图像的压缩比:');disp(m*n*l/sum);%将编码写入yc.txt中for k=1:l1for i=1:m1for j=1:col(i,k)fprintf(fid,'%d',Y(i,j,k));fwrite(fid,' ');endendfwrite(fid,' ');endsave('Y')%存储，以便解码用save('col')fclose(fid);结果：编码代码：function yc_decode%行程编编码解码load Y %下载行程编码Yload col %下载Y中每行行程行程编码数[m,n,l]=size(Y);for k=1:lfor i=1:mp=1;for j=1:2:col(i,k)d=Y(i,j,k);%灰度值的个数for c=p:p+d-1X(i,c,k)=Y(i,j+1,k);%将d个灰度值存入Ｘ中endp=p+d;endendendI=imread('zbz.jpg');subplot(1,2,1),imshow(I),title('原图')%读出原图subplot(1,2,2),imshow(X),title('行程编码解码后的图')%读出解码后的图解码后：3、利用DCT进行图像压缩的MATLAB程序I=imread(‘rice.png’); %读入原图像；I=im2double(I); %将原图像转为双精度数据类型；T=dctmtx(8); %产生二维DCT变换矩阵B=blkproc(I,[8 8],’P1*x*P2’,T,T’); %计算二维DCT，矩阵T 及其转置T’是DCT函数P1*x*P2的参数Mask=[ 1 1 1 1 0 0 0 01 1 1 0 0 0 0 01 1 0 0 0 0 0 01 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 0]; %二值掩膜，用来压缩DCT系数，只留下DCT系数中左上角的10个B2=blkproc(B,[8 8],’ P1.*x.’,mask); %只保留DCT变换的10个系数I2= blkproc(B2,[8,8],’P1*x*P2’,T’,T); %逆DCT，重构图像Subplot(1,2,1);Imshow(I);title(‘原图像’)； %显示原图像Subplot(1,2,2);Imshow(I2);title(‘压缩图像’)；%显示压缩后的图像实验结果：。
数字图像处理技术实验四报告
Max=(BYTE)oImage[(i )*wImage+j]; else if((BYTE)oImage[(i )*wImage+j+1]>Max) Max=(BYTE)oImage[(i )*wImage+j+1]; else if((BYTE)oImage[(i+1)*wImage+j-1]>Max) Max=(BYTE)oImage[(i+1)*wImage+j-1]; else if((BYTE)oImage[(i+1)*wImage+j]>Max) Max=(BYTE)oImage[(i+1)*wImage+j]; else if((BYTE)oImage[(i+1)*wImage+j+1]>Max) Max=(BYTE)oImage[(i+1)*wImage+j+1]; nImage[i*wImage+j]=(BYTE)Max; } } 主函数增加：
深 圳 大 学 实 验 报 告
课程名称：
数字图像处理
实验项目名称：
实验三
图像的平滑处理实验
学院：
计算机与软件学院
专业：
软件工程
指导教师：
沈琳琳
报告人：
文成
学号： 2011150259
班级： 02
实验时间：
2014-05-13
实验报告提交时间：
2014-05-13
教务部制
实验目的：
掌握图像空间增强原理 掌握图像平滑处理原理及实现方法 掌握图像统计滤波原理方法 掌握图像最大值(统计)滤波实现方法
实验要求： 熟悉 C++语言编程 熟练使用 C++语言实现图像文件的读取操作 熟练使用 C++语言实现图像显示方法
数字图像处理实验报告4
西华大学实验报告西华大学实验报告（理工类）开课学院及实验室：机械工程与自动化学院专业实验中心 实验时间 ：2013年 月 日学 生 姓 名学 号成 绩学生所在学院 机械工程与自动化学院年级/专业/班 2010机电4班 课 程 名 称 数字图像处理课 程 代 码 6003619实验项目名称 图像分割和目标识别项 目 代 码 指 导 教 师蒋代君项 目 学 分一、实验目的1、 掌握在MA TLAB 中边缘检测的方法；2、 了解图像分割的基本策略及方法；3、 掌握用MA TLAB 语言进行边缘检测和目标识别的方法。
二、实验原理1、 阈值分割是对一幅图象的目标和背景进行判定，⎩⎨⎧≥=elsey x f Ty x f G y x f G y x g ),()],([)],([),(2、 用中值滤波器去除图像中的噪声；3、 二值形态学基本公式：设A 表示一副二值图像，B 为结构元素则A 关于B 的膨胀和腐蚀变换分别定义为： {|(())}x A B x A B ∧⊕=⋂≠Φ{|(())}c x A B x A B Θ=⋂≠Φ其中B ∧是B 的映像。
腐蚀是表示用某种形状的结构元素对一个图像进行探测，以便找出图像内部可以放下该结构元素的区域。
它是一种消除边界点，使边界向内部收缩的过程。
可以用来消除小且无意义的物体。
三、实验设备、仪器及材料1、 计算机2、 MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox) 实验所需要的图片第 组]},[],,[|),({),(000000N y N y y N x N x x y x f Med y x f +-∈+-∈=四、实验步骤（按照实际操作过程）1、读出chrimage.bmp这幅图像，转换为灰度图像。
2、用中值滤波器去除图像中的噪声；3、采用阈值分割将图像转换为二值图像；4、对二值图像进行形态学操作，获得分析值。
五、实验过程记录(数据、图表、计算等)1.读出chrimage.bmp这幅图像，转换为灰度图像，用中值滤波器去除图像中的噪声：I = imread('chrimage.bmp');I2 = rgb2gray(I);imshow(I)s = size(I2);I4 = 255*ones(s(1), s(2), 'uint8');I5 = imsubtract(I4,I2);figure,imshow(I5);2将图像转化为二值图像。
最新数字图像处理实验四报告
精品资料
数字图像处理实验四
报告
........................................
