非均匀量化程序

合集下载

均匀与非均匀量化

均匀与非均匀量化

实验二均匀、非均匀量化与编码一、实验目的1、了解均匀与非均匀量化编码的原理与过程2、掌握两种不同量化编码方式的特点并能加以比较3、进一步熟悉matlab在通信方面的应用二、理论依据通原理论课中的标量量化原理,包括均匀量化和以PCM为例的非均匀量化(对数量化)。

三、实验内容1、仿真理论及系统框图(1)均匀量化(2)非均匀量化非均匀量化(对数量化)原理框图u律压扩特性(本实验以u律为例)2、模块说明实验程序设计依照量化编码原理可大体分为采样、量化、编码、作图及相关显示几部分。

采样:本实验利用正弦函数的若干点(17个)。

量化:根据不同的输入值,可以得到在不同量化级数下(量化级数n=8,16,64)的结果,算法是程序的核心之一。

编码:对量化结果进行二进制编码,本例进行自然编码,另一个算法核心。

作图与显示:做出不同量化级数下量化曲线、量化误差曲线;显示量化信噪比、及部分采样点的编码结果。

3、语句分析详细的分析见程序注释四、实验数据1、均匀量化(曲线名称见各自曲线图)(1)n=8(2)n=16(3)n=642、非均匀量化(u率对数量化)(1)n=8(2)n=16(3)n=642、数据分析与说明:(1)n=8,16,64的均匀量化曲线对于均匀量化,量化级数越大,量化值与原始值约接近,量化误差越小,即量化效果越好。

(2)n=8,16,64的均匀量化信噪比对于均匀量化,量化级数越大,量化信噪比越大(3)n= 8,16,64的非均匀量化曲线对于非均匀量化,量化级数越大,量化值与原始值约接近,量化误差越小,即量化效果越好。

(4)n=8,16,64的非均匀量化信噪比对于非均匀量化,量化级数越大,量化信噪比越大(5)对于相同量化级的均匀与非均匀量化特性均匀量化的量化误差分布比较均匀,而非均匀量化的量化误差随信号幅度变化:在大幅度处大,在小幅度处小。

当n较小时,均匀量化的量化信噪比大于非均匀量化,但是当n较大时,均匀量化的量化信噪比小于非均匀量化五、实验结果的分析与讨论通过对实验数据的分析,我们直观的发现了与通原理论课一样的结论。

非均匀量化

非均匀量化
为了克服上述均匀量化的缺点,需要量化阶距跟随输入信号电 平的大小而改变。对于信号取值小的区间,就用小的量化阶去近似, 对大的信号则用大的量化阶去近似。这样就使输入信号与量化噪声 之比在小信号到大信号的整个范围内基本一致。对大信号进行量化 所需的量化级数比均匀量化时少的多。
02 非均匀量化的实现方法
若要保
证信噪 比高于
26dB
此门限
采用均匀量化x 能取的范围
采用非均匀量化x 能取的范围
均匀量化 非均匀量化
小信号 时非均 匀量化 优于均 匀量化
大信号
X=1
图 2 有无压阔的比较曲线
小信号
x(dB)
通信技术专业教学资源库 南京信息职业技术学院
谢谢
主讲: 杨 光
03 A律13折线压扩特性
y 1
7 8
6 8
5
8
5
4

4
3 83
2 82
1 8
1
0
1
128
1 64
1
1 32
16
1 8
6
1 4
7
1 2
图1 13折线
第8段
斜率: 1段16 2段16 3段8 4段4 5段2 6段1 7段1/2 8段1/4
1
x
04 有无压扩特性比较
量化信噪比(dB)
大信号 时均匀 量化优 于非均 匀量化
通信技术专业教学资源库 南京信息职业技术学院
《现代通信技术》课程
非均匀量化
主讲: 杨 光
目录
01 非均匀量化的目的 02 非均匀量化的实现方法 03 A律13折线压扩特性 04 有无压扩特性比较
01 非均匀量化的目的
在均匀量化中,量化电平数Q 和量化间隔都是确定的,量化 噪声Nq也是确定的,与信号电平大小无关。当信号小时,信噪比也 小。所以,均匀量化对于小输入信号很不利。

