实验三 图像增强—灰度变换
实验-灰度图像的线性变换
实验三灰度图像的线性变换一、实验目的1．了解灰度变换的基本原理；2．掌握线性变换处理的方法；3．利用VC编写图像线性变换处理的程序；4．在微机上调试程序。
二、实验原理灰度级修正是对图像在空间域进行增强的简单而效果明显的方法，根据图像降质不同的原因以及对图像特征的不同要求而采用不同的修正方法。
主要有灰度变换法和修正法。
它们是把原图像的灰度函数f(x,y)经过一个变换函数T(.)变换成一个新的图像函数g(x,y)，即g(x,y)=T[f(x,y)]通过变换，达到对比度增强的效果，要注意在变换的过程中，对每一个象素(x,y)都经过了同样的处理，因此该方法又叫做点处理。
本实验完成灰度图像的线性变换处理。
1．灰度变换法一般成像系统只具有一定的亮度范围，亮度的最大值与最小值之比称为对比度。
由于形成图像的系统亮度有限，常出现对比度不足的弊病，使人眼观看图像时视觉效果很差，通过灰度变换法可以大大改善人的视觉效果。
灰度变换法又可分为三种：线性、分段线性及非线性变换。
（1）线性变换假定原图像f(x,y)的灰度范围为[a,b]，希望变换后图像g(x,y)的灰度范围扩展至[c,d]，线性变换表示式为：g(x,y)=[(d-c)/(b-a)] f(x,y)+c此关系式可用图3-1表示。
若图像中大部分象素的灰度级分布在区间[a,b]，很小部分的灰度级超出了此区间，为改善增强的效果，可令：c 0< f(x,y)<ag(x,y)= [(d-c)/(b-a)] f(x,y)+c a≤ f(x,y)≤bd b< f(x,y)< F max其中F max为输入图像的最大灰度值。
图3-1 灰度范围线性变换（2）分段线性变换为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的目标或灰度区间，常采用分段线性变换法。
常用的是三段线性变换法，如图3-2所示，其数学表达式为：(c/a)f(x,y) 0<f(x,y)<ag(x,y)= [(d-c)/(b-a)]f(x,y)+c a≤f(x,y)≤b[(G max-d)/(F max-b)][f(x,y)-b+d] b<f(x,y)≤F max图中对灰度区间[a,b]进行了线性变换，而灰度区间[0,a] [b,F max]受到了压缩。
图像增强—灰度变换增强
成绩评定表课程设计任务书摘要空域增强在数字图像处理中起到对图像灰度的拉伸、压缩变换的作用，目前这种方法在处理图像灰度值方面得到广泛的运用。
图像变换增强是利用一系列的变换方法使图像的对比度得到提升，以达到增强图像的目的，便于观察，易于区分不同灰度的图像。
灰度变换的方法有线性灰度变换、分段线性灰度变换、非线性灰度变换。
本文采用灰度变换技术，分别对灰度图像进行了线性灰度变换增强、非线性灰度增强和分段线性灰度增强。
仿真结果表明灰度变换可使图像动态范围增大，图像对比度扩展，图像变清晰，特征明显；对于灰度局限在某一个很小范围内的数字图像，采用线性函数对图像的每一个像素进行线性扩展，扩大像素的对比度，将有效地改善视觉效果，达到了提高图像对比度，增强图像效果的目的，证明了图像变换增强在数字图像处理中的重要作用。
关键词：空域增强；灰度变换；线性灰度变换；非线性灰度变换目录1 设计目的与要求 (1)1.1 设计目的 (1)1.2 设计要求 (1)2 设计原理 (1)2.1 线性灰度变换 (1)2.2 分段线性灰度变换 (2)2.3 非线性灰度变换 (3)3 设计方案 (3)3.1 设计思想 (3)3.2 设计流程 (4)4 软件实现 (5)4.1 线性灰度变换增强 (5)4.2 分段线性灰度变换增强设 (6)4.3 非线性灰度变换增强 (7)5 仿真与结果分析 (7)5.1 仿真 (8)5.2 结果分析 (10)结论 (11)参考文献 (12)1 设计目的与要求1.1 设计目的空域增强在数字图像处理中起到对图像灰度的拉伸、压缩变换的作用，目前这种方法在处理图像灰度值方面得到广泛的运用。
灰度变换是空域变换的一种重要方式，可使图像对比度扩展，图像清晰，特征明显。
本实验中，我们就用灰度变换来对灰度图像进行处理。
1.2 设计要求（1）熟练掌握MATLAB软件的基本操作（2）学会掌握MATLAB软件的程序编程（3）查阅相关资料并分析，掌握灰度变换增强的主要思路（4）培养独立分析和解决问题的能力，学会撰写课程设计的总结报告（5）善于总结和改进方案，提高可实施性和高效性。
实验三图像增强--灰度变换
实验三图像增强--灰度变换实验三图像增强—灰度变换⼀、实验⽬的：1、了解图像增强的⽬的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2、学会对图像直⽅图的分析。
3、掌握直接灰度变换的图像增强⽅法。
⼆、实验原理及知识点术语‘空间域’指的是图像平⾯本⾝，在空间域内处理图像的⽅法是直接对图像的像素进⾏处理。
空间域处理⽅法分为两种：灰度级变换、空间滤波。
空间域技术直接对像素进⾏操作其表达式为：g(x,y)=T[f(x,y)]其中f(x,y)为输⼊图像，g(x,y)为输出图像，T是对图像f进⾏处理的操作符，定义在点(x,y)的指定领域内。
定义点(x,y)的空间邻近区域的主要⽅法是，使⽤中⼼位于(x,y)的正⽅形或长⽅形区域。
此区域的中⼼从原点(如左上⾓)开始逐像素点移动，在移动的同时，该区域会包含不同的领域。
