图像增强及MATLAB实现
用Matlab实现基于小波变换的图像增强技术
信 息 技 术20科技资讯 SC I EN C E & TE C HN O LO G Y I NF O R MA T IO N 1 图像增强原理及方法对于一个图像处理系统来说,可以分为三个阶段:图像预处理阶段、特征提取阶段、识别分析阶段。
图像预处理阶段尤为重要,如果这个阶段处理不好,后面的工作就无法展开,图像增强是图像预处理中重要的方法。
图像增强不考虑图像质量的下降的因素,只将图像中感兴趣的特征有选择地突出,而衰减不需要的特征,它的目的主要是提高图像的可读度。
图像增强的方法分为空域法和频域法两类,空域法是指直接在图像所在的空间进行处理,即直接对图像中的各个像素点进行操作;而频域法主要是在图像的某个变换域内,将图像转换到其他空间,利用该空间的特有性质,通过修改变换后的系数,例如傅里叶变换、DCT变换等的系数,对图像进行操作,然后再进行反变换得到处理后的图像。
2 频域增强的主要步骤频域增强的主要步骤是:(1)选择变换方法,将输入图像变换到频域空间;(2)在频带空间中,根据处理目的设计一个转换函数,并进行处理;(3)将所得的结果用反变换得到增强图像。
常见的频域增强方法有低通滤波和高通滤波。
信号或图像的能量大部分集在在幅度谱的低频和中频段,而在较高的频段,感兴趣的信息常被噪声所淹没。
因此,一个能降低高频成分幅度的滤波器就能明显减弱噪声的影响。
3 基于小波变换的图像增强技术小波变换是最近20多年来发展起来的用于信号分析和信号处理的一种新的频域变换技术。
小波是有限宽度的基函数,这些基函数不仅在频率上而且在位置上是变换的,其具有时间-频率自动伸缩能力,因此,它更适合于处理突变信号和非平稳信号,这一特性可用于图像处理的很多地方。
小波多分辨率分解可以看成信号通过小波滤波器后的小波滤波作用的结果。
而小波滤波器具有良好的低通性能。
由于图像信号集中在低频部分,小波滤波的低频信号很好地再现了原始信号的信息,同时，由于信号的维数大大减少,所以,小波低通滤波是很好的多分辨率判决方法。
利用Matlab进行图像去噪和图像增强
利用Matlab进行图像去噪和图像增强随着数字图像处理技术的不断发展和成熟，图像去噪和图像增强在各个领域都有广泛的应用。
而在数字图像处理的工具中，Matlab凭借其强大的功能和易于使用的特点，成为了许多研究者和工程师首选的软件之一。
本文将介绍如何利用Matlab进行图像去噪和图像增强的方法和技巧。
一、图像去噪图像去噪是指通过一系列算法和技术，将图像中的噪声信号去除或减弱，提高图像的质量和清晰度。
Matlab提供了多种去噪方法，其中最常用的方法之一是利用小波变换进行去噪。
1. 小波变换去噪小波变换是一种多尺度分析方法，能够对信号进行时频分析，通过将信号分解到不同的尺度上，实现对图像的去噪。
在Matlab中，可以使用"dwt"函数进行小波变换，将图像分解为低频和高频子带，然后通过对高频子带进行阈值处理，将噪声信号滤除。
最后通过逆小波变换将去噪后的图像重构出来。
这种方法能够有效抑制高频噪声，保留图像的细节信息。
2. 均值滤波去噪均值滤波是一种基于平均值的线性滤波方法，通过计算像素周围邻域内像素的平均值，替代原始像素的值来去除噪声。
在Matlab中，可以使用"imfilter"函数进行均值滤波，通过设置适当的滤波模板大小和滤波器系数，实现对图像的去噪。
二、图像增强图像增强是指通过一系列算法和技术，改善图像的质量、增强图像的细节和对比度，使图像更容易被观察和理解。
Matlab提供了多种图像增强方法，以下将介绍其中的两种常用方法。
1. 直方图均衡化直方图均衡化是一种通过对图像像素值的分布进行调整，增强图像对比度的方法。
在Matlab中，可以使用"histeq"函数进行直方图均衡化处理。
该函数能够将图像的像素值分布拉伸到整个灰度级范围内，提高图像的动态范围和对比度。
2. 锐化增强锐化增强是一种通过增强图像边缘和细节来改善图像质量的方法。
在Matlab中，可以使用"imsharpen"函数进行图像的锐化增强处理。
实验四 图像增强
信息工程学院实验报告课程名称：数字图像处理Array实验项目名称：实验四图像增强实验时间：班级：姓名：学号：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. 掌握图像空域增强算法的基本原理。
3. 掌握图像空域增强的实际应用及MATLAB实现。
4. 掌握频域滤波的概念及方法。
5. 熟练掌握频域空间的各类滤波器。
6.掌握怎样利用傅立叶变换进行频域滤波。
7. 掌握图像频域增强增强的实际应用及MATLAB实现。
