直方图均衡化的matlab实现_数字图像处理课程论文
利用直方图均衡化和规定化进行图像增强的算法设计 数字图像处理毕业论文
目录第1章绪论 (1)1.1 数字图像处理的研究背景 (1)1.2 数字图像处理的研究内容 (1)1.3 DSP系统简介 (2)1.4 图像增强简介 (4)第2章DSP系统 (5)2.1 DSP芯片 (5)2.1.1 DSP芯片的特点 (6)2.1.2 图像处理系统中DSP芯片的选择 (7)2.2 基于DSP的图像处理系统 (8)第3章图像增强 (9)3.1 图像增强的基本概念 (9)3.2 图像增强的方法 (9)3.2.1 图像锐化 (10)3.2.1.1 图像锐化原理 (10)3.2.1.2 拉普拉斯算子 (11)3.2.1.3 基于DSP的算法实现 (12)3.2.1.4 图片锐化效果比较 (14)3.2.2 Sobel边缘检测算法 (16)3.2.2.1 Sobel边缘检测算法原理 (16)3.2.2.2 Sobel边缘检测算法的变异及实现 (16)3.2.3 直方图均衡化算法 (20)3.2.3.1 直方图均衡化 (20)3.2.3.2 直方图规定化 (21)3.2.3.3实验结果及分析 (23)第4章直方图均衡化和规定化算法的DSP实现 (25)4.1 算法的DSP实现与优化 (25)4.1.1 算法开发硬件平台选择 (25)4.1.2 算法的实现与优化 (26)4.2 实验及结果分析 (27)结论 (31)致谢 (32)参考文献 (33)第1章绪论1.1 数字图像处理的研究背景数字图像处理又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
图像处理的基本目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
基于直方图均衡化的图像增强技术分析与Matlab实现_叶松
ps ( s ) = pr ( r ) ⋅
d −1 dr T ( s ) = [ pr ( r ) ⋅ ]r =T −1 ( s ) （５） ds ds
因此， 直方图技术的基础就是通过变换函数Ｔ（ｒ）控制输入图像 灰度级的概率密度函数， 改变输出图像的灰度层次， 从而达到增强 图像的目的。
nk 0 ≤ r ≤1 n （２） k = 0,1,2, Λ , L − 1 P( rk ) =
2 、直方图均衡化
直方图均衡化处理是以累积分布函数变换法为基础的。 对于连 续图像， 变换函数为：
s = T ( r ) = ∫ pr (ù )dù （６）
1 、直方图处理
灰度级直方图是灰度级的函数， 是描述一幅图像中灰度级与出 现这种灰度的概率之间的关系的图形， 是图像最基本得统计特性。 直方图是多种空间域处理技术的基础， 直方图操作能有效地用于图 像增强。 为了便于数字图像处理， 图像的直方图须引入离散形式。 灰度 级为［０，Ｌ－１］范围的数字图像的直方图的离散函数为： ｈ（ｒｋ）＝ｎｋ （１） 其中ｒ ｋ是第ｋ 级灰度， ｎ ｋ是图像中灰度级ｒ ｋ的像素个数。 在图像 中， 像素的灰度级要作归一化处理一遍计算机进行处理， 用图像中 像素的总数ｎ 来除它的每个值， 得到归一化直方图：
图像增强技术是数字图像处理研究的基本对象之一。 增强的主 要目的是使图像按特定的需要突出图像中的某些信息， 同时， 削弱 或出去某些不需要的信息［１］。 图像空间域增强技术是数字图像增强 的一个重要应用， 是以对图像像素的直接处理为基础， 通过线性或 非线性变换来增强构成图像像素的一种技术。 本文所讨论的直方图 均衡化增强方法便属于这种方法。
由此可见， 用ｒ的累积分布函数作为变换函数可产生一幅灰度 级分布具有均匀概率密度函数的图像， 该图像的灰度级较为均匀 化［３］， 且覆盖了整个范围［０，１］。 灰度级均衡化的最终处理结果是扩展 了图像像素取值的动态范围， 具有较高的对比度。
基于matlab的直方图均衡化
目录1、引言 (2)2、直方图基础 (3)3、直方图均衡化 (3)3.1 直方图均衡化的概念 (3)3.2 直方图均衡化理论 (4)3.3 Matlab 实现 (4)4、结论 (7)致谢 (7)参考文献 (7)图像增强处理—直方图均衡化的Matlab 实现摘要：为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化及直方图规定化两种变换，此文中探讨了直方图的理论基础，直方图均衡化的概念及理论，以Matlab为平台，对某地区遥感TM单波段遥感影像进行直方图均衡化，并给出了具体程序、仿真结果图像、直方图及变换函数。
实验结果表明，原来偏暗的且对比度较低的图像经过直方图均衡化后图像的对比度及平均亮度明显提高，直方图均衡化处理能有效改善灰度图像的对比度差和灰度动态范围。
关键词：图像增强直方图均衡化 Matlab1、引言图像增强是指对图像的某些特征，如边缘、轮廓或对比度等进行强调或尖锐化。
当一幅图像曝光不足或过度，造成对比度过小或过大而不能显示具体细节，通过增加这些细节的动态范围改善图像的视觉效果。
图像增强可以突出图像中所感兴趣的特征信息，改善图像的主观视觉质量，提高图像的可懂度。