T应⽤于每个位置(x,y)，以便在该位置得到输出图像g。
在计算(x,y)处的g值时，只使⽤该领域的像素。
灰度变换T的最简单形式是使⽤领域⼤⼩为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为⼀个亮度或灰度级变化函数。
当处理单设(灰度)图像时，这两个术语可以互换。
由于亮度变换函数仅取决于亮度的值，⽽与(x,y)⽆关，所以亮度函数通常可写做如下所⽰的简单形式： s=T(r)其中，r表⽰图像f中相应点(x,y)的亮度，s表⽰图像g中相应点(x,y)的亮度。
核⼼函数是imhist，其基本语法为：h=imhist(f,b)其中，f为输⼊图像，h为其直⽅图h()，b是⽤于形成直⽅图像的灰度级的个数。
如果b未包含在此变量中，则默认值为256.如要处理⼀幅uint8类图像并令b=2,则亮度标度范围分为两部分：0—127和128—255.所得的直⽅图只有两个值：h(1)等于图像在区间[0,127]内的像素总数，h(2)等于图像在区间[127,255]内的像素总数。
使⽤ p=imhist(f,b)/numel(f)则可获得归⼀化直⽅图。
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。
【VIP专享】3.图像增强—灰度变换 - 数字图像处理实验报告
计算机与信息工程学院验证性实验报告专业：通信工程年级/班级：2011级 2013—2014学年第一学期课程名称数字图像处理指导教师段新涛本组成员学号姓名实验地点计科楼111实验时间周五5-6节项目名称图像增强—灰度变换实验类型验证性一、实验目的：1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2、学会对图像直方图的分析。
3、掌握直接灰度变换的图像增强方法。
二、实验原理及知识点术语‘空间域’指的是图像平面本身，在空间与内处理图像的方法是直接对图像的像素进行处理。
空间域处理方法分为两种：灰度级变换、空间滤波。
空间域技术直接对像素进行操作其表达式为g(x,y)=T[f(x,y)]其中f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f进行处理的操作符，定义在点(x,y)的指定领域内。
定义点(x,y)的空间邻近区域的主要方法是，使用中心位于(x,y)的正方形或长方形区域。
此区域的中心从原点(如左上角)开始逐像素点移动，在移动的同时，该区域会包含不同的领域。
T应用于每个位置(x,y)，以便在该位置得到输出图像g。
在计算(x,y)处的g值时，只使用该领域的像素。
灰度变换T的最简单形式是使用领域大小为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为一个亮度或灰度级变化函数。
当处理单设(灰度)图像时，这两个术语可以互换。
由于亮度变换函数仅取决于亮度的值，而与(x,y)无关，所以亮度函数通常可写做如下所示的简单形式：s=T(r)其中，r表示图像f中相应点(x,y)的亮度，s表示图像g中相应点(x,y)的亮度。
三、实验内容：1、图像数据读出2、计算并分析图像直方图3、利用直接灰度变换法对图像进行灰度变换下面给出灰度变化的MATLAB程序f=imread('medicine_pic.jpg');g=imhist(f,256); %显示其直方图g1=imadjust(f,[0 1],[1 0]); %灰度转换，实现明暗转换(负片图像)figure,imshow(g1)%将0.5到0.75的灰度级扩展到范围[0 1]g2=imadjust(f,[0.5 0.75],[0 1]);figure,imshow(g2)g=imread('point.jpg');h=log(1+double(g)); %对输入图像对数映射变换h=mat2gray(h); %将矩阵h转换为灰度图片h=im2uint8(h); %将灰度图转换为8位图figure,imshow(h)四、实验仪器PC一台，MATLAB软件五、实验图片columbia480.bmp Fig0704(Vase).tif.tif六、实验程序及结果clc;clear allf=imread('columbia480.bmp');subplot 121;imshow(f)title('原始图像')subplot 122;imhist(f,256)title('原始图像直方图')%灰度转换，实现明暗转换(负片图像）f1=imadjust(f,[0 1],[1 0]);figure(2)subplot 121,imshow(f1)title('明暗转换后的图像')subplot 122;imhist(f1,256)title('明暗转换直方图')%将0.5到0.75的灰度级扩展到范围[0 1]f2=imadjust(f,[0.5 0.75],[0 1]);figure(3)subplot 121;imshow(f2)title('0.5到0.75的灰度级扩展到范围[0 1]的图像')subplot 122;imhist(f2,256)title('灰度级扩展直方图')像像像像050010001500200025003000像像像像像像像像像像像像像像像像像像像像像像0.5像0.75像像像像像像像像像[0 1]像像像0x 104像像像像像像像像clc;clear allm=imread('Fig0704(Vase).tif.tif');h=log(1+double(m)); %对输入图像对数映射变换h=mat2gray(h); %将矩阵h 转换为灰度图片h=im2uint8(h); %将灰度图转换为8位图figuresubplot 221;imshow(m)title('原始图像')subplot 222;imhist(m)title('原始图像直方图')subplot 223;imshow(h)title('经log 变换后的图像')subplot 224;imhist(h)title('经log 变换后的图像直方图')像像像像像像像像像像像像log 像像像像像像0像log 像像像像像像像像像教师签名：年 月 日。