均匀与非均匀量化

均匀与非均匀量化

均匀与非均匀量化一、实验目的1、了解均匀与非均匀量化编码的原理与过程2、掌握两种不同量化编码方式的特点并能加以比较3、进一步熟悉matlab在通信方面的应用二、理论依据通原理论课中的标量量化原理,包括均匀量化和以PCM为例的非均匀量化(对数量化)。

三、实验内容1、仿真理论及系统框图(1)均匀量化(2)非均匀量化非均匀量化(对数量化)原理框图u律压扩特性(本实验以u律为例)2、模块说明实验程序设计依照量化编码原理可大体分为采样、量化、编码、作图及相关显示几部分。

采样:本实验利用正弦函数的若干点(17个)。

量化:根据不同的输入值,可以得到在不同量化级数下(量化级数n=8,16,64)的结果,算法是程序的核心之一。

编码:对量化结果进行二进制编码,本例进行自然编码,另一个算法核心。

作图与显示:做出不同量化级数下量化曲线、量化误差曲线;显示量化信噪比、及部分采样点的编码结果。

3、语句分析详细的分析见程序注释四、实验数据1、均匀量化(曲线名称见各自曲线图)(1)n=8(2)n=16(3)n=642、非均匀量化(u率对数量化)(1)n=8(2)n=16(3)n=642、数据分析与说明:(1)n=8,16,64的均匀量化曲线对于均匀量化,量化级数越大,量化值与原始值约接近,量化误差越小,即量化效果越好。

(2)n=8,16,64的均匀量化信噪比对于均匀量化,量化级数越大,量化信噪比越大(3)n= 8,16,64的非均匀量化曲线对于非均匀量化,量化级数越大,量化值与原始值约接近,量化误差越小,即量化效果越好。

(4)n=8,16,64的非均匀量化信噪比对于非均匀量化,量化级数越大,量化信噪比越大(5)对于相同量化级的均匀与非均匀量化特性均匀量化的量化误差分布比较均匀,而非均匀量化的量化误差随信号幅度变化:在大幅度处大,在小幅度处小。

当n较小时,均匀量化的量化信噪比大于非均匀量化,但是当n较大时,均匀量化的量化信噪比小于非均匀量化五、实验结果的分析与讨论通过对实验数据的分析,我们直观的发现了与通原理论课一样的结论。

均匀与非均匀量化

均匀与非均匀量化

均匀与非均匀量化-CAL-FENGHAI.-(YICAI)-Company One1实验二均匀、非均匀量化与编码一、实验目的1、了解均匀与非均匀量化编码的原理与过程2、掌握两种不同量化编码方式的特点并能加以比较3、进一步熟悉matlab在通信方面的应用二、理论依据通原理论课中的标量量化原理,包括均匀量化和以PCM为例的非均匀量化(对数量化)。

三、实验内容1、仿真理论及系统框图(1)均匀量化2(2)非均匀量化非均匀量化(对数量化)原理框图u律压扩特性(本实验以u律为例)2、模块说明实验程序设计依照量化编码原理可大体分为采样、量化、编码、作图及相关显示几部分。

采样:本实验利用正弦函数的若干点(17个)。

量化:根据不同的输入值,可以得到在不同量化级数下(量化级数n=8,16,64)的结果,算法是程序的核心之一。

编码:对量化结果进行二进制编码,本例进行自然编码,另一个算法核心。

作图与显示:做出不同量化级数下量化曲线、量化误差曲线;显示量化信噪比、及部分采样点的编码结果。

3、语句分析详细的分析见程序注释四、实验数据1、均匀量化(曲线名称见各自曲线图)(1)n=8(2)n=16(3)n=642、非均匀量化(u率对数量化)(1)n=8(2)n=16(3)n=642、数据分析与说明:(1)n=8,16,64的均匀量化曲线对于均匀量化,量化级数越大,量化值与原始值约接近,量化误差越小,即量化效果越好。

(2)n=8,16,64的均匀量化信噪比对于均匀量化,量化级数越大,量化信噪比越大(3)n= 8,16,64的非均匀量化曲线对于非均匀量化,量化级数越大,量化值与原始值约接近,量化误差越小,即量化效果越好。

