光学图像处理1
光学信息处理技术的应用及发展
光学信息处理技术的应用及发展光学信息处理技术是一种将光学原理和信息处理相结合的技术，广泛应用于图像处理、通信、计算机、生命科学等领域。
其优点在于处理速度快、精度高、可靠性和稳定性好、存储容量大等。
随着科学技术的不断发展，光学信息处理技术也在不断提高和发展。
一、光学信息处理技术的应用1. 图像处理领域图像处理是光学信息处理技术最主要的应用领域之一。
光学信息处理技术可以通过对图像的变换、滤波、压缩、复原等进行处理，实现图像的增强、降噪、保真、重构和分析等功能。
在医学影像、遥感影像、军事侦察、工业质检等方面有着广泛的应用。
2. 光学通信领域随着互联网的快速发展，人们对通信速度的需求越来越高。
而传统的电器通信技术由于受到带宽、干扰等限制，已经不能满足现代社会的需要。
光学通信利用光纤传输光信号，克服了电器通信存在的弊端，具有传输速度快、传输距离长、信号干扰少等优势，已经成为现代通信技术的主流。
光学信息处理技术在光学通信领域中，主要发挥着光纤网络传输的调制、解调、复用、分离等功能。
3. 光学计算机领域随着信息量的增大，传统的计算机已经不能满足人们对大数据处理的需要。
光学计算机作为一种新型的计算机，利用光学器件实现计算、存储和信息处理等功能，并且计算速度可以比电子计算机快几百倍。
光学信息处理技术在光学计算机领域中，主要应用于光学处理器、光学存储器等方面。
4. 生命科学领域随着生命科学的发展，人们对于生物信息的处理和分析需求也越来越高。
而光学信息处理技术可以应用于生命科学中的显微镜图像分析、光学成像、拓扑结构识别等领域，可以大大提高生物信息的处理和分析效率。
二、光学信息处理技术的发展随着科学技术的不断发展，光学信息处理技术也在不断提高和发展。
主要体现在以下几个方面：1. 光学器件的进步随着光学器件的不断发展，如全息存储器、相位调制器、模拟器等光学器件的性能得到了不断提高，可以更好地实现光学信息的处理和传输。
2. 基于深度学习的光学信息处理技术深度学习是人工智能领域的一个重要研究方向，可以应用于图像的识别和重构等任务。
遥感图像处理ppt课件
三，其他光学图像处理
对遥感影像母片作不同的曝光处理可制成影像密度 各不相同的正、负模片(拷贝)。同一地区可以有不同遥 感器，不同波段以及不同时间等各种模片。对不同组 合的相关模片进行处理可获得不同增强效果的新图像。 上述彩色合成即是其中最常用的方法。此外，还常采用 以下几种处理方法。
1 反差增强： 通常是利用高反差的感光材料和冲 洗液作反复拷贝，来扩大原模片中的影像密度差异。 它有利于增强一些低反差的地物影像，突出大的轮廓， 也可使彩色合成获得更丰富的层次，但同时会丢失部分 细节，故处理时要适可而止。
5
假彩色等密度分割：即通过光电仪器将胶片上 不同的密度等级以色彩的变化显示成彩色的图像。这 种仪器通常称彩色等密度分割仪，一般将胶片的影像 密度分割为8、12、24、32，64等级，不同密度级的 色别可在64色内任意选调变换，并在数秒钟内显示在 彩色监视器的屏幕上，通过反复调节变换色彩，选择 最佳的处理结果。
光学处理的仪器和技术手段： 摄影处理、光电处 理和相干光处理等等。
处理方法： 密度分割、彩色合成、边缘增强、反 差增强、光学图像比值、光学变换、光学编码等，其中 最常用的是假彩色等密度分割和假彩色合成。
2
一、光学等密度分割处理
(一)影像密度的概念： 对于黑白胶片，影像密度通常 以胶片透光率(T)倒数的对数表示。
密度分割：任何一幅遥感图像都可以看作是地物电 磁波辐射强度的二维分布函数。对于胶片影像。可用影 像密度值的二维分布来表征，对于像片，则为灰度值的 二维分布。与地形图的等高线相仿，照例可按一幅图像
中密度(或灰度)值的变化 范围，将其划分为若干个 等级，以等值面对影像密 度(或灰度)函数进行分层， 用等值线图来表示图像各 部分的密度(灰度)差异变 化。在遥感图像处理中称 此为密度分割，或密度分 割技术。
光学及图像处理基础知识
锐化半径：决定作边沿强调的像素点的宽度，若半径为1，从亮到暗的整个宽度是两个像素。
如果半径为2，则边沿两边各有两个像素点，从亮到暗的整个宽度是4个像素。
半径越大，细节差别也清晰，但同时产生光晕。
阀值：决定多大反差的相邻边界可以锐化处理，而低于此反差值则不锐化处理。
阀值的设置时避免因锐化处理而导致的斑点和麻点等问题的关键参数。
光晕：halation 在曝光拍摄过程中，强光投射到胶片上，透过胶片乳剂中在片基表面进行反射，从而致使图像发晕。