二、实验步骤及结果分析1. 基于幂次变换的图像增强程序代码：clear all;close all;I{1}=double(imread('fig534b.tif'));I{1}=I{1}/255;figure,subplot(2,4,1);imshow(I{1},[]);hold onI{2}=double(imread('room.tif'));I{2}=I{2}/255;subplot(2,4,5);imshow(I{2},[]);hold onfor m=1:2Index=0;for lemta=[0.5 5]Index=Index+1;F{m}{Index}=I{m}.^lemta;subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[])endend执行结果：图1 幂次变换增强结果实验结果分析：由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。
2.直方图规定化处理程序代码：clear allclcclose all%0.读图像I=double(imread('lena.tiff'));subplot(2,4,1);imshow(I,[]);title('原图')N=32;Hist_image=hist(I(:),N);Hist_image=Hist_image/sum(Hist_image);Hist_image_cumulation=cumsum(Hist_image);%累计直方图subplot(245);stem(0:N-1,Hist_image);title('原直方图');%1.设计目标直方图Index=0:N-1;%正态分布直方图Hist{1}=exp(-(Index-N/2).^2/N);Hist{1}=Hist{1}/sum(Hist{1});Hist_cumulation{1}=cumsum(Hist{1});subplot(242);stem([0:N-1],Hist{1});title('规定化直方图1');%倒三角形状直方图Hist{2}=abs(2*N-1-2*Index);Hist{2}=Hist{2}/sum(Hist{2});Hist_cumulation{2}=cumsum(Hist{2});subplot(246);stem(0:N-1,Hist{2});title('规定化直方图2');%2. 规定化处理Project{1}=zeros(N);Project{2}=zeros(N);Hist_result{1}=zeros(N);Hist_result{2}=zeros(N);for m=1:2Image=I;%SML处理(SML,Single Mapping Law单映射规则for k=1:NTemp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});[Temp1,Project{m}(k)]=min(Temp);end%2.2 变换后直方图for k=1:NTemp=find(Project{m}==k);if isempty(Temp)Hist_result{m}(k)=0;elseHist_result{m}(k)=sum(Hist_image(T emp));endendsubplot(2,4,(m-1)*4+3);stem(0:N-1,Hist_result{m}); title(['变换后的直方图',num2str(m)]);%2.3结果图Step=256/N;for K=1:NIndex=find(I>=Step*(k-1)&I<Step*k) ;Image(Index)=Project{m}(k);endsubplot(2,4,(m-1)*4+4),imshow(Imag e,[]);title(['变换后的结果图',num2str(m)]);end执行结果：原图规定化直方图2变换后的直方图1变换后的结果图1变换后的直方图2变换后的结果图2图2 直方图规定化实验结果分析：由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。
数字图像处理论文
江苏科技大学数字图像处理本科生课程论文论文题目：图像增强方法综述与matlab实现完成时间：___2016年6月2日________ 所在专业：____软件工程____________ ____ 所在年级：____13419042___________ __图像增强方法综述与matlab实现软件工程专业 1341904222 陆建伟摘要：本文介绍图像增强的内容，并就内部几种方法进行更深一步的探索，利用matlab 使得算法实现并对比。
关键词：图像增强；数字图像处理；灰度变换；直方图；matlab；一、研究背景1.1研究目的经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。
光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。
总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题。