(4)n=8,16,64的非均匀量化信噪比对于非均匀量化,量化级数越大,量化信噪比越大(5)对于相同量化级的均匀与非均匀量化特性均匀量化的量化误差分布比较均匀,而非均匀量化的量化误差随信号幅度变化:在大幅度处大,在小幅度处小。

通信系统实验报告-均匀、非均匀量化与编码

通信系统实验报告-均匀、非均匀量化与编码

《现代通信系统》实验报告均匀、非均匀量化与编码一、验证思路1均匀量化:○1验证内容:输入噪声功率不变时,量化级数M对输出信噪比的影响。

验证方法:输入噪声功率取固定值(本实验取三个功率),改变量化级数M,(取M属于2-512区间)用matlab做仿真画图,看输出信号量噪比P/Nq怎么变化(M为横坐标,P/Nq为纵坐标,不同情况下的曲线用不同颜色区分)○2验证内容:量化级数M不变时,输入功率对输出信噪比的影响。

验证方法:量化级数M取固定值(本实验取M=512与M=256两种情况),改变输入信号功率P,用matlab做仿真画图,看输出信号量噪比P/Nq 怎么变化(P为横坐标,P/Nq为纵坐标,不同情况下的曲线用不同颜色区分)2非均匀量化:验证内容:非均匀量化与均匀量化的效果比较验证方法:输入信号功率P变化在同一个图里画非均匀量化时理论曲线与实际仿真曲(P为横坐标,P/Nq为纵坐标,紫色表示非均匀量化理论曲线,绿色表示实际仿真曲线)并与前面均匀量化的图比较。

二、实验框图1.均匀量化图2-1 量化过程图2-2 均匀量化框图2.非均匀量化图2-3 u律压扩特性(本实验以u律为例)图2-4非均匀量化框图三、实验仿真结果1.均匀量化图3-1 量化级数M对输出信噪比影响图3-2 输入信号平均功率对输出信噪比影响2.非均匀量化图3-3 非均匀量化理论与仿真效果四、分析与说明1.均匀量化○1量化级数M对输出信噪比影响: 由图2-1中分析与已知的知识我们知道在输入信号平均功率不变情况下均匀量化输出信噪比与量化级数M成正比关系。

从图3-1我们仿真的图也可以看到这个效果,我们取三个固定输入功率,结果在固定输入功率情况下,输出信噪比都随M的增大而增大,而且在量化器满载时输出信噪比约等于M的平方,仿真结果也符合理论分析。

○2输入信号平均功率对输出信噪比影响:由理论分析知在量化级数M不变的情况下,均匀量化输出信噪比与输入信号功率成正比关系。

PCM脉冲编码调制非均匀量化分析

PCM脉冲编码调制非均匀量化分析

PCM脉冲编码调制非均匀量化分析PCM(Pulse Code Modulation)脉码调制是实现语音信号数字化的一种方法。

是对模拟信号数字化的取样技术,将模拟语音信号变换为数字信号的编码方式,特别是对于音频信号。

PCM 对信号每秒钟取样8000次;每次取样为8个位,总共64 kbps。

本文基于我国采用的30/32路话音信号复接成一个基群的E制,速率为2048kbit/s下非均匀量化输出信噪比均匀量化下信噪比大,非均匀量化下电话系统的优势将更加明显。

标签:PCM脉冲编码均匀量化非均匀量化信噪比声音信号是连续变化的模拟信号,实现语音信号的数字化必须经过抽样、量化和编码三个过程。

抽样,就是每隔一段时间间隔读一次声音的幅度,是把连续时间模拟信号转换成离散时间连续幅度的抽样信号;量化就是把离散时间连续幅度的抽样信号转换成离散时间离散幅度的数字信号。

编码是将量化后的信号编码形成一个二进制码组输出。

“防失真滤波器”是一个低通滤波器,用来滤除声音频带以外的信号;“波形编码器”可暂时理解为“采样器”;“量化器”可理解为“量化阶大小(step-size)”生成器或者称为“量化间隔”生成器。