增强的首要目标是处理图像，使其比原始图像更适合于特定应用。
图像增强的方法分为两大类：空间域方法和频域方法。
“空间域”一词是指图像平面本身，这类方法是以对图像的像素直接处理为基础的。
“频域”处理技术是以修改图像的傅氏变换为基础的。
一般说来，原始遥感数据的灰度值范围都比较窄，这个范围通常比显示器的显示范围小的多。
增强处理可将其灰度范围拉伸到0-255 的灰度级之间来显示，从而使图像对比度提高，质量改善。
增强主要以图像的灰度直方图最为分析处理的基础。
直方图均衡化能够增强整个图像的对比度，提高图像的辨析程度，算法简单，增强效果好。
本文主要讨论了空间域的直方图均衡化增强，并用Matlab 进行实验验证。
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图像直方图及均衡化处理报告
电信信息工程3班卢国梁200730213246 23 1、用matlab作出图像的直方图clear;I=imread('2222.jpg');I=rgb2gray(I);add=[];tab1=zeros(1,256);for n=0:255X=I==n;add=[add;sum(sum(X))]; end;[a,b]=size(I);final=add/(a*b);figure;stem(final,'Marker','none'); figure(2)imshow(I)2、用matlab实现图像的直方图均衡化均衡化前均衡化后程序：clear;I=imread('2222.jpg');I=rgb2gray(I);I2=I;add=[];add1=[];tab1=zeros(1,256);tab2=zeros(1,256);for n=0:255X=I==n;add=[add;sum(sum(X))]; end;[a,b]=size(I);final=add/(a*b);for n=1:256for i=1:ntab1(n)=tab1(n)+final(i);end;end;tab1=tab1*255;tab2=round(tab1); for n=1:afor m=1:bfor t=0:255if I(n,m)==tI2(n,m)=tab2(t+1);end;end;end;end;for n=0:255X1=I2==n;add1=[add1;sum(sum(X1))]; end;[a1,b1]=size(I2);final1=add1/(a1*b1);figure;stem(final,'Marker','none');figure(2)imshow(I2);figure(3)stem(final1,'Marker','none')均衡化后直方图实验心得体会：这次先是把老师的课件都看了一次，知道了各种方法，包括多幅图像去噪声啊，中值滤波啊等等，看了一些参考的程序，请教了同学，就写了这么几个程序，中间遇到了一些问题，比如在均衡化的时候判断的时候用错了序列，结果图像处理之后变得更加难看，思量着不可能越处理越糟糕，就里里外外看了好久的程序，毕竟是当局者，看不出来，请教了同学帮忙看错误，才找出了那个错误：if I(n,m)==add(t)；I2(n,m)=tab2(t+1);后来改为if I(n,m)==t；I2(n,m)=tab2(t+1)；图像也好看很多了！。
基于MATLAB的数字图像处理的设计与实现
基于MATLAB的数字图像处理的设计与实现摘要数字图像处理是一门新兴技术,随着计算机硬件的发展，数字图像的实时处理已经成可能，由于数字图像处理的各种算法的出现,使得其处理速度越来越快，能更好的为人们服务。
数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。
目的:改善医学图像质量，使图像得到增强。
方法：利用Matlab工具箱函数，采用灰度直方图均衡化和高通滤波的方法对一幅X线图像进行增强处理。
结果:用直方图均衡化的算法,将原始图像密集的灰度分布变得比较稀疏，处理后的图像视觉效果得以改善。
高通滤波对于局部细节增强显著,高通滤波后使不易观察到的细节变得清晰。
结论：使用Matlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台。
经过直方图均衡化和高通滤波处理后的医学图像，视觉效果得到改善。
关键词:MATLAB；直方图均衡化；高通滤波；图像增强AbstractDigital image processing is an emerging technology, with the development of computer hardware, real—time digital image processing has become possible due to digital image processing algorithms to appear，making it faster and faster processing speed，better for people services .Digital image processing is used by some algorithms computer graphics image pro cessing technology. Objective：To improve the quality of medical image by enhancing the details。