通过本课题的研究能够使图像有更好的视觉感受效果，更能够满足社会生活和生产的需要是本文的最终目的。
1.2研究现状计算机图像处理的发展历史并不长,但是引起了人们的足够重视。
总体来说，图像处理技术的发展大致经历了初创期、发展期、普及期和实用化期4 个阶段。
随着对图像技术研究的不断深入和发展,新的图像增强方法不断出现。
图像作为自然界景物的客观反映是人类感知世界的视觉基础也是人类获取信息、表达信息和传递信息的重要手段。
二、主要理论概况图像增强是指根据特定的需要突出图像中的重要信息同时减弱或去除不需要的信息。
从不同的途径获取的图像通过进行适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域从而更加容易对图像中感兴趣的目标进行检测和测量。
处理后的图像是否保持原状已经是无关紧要的了不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
Matlab中的图像增强方法
Matlab中的图像增强方法图像增强是数字图像处理中的一项重要技术，通过使用各种算法和方法，可以改善图像的质量、增加图像的信息量和清晰度。
在Matlab中，有许多强大而灵活的工具和函数，可以帮助我们实现图像增强的目标。
本文将介绍几种常用的Matlab图像增强方法，并探讨它们的原理和应用。
一、直方图均衡化直方图均衡化是一种常用的图像增强方法，通过调整图像的像素分布来增强图像的对比度和亮度。
在Matlab中，我们可以使用“histeq”函数来实现直方图均衡化。
该函数会根据图像的直方图信息，将像素的灰度值重新映射到一个均匀分布的直方图上。
直方图均衡化的原理是基于图像的累积分布函数（CDF）的变换。
它首先计算图像的灰度直方图，并根据直方图信息计算CDF。
然后，通过将CDF线性映射到期望的均匀分布上，将图像的像素值进行调整。
直方图均衡化的优点在于简单易实现，且效果较好。
但它也存在一些限制，比如对噪声敏感、全局亮度调整可能导致细节丢失等。
因此，在具体应用中，我们需要权衡其优缺点，并根据图像的特点选择合适的方法。
二、自适应直方图均衡化自适应直方图均衡化是对传统直方图均衡化的改进，它能够在改善对比度的同时，保持局部细节。
与全局直方图均衡化不同，自适应直方图均衡化采用局部的直方图信息来进行均衡化。
在Matlab中，我们可以使用“adapthisteq”函数来实现自适应直方图均衡化。
该函数会将图像分成小块，并在每个块上进行直方图均衡化。
通过这种方式，自适应直方图均衡化可以在增强图像对比度的同时，保留图像的细节。
自适应直方图均衡化的优点在于针对每个小块进行处理，能够更精确地调整局部对比度，避免了全局调整可能带来的细节丢失。
然而，相对于全局直方图均衡化，自适应直方图均衡化的计算量较大，因此在实时处理中可能会引起性能问题。
三、模糊与锐化图像增强不仅局限于对比度和亮度的调整，还可以改善图像的清晰度和边缘信息。
在Matlab中，我们可以使用一些滤波器来实现图像的模糊和锐化。
图像增强算法（直方图均衡化、拉普拉斯、Log、伽马变换）
图像增强算法（直⽅图均衡化、拉普拉斯、Log、伽马变换）⼀、图像增强算法原理图像增强算法常见于对图像的亮度、对⽐度、饱和度、⾊调等进⾏调节，增加其清晰度，减少噪点等。
图像增强往往经过多个算法的组合，完成上述功能，⽐如图像去燥等同于低通滤波器，增加清晰度则为⾼通滤波器，当然增强⼀副图像是为最后获取图像有⽤信息服务为主。
⼀般的算法流程可为：图像去燥、增加清晰度（对⽐度）、灰度化或者获取图像边缘特征或者对图像进⾏卷积、⼆值化等，上述四个步骤往往可以通过不同的步骤进⾏实现，后续将针对此⽅⾯内容进⾏专题实验，列举其应⽤场景和处理特点。
本⽂章是⼀篇综合性⽂章，算是⼀篇抛砖引⽟的⽂章，有均衡化、提⾼对⽐度、降低对⽐度的算法。
1.1 基于直⽅图均衡化的图像增强图像对⽐度增强的⽅法可以分为两种：直接对⽐度增强⽅法，间接对⽐度增强⽅法。
直⽅图拉伸和直⽅图均衡化是常见的间接对⽐度增强⽅法。
直⽅图拉伸是利⽤对⽐度拉伸对直⽅图进⾏调整，扩⼤前景和背景灰度的差别，这种⽅法可以通过线性和⾮线性的⽅法来实现，其中ps中就是利⽤此⽅法提⾼对⽐度；直⽅图均衡化则是利⽤累积函数对灰度值进⾏调整，实现对⽐度的增强。
直⽅图均衡化处理原理：将原始图像的灰度图从⽐较集中的某个灰度区间均匀分布在整个灰度空间中，实现对图像的⾮线性拉伸，重新分配图像像素值。
算法应⽤场景：1、算法的本质是重新分布图像的像素值，增加了许多局部的对⽐度，整体的对⽐度没有进⾏太⼤改变，所以应⽤图像为图像有⽤数据的对⽐度相近是，例如：X光图像，可以将曝光过度或曝光不⾜照⽚进⾏更好的显⽰，或者是背景及前景太亮或太暗的图像⾮常有⽤。
2、算法当然也有缺点，具体表现为：变换后的图像灰度级减少，某些细节减少；某些图像有⾼峰值，则处理后对⽐度不⾃然的过分增强。