过冲（overshoot）：第一个峰值或谷值超过设定电压，对于上升沿是指最高电压，而对于下降沿是指最低电压。
下冲（undershoot）：第一个谷值或峰值。
过分的过冲能够引起保护二极管工作，导致过早的失效。
锯齿（aliasing）：采样频率小于图像信号最高频率的2倍时，在采样频率的高次谐波附近会产生带波重叠的噪音。
色温在了解白平衡之前还要搞清另一个非常重要的概念――色温。
所谓色温，简而言之，就是定量地以开尔文温度（K）来表示色彩。
英国著名物理学家开尔文认为，假定某一黑体物质，能够将落在其上的所有热量吸收，而没有损失，同时又能够将热量生成的能量全部以“光”的形式释放出来的话，它便会因受到热力的高低而变成不同的颜色。
例如，当黑体受到的热力相当于500—550℃时，就会变成暗红色，达到1050－1150℃时，就变成黄色，温度继续升高会呈现蓝色。
光源的颜色成分与该黑体所受的热力温度是相对应的，任何光线的色温是相当于上述黑体散发出同样颜色时所受到的“温度”，这个温度就用来表示某种色光的特性以区别其它，这就是色温。
打铁过程中，黑色的铁在炉温中逐渐变成红色，这便是黑体理论的最好例子。
色温现象在日常生活中非常普遍，相信人们对它并不陌生。
钨丝灯所发出的光由于色温较低表现为黄色调，不同的路灯也会发出不同颜色的光，天然气的火焰是蓝色的，原因是色温较高。
正午阳光直射下的色温约为5600 K，阴天更接近室内色温3200K。
光学成像中的信号处理技术
光学成像中的信号处理技术光学成像是现代科技中的一个重要领域，它涵盖了多个领域，如医学成像、工业检测、安防监控等。
而信号处理技术则是光学成像中不可或缺的一部分，它能对成像过程中的信号进行处理和优化，从而提高图像的质量和采集的效率。
本文将就光学成像中的信号处理技术进行讨论。
一、光学成像的基本原理首先，我们需要了解光学成像的基本原理。
在光学成像中，光束经过物体的折射、反射后，会汇聚到一起，形成一个倒立和缩小的像。
这个过程可以被描述为光束通过透镜或反射镜向物理物体进行成像。
在成像的过程中，我们需要采集到的是来自目标的光信号，这些信号包含了目标物体的形状、颜色和纹理等信息。
因此，为了获取高质量的图像，必须采用一系列信号处理技术，对这些信号进行优化和处理。
二、光学成像中的信号处理技术在光学成像中，信号处理技术涉及到的技术有很多，下面将介绍其中几个重要的技术。
1. 去模糊技术在物体成像的过程中，由于多个原因导致的图像模糊是常见的问题。
去模糊技术是指对那些图像模糊的信号进行处理，从而提高图像的清晰度和可识别性。
其中，应用最多的技术是基于图像卷积计算的去模糊技术，它使用模糊的点扩散函数对图像进行逆卷积处理。
2. 超分辨率技术目前，光学成像设备的分辨率在某种程度上是受限的，这就限制了数据获取的清晰度和精度。
超分辨率技术是指使用图像重建算法对采集到的低分辨率图像进行重建，使其达到更高的分辨率和清晰度。
这一技术在医学、天文学和工业领域得到了广泛应用。
3. 去噪技术图像中存在的噪声、干扰和杂波等因素都会导致成像质量的下降，因此去噪技术的应用是十分必要的。
去噪技术是指使用滤波器等方法，对信号中的噪声和杂波进行去除，从而提高图像的质量和可读性。
4. 开缩技术在一些情况下，我们需要将目标的图像进行放大或缩小，开缩技术是指通过将图像进行剖分和重组，从而达到图像缩放的目的。
这一技术常应用于医学图像和工业成像等领域。
三、光学成像的未来发展随着光学成像技术的不断发展，信号处理技术也将不断提高。
光学图像分析与处理技术的研究与应用
光学图像分析与处理技术的研究与应用随着计算机技术和数字图像处理技术的发展，光学图像分析与处理技术已经成为了一个不可或缺的技术领域，它可以帮助我们获得更多的信息，从而更加深入地了解物体的结构与特性。
在各个领域中，光学图像分析与处理技术都具有着广泛的应用价值，下面我们就来详细地了解一下这个领域的研究进展和应用。
一、光学图像分析的原理和方法光学图像分析是指基于光学原理和数字图像处理技术对图像进行分析和处理的过程。
光学图像分析的过程包括图像采集、图像预处理、图像分割、图像特征提取、目标识别等关键步骤。
这一过程需要科学的算法和良好的计算效率来保证分析的准确性和鲁棒性。
目前，常用的光学图像分析方法有：阈值分割、边缘检测、区域生长、特征提取、形态学处理等。
这些方法都有其特点，如阈值分割适用于二值图像的处理，边缘检测可以提取目标的轮廓信息，区域生长能够进行区域的自动分割等。
同时，光学图像分析还涉及到了光学成像原理，如：像差校正、彩色滤波、空间滤波等技术，这些技术都能够对光学图像的质量进行优化，从而使得图像处理更加准确和可靠。