图像增强中直方图均衡化的Matlab 实现
图像增强中直方图均衡化的Matlab 实现摘要：本文采用直方图均衡化的图像增强的基本原理, 借助数学公式, 在Matlab环境下, 对数字图像进行直方图均衡化处理, 实现原始图像直方图均匀分布, 增加像素灰度值的动态范围, 提高了图像的对比度。
关键词：图像增强, 直方图，均衡化, MatlabABSTRACT:In this paper, the basic principle of histogram equalization , image enhancement , with the mathematical formula , in the Matlab environment for digital image histogram equalization , to achieve uniform distribution of the original image histogram , increasing the dynamic range of pixel gray value , improve contrast of the image .KEYWORDS:image enhancement;histograme ;qualization;Matlab1引言图像增强是指对图像的某些特征,如边缘、轮廓或对比度等进行强调或尖锐化。
当一幅图像曝光不足或过度,造成对比度过小或过大而不能显示具体细节,通过增加这些细节的动态范围改善图像的视觉效果。
图像增强可以突出图像中所感兴趣的特征信息,改善图像的主观视觉质量,提高图像的可懂度。
增强的首要目标是处理图像使其比原始图像更适合于特定应用。
图像增强的方法分为两大类:空间域方法和频域方法。
“空间域”一词是指图像平面本身,这类方法是以对图像的像素直接处理为基础的。
“频域”处理技术是以修改图像的傅氏变换为基础的。
一般说来,原始遥感数据的灰度值范围都比较窄,这个范围通常比显示器的显示范围小的多。
基于matlab的直方图均衡化
课程设计报告题目基于matlab的直方图均衡化程序设计学生姓名：学生学号：系别：专业：届别：指导教师：电气信息工程学院制目录1、引言·······················································································- 2 -2、直方图基础 ···············································································- 2 -3、直方图均衡化············································································- 3 -3.1 直方图均衡化的概念·····················································································- 3 -3.2 直方图均衡化理论························································································- 4 -3.3 Matlab 实现······························································································- 4 -4、结论 ······················································································- 10 -5、心得体会················································································- 10 -参考文献·····················································································- 10 -基于matlab的直方图均衡化程序设计指导老师：马立宪电气工程学院：电子信息工程摘要：为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化及直方图规定化两种变换，此文中探讨了直方图的理论基础，直方图均衡化的概念及理论，以Matlab 为平台，对某地区遥感TM单波段遥感影像进行直方图均衡化，并给出了具体程序、仿真结果图像、直方图及变换函数。
- 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)。
