数字图像处理学习笔记
数字图像处理 第三版 (冈萨雷斯,自己整理的1)
1.1 图像与图像处理的概念图像(Image)：使用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视觉的实体。
包括：·各类图片，如普通照片、X光片、遥感图片；·各类光学图像，如电影、电视画面；·客观世界在人们心目中的有形想象以及外部描述，如绘画、绘图等。
数字图像：为了能用计算机对图像进行加工，需要把连续图像在坐标空间和性质空间都离散化，这种离散化了的图像是数字图像。
图像中每个基本单元叫做图像的元素，简称像素（Pixel）。
数字图像处理（Digital Image Processing）：是指应用计算机来合成、变换已有的数字图像，从而产生一种新的效果，并把加工处理后的图像重新输出，这个过程称为数字图像处理。
也称之为计算机图像处理（Computer Image Processing）。
1.2 图像处理科学的意义1.图像是人们从客观世界获取信息的重要来源·人类是通过感觉器官从客观世界获取信息的，即通过耳、目、口、鼻、手通过听、看、味、嗅和接触的方式获取信息。
在这些信息中，视觉信息占70％。
·视觉信息的特点是信息量大，传播速度快，作用距离远，有心理和生理作用，加上大脑的思维和联想，具有很强的判断能力。
·人的视觉十分完善，人眼灵敏度高，鉴别能力强，不仅可以辨别景物，还能辨别人的情绪。
2.图像信息处理是人类视觉延续的重要手段非可见光成像。
如：γ射线、X射线、紫外线、红外线、微波。
利用图像处理技术把这些不可见射线所成图像加以处理并转换成可见图像，可对非人类习惯的那些图像源进行加工。
3.图像处理技术对国计民生有重大意义图像处理技术发展到今天，许多技术已日益趋于成熟，应用也越来越广泛。
它渗透到许多领域，如遥感、生物医学、通信、工业、航空航天、军事、安全保卫等。
1.3 数字图像处理的特点1. 图像信息量大每个像素的灰度级至少要用6bit（单色图像）来表示，一般采用8bit（彩色图像），高精度的可用12bit 或16bit。
《数字图像处理》课程学习心得
《数字图像处理》课程学习心得导读：本文《数字图像处理》课程学习心得，仅供参考，如果能帮助到您，欢迎点评和分享。
《数字图像处理》课程学习心得（一）在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。
在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。
图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。
图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展，其应用空间将会更加广泛。
数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。
数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。
其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。
目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。
在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。
1、数字图像处理需用到的关键技术由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。
数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。
图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。
图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。
图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。
数字图像处理心得体会
数字图像处理心得体会数字图像处理心得体会数字图像处理是一种非常重要的技术，它能够帮助我们更好地理解、分析和处理图像信息。
在这个领域中，我深深认识到了数字图像处理的重要性和意义，同时也体会到了许多有趣和有益的思考方式和方法。
以下是我对数字图像处理的一些心得体会。
1.数字图像处理让我更好地理解图像数字图像处理让我更好地理解了图像这个概念。
在处理图像的过程中，我意识到图像并不是一张简单的图片，它还包含了非常丰富的信息和细节。
通过数字图像处理的技术，我学会了如何从一个低分辨率的图像中还原出高质量的图像，如何从一个低对比度的图像中提取出更多的细节信息，并且能够更好地理解背后的原理和工作机制。
2.数字图像处理让我更深入地思考问题数字图像处理是一门相当复杂的学科，它需要我们深入地思考和分析问题。
在处理图像的过程中，我学会了如何从不同的角度思考问题，如何更好地选择和优化算法，如何选择合适的参数进行调试。