抽样器把模拟信号以其信号带宽2倍以上的频率提取样值,变为在时间轴上离散的抽样信号的过程。

本文以0.3~3.4kHz话音信号为例,用8kHz的抽样频率(fs),就可获得能取代原来连续话音信号的抽样信号。

对一个正弦信号进行抽样获得的抽样信号是一个脉冲幅度调制(PAM)信号。

对抽样信号进行检波和平滑滤波,即可还原出原来的模拟信号。

把幅度连续变化的模拟量变成用有限位二进制数字表示的数字量的过程称为量化。

即:抽样信号虽然是时间轴上离散的信号,但仍然是模拟信号,其样值在一定的取值范围内,可有无限多个值。

显然,对无限个样值一一给出数字码组来对应是不可能的。

为了实现以数字码表示样值,必须采用“四舍五入”的方法把样值分级“取整”,使一定取值范围内的样值由无限多个值变为有限个值。

量化(均匀、非均匀)、编码(线性、非线性)定义和描述

②A
y AX 1lnA
y1lnA| X| 1lnA
0| X| 1 A
1 | X|1 A
A=87.6时(S/Nq)dB(A)曲线
A律13折线压扩特性
具体实现的方法是:对X轴在0~1(归一化) 范围内以1/2递减规律分成8个不均匀段,其 分段点是1/2、1/4、1/8、1/16、1/32、 1/64和1/128。
矢量量化
1.
矢量量化不仅是一种非常有效的量化技术, 更 是一种高效率的压缩编码技术。其基本思想是: 将 若干个时间离散、幅度连续的抽样值分成一组,形成 多维矢量空间的一个矢量, 再对该矢量进行量化处 理,从而有效地提高量化效率, 如图 所示。
具有均匀量化特性的编码叫做线性编码, 与之对应的具有非均匀量化特性的编码就叫 做非线性编码。
(1) A律13折线编码的码字安排
前述已说明A律13折线的分段是对输入 信号归一化范围(0~1)分为8个不均匀段, 故要表示不同的段落号就需要有三位码。
采用A律13折线编码时所需的码位数是8,
a1
a声信号的分级间隔及量化值
量化噪声功率的计算
量化信噪比随l、X e关系曲线
3. • (1)
非均匀量化的特点是:信号幅度小时, 量化间隔小,其量化误差也小;信号幅 度大时,量化间隔大,其量化误差也大。
非均匀量化及压缩扩张技术
非均匀量化及实现
采用均匀分级量化时其量化信噪比随信号电平的 减小而下降。
8 段 折 线 的 分 段 示 意
A
律 13 折 线 压 缩 特 性
A律13折线量化信噪比
编码与解码
二进制码组及编码的基本概念:目前使用 的二进制码组的编码关系有3种:
一般二进制码编码 循环码编码 折叠二进制码编码

实验五 均匀PCM与非均匀PCM仿真实验

实验五 均匀PCM 与非均匀PCM一、实验目的1. 掌握MATLAB 语言的函数调用,提高编程编程能力。

2. 掌握量化信噪比的基本概念。

3. 学习均匀量化和非均匀量化的基本原理,加深对非均匀量化的理解。

二、实验原理(一)均匀量化的基本原理在脉冲编码调制中,模拟信号首先以高于奈奎斯特的速率采样,然后将所的样本量化。

假设模拟信号是以[-Ⅹmax,Ⅹmax ]表示的区间内分布的,而量化电平数很大。

量化电平可以是相等的或是不相等的;前者就属于均匀PCM ,而后者就是非均匀PCM 。

关于量化的几个基本概念,量化间隔;量化误差;量化信噪比。

(1)相邻量化电平间距离称量化间隔, 用“Δ”表示。

(2)设抽样值为()s x kT ,量化后的值为()q s x kT , x q (kTs)与x(kTs)的误差称为量化误差,又称为量化噪声;量化误差不超过±Δ/2,而量化级数目越多,Δ值越小,量化误差也越小。

(3)衡量量化的性能好坏最常用指标是量化信噪比(S q /N q ),其中S q 表示量化信号值x q (kTs)产生的功率,N q 表示量化误差功率,量化信噪比越大,则量化性能越好。