海南大学课程论文课程名称：数字图像处理题目名称：直方图均衡化的matlab实现学院：信息科学技术学院专业班级：2010级计算机科学与技术专业直方图均衡化的matlab实现摘要直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的图像增强方法。
为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，本文采用直方图均衡化的图像增强的基本理论原理，在matlab环境下，对数字图像进行直方图均衡化处理。
实验结果表明，原来偏暗的且对比度较低的图像经过直方图均衡化后图像的对比度及平均亮度明显提高，直方图均衡化处理能有效改善灰度图像的对比度差和灰度动态范围。
关键词：直方图，均衡化，matlab引言图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。
在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。
图像增强技术根据增强处理过程所在的空间不同，可分为基于空间域的算法和基于频率域的算法两大类。
基于空间域的算法分为点运算算法和邻域去噪算法。
点运算算法即灰度级校正、灰度变换和直方图均衡化等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。
直方图均衡化能够增强整个图像的对比度，提高图像的辨析程度，增强效果好。
本文讨论了空间域的直方图均衡化增强方法，并用matlab 进行了实现。
1.论文目的1.1通过直方图以及均衡化的理论原理，用matlab实现直方图均衡化；1.2 在加深对直方图以及均衡化的理论原理知识理解的基础上，学会运用已学的知识设计直方图均衡化实验并对结果进行分析，并用实验的结果来说明直方图均衡化的特点和应用。
2.直方图理论灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像元的个数。
确定图像像元的灰度值范围，以适当的灰度间隔为单位将其划分为若干等级，以横轴表示灰度级，以纵轴表示每一灰度级具有的像元数或该像元数占总像元数的比例值，做出的条形统计图即为灰度直方图。
在matlab中，在imhist函数的返回值中，counts保存了落入每个区间的像素的个数，通过计算counts与图像中像素总数的商可以得到归一化的直方图。
3.直方图均衡化很多原始的灰度图像由于其灰度分布集中在较窄的范围内，使图像的细节不够清晰，对比度较低。
为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化变换。
3.1 直方图均衡化的概念直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过这种方法，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
3.2 直方图均衡化理论考虑连续灰度值，并用变量r 表示待处理图像的灰度，假设日取值范围为[0，L-1]，且r=0表示黑色，r=L-1表示白色，用S 分别表示输出图像灰度值。
在r 满足这些条件的情况下，有S=T（r），0≤r≤L-1，T（r ）为变换函数。
对于输入图像中每个具有r 值的像素值产生一个输出灰度值S 。
假设T （r ）满足下列条件：（a ） 在0≤r≤L-1 上是单调递增函数；（b ） 当0≤r≤L-1时，0≤T （r ）≤L-1。
条件(a)中要求T （r ）为单调递增函数是为了保证输出灰度值不少于相应的输入值，防止灰度反变换时产生人为缺陷。
条件（b ）保证输出灰度的范围与输入灰度的范围相同。
从S 到r 的反变换关系为 r= T-1（S ），T-1（S ）对r 同样满足上述条件。
由概率论知，若Pr （r ）和变换函数S=T （r ）已知，T-1（S ）是单值单调增加函数，则变换后的概率密度函数Ps （S ）如下式所示：Ps(S)=[Pr(r)|dr/dS|]=1/（L-1），0≤S≤L -1 （3.2-1）在图像处理中特别重要的变换函数有如下形式：S=T(r)=（L-1）⎰rP r (w)dw （3.2-2）上式（3.2-2）中变换的离散形式为直方图的均衡变换：其中 k=0,1,2，…，L-1 （3.2-3）matlab 图像处理工具箱提供了用于直方图均衡化的函数histeq ，调用语法为：[J, T] = histeq(I)，其中，I 是原始图像，J 是经过直方图均衡化的输出图像，T 是变换矩阵4.举例用实验来阐述直方图均衡化在matlab 中实现的过程4.1在matlab 中绘制归一化直方图在imhist 函数的返回值中，counts 保存了落入每个区间的像素的个数，通过计算counts 与图像中像素总数的商可以得到归一化的直方图。