二、光学图像分析的应用领域1. 医学影像分析光学图像分析技术在医学影像分析领域应用广泛。
例如在CT、MRI、X光等医学影像处理过程中，就需要使用到图像分析技术来完成各种医学图形的诊断和分析。
此外，在眼科领域中，光学相干层析成像技术已经成为了一种常用的治疗手段，通过对眼球内部的图像进行分析和处理可以对眼病进行检测和诊断，从而为医学治疗提供准确的数据支持。
2. 工业质量检测光学图像分析技术在工业领域也有很大的应用价值。
例如，光学图像分析技术可以对工业零件的表面微观形貌进行分析和处理，从而对零件的缺陷和损坏进行检测，而这对于生产过程的质量控制和管理至关重要。
3. 无人驾驶汽车光学图像分析技术在无人驾驶汽车领域也有着广泛的应用。
光学图像分析技术可以对道路上各种各样的情况进行分析和处理，比如行人、车辆、标志等，从而使得自动驾驶系统更加安全和可靠。
信息光学一些知识点总结
信息光学一些知识点总结信息光学的基础原理1. 光学基础知识在信息光学中，光学基础知识是非常重要的，它涉及到了光的产生、传播、反射、折射、干涉、衍射等方面的知识。
光是一种电磁波，它具有波粒二象性，既可以表现出波的干涉和衍射现象，也可以表现出粒子的光电效应。
这些特性对于信息光学的应用至关重要，比如在信息传输和光学成像中，都需要利用光的波动特性来实现。
2. 光学成像光学成像是信息光学中一个重要的话题，它主要探讨了光学成像系统的原理和性能。
在信息光学中，光学成像主要有两种方式：几何光学成像和波动光学成像。
几何光学成像主要研究物体和像的位置关系，而波动光学成像则研究了光的干涉和衍射现象对成像质量的影响。
同时，信息光学中的成像系统还包括了透镜、镜面、成像光学系统等重要的光学元件，它们在成像过程中起着重要的作用。
3. 光学通信光学通信是信息光学中的一个重要应用领域，它利用光作为信息传输的介质，通过调制、调制、传输、解调等方式来实现信息的传输。
光通信系统由光源、调制器、传输介质、接收器等部分组成，其中每个部分都有其特定的原理和技术。
光通信系统具有传输速率高、传输距离远、抗干扰能力强等优势，因此在现代通信中得到了广泛的应用。
信息光学的技术应用1. 光学图像处理光学图像处理是信息光学中的一个重要应用技术，它主要涉及图像采集、图像预处理、图像特征提取、图像分割、图像识别等领域。
光学图像处理可以通过数字图像处理、光学成像等技术手段来对图像进行分析和处理，以实现对图像信息的获取和利用。
光学图像处理在医学影像诊断、遥感图像分析、生物医学图像处理等方面具有重要的应用价值。
2. 光学成像技术光学成像技术是信息光学中的一个重要应用领域，它主要包括摄影成像、医学成像、遥感成像、工业检测成像等方面。
光学成像技术利用透镜、镜面等光学元件，将物体的光学信息转化成图像，以实现对物体的观察和分析。
光学成像技术在现代科学技术和生活中得到了广泛的应用，比如摄影、医学诊断、遥感探测等方面。
光学图像处理课程设计
光学图像处理课程设计一、课程目标知识目标：1. 学生能理解光学图像处理的基本原理，掌握图像的获取、处理和显示等关键环节。
2. 学生能掌握图像处理中常用的算法，如滤波、边缘检测、图像增强等，并理解其数学背景。
3. 学生能运用所学知识分析并解决实际光学图像处理中的问题。
技能目标：1. 学生能够运用图像处理软件（如MATLAB、OpenCV等）进行光学图像的采集、处理和分析。
2. 学生能够独立设计简单的光学图像处理实验，进行数据采集、处理和结果分析。
3. 学生能够通过小组合作，完成一个综合性的光学图像处理项目，提升实践操作和团队协作能力。
情感态度价值观目标：1. 学生通过学习光学图像处理，培养对科学研究的兴趣，增强探索精神和创新意识。
2. 学生在学习过程中，能够体会到团队协作的重要性，培养合作精神和沟通能力。
3. 学生能够认识到光学图像处理在科技发展和国民经济建设中的重要作用，增强社会责任感和使命感。
本课程针对高年级本科生，结合学生已具备的数学、物理和计算机知识，注重理论与实践相结合，提高学生的实际操作能力和解决问题的能力。
通过本课程的学习，使学生能够掌握光学图像处理的基本原理和技能，为未来从事相关领域的研究和工作打下坚实基础。
二、教学内容本课程教学内容分为五个部分，确保学生全面系统地掌握光学图像处理的知识与技能。