在均匀PCM 中,长度为2X max 的区间[-Ⅹmax ,Ⅹmax ]被划分为N 个相等的子区间,每一子区间长度为△=2X max /N 。

如果N 足够大,那么在每一子区间内输入的密度函数就能认为是均匀的,产生的失真为D=△2/12。

如果N 是2的幂次方即2v N =,那么就要求用v 比特来表示每个量化电平。

这就意味着,如果模拟信号的带宽是W ,采样又是在奈奎斯特率下完成的,那么传输PCM 信号所要求的带宽至少是vW (实际上1.5vW 比较接近于实际)。

这时失真由下式给出,222max max 212334vx x D N∆===⨯ (1)如果模拟信号的功率用2X 表示,则信号/量化噪声的比(SQNR )由下式给出222m ax22m ax233434v vuX SQ N R NxX xX ==⨯=⨯ (2)式中u X 表示归一化输入,定义为m axu X X x =(3)以分贝(dB )计的SQNR 为24.86|dB u dB SQ N R v X ≈++ (4)量化以后,这些已量化的电平用v 比特对每个已量化电平进行编码.编码通常使用自然二进制码(NBC),即最低电平映射为全0序列,最高电平映射为全1序列,全部其余的电平按已量化值的递增次序映射。

12-2 非均匀量化通信原理

1 ≤ x≤1 A
-1
y 1 A=87.6
0 1/A
A=1 x
1
-1
10
非均匀量化
13折线压缩特性 - Α律的y近似
各段斜率
1
段号 斜率
7/8
8
7
1 16
6/8 6
2 16
5/8 5
38
4/8 4
44
3/8 3
52
2/8 2
61 7 1/2 8 1/4
1/8 1
1/8 1/4
1/2
1
x
1/16
x
x
6
非均匀量化
非均匀量化的实现过程
7
非均匀量化
压缩扩展实例
y
y
10

5
x
t

8
1
y
t
1 0 5
8 1
t 压缩特性曲线
t 扩张特性曲线
8
非均匀量化
¾ 压缩(非线性电路) −−−输出: y = f(x) ¾ 扩张(非线性电路) −−−输出: xˆ = f −1( y)
二、A律和μ律及其折线近似
255
斜率 × 255 段号
01 2 3 4 5
6
78
0 1/8 2/8 3/8 4/8 5/8 6/8 7/8 1
0 1/ 3/ 7/ 15/2 31/ 63/ 127/ 1
255 255 255 55 255 255 255
1/8
1/16 1/32 1/64 1/128 1/256 1/512 1/1024
非均匀量化的目的 提高小信号的输出量化信噪比
非均匀量化的基本思想 量化间隔随信号抽样值的不同而变化。信号抽样

MATLAB编码实现均匀PCM与非均匀PCM

均匀PCM ‎与非均匀P ‎C M实验目的1. 掌握MAT ‎L AB 语言‎的函数调用‎,提高编程编‎程能力。

2. 掌握量化信‎噪比的基本‎概念。

3. 学习均匀量‎化和非均匀‎量化的基本‎原理,加深对非均‎匀量化的理‎解。

实验原理均匀量化的‎基本原理在脉冲编码‎调制中,模拟信号首‎先以高于奈‎奎斯特的速‎率采样,然后将所的‎样本量化。

假设模拟信‎号是以[-Ⅹmax,Ⅹmax ]表示的区间‎内分布的,而量化电平‎数很大。

量化电平可‎以是相等的‎或是不相等‎的;前者就属于‎均匀PCM ‎,而后者就是‎非均匀PC ‎M 。

关于量化的‎几个基本概‎念,量化间隔;量化误差;量化信噪比‎。

(1)相邻量化电‎平间距离称‎量化间隔, 用“Δ”表示。

(2)设抽样值为‎()s x kT ,量化后的值‎为()q s x kT , x q (kTs)与x(kTs)的误差称为‎量化误差,又称为量化‎噪声;量化误差不‎超过±Δ/2,而量化级数‎目越多,Δ值越小,量化误差也‎越小。

(3)衡量量化的‎性能好坏最‎常用指标是‎量化信噪比‎(S q /N q ),其中Sq 表‎示量化信号‎值x q (kTs)产生的功率‎,N q 表示量‎化误差功率‎,量化信噪比‎越大,则量化性能‎越好。