算法实现特点：1、均衡化过程：直⽅图均衡化保证在图像像素映射过程中原来的⼤⼩关系保持不变，即较亮的区域依旧较亮，较暗的依旧较暗，只是对⽐度增加，不能明暗颠倒；保证像素映射函数的值域在0和255之间。
使用Matlab进行图像增强与图像修复的方法
使用Matlab进行图像增强与图像修复的方法图像增强与图像修复是数字图像处理领域中的重要研究方向之一。
随着数字摄影和图像处理技术的快速发展，越来越多的应用需要对图像进行增强和修复，以提高图像的质量和视觉效果。
在本文中，我们将探讨使用Matlab进行图像增强和图像修复的方法。
一、图像增强方法图像增强是通过对图像进行处理，改善其质量，使其更加清晰、鲜明和易于观察。
下面将介绍几种常用的图像增强方法。
1. 灰度拉伸灰度拉伸是一种简单而有效的图像增强方法，通过拉伸图像的灰度范围，使得图像中的细节更加明确可见。
具体操作是将图像的最低灰度值映射到0，最高灰度值映射到255，中间的灰度值按比例映射到相应的范围。
在Matlab中，我们可以使用imadjust函数实现灰度拉伸。
2. 直方图均衡化直方图均衡化是一种常用的图像增强方法，通过对图像的灰度分布进行调整，使得图像的对比度得到增强。
具体操作是对图像的灰度直方图进行均衡化处理，将图像的灰度级分布均匀化。
在Matlab中，我们可以使用histeq函数实现直方图均衡化。
3. 锐化锐化是一种常用的图像增强方法，通过增强图像的边缘和细节，使得图像更加清晰和立体。
具体操作是对图像进行高通滤波，突出图像中的边缘信息。
在Matlab中，我们可以使用imsharpen函数实现图像锐化。
4. 去噪去噪是一种常用的图像增强方法，通过抑制图像中的噪声，提高图像的质量。
常见的去噪方法包括中值滤波、均值滤波和小波去噪等。
在Matlab中，我们可以使用medfilt2函数实现中值滤波。
二、图像修复方法图像修复是对图像中存在的缺陷或损坏进行补全或恢复的过程，以提高图像的可视化效果。
下面将介绍几种常用的图像修复方法。
1. 图像插值图像插值是一种常用的图像修复方法，通过根据已知的像素值推测缺失的像素值，从而补全图像中的缺失部分。
常见的插值方法包括最近邻插值、双线性插值和双立方插值等。
在Matlab中，我们可以使用interp2函数实现图像插值。
基于matlab的图像对比度增强处理的算法的研究与实现
基于matlab的图像对比度增强处理的算法的研究与实现1. 引言1.1 研究背景图像对比度增强是数字图像处理中的一个重要领域，它能够提高图像的视觉质量，使图像更加清晰、鲜明。
随着现代科技的快速发展，图像在各个领域的应用越来越广泛，因此对图像进行对比度增强处理的需求也越来越迫切。
在数字图像处理领域，图像对比度增强处理是一种经典的技术，通过调整图像的灰度级范围，提高图像的对比度，使图像更加清晰和易于观察。
对比度增强处理可以应用于医学影像、卫星图像、照片修复等领域，有效提升图像质量和信息量。
随着数字图像处理算法的不断发展和完善，基于matlab的图像对比度增强处理算法也得到了广泛研究和应用。
通过matlab编程实现图像对比度增强处理算法，可以快速、高效地对图像进行处理，并进行实验验证和效果分析。
研究基于matlab的图像对比度增强处理算法的研究与实现具有重要的理论意义和实际应用价值。
1.2 研究目的研究目的是探索基于matlab的图像对比度增强处理算法，通过对比不同算法的效果和性能进行分析，进一步提高图像的清晰度和质量。
具体目的包括：1. 深入理解图像对比度增强处理的基本原理，掌握常用的算法和技术；2. 研究基于matlab的图像对比度增强处理算法实现的方法和步骤，探究其在实际应用中的优劣势；3. 通过实验结果与分析，评估不同算法在提升图像对比度方面的效果和效率；4. 对现有算法进行优化与改进，提出更加有效的图像对比度增强处理方法；5.总结研究成果，为今后进一步完善图像处理技术提供参考和借鉴。
通过对图像对比度增强处理算法的研究与实现，旨在提高图像处理的效率和质量，满足不同应用领域对图像处理的需求，促进图像处理技术的发展和应用。
1.3 研究意义对比度增强处理是图像处理领域中一项重要的技术，在实际应用中有着广泛的使用。
通过增强图像的对比度，可以使图像更加清晰、鲜明，提高图像的质量和观感效果。
对比度增强处理在医学影像分析、卫星图像处理、数字摄影等领域都有着重要的应用。
- 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》课程设计课设题目：图像增强与MATLAB实现学校学院：华东交通大学理学院学生班级：13级信息计算（2）班学生：超学生学号：20130810010216指导老师：自柱图像增强与MATLAB实现摘要数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。
图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。