实验三、直方图及灰度变换
实验三直方图及灰度变换一，目的熟悉并学会使用MA TLAB中图像增强的相关函数了解图像增强的方法、去噪的方法和效果二，实验条件1)微型计算机：INTEL 奔腾及更高2)MATLAB3)典型的灰度、彩色图像文件三，原理视一幅图像为二维矩阵，用MA TLAB进行图像增强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。
四，实验内容1.线性变换设计：从灰度区间[a,b]到[a1,b2]cd d:I=imread('test.jpg');J=rgb2gray(I);%imshow(J);figure,subplot(2,2,1)imhist(J);[m n]=size(J);max_=0;min_=255;%for嵌套循环获取最小灰度及最大灰度值，也可两次调用min或max函数for x=1:1:mfor y=1:1:nif J(x,y) < min_min_=J(x,y);endif J(x,y) > max_max_=J(x,y);endendendmin_max_%循环进行函数计算，从而实现变换%原始图像的像素灰度范围【0，255】，变换后的图像像素灰度范围【min_,max_】for x=1:1:mfor y=1:1:nNEW(x,y)=min_+(max_-min_)/255*(J(x,y));endend%imshow(NEW);figure,subplot(2,2,2) imhist(NEW);010020002000400060008000图像变换前 0100200200040006000图像变换后2.直方图，用matlab语言自写一个程序设计并绘出图像直方图cd d:I=imread('test.jpg');J=rgb2gray(I);%imshow(J);figure,subplot(2,2,1)H=zeros(1,256);%zeros(m,n)产生m×n的零矩阵[m n]=size(J);for i=1:mfor j=1:nH(J(i,j)+1)=H(J(i,j)+1)+1;%从第一个开始，并统计灰度值endendplot(H);stem(H); %绘制二维离散数据的火柴杆图3.直方图的均衡化%一，图像的预处理，读入彩色图像将其灰度化cd d:I=imread('test.jpg');H=rgb2gray(I);imshow(H);%二，绘制直方图[m,n]=size(H); %测量图像尺寸参数GL=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255GL(k+1)=length(find(H==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置endfigure,bar(0:255,GL,'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(1,256); % zeros(m,n)产生m×n的零矩阵for i=1:256for j=1:iS1(i)=GL(j)+S1(i); %计算变换函数SkendendS2=round((S1*256)+0.5); %将Sk归到相近级的灰度for i=1:256GLPeq(i)=sum(GL(find(S2==i))); %计算现有每个灰度级出现的概率endfigure,bar(0:255,GLPeq,'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，图像归一化PA=PS;for i=0:255PA(find(PS==i))=S2(i+1); %将各个像素归一化后的灰度值赋给这个像素endfigure,imshow(PA) %显示均衡化后的图像title('均衡化后图像')imwrite(PA,'JUNHENGHUA.bmp');均衡化前的图像-5005010015020025030000.0050.010.0150.020.025原图像直方图灰度值出现概率-5005010015020025030000.0050.010.0150.020.025均衡化后的直方图灰度值出现概率均衡化后图像均衡化后的图像参考：姚静,武文波,康停军. 直方图均衡化的Matlab 实现[J]. 辽宁工程技术大学学报,2007,S2:60-62.仅供参考。
实验3灰度增强
实验3 图像增强 一 卷积应用函数conv2或者imfilter,对图像进行各种卷积运算。
使用函数fspecial ，你可以构造不同的滤波器模板进行滤波。