1. 光学图像处理基础：- 图像的基本概念、图像类型及存储方式- 光学成像系统原理与图像退化模型- 图像处理数学基础（线性代数、概率论与数理统计）2. 图像增强与滤波：- 常用图像增强方法（灰度变换、直方图均衡化等）- 图像滤波原理及常用滤波器（线性滤波、非线性滤波）3. 图像分割与边缘检测：- 图像分割方法（阈值分割、区域生长等）- 边缘检测算法（Sobel、Canny算子等）4. 图像特征提取与表示：- 基本特征提取（颜色、纹理、形状等）- 特征表示与匹配方法5. 综合应用与项目实践：- 结合实际案例，运用所学知识进行图像处理与分析- 设计综合性的图像处理项目，锻炼实践操作能力教学内容依据教材章节进行组织，结合课程目标，注重理论与实践相结合。
光学防伪技术在文物保护中的应用研究
光学防伪技术在文物保护中的应用研究近年来，随着技术的发展和文物保护的重视，光学防伪技术逐渐成为文物保护领域的一项重要技术。
光学防伪技术能够通过利用光学特性和图像处理技术，确保文物的真伪、原始性和完整性，提高文物保护的认证和安全性。
本文将从光学防伪技术在文物保护中的应用方面进行研究。
第一部分：光学防伪技术的基本原理光学防伪技术是指利用光学器件、图像处理技术等手段对文物进行真伪鉴别、完整性检测和信息认证的技术手段。
它主要包括以下几个方面的原理：1. 光学图像处理技术：通过对文物图像进行分析和处理，提取文物的关键特征，实现文物的鉴别和认证。
例如，利用数字图像处理技术，可以对文物进行三维还原和虚拟展示，提高文物保护和展示效果。
2. 光学特性分析：利用光学设备对文物进行光学特性分析，如反射率、吸光度等，以确定文物的材料特性和质量。
光源的选择和光谱分析对于光学特性的研究起到关键作用。
3. 光学图像识别技术：通过对文物的图像进行识别和比对，对文物的真伪进行判断。
例如，利用红外成像技术，可以对文物表面的隐蔽特征进行检测，以鉴别文物的真伪。
第二部分：光学防伪技术在文物保护中的应用光学防伪技术在文物保护中具有广泛的应用前景，可以在以下几个方面得到应用：1. 文物鉴定与鉴别：通过光学图像处理技术，对文物进行鉴定和鉴别。
例如，利用高分辨率拍摄和图像处理技术，可以对文物进行细节分析和比对，以判断文物的真伪。
2. 文物完整性检测：通过光学特性分析和光学图像处理，对文物的完整性进行检测和评估。
例如，利用显微镜成像技术，可以对文物的表面进行精确的检测，发现潜在的破损或修复痕迹。
3. 文物信息认证：通过光学图像识别技术，对文物的信息进行认证和保护。
例如，利用二维码和条形码技术，可以对文物进行标识和信息存储，方便后续的管理和查询。
第三部分：光学防伪技术的挑战与未来发展虽然光学防伪技术在文物保护中具有广泛的应用前景，但也面临一些挑战和需求：1. 技术创新：随着文物保护的需求越来越高，光学防伪技术需要不断创新和提高。
- 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)。
光学图像实验报告班级：光信息10-3班姓名：学号：日期：2012年12月11号实验一数字图像空间域平滑一、实验目的掌握图像空间域平滑的原理和程序设计；观察对图像进行平滑增强的效果。
二、实验设备高性能计算机，操作系统为Windows 2000或Windows XP, Matlab程序平台。
三、实验原理图像平滑处理的目的是改善图像质量和抽出对象特征。
任何一幅未经处理的原始图像，都存在着一定程度的噪声干扰。
噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。
消除图像噪声的工作称为图像平滑或滤波。
针对不同噪声源（如光栅扫描、底片颗粒、机械元件、信道传输等）引起的不同种类噪声（如加性噪声、乘性噪声、量化噪声等），平滑方法也不同。
平滑可以在空间域进行，也可以在频率域进行。
1.局部平均法局部平滑法是一种直接在空间域上进行平滑处理的技术。
假设图像由许多灰度恒定的小块组成，相邻象素间存在很高的空间相关性，而噪声则是统计独立的。
因此，可用邻域内各象素的灰度平均值代替该象素原来的灰度值，实现图像的平滑。
对图像采用3×3的邻域平均法，其作用相当于用以下模板与图像进行卷积运算。
2. 超限象素平滑法对邻域平均法稍加改进，可导出超限象素平滑法。
其原理是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y ）的最后灰度g ´(x,y)。
其表达式为3. 二维中值滤波中值滤波就是用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。
二维中值滤波可由下式表示常用的窗口有：四、实验步骤⒈实验准备：打开计算机，进入Matlab 程序界面。