本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。
关键字：图像；图像增强；算法目录一、MATLAB的简介 (1)1.1MATLAB主要功能 (1)二、MATLAB的主要功能 (1)2.1数字增强技术概述 (1)2.2数字图像的表示 (2)三、直方图的均衡化 (2)3.1图像的灰度 (2)3.2灰度直方图 (2)3.3直方图均衡化 (3)四、图像二值化 (5)4.1图像二值化 (5)五、对比度增强 (7)5.1对比度增强 (7)5.2灰度调整 (8)5.3对数变换 (9)六、滤波 (10)6.1平滑滤波 (10)6.2线性平滑滤波程序： (11)6.3非线性滤波 (12)七、锐化 (18)八、参考文献 (19)九、自我评价 (20)一、Matlab的简介1.1 MATLAB主要功能MATLAB是建立在向量、数组和矩阵基础上的一种分析和仿真工具软件包，包含各种能够进行常规运算的“工具箱”，如常用的矩阵代数运算、数组运算、方程求根、优化计算及函数求导积分符号运算等；同时还提供了编程计算的编程特性，通过编程可以解决一些复杂的工程问题；也可绘制二维、三维图形，输出结果可视化。
目前，已成为工程领域中较常用的软件工具包之一。
二、MATLAB的主要功能2.1数字增强技术概述图像增强是按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些信息使得图像更加实用。
图像增强技术主要包含直方图修改处理、图像平滑处理、图像尖锐化处理等。
图像增强技术主要包括：直方图修改处理，图像平滑处理，图像尖锐化处理，彩色图像处理。
从纯技术上讲主要有两类：频域处理法和空域处理法。
频域处理法主要是卷积定理，采用修改图像傅立叶变换的方法实现对图像的增强处理技术；空域处理法：是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。
2.2数字图像的表示图像并不能直接用计算机来处理，处理前必须先转化成数字图像。
由于从外界得到的图像多是二维（2-D ）的，一幅图像可以用一个2-D 数组),(y x f 表示。
这里x 和y 表示二维空间XY 中一个坐标点的位置，而f 则代表图像在点),(y x 的某种性质数值。
为了能够用计算机对图像进行处理，需要坐标空间和性质空间都离散化。
三、直方图的均衡化3.1图像的灰度常用的图像一般是灰度图，这时f 表示灰度值，反映了图像上对应点的亮度。
亮度是观察者对所看到的物体表面反射光强的量度。
作为图像灰度的量度函数),(y x f 应大于零。
人们日常看到的图像一般是从目标上反射出来的光组成的，所以),(y x f 可看成由两部分构成：入射到可见场景上光的量；场景中目标对反射光反射的比率。
确切地说它们分别称为照度成分),(y x i 和反射成分),(y x r 。
),(y x f 与),(y x i 和),(y x r 都成正比，可表示成),(y x f ＝),(y x i ×),(y x r 。
3.2灰度直方图灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特征更加明显。
灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像增强。
程序如下： %灰度直方图I=imread('D:\image\rice.bmp');%读取图像 subplot(2,1,1); Imshow(I);%显示图像 title('(a)原图'); subplot(2,1,2);imhist(I);%绘制图像的灰度直方图 title('(b)原图的灰度直方图');图4.13.3直方图均衡化直方图均衡化过程如下：（1）计算原图像的灰度直方图)(K r r P ；s，进一步求出灰度变换表；（2）计算原图像的灰度累积分布函数k（3）根据灰度变换表，将原图像各灰度级映射为新的灰度级。
灰度直方图均衡化程序：%灰度直方图均衡化I=imread('D:\image\bubbles.bmp');%读取图像subplot(2,2,1);Imshow(I);%显示图像title('原图');subplot(2,2,2);imhist(I);%绘制图像的灰度直方图title('原图的灰度直方图');subplot(2,2,3);J=histeq(I,64);%对图像进行均衡化处理，返回有64级灰度的图像J Imshow(J);%显示图像title('原图直方图均衡化');subplot(2,2,4);imhist(J);%绘制图像的灰度直方图title('均衡后的灰度直方图')以下展示了直方图均衡化的效果：图4.2优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩了像素值的动态围，是一种常用的图像增强算法。
不足：不能抑制噪声。