conv2函数在选项里选择’same ’，输出和输入的图像大小就会相等。
conv2和imfilter 两个函数的作用是相近的，只不过用conv2，需要先将图像和模板转换成double 类型，而imfilter 函数可以直接对uint8类型的数据直接滤波。
实验内容：验证至少3个不同的滤波器模板，其中至少要有锐化和平滑滤波器，对图像cameraman.png 分别用3x3, 7x7, 31x31的模板进行滤波，显示结果并进行分析；图1.1均值滤波指导老师： 日期：2018/4/02 数字图像处理实验报告班级： 学号：图1.2中值滤波图1.3不同掩模的Laplace锐化图1.4不同掩模的Laplace锐化图像增强图1.5“原图*2-平滑图像”得到锐化图像平滑滤波器分为均值滤波和中值滤波，平滑滤波器可对图像模糊处理，减小噪声。
由图1.1和图1.2得出：模板尺寸越大图像越模糊，图像细节丢越多；如果图像处理的目的是去除噪声，那么，平滑滤波在去除噪音的同时，也钝化了图像的边和尖锐的细节。
用不同掩模的Laplace锐化得到图1.3。
将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能恢复原背景信息，得到增强后的图像，如图1.4。
当拉普拉斯掩模中心系数为正，如[0 -1 0;-1 5 -1;0 -1 0]，输出图像为原图像加拉普拉斯图像；若系数为负，输出图像为原图像减拉普拉斯图像。
Laplacian检测模板的特点是各向同性，对孤立点及线端的检测效果好，但边缘方向信息丢失，对噪声敏感。
源程序：clcclear allI=imread('C:\Users\lenovo\Desktop\实验3图像增强\cameraman.png ');J=imread('C:\Users\lenovo\Desktop\实验3图像增强\wagon.png ');K=imread('C:\Users\lenovo\Desktop\实验3图像增强\wagon_shot_noise.png '); %**************1.不同大小模板的平滑均值滤波******************A=[1,2,1;2,4,2;1,2,1];%均值滤波算子A2=[1,1,1;1 2 1;1 1 1];%均值滤波算子I1=filter2(fspecial('average',3),I)/255; %进行3*3模板的均值滤波I2=filter2(fspecial('average',7),I)/255; %进行7*7模板的均值滤波I3=filter2(fspecial('average',31),I)/255; %进行31*31模板的均值滤波I5=filter2(A2/10,I)/255;%自定义3*3模板的均值滤波I6=filter2(A/16,I)/255; %自定义3*3模板的均值滤波subplot(231),imshow(I),title('原图');subplot(232),imshow(I1),title('3*3模板均值滤波');subplot(233),imshow(I6),title('自定义3*3模板均值滤波');subplot(234),imshow(I5),title('自定义3*3模板均值滤波');subplot(235),imshow(I2),title('7*7模板均值滤波');subplot(236),imshow(I3),title('31*31模板均值滤波');figure(1)%*************2.不同大小模板的平滑中值滤波************figure(2)II1=medfilt2(I,[3 3]);II2=medfilt2(I,[7 7]);II3=medfilt2(I,[31 31]);subplot(221),imshow(I),title('原图');subplot(222),imshow(II1),title('3*3模板中值滤波');subplot(223),imshow(II2),title('5*5模板中值滤波');subplot(224),imshow(II3),title('9*9模板中值滤波');%************3.不同掩模的拉普拉斯锐化滤波器**************figure(3)h1=[1 -2 1;-2 4 -2;1 -2 1];h2=[0 -1 0;-1 5 -1;0 -1 0];h3=[1 1 1;1 -8 1;1 1 1];h4=[1 1 1;1 -9 1;1 1 1];ii=im2double(I);i1=conv2(ii,h1,'same');i2=imfilter(ii,h2,'replicate');i3=conv2(ii,h3,'same');i4=imfilter(ii,h4,'replicate');m1=ii-i1;m2=ii+i2;%掩模中心系数为正则加m3=ii-i3;%反之减m4=ii-i4;subplot(231),imshow(I),title('原图');subplot(232),imshow(m1),title('掩模为[1 -2 1;-2 4 -2;1 -2 1]的Laplace锐化的图像增强');subplot(233),imshow(m2),title('掩模为[0 -1 0;-1 5 -1;0 -1 0]的Laplace锐化的图像增强');subplot(234),imshow(m3),title('掩模为[1 1 1;1 -8 1;1 1 1]的Laplace锐化的图像增强');subplot(235),imshow(m4),title('掩模为[1 1 1;1 -9 1;1 1 1]的Laplace锐化的图像增强');subplot(236),imshow(i2),title('掩模为[0 -1 0;-1 5 -1;0 -1 0]的拉普拉斯锐化图像'); %**************采用“原图*2-平滑图像”方法锐化图像******************** figure(4)subSample = I.