贵州大学实验报告学院：专业：班级：
3、维纳滤波
复原公式：
如果噪声为0，则维纳滤波退化为逆滤波。
如果噪声功率谱和信号功率谱都是未知或不能估计时可近似为：实
验仪器计算机一台；Matlab软件
实验步骤1、编写逆滤波复原程序。
读取图像，人工产生一个模糊图像，通过逆滤波方法对该模糊复原。
人工产生一个模糊且带有噪声的图像，过逆滤波方法对该模糊复原。
比较无噪声和有噪声时逆滤波的复原效果。
计算复原后图像的PSNR。
MES1=abs(sum(sum((I-I2).^2))/(m*n)) %均方差PSNR1=20*log10(MAX/sqrt(MES1)) %峰值信噪比%计算维纳滤波复原后图像的PSNR
MES2=abs(sum(sum((I-I3).^2))/(m*n))
PSNR2=20*log10(MAX/sqrt(MES2))
注：各学院可根据教学需要对以上栏木进行增减。
表格内容可根据内容扩充。
数字图像处理实验四
实验四图像增强实验内容：（1）直方图均衡化处理：给定一幅图片，作出均衡化后的直方图，并将原图和均衡化后的图片进行对比。
（2）对一副图像采用多种方法（如均值滤波）实现图像平滑；及采用“原图-低通图像（均值滤波）”、及“原图+高通图像（各种算子）”的方法锐化图像。
实验原理：(1)直方图均衡化是图像增强的重要手段，把输入图像的直方图进行均衡化处理后，可以获得更加清晰的图像。
(2)锐化和平滑是图像增强的重要手段，采用前者可以突出图像的细节，采用平滑可以滤除图像中的噪声，从而达到图像清晰的目的。
实验报告要求：给出实验代码，和实验结果图，并对实验结果进行分析。
所用函数：（1）I mhist函数功能：该函数用于获取图像数据直方图。
调用格式：imhist(I,n)其中，n为指定的灰度级数目，缺省值为256（2）h isteqg=histeq(f,n)对图像f进行均衡化处理，n为输出图像指定的灰度级数，默认值为64;k=histeq(f,p)对图像f进行规定化处理，p为指定的直方图，k为输出图像，其直方图近似于指定的直方图p。
（3）fspecial用于建立预定义的滤波算子，其语法格式为：h = fspecial(type)h = fspecial(type，para)其中type指定算子的类型（可以为'average'——均值滤波，参数为hsize代表模板尺寸，默认值为【3，3】； 'disk'——圆形区域均值滤波，参数为radius代表区域半径，默认值为5；'gaussian'——高斯低通滤波，有两个参数，hsize表示模板尺寸，默认值为【3 3】，sigma为滤波器的标准值，单位为像素，默认值为0.5。
'laplacian'——拉普拉斯算子，参数alpha用于控制算子形状，取值范围为【0，1】，默认值为0.2。
'log'——拉普拉斯高斯算子，有两个参数，hsize表示模板尺寸，默认值为【3 3】，sigma为滤波器的标准差，单位为像素，默认值为0.5。
《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。
西安石油大学数字图像处理实验报告四
《数字图像处理》实验四题目图像分割专业班级学号姓名时间实验报告课程名称数字图像处理实验名称图像分割姓名____________ 学号专业班级____ _实验日期成绩______ _指导教师____ _一、实验目的1、掌握图像分割的原理2、掌握基于阈值的分割方法二、实验原理迭代阈值法(1)选择一个初始阈值T1(2)根据初始阈值T1将图像分割为G1和G2两个部分，分别求出G1和G2的平均灰度值m1和m2；(3)计算新的阈值T2= (m1+m2)/2；(4)如果| T1 –T2 |≤ T0，终止迭代。
否则令T1= T2，重复步骤（2）和（3），最后的T2就是所求的最优阈值。
初始阈值T1的选取：当目标与背景面积相当时，将T1设为整幅图像的平均灰度当目标与背景面积相差较远时，将T1设为最大灰度与最小灰度的中间值。
质心型区域生长算法：(1)确定初始种子点，阈值；(2)对图像进行逐行扫描，找出尚没有归属的像素；(3)比较已存在区域的像素灰度平均值与该区域邻接的像素灰度值，若差值小于阈值，则合并；(4)以新合并的像素为中心，重复步骤(3)，检查新像素的邻域，直到区域不能进一步扩张；(5)返回到步骤(2)，继续扫描直到不能发现没有归属的像素，则结束整个生长过程。
