数字图象处理第二次作业

实验报告
实验名称实验二空间域数字图像增强
实验课程数字图像处理
姓名成绩
班级学号
日期 2011年11月20日地点综合试验楼
1.实验目的
（1）了解空间域图像增强的各种方法（点处理、掩模处理）； （2）通过编写程序掌握采用直方图均衡化进行图像增强的方法；
（3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法） 消除噪声的原理；
（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。

2.实验环境（软件、硬件及条件）
Windws2000/XP 、MA TLAB 6.x or above 、V isual C++、Visual Basic 或其它
3.实验方法
对如图所示的两幅128×128、256级灰度的数字图像fing_128.img 和cell_128.img 进行如下处理：
（1）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。

（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。

①不加门限； ②加门限),(2
1n m f T
=，
（其中∑∑=i
j
j i f N
n m f )
,(1),(2
）
4.实验分析
（1）直方图均衡化处理
本题的关键步骤在于对灰度出现频率的概率统计，利用如下函数实现：
for x=1:128
指纹图fing_128.img
显微医学图像cell_128.img
for y=1:128
q(f(x,y)+1)=q(f(x,y)+1)+1;
end
end
在概率统计完成之后，做出其累计直方图：
t(1)=s(1);
for i=2:256
t(i)=t(i-1)+s(i);
end
subplot(2,1,1);
bar(X,t');
然后用 t0=floor(255*t+0.5)函数将概率累计直方图变为对灰度级频数的累计，这样就得到了不同灰度级对应的不同的频数。

最后通过以下函数将概率分布均衡到各个不同的灰度级上去：原理为对于频数累计直方图变化的快慢分配给以不同的频率，在频数累计图变化慢的地方会分配给相对较多的频率，而对于频数累计直方图变化较快的地方则分配给较少的频率，这样便实现了直方图的均衡化。

t1=zeros(1,256);
for i=1:256
t1(t0(i)+1)=s(i)+t1(t0(i)+1);
end
(2)图像加入噪声及去噪
利用如下函数将噪声加入到原图像中：
a=randn(128,128);
f=a*30+fg;
利用四邻域平滑法对图像进行平滑处理，并且不加门限：
f0=f;
for x=2:127
for y=2:127
f0(x,y)=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;
end
end
第二次平滑处理时加入门限，设定方法为：
t=0;
for x=1:128
for y=1:128
t=t+f0(x,y);
end
end
T=t/(128^2*2);
利用如下的循环函数实现对图像的加门限平滑，注意的是x、y的起止范围，四周的点不作处理。

f1=f;
for x=2:127
for y=2:127
h=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;
if abs(f(x,y)-h)>T
f1(x,y)=h;
else
f1(x,y)=f(x,y);
end
end
end
5.实验结果及结论
（1）直方图均衡化处理
原始图像及灰度级概率分布图
频率及频数统计分布直方图
图像均衡化之后的结果
实验结论：
由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较多，经过直方
图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。

原始图像及灰度级概率分布图
频率及频数统计分布直方图
图像均衡化之后的结果
实验结论：
由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较少，而所占的灰度等级比较多，因此图像的对比度比较好，亮度比较大，整体图像清晰。

经过直方图均衡后，目标物的所占的灰度等级被压缩，对比度减弱，反而使目标物变的难以辨认。

数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值；而且均衡化使灰度级并归，因此，均衡化后，其直方图并非完全均匀分布。

（2）图像加入噪声及去噪
原始图像、加噪图像、不加门限的平滑以及加入门限的平滑图像
原始图像、加噪图像、不加门限的平滑以及加入门限的平滑图像实验结论：
可以看到，对加噪图像进行4-邻域平滑后，去处了大部分的噪声，但也使目标物边缘变的模糊。

加门限后，目标物的边缘得到加强。

附件：
（1）直方图均衡化处理源程序
clc;
fid=fopen('D:\images\fing_128.img','r');
f=fread(fid,[128,128],'uchar');
subplot(2,1,1);
imshow(f,[0,255]);
q=zeros(1,256);
for x=1:128
for y=1:128
q(f(x,y)+1)=q(f(x,y)+1)+1;
end
end
s=q./(128*128);
X=0:255;
subplot(2,1,2);
bar(X,s','g');
figure;
t=zeros(1,256);
t(1)=s(1);
for i=2:256
t(i)=t(i-1)+s(i);
end
subplot(2,1,1);
bar(X,t');
t0=floor(255*t+0.5);
subplot(2,1,2);
bar(X,t0');
figure;
t1=zeros(1,256);
for i=1:256
t1(t0(i)+1)=s(i)+t1(t0(i)+1);
end
subplot(2,1,2);
bar(X,t1','g');
f1=zeros(128,128)
for x=1:128
for y=1:128
f1(x,y)=t0(f(x,y)+1);
end
end
subplot(2,1,1);
imshow(f1,[0,255]);
（2）图像加入噪声及去噪的源程序
clc;
fid=fopen('D:\images\cell_128.img','r');
fg=fread(fid,[128,128],'uchar');
subplot(2,2,1);
imshow(fg,[0,255]);
a=randn(128,128);
f=a*30+fg;
subplot(2,2,2);
imshow(f,[0,255]);
f0=f;
for x=2:127
for y=2:127
f0(x,y)=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;
end
end
subplot(2,2,3);
imshow(f0,[0,255]);
t=0;
for x=1:128
for y=1:128
t=t+f0(x,y);
end
end
T=t/(128^2*2);
f1=f;
for x=2:127
for y=2:127
h=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;
if abs(f(x,y)-h)>T
f1(x,y)=h;
else
f1(x,y)=f(x,y);
end
end
end
subplot(2,2,4);
imshow(f1,[0,255]);。