这一切都需要我们有一定的学习和实践经验，同时也需要我们有耐心和恒心去思考和探索。
3.数字图像处理让我更好地与人沟通数字图像处理往往是一个协作的过程，它需要我们良好的团队合作和有效的沟通。
在处理图像的过程中，我学会了如何与人合作，如何更好地沟通和组织自己的思路，如何更好地理解和解释别人的想法。
这让我更好地学会了如何与人合作，并更好地融入到团队和社会中。
4.数字图像处理让我思考与创新应用数字图像处理是一个非常有意思和富有挑战性的领域，在实际应用中，我们需要不断地进行创新和改进。
在处理图像的过程中，我学会了如何思考和创新，如何针对具体的问题进行算法的改进和创新，并且能够将这些创新应用到实际的生产和实践工作中。
5.数字图像处理让我更好地看待现实数字图像处理让我更好地看待现实，它让我对于现实世界中存在的图像问题和图像信息有了更深刻的认识和理解。
通过学习数字图像处理的知识和技术，我相信我能够更好地理解和处理现实中的图像问题，更好地适应和应对未来的挑战。
数字图像处理复习提纲
4. 图像分辨率的单位dpi表示单位长度（ ）上包含的像素数目。 A．米 B.厘米 C. 寸 D.英寸
5.一幅大小为16*16，灰度级为2的图像，像素点有（）个 A．256 B. 512 C. 1024
第2章 matlab软件 • 熟悉matlab界面：命令窗口、工作间、命令历史窗口、路
素少的灰度级，使灰度直方图均衡分布。
histeq,adapthisteq 2.直方图规定化：将直方图按照参考图像的直 方图进行均衡化
[hgram,x]=imhist(I1);
J=histeq(I,hgram) ; • 图像增强：突出有用的特征，便于分析和处理。
方法：直方图均衡化、图像平滑、图像锐化和伪彩色处理
• hold on/off
• grid on/off • 格式化：title，text, legend, label • 特殊字符：: \pi, \omega, \Theta, ^2
第4章 matlab工具箱 • 浏览工具箱：菜单栏-主页-？-image processing toolbox • 图像类型：RGB图像，索引图像，灰度图像，二值图像 • 各种图像的数据结构 • 图像的数据类型：uint8,uint16,double,im2double • 图像类型转换：rgb2gray; ind2rgb, rgb2ind; ind2gray,
• Fourier, DFT，FFT
• fft2, ifft2 • fftshift的作用 • 傅里叶变换的幅度谱和相位谱 • fft高频和低频滤波，字符识别 • 为什么引入DCT?保持傅里叶变换的功能有减少数据量。 • DCT主要用于图像压缩。
数字图像处理笔记
第一章基本概念1、图像：是对客观存在物体的一种相似性的生动模仿与描述。
（图像是对客观存在的物体的某种属性的平面或空间描述）2、图像分为：物理图像、虚拟图像物理图像：物质和能量的实际分布。
虚拟图像：采用数学的方法，将由概念形成的物体（不是实物）进行表示的图像。
3、图像分为：数字图像（离散的）模拟图像（连续的）4、数字图像是用数字阵列表示的图像。
数字阵列中的每一个数字，表示数字图像的一个最小单位，称为像素。
像素是组成数字图像的基本元素。
5、数字图像的表示方法：（以黑白图像为例）黑白图像可用二维函数f(x,y)表示，其中x,y是平面的二维坐标，f(x,y)表示点(x,y)的亮度值(灰度值) 。
7、数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
8、低级图像处理、中级图像处理和高级图像处理。
（1）低级图像处理：主要对图象进行各种加工以改善图象的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。
特点：输入是图像，输出也是图像。
（2）中级图像处理：主要对图像中感兴趣的目标进行检测（或分割）和测量，以获得它们的客观信息从而建立对图像的描述。
特点：输入是图像，输出是特征（如边界、轮廓及物体标识）。
（3）高级图像处理：在中级图像处理的基础上，进一步研究图像中各目标的性质和它们之间相互的联系，并得出对图像内容含义的理解（对象识别）及对原来客观场景的解释（计算机视觉）。
特点：输入是数据，输出是理解。
9、根据你自己的理解，选择一个数字图像处理的应用实例，并简单说明其中涉及的具体技术。
在用手机软件修图时，照片由模糊变清晰用的是图像增强技术、放大缩小用的是图像的几何变换技术、把某个特征提取出来用的是图像分割技术。
第二章采样量化1、黑白图像是指图像的每个像素只能是黑或者白，没有中间的过渡，故又称为２值图像。
数字图像处理知识点
数字图像处理知识点课程重点：图像数字化，图像变换，图像增强，图像的恢复与重建，图像的编码，图像的分割与特征提取，图像识别。
数字图像处理的基本内容：1、图像获取。
举例：摄像机+图像采集卡、数码相机等。
2、图像增强。
显示图像中被模糊的细节，或是突出图像中感兴趣的特征。
3、图像复原。
以图像退化的数学模型为基础，来改善图像质量。
4、图像压缩。
减小图像的存储量，或者在图像传输时降低带宽。
5、图像分割。