在均匀PC ‎M 中,长度为2X ‎m ax 的区‎间[-Ⅹmax ,Ⅹmax ]被划分为N ‎个相等的子‎区间,每一子区间‎长度为△=2Xmax ‎/N 。

如果N 足够‎大,那么在每一‎子区间内输‎入的密度函‎数就能认为‎是均匀的,产生的失真‎为D =△2/12。

如果N 是2‎的幂次方即‎2vN =,那么就要求‎用比特来表‎v 示每个量化‎电平。

这就意味着‎,如果模拟信‎号的带宽是‎W ,采样又是在‎奈奎斯特率‎下完成的,那么传输P ‎C M 信号所‎要求的带宽‎至少是vW (实际上1.5比较接近‎vW 于实际)。

这时失真由‎下式给出,222maxmax 212334vx x D N ∆===⨯ (1-1) 如果模拟信‎号的功率用‎2X 表示,则信号/量化噪声的‎比(SQNR )由下式给出‎222max22max233434vv u X SQNR N x X x X ==⨯=⨯ (1-2)式中表示归‎u X 一化输入,定义为maxu XX x =(1-3) 以分贝(dB )计的SQN ‎R 为24.86|dB u dB SQNR v X ≈++ (1-4)量化以后,这些已量化‎的电平用比‎v 特对每个已‎量化电平进‎行编码.编码通常使‎用自然二进‎制码(NBC),即最低电平‎映射为全0‎序列,最高电平映‎射为全1序‎列,全部其余的‎电平按已量‎化值的递增‎次序映射。

  1. 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. 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. 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)。

求算法,源代码!!!用Matlab编一个图像的非均匀量化程序。

悬赏分:100 - 解决时间:2007-1-22 04:37
要求:将原来的256灰度图像,任意选择一种非均匀量化方法实现26灰度级的量化。

(除读写位图外,不准调用MATLAB的图像处理工具箱函数)
越简短越好,最好加上详细注释。

大虾们帮帮忙啊。

///
直方图均衡化也是非线性量化的一种吧,网上找到的,作者写的非常详细。

% 数字图像处理程序作业
% 本程序能将JPG格式的彩色图像文件灰度化并进行直方图均衡
%
% 输入文件:PicSample.jpg 待处理图像
% 输出文件:PicSampleGray.bmp 灰度化后图像
% PicEqual.bmp 均衡化后图像
%
% 输出图形窗口说明
% figure NO 1 待处理彩色图像
% figure NO 2 灰度化后图像
% figure NO 3 直方图
% figure NO 4 均衡化后直方图
% figure NO 5 灰度变化曲线
% figure NO 6 均衡化后图像
% 1,处理的图片名字要为PicSample.jpg
% 2,程序每次运行时会先清空workspace
% 作者;archiless lorder
clear all
%一,图像的预处理,读入彩色图像将其灰度化
PS=imread('PicSample.jpg'); %读入JPG彩色图像文件
imshow(PS) %显示出来figure NO 1
title('输入的彩色JPG图像')
imwrite(rgb2gray(PS),'PicSampleGray.bmp'); %将彩色图片灰度化并保存
PS=rgb2gray(PS); %灰度化后的数据存入数组
figure,imshow(PS) %显示灰度化后的图像,也是均衡化前的样品figure NO 2
title('灰度化后的图像')
%二,绘制直方图
[m,n]=size(PS); %测量图像尺寸参数
GP=zeros(1,256); %预创建存放灰度出现概率的向量
for k=0:255
GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率,将其存入GP中相应位置end
figure,bar(0:255,GP,'g') %绘制直方图figure NO 3
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);
for i=1:256
for j=1:i
S1(i)=GP(j)+S1(i); %计算Sk
end
end
S2=round(S1*256); %将Sk归到相近级的灰度
for i=1:256
GPeq(i)=sum(GP(find(S2==i))); %计算现有每个灰度级出现的概率
end
figure,bar(0:255,GPeq,'b') %显示均衡化后的直方图figure NO 4
title('均衡化后的直方图')
xlabel('灰度值')
ylabel('出现概率')
figure,plot(0:255,S2,'r') %显示灰度变化曲线figure NO 5
legend('灰度变化曲线')
xlabel('原图像灰度级')
ylabel('均衡化后灰度级')
%四,图像均衡化
PA=PS;
for i=0:255
PA(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end
figure,imshow(PA) %显示均衡化后的图像figure NO 6
title('均衡化后图像')
imwrite(PA,'PicEqual.bmp');。

相关文档
最新文档