00(1)()(1)()kk k k r j j j j L s T r L p r n MN ==-==-=∑∑pout.tif原图为：（图4.1-1）在matlab中输入下列语句绘制直方图I = imread('pout.tif'); % 读取图像pout.tiffigure; % 打开一个新窗口[M,N] = size(I); %计算图像大小[counts,x]=imhist(I,32); % 计算有32个小区间的灰度直方图counts = counts/M/N; % 计算归一化灰度直方图各区间的值stem(x,counts); % 绘制归一化直方图得到输出直方图为：（图4.1-2）4.2在matlab中实现直方图均衡化4.2.1输入以下语句，显示灰度原图像I = imshow('pout.tif'); % 显示图像pout.tif（图4.2-1）4.2.2 输入以下语句显示（图4.2-1）的直方图I = imread('pout.tif'); % 读取图像pout.tiffigure; % 打开一个新窗口[M,N] = size(I); %计算图像大小[counts,x]=imhist(I,32); % 计算有32个小区间的灰度直方图counts = counts/M/N; % 计算归一化灰度直方图各区间的值stem(x,counts); % 绘制归一化直方图（图4.2-2）由（图4.2-1）显示的图像及其直方图（图4.2-2）可知这幅图像最为突出的特点是较暗且动态范围较低。
直方图的宽度相对于整个灰度范围来说是相对狭窄的，图像质量比较差。
4.2.3对原图像进行线性变换，得到四幅新图像和新图的直方图线性变换参数如下：fa=2，fb=-55，增加对比度fa =0.5，fb=-55，减小对比度fa =1，fb=55，线性平移增加亮度fa =1，fb=-55，线性平移减小亮度读入pout.tif图像，分布进行增加对比度，减小对比度，线性增加亮度和线性减小亮度的处理I=imread('pout.tif');I=im2double(I);I1=2*I-55/255; subplot(4,2,1); imshow(I1); subplot(4,2,2); imhist(I1);I2=0.5*I-55/255; subplot(4,2,3); imshow(I2); subplot(4,2,4); imhist(I2);I3=1*I+55/255; subplot(4,2,5); imshow(I3); subplot(4,2,6); imhist(I3);I4=1*I-55/255; subplot(4,2,7); imshow(I4); subplot(4,2,8); imhist(I4);（图4.2-3）4.2.4 对4.2.3中四幅新图进行直方图均衡化后得到的的图像及其直方图matlab图像处理工具箱提供了用于直方图均衡化的函数histeq，调用语法为：[J, T] = histeq(I)I是原始图像J是经过直方图均衡化的输出图像T是变换矩阵输入下列语句，在同一窗口中显示16幅图像，一行4幅，每一行分别是线性变换后的图像及其直方图，均衡后的图像及其直方图I=imread('pout.tif');I=im2double(I);subplot(4,4,1); imshow(I1); subplot(4,4,2); imhist(I1); subplot(4,4,3); imshow(histeq(I1)); subplot(4,4,4); imhist(histeq(I1));I2=0.5*I-55/255; subplot(4,4,5); imshow(I2); subplot(4,4,6); imhist(I2); subplot(4,4,7); imshow(histeq(I2)); subplot(4,4,8); imhist(histeq(I2));I3=1*I+55/255; subplot(4,4,9); imshow(I3); subplot(4,4,10); imhist(I3); subplot(4,4,11); imshow(histeq(I3)); subplot(4,4,12); imhist(histeq(I3));subplot(4,4,13);imshow(I4);subplot(4,4,14);imhist(I4);subplot(4,4,15);imshow(histeq(I4));subplot(4,4,16);imhist(histeq(I4));（图4.2-4）通过上述举例的实验，得到了实验结果，可以看出直方图均衡化在matlab 中就得到了实现5. 对第4部分中的直方图均衡化在matlab中得到了实现的实验结果进行比较分析在第4部分中得到了几个结果，分别是原灰度图像：（图4.2-1）对原图像分别进行增加对比度，减小对比度，线性增加亮度和线性减小亮度的处理的得到四幅新图及其直方图：（图4.2-3）在同一窗口中显示16幅图像，一行4幅，每一行分别是线性变换后的图像及其直方图，均衡后的图像及其直方图：（图4.2-4）直方图均衡化是图像增强技术的基本算法，本文分析了这种处理方法的基本理论，并用matlab进行实验。
将图 4.2-4 中均衡后的图像及其直方图与均衡前的进行对比分析可知直方图均衡化的特点是：直方图均衡化在一定程度上改善了图像的对比度差和灰度动态范围，增强了图像的可读性；直方图均衡化是把原始图的直方图变换为均匀分布的形式，增加像素灰度值的动态范围以达到增图像整体对比度的效果，使图像更加明亮，更加清晰。