将一幅图像划分为几个组成部分或分割出目标物体。
6、图像的表达与描述。
图像分割后，输出分割标记或目标特征参数。
7、目标识别。
把目标进行分类的过程。
8、彩色图像处理。
9、形态学处理。
10、图像的重建。
第一章导论图像按照描述模型可以分为:模拟图像和数字图像。
1)模拟图像，模拟图像可用连续函数来描述。
其特点：光照位置和光照强度均为连续变化的。
2)数字图像，数字图像是图像的数字表示，像素是其最小的单位,用矩阵或数组来描述图像处理：对图像进行一系列的操作,以达到预期的目的的技术。
内容：研究图像信息的获取、传输、存储，变换、显示、理解与综合利用”的一门崭新学科。
三个层次：狭义图像处理，图像分析，图像理解。
狭义图像处理主要指对图像进行各种操作以改善图像的视觉效果，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。
图像分析主要是对图像中感兴趣的目标进行检测和测量，从而建立对图像的描述。
图像分析是一个从图像到数值或符号的过程。
图像理解则是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解译，从而指导和规划行动;图像分析主要是以观察者为中心研究客观世界，图像理解在一定程度上是以客观世界为中心，借助知识、经验等来把握整个客观世界。
图像处理的三个层次：低级图像处理内容：主要对图像进行各种加工以改善图像的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。
哈工大数字图像处理知识点总结
1. 引言1.1图像的概念图像：是对客观存在的物体的一种相似性的、生动性的模仿或描述，是一种不完全的、不精确的，但在某种意义上是适当的表示。
也是对客观存在的物体的某种属性的描述。
（非所见即所得，对事物不能完全描述）1.2数字图像的起源与应用1.3 数字图像处理的概念●图像的类型：从图像生成角度：物理图像（可见图像（光学图像）、不可见图像（红外）、数学图像等）从照明角度：多光谱图像（特指不可见光谱）和单光谱图像（激光）；从人眼视觉特点上：可见图像、不可见图像。
从波段多少分为：单波段（每点只有一亮度值）、多波段（每点不只一特性如红绿蓝光谱图像）和超波段图像。
从图像空间坐标和明暗程度的连续性：模拟图像、数字图像（空间坐标和灰度均不连续，用离散的数字表示）。
●图像的表现形式●图像的属性：构成数字图像的要素，灰度坐标图像的属性：1.对比度：灰度差别 0~255（256个灰度级）2. 灰度分辨力：适于人眼3．空间分辨力：越高越好4．放大率对比度与灰度的关系：量化？灰度量化最高、最暗差值尽可能大。
减少灰度级一般会提高图像的对比度。
构成数字图像的要素：地址（坐标）和灰度值●数字图像的处理概念及三种分类：处理\分析\理解操作对象：狭义数字图像处理：图像——图像图像分析：图像——数据（特征值）图像理解：数据——概念狭义图像处理强调图像之间进行变换，指对图像进行各种操作以改善图像的视觉效果，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。
图像分析是对图像中感兴趣的目标进行检测的测量，从而建立对图像的描述，是从图像到数值或符号的过程。
经分割和特征提取，把原来以像素构成的图像转变成比较简洁的非图像形式的描述。
图像理解研究图像中各目标的性质和它们之前的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解译，人而指导和规划行动●数字图像的运算形式：全局、局部、点，串行、并行全局：快速傅立叶变换局部：点运算：对于一幅输入图像，经过点运算产生一幅输出图像，后者的每个像素的灰度值仅由相应输入像素的值决定（对比度增强，对比度拉伸，灰度变换）串行：后一像素输出结果依赖于前面像素处理的结果，并且只能依次处理各像素而不能同时对各像素进行相同处理的一种处理形式。
matlab数字图像处理intrans函数学习笔记
matlab数字图像处理intrans函数学习笔记intrans函数如下：function g = intrans(f,varargin)error (nargchk(2,4,nargin))%check inputclassin = class(f);%stroe the class of the input for use later.if strcmp(class(f),'double') & max(f(:))>1 & ~strcmp(varargin{1},'log')f = mat2gray(f);%if all the 3 conditions is filling the need .else% make sure the class(f) is in the class of double , f(:) means all the% elemnets in the martix F, and the max(f(:))>1 means if the max(f(:))>1 so% convert them into double , in this way they are all less then1.