四、图像二值化4.1图像二值化图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是讲整个图像呈现出明显的黑白效果。
首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。
其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。
图像二值化程序：%图像二值化（选取一个域值，(5) 将图像变为黑白图像）I=imread('beauty.tif');bw=im2bw(I,0.5);%选取阈值为0.5subplot(1,3,1);imshow(I);title('原图');subplot(1,3,2);imshow(bw);title('显示二值图像');J=find(I<150);I(J)=0;J=find(I>=150);I(J)=255;subplot(1,3,3);imshow(I);title(' 图像二值化 ( 域值为150 ） ');下图为图像二值化的效果：图 4.3五、对比度增强5.1对比度增强对比度增强是按一定的规则修改输入图像每一个像素的灰度，从而改变图像灰度的动态围。
例如，观察图4.4可以发现，该图的对比度不高其灰度直方图没有低于35或高于210的值，如果将图像数据映射到整个灰度围，则图像的对比度将大大增大。
图4.45.2灰度调整灰度调整程序：%imadjust函数I=imread('D:\image\rice.bmp');%读取图像subplot(2,2,1);Imshow(I);%显示图像title('原图');subplot(2,2,2);imhist(I);%绘制图像的灰度直方图title('原图的灰度直方图');subplot(2,2,3);J=imadjust(I,[0.3 0.7],[]);%对图像进行灰度变换Imshow(J);%显示图像title('原图直方图均衡化');subplot(2,2,4);imhist(J);%绘制图像的灰度直方图title('均衡后的灰度直方图')以下展示了常用对比度扩展法的结果：图4.5从图4.5【原图】可以看出原始图像动态围较小，整体较暗，反映在直方图上像素主要集中在低灰度的一侧。
经过对比度调整，图像变亮。
5.3对数变换对数变化常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清。
对数变换程序：%对数变换I=imread('beauty.tif');%读取图像I=mat2gray(I);%对数变换不支持uint8类型数据，将一个矩阵转化为灰度图像的数据格式(double)J=log(I+1);subplot(1,2,1);Imshow(I);%显示图像title('原图');subplot(1,2,2);Imshow(J);title('对数变换后的图像')图 4.6对数变换确实能够扩展低值灰度，而压缩高值灰度，使低值灰度的图像细节更容易看清。
六、滤波6.1平滑滤波平滑技术用于平滑图像中的噪声。
平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均或中值。
为了既平滑噪声又保护图像信号。
6.2线性滤波输出图像的值等于输入图像滤波后值的局部平均，各个项具有相同的权。
下面是平滑窗口分别为矩形和圆形的情况。
⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1111111111111111111111111251],[k j h rect ⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=011101111111111111110111211],[k j h circ 对一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。
6.2线性平滑滤波程序：%线性平滑滤波I=imread('beauty.tif');J=imnoise(I,'salt & pepper',0.02); subplot(221),imshow(I) title('原图像') subplot(222),imshow(J) title('添加椒盐噪声图像')K1=filter2(fspecial('average',3),J)/255;%应用3*3邻域窗口法 subplot(223),imshow(K1)title('3x3窗的邻域平均滤波图像')K2=filter2(fspecial('average',7),J)/255;%应用7*7邻域窗口法 subplot(224),imshow(K2)title('7x7窗的邻域平均滤波图像')如图4.8(a)为线性平滑滤波的例子：6.3非线性滤波中值滤波是一种最常用的图像增强技术，是非线性滤波。
对椒盐噪声有很好的去噪效果。