⒉输入图像空间域平滑处理程序。
clear;I=Imread('E:\1.jpg');Imshow(I);J1=Imnoise(I,'speckle');figure;Imshow(J1);J=double(J1); ⎩⎨⎧>-= ),(),(),( ),,(),('其他，当y x f T y x g y x f y x g y x g )},({),(y x f Med y x g A=K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5;L=uint8(K);hood=3;J2=medfilt2(K,[hood hood]);L=uint8(J2);figure;Imshow(L);⒊运行图像处理程序，并保存处理结果图像。
原图象空间区域平滑后的图像4输入图像空间域滤波处理程序。
（1）高斯滤波clear;I=Imread('E:\1.jpg');Imshow(I);J1=Imnoise(I,'gaussian');figure;Imshow(J1);J=double(J1);K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5;L=uint8(K);myfilt1=[0 1 0;1 1 1;0 1 0];myfilt=myfilt1/5;J3=filter2(myfilt,L);figure;Imshow(J3);P=uint8(J3);Imshow(P);（2）椒盐滤波clear;I=Imread('E:\1.JPG');Imshow(I);J1=Imnoise(I,'salt & pepper');figure;Imshow(J1);J=double(J1);K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5;L=uint8(K);myfilt1=[0 1 0;1 1 1;0 1 0];myfilt=myfilt1/5;J3=filter2(myfilt,L);figure;Imshow(J3);P=uint8(J3);Imshow(P);5运行图像处理程序，并保存处理结果图像。
原图象加噪声后的图像原图像高斯滤波后的图像高斯滤波后的图像加椒盐噪声后的图像椒盐噪声滤波后的图像实验二 数字图像锐化一、实验目的掌握图像空间域锐化的原理和程序设计；观察对图像进行锐化的效果。
二、实验设备高性能计算机，操作系统为Windows 2000或Windows XP, Matlab 程序平台。
三、实验原理图像锐化处理的目的是使模糊的图像变得更加清晰起来。
图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算来使图像清晰化。
从频谱角度分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图像。
但要注意，进行锐化处理的图像必须有较高的信噪比，否则锐化后图像信噪比反而更低，从而使噪声增加得比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。
根据梯度计算式可以计算Roberts 、Prewitt 和Sobel 梯度。
一旦梯度算出后，即可根据不同的需要生成不同的梯度增强图像。
第一种输出形式第二种输出形式第三种输出形式第四种输出形式第五种输出形式四、实验步骤⒈实验准备：打开计算机，进入Matlab 程序界面。
⒉输入图像空间域锐化处理程序。
（1）clear;I=Imread('e:\1.jpg');Imshow(I); J=double(I); ),(),(y x grad y x g =⎩⎨⎧≥= ),,(),(),,(),(其它y x f T y x grad y x grad y x g ⎩⎨⎧≥= ),(),( ,),(其他，y x f T y x grad L y x g G ⎩⎨⎧≥= ,),(),,(),(其他B L T y x grad y x grad y x g ⎩⎨⎧≥= ,),( ,),(其他B G L T y x grad L y x gK=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5;BW1=edge(I,'Sobel');figure;Imshow(BW1);（2）clear;I=Imread('E:\1.jpg');Imshow(I);J=double(I);K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5;BW2=edge(K,'canny');figure;Imshow(BW2);⒊运行图像处理程序，并保存处理结果图像。