迭代阈值算法原理：三、实验环境操作系统：Windows 8.1软件：Matlab 2016a四、实验内容与步骤1、利用im2bw()实现固定阈值分割，完成对一幅灰度图像的二值分割，调整阈值，记录并分析实验结果；>> yuantu=imread('C:\Users\wangdediannao1\Desktop\a.jpg');%原图如图一所示>> hudutu=rgb2gray(yuantu);>> figure;>> imshow(hudutu); %转化为灰度图像，如图二所示>> bianhuan=im2bw(hudutu,0.3); %实现固定阈值分割, 阈值为0.3>> figure;>> imshow(bianhuan); %显示固定固定阈值分割分割后的图像，如图三所示>> bianhuan1=im2bw(hudutu,0.5); %实现固定阈值分割, 阈值为0.5>> figure;>> imshow(bianhuan1); %显示固定固定阈值分割分割后的图像，如图四所示2、编写迭代阈值法程序，记录迭代得出的最优阈值，利用该阈值实现图像的分割；>> j=double(hudutu);>> t=(min(j(:))+max(j(:)))/2; %设置初始阈值>> done=false;>> i=0;>> while ~doner1=find(j<=t);%找出不大于t的所有像素点索引值r2=find(j>t);%找出大于t的所有像素点索引值tnew=(mean(j(r1))+mean(j(r2)))/2;%计算心得阈值done=abs(tnew-t)<1;t=tnew;i=i+1;end>> j(r1)=0;%小于阈值的为黑>> j(r2)=1;%大于阈值的为白>> figure;>> imshow(j);%显示处理结果如图五所示五、实验结果与分析(可提供屏幕抓图)图一图二图三图四图五六、实验心得与体会熟悉了Matlab软件，以及在Matlab中对于图像处理的方法，对matlab有了一个全新的认识，其次是对matlab中的图像阈值处理操作和命令的使用有了更高的掌握。
- 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
实验
实验四：图像增强—直方图变换学院：信息工程学院
姓名：
学号：
专业及班级：
指导教师：
一、实验目的
1．掌握灰度直方图的概念及其计算方法；
2．熟练掌握直力图均衡化和直方图规定化的计算过程；
3．熟练掌握空域滤波中常用的平滑和锐化滤波器；
4．掌握色彩直方图的概念和计算方法；
5．利用MATLAB程序进行图像增强。
二、实验内容
图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。
直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。
直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。
直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。
灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。
直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
三、实验具体实现
显示原图像的直方图和经过均衡化处理过的图像直方图：
I=imread('1.jpg'); % 读入原图像
J=histeq(I); %对原图像进行直方图均衡化处理
subplot(2,2,1) ;imshow(I); %显示原图像
title('原图像'); %给原图像加标题名
%对原图像进行屏幕控制；显示直方图均衡化后的图像
subplot(2,2,2) ;imshow(J);
%给直方图均衡化后的图像加标题名
title('直方图均衡化后的图像') ;
%对直方图均衡化后图像进行屏幕控制；作一幅子图，并排两幅图的第1幅
subplot(2,2,3) ;
imhist(I,64); %将原图像直方图显示为64级灰度
title('原图像直方图') ; %给原图像直方图加标题名
subplot(2,2,4); %作第2幅子图
imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度
title('均衡变换后的直方图') ; %给均衡化后图像直方图加标题名
四、思考题
1.直方图是什么概念？它反映了图像的什么信息？
直方图表示数字图像中每一灰度级与其出现频数（该灰度像素的数目）间的统计关系，用横坐标表示灰度级，纵坐标表示其频数（也有用相对频数即概率表示的），即指图像中各种不同灰度级像素出现的相对频率。
灰度直方图描述了图像的概貌，如灰度范围、灰度级分布、整幅图像的平均亮度等。
2．直方图均衡化是什么意思？它的主要用途是什么？
直方图均衡化也叫做直方图均匀化，是一种灰度增强算法，通过对原图像进行某种变换，使得图像的直方图变为均匀分布的直方图，直方图变换后可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像细节清晰，达到增强的目的,以改善图像的视
觉效果。
主要用于图像的增强，使图像变得清晰，如在医学上的X光，核磁共振成像等。
五、实验小结。