*2 - uint8(I2);subplot(121),imshow(I),title('原图');subplot(122),imshow(subSample),title('原图*2-平滑图像”方法锐化图像');2.设计出与频域的低通，带通和高通具有类似功能的时域滤波器。
图像增强__实验报告
深圳大学实验报告课程名称: 数字图像处理实验项目名称: 图像增强学院: 信息工程学院专业: 通信工程****: ***报告人: 学号: 班级: 1班实验时间: 2015、04、09实验报告提交时间: 2015、05、21教务处制[1] 简述直方图均衡化原理答:直方图均衡化的基本思想就是对原始图像中的像素灰度做某种映射变换,使变换后的图像灰度的概率密度就是均匀分布的,即变换后图像就是一幅灰度均匀分布的图像,这意味着图像灰度的动态范围得到了增加,从而可提高图像的对比度。
[2] 对给定的两幅灰度数字图像(可以用MATLAB自带的图像文件)进行如下处理:a、对原图像进行直方图均衡化处理,同屏显示处理前后图像及其直方图,比较异同,并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
答:代码实现如下:A = imread('1、jpg');I=rgb2gray(A);[height,width] = size(I);figuresubplot(221)imshow(I)%显示原始图像subplot(222)imhist(I)%显示原始图像直方图%进行像素灰度统计;s = zeros(1,256);%统计各灰度数目,共256个灰度级for i = 1:heightfor j = 1: widths(I(i,j) + 1) = s(I(i,j) + 1) + 1;%对应灰度值像素点数量增加一 endend%计算灰度分布密度p = zeros(1,256);for i = 1:256p(i) = s(i) / (height * width * 1、0);end%计算累计直方图分布c = zeros(1,256);c(1) = p(1);for i = 2:256c(i) = c(i - 1) + p(i);end%累计分布取整,将其数值归一化为1~256c = uint8(255 、* c + 0、5);%对图像进行均衡化for i = 1:heightfor j = 1: widthI(i,j) = c(I(i,j)+1);endendsubplot(223)imshow(I)%显示均衡化后的图像subplot(224)imhist(I)%显显示均衡化后的图像的直方图进行灰度均衡化的公式有很多,只要满足两个关键的条件就行了。
- 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)。
>> subplot(223),imhist(i);
>> subplot(224),imhist(i2);
2、遇到的主要问题及其解决方案
无
3、实验结果
（1）、
（2）、
五、实验心得
通过实验很好的掌握的实验内容
2012-2013学年第一学期《医学图像处理》实验报告
班级
学号
姓名
实验时间
2013-04
实验地点
4-406
实验成绩
实验题目
图像增强—灰度变换
一、实验目的
1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2、学会对图像直方图的分析。
3、掌握直接灰度变换的图像增强方法。
二、实验内容
clear
>> i=imread('pout.tif');
a=min(min(d));
>> b=max(max(d));
>> a1=0.0;b1=255.0;
>> d2=(b1-a1)/(b-a)*(d-a)+a1;
>> i2=uint8(d2);
>> subplot(221),imshow(i);
f=imread('breast.tif');
>> g=imhist(f,256); %显示其直方图
>> g1=imadjust(f,[0 1],[1 0]); %灰度转换，实现明暗转换(负片图像)
>> figure,imshow(g1)
（2）、读取pout.tif图像，利用直接灰度变换法将其灰度范围线性扩展到[0,255]区间，计算并分析图像直方图。
1、读取’breast.tif‘图像，编写Matlab程序实现图像的负变换。
2、读取pout.tif图像，利用直接灰度变换法将其灰度范围线性扩展到[0,255]区间，计算并分析图像直方图。
三、实验环境
PC一台，MATLAB软件
四、实验过程及结果
1、实验步骤（列出具体每一步）
（1）、读取’breast.tif‘图像，编写Matlab程序实现图像的负变换。