原图像第一种锐化后图像第二种锐化后图像实验三数字图像直方图增强一、实验目的掌握图像直方图增强的原理和程序设计；观察对图像进行直方图均衡化、规定化增强的效果。
二、实验设备高性能计算机，操作系统为Windows 2000或Windows XP, Matlab程序平台。
三、实验原理利用直方图统计的结果，使图像的直方图均衡的方法称为直方图均衡化，直方图均衡化可以达到增强图像显示效果的作用。
通过直方图统计，可以观察出，图像中各种亮度所占的比例大部分布不均匀，设法增加在直方图统计中所占比例高的象素和其他比例少的象素之间亮度差，可以提高图像的显示效果。
简单来说，直方图增强的方法就是压缩直方图中比例少的象素所占用的灰度范围，多出来的灰度空间按照统计比例分配给直方图中比例高的象素使用。
这种方法主要是针对人眼对灰度差别越大的图像越容易分辨的特点而进行的增强。
在某些情况下，并不一定需要具有均匀直方图的图像，而需要具有特定直方图的图像，以便能够增强图像中某些灰度级。
直方图规定化方法就是针对上述思想提出来的。
直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。
可见，直方图规定化是对直方图均衡化处理的一种有效的扩展，直方图均衡化处理是直方图规定化的一个特例。
四、实验步骤⒈实验准备：打开计算机，进入Matlab程序界面。
⒉输入图像直方图增强处理程序：%Gray Transform（均衡化）clear;I=imread('E:\1.jpg');Imshow(I);J=imadjust(I,[0.3 0.7],[0 1],1); %%(J=imadjust(I,[0.3 0.7],[0 1],1.5);%J=imadjust(I,[0.3 0.7],[0 1],0.5);)figure;imshow(J);J=double(I);K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5;L=uint8(K);%Display Image Histgramimhist(L);J=histeq(L,64);figure;imshow(J);figure;imhist(J);%Gray Transform（规定化）clear;I=imread('E:\4.jpg');Imshow(I);J=double(I);K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5;L=uint8(K);%Display Image Histgramimhist(L);I=imread('E:\5.jpg');Imshow(I);J=double(I);K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5;Q=uint8(K);%Histgram regulizationimhist(Q);J=histeq(Q,32);[counts,x]=imhist(J);imhist(L);M=histeq(L,counts);figure;imshow(M);⒊运行图像处理程序，并保存处理结果图像。
五、实验结果原图原图直方图均衡化后图像均衡化后直方图原图像规定化图象规定化直方图实验四 数字图像傅立叶变换一、实验目的掌握图像傅立叶变换的原理和程序设计；观察对图像进行傅立叶变换的效果。
二、实验设备高性能计算机，操作系统为Windows 2000或Windows XP, Matlab 程序平台。
三、实验原理傅立叶变换能定量地分析诸如数字化系统、采样点、电子计算器、卷积滤波器、噪声等的作用，是线性系统分析的一个有力工具。
如果图像 满足狄里赫利条件，则存在傅立叶变换的旋转性：若空间域中函数旋转某个角度，那么在变换域其傅氏变换也旋转同样角度。
若 则四、实验步骤⒈实验准备：打开计算机，进入Matlab 程序界面。
⒉输入图像傅立叶变换程序。
M=imread('E:\4.jpg');I=rgb2gray(M); Imshow(I); figure;B=fftshift(fft2(I))Imshow(log(abs(B)),[]),colormap(jet(64)),colorbar;⒊运行图像处理程序，并保存处理结果图像。