直方图图像处理实验报告

数字图像处理实验 实验一 直方图处理
实验目的
● 理解图像直方图的概念，掌握图像直方图的绘制方法
● 掌握直方图均衡化的原理，并会用直方图均衡化对图像进行处理。

实验要求
1.读入图像，可使用imread 。

2.输出图像，可使用imshow 。

3.绘制图像pout.tif 的归一化的直方图，可使用IPT 函数imhist 。

4.对图像进行直方图均衡化，可使用IPT 函数histeq ，对均衡化前后的图像以及直方图进行对比。

实验原理
一幅数字图像在范围[0, G ]内共有L 个灰度等级，其直方图定义为离散函数
k k n r h =)(
其中r k 是区间[0, G ]内的第k 级亮度，n k 是灰度级为r k 的图像中的像素数。

通常，我们会用到归一化直方图，即使所用所有元素h (r k )除以图像中的像素总数n 所得到的图形：
n
n n r h r p k
k k ==)()(
其中k =1,2,…,L 。

Matlab 中提供了IPT 函数imhist 来绘制图像的直方图，但是除此之外绘制直方图的方法还有很多，可以通过条形图、杆状图等方式来表示直方图。

直方图均衡化主要用于增强动态范围偏小的图像的反差。

该方法的基本思想是把原始的直方图变换为均匀分布的形状，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。

直方图均衡化一般采用原始图的累计分布函数作为变换函数。

假设灰度级归一化至范围[0, 1]内，p r (r )表示给定图像中的灰度级的概率密度函数，对于离散的灰度级，均衡化变换为：
∑
∑=====k
j j k j j r k k n
n r p r T s 1
1
)()(
式中k =1,2,…,L ，s k 是输出图像中的亮度值，它对应于出入图像中的亮度值r k 。

实验心得：
1. matlab 的函数的功能很强大，一个简单的函数调用就可以解决复杂的问题。

这样，就需要在函数调用时注意函数的参数，否则很容易出错。

比如函数 histeq(a,n)，就要注意其中的n
为灰度值的个数。

2. 对于自己编写函数实现某些特定的功能时，需要对原理掌握清楚，如实验二中需自己编写函数实现图像的均衡，就要求对直方图的均衡原理掌握到位。

3. 使用读图像函数imread()时需注意该程序的物理路径和函数参数，即图像的物理路径需要保持一致。

4. 在代码中定义某些参数，可以扩大代码的使用范围，提高代码的灵活性。

例如，程序二中定义行，列和像素，则可以稍微修改参数的初始值，就可对不同行，列和像素的图像进行直方图均衡。

实验代码：
1. 实验一代码：
%读入位于D盘\image\tuxiang的lena图像
A=imread('D:\image\tuxiang\lena.bmp');
%将读入的彩色图像转化为灰度图像
a=rgb2gray(A);
%对图像进行直方图均衡化
b=histeq(a,256);
%绘制均衡化前后的图像及其直方图
subplot(2,2,1);
imshow(a);
title('原始图像');
subplot(2,2,2);
imhist(a);
title('原始图像归一化直方图');
subplot(2,2,3);
imshow(b);
title('均衡化后的图像');
subplot(2,2,4);
imhist(b);
title('均衡化后图像的归一化直方图');
2. 实验一代码：
%读入位于D盘\image\tuxiang的lena图像
A=imread('D:\image\tuxiang\lena.bmp');
%将读入的彩色图像转化为灰度图像
a=rgb2gray(A);
row=512;%图像每列的像素点
col=512;%图像每行的像素点
n=255;%灰度个数
y=zeros(1,n+1);
z=zeros(1,n+1);
f=zeros(1,n+1);
%统计图像中每个灰度的像素点个数
for i=0:n
k=0;
for r=1:row
for c=1:col
if(a(r,c)==i)
k=k+1;
end
end
end
y(i+1)=k;
end
%映射函数
for p=1:n+1
for q=1:p
f(p)=f(p)+y(q);
end
f(p)=f(p)*n/(row*col);
end
%利用映射函数对图像实现均衡化
for s=1:row
for t=1:col
b(s,t)=f(a(s,t)+1);
end
end
%统计均衡化后的图像的每个灰度的像素点个数for j=0:n
h=0;
for r=1:row
for c=1:col
if(b(r,c)==j)
h=h+1;
end
end
end
z(j+1)=h;
end
%绘制均衡化前后的图像及其直方图subplot(2,2,1);
imshow(a);
title('原始图像');
subplot(2,2,2);
bar([0:n],y/(row*col));
title('原始图像归一化直方图');
subplot(2,2,3);
imshow(b);
title('均衡化后的图像');
subplot(2,2,4);
bar([0:n],z/(row*col));
title('均衡化后图像的归一化直方图');
实验结果：
1. 实验一
（1）原始图及其归一化直方图
（2）均衡化后的图像及其归一化直方图
2. 实验二
（1）原始图及其归一化直方图
（2）均衡化后的图像及其归一化直方图。