% strcmp(varargin[1],'log') is the string compare, and the varargin {1}% compares with log.f = im2double(f);endmethod = varargin{1};switch methodcase 'neg'g = imcomplement(f);case 'log'if length(varargin) == 1c = 1;elseif length(varargin) == 2c = varargin{2};elseif length(varargin) == 3c = varargin{2};classin = varargin{3};elseerror('Incorrect number of input for the log option.')endg = c*(log(1+double(f)));case 'gamma'if length(varargin) < 2error('not enough input for the gamma option')endgam = varargin{2};g = imadjust (f, [], [], gam);case 'stretch'if length(varargin) == 1%defaults vaulem = mean2(f);E = 4.0;elseif length(varargin) == 3m = varargin{2};E = varargin{3};else error('incorrect number of inputs for the srtetch option.')endg = 1./(1 + (m./(f+eps)).^E);otherwiseerror('unkown enhancement method.')end% g = changeclass(classin , g);说实话，对matlab的代码风格不是很习惯，后来看着看着感觉和才⾮常相似，也就看起来舒服多了这段代码刚开始没看懂，尤其是varargin{}的⼀直不明⽩，但加断点后，将整个程序跑了⼀遍，基本就明⽩了，这⾥不得不说，中⽂版书上将的不是很明⽩。
- 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)。
1. 图片的打开2. 图片的显示3. 图片的大小4. 图片的保存5. 数据类间的转换6. 灰度变换函数6.1 imadjust6.2 对数和对比度拉伸变换7. 生成并绘制图像的直方图8.直方图均衡化9. 直方图匹配法（规定化）10. 加法运算--给图像加高斯噪声后用求平均的方法除噪11. 减法运算12. 乘法运算13. 除法运算14. 逻辑运算15. 线性空间滤波16. 非线性空间滤波17. 可视化二位DFT18. 填充滤波19. 从空间滤波器获得频域滤波器20. 低通频域滤波器21. 线框图与表面图22. 基本高通滤波器23. 高通滤波器的使用24. 高频强调滤波25. 选择感兴趣的部分26. 空间噪声滤波器（椒盐噪声）27. 自适应中值滤波28. 模糊噪声图像的建模29. Lucy-Richardson非线性复原30. 计算一阶熵估计31. 计算两幅图像的比率imratio()32. 霍夫曼编码及解码33. 计算均方误差的平均值的平方根compare()34. 使用函数vistformfwd()的直观仿射变换35. 对图像应用空间变换36. 彩色图像处理（一）37. 小波变换wave2gray()显示变换系数38. 小波的方向性和边缘检测39. 基于小波的图像平滑或模糊40. 渐进重构41. 像素间的冗余--无损编码预测42. 心理视觉冗余--利用无损预测和霍夫曼编码的混合IGS量化43. JPEG压缩44. JPEG2000压缩45. 膨胀的简单应用46. 腐蚀的简单应用47. 开运算、闭运算与imopen（）、imclose()48. 开运算、闭运算与imopen（）、imclose()----249. 击中或击不中运算50. endpoints()函数的使用51. 图像的细化处理--bwmorph()函数52. 图像的骨骼化53. 计算和显示连接分量的质心--bwlabel()函数54. 由重构做开运算imreconstruct()函数55. 填充孔洞imfill()函数56. 清除边界对象--imclearborder()函数57. 膨胀和腐蚀58. 使用开运算和闭运算做形态平滑59. 使用顶帽变换60. 颗粒分析61. 使用重构删除复杂图像的背景62. 检测点63. 检测指定方向的线64. 使用Sobel检测器提取边缘65. sobel,canny,log边缘检测器的比较66. Hough变换的简单说明67. Hough变换做线检测和连接68. 计算全局阈值69. 标记符控制的分水岭分割70. 使用梯度和分水岭变换分割灰度图像1.图片的读取I=imread('Lena512.bmp');%读取图像，如果图像位于工作空间内，可以直接写5.jpg2.图片的显示imshow(I);%显示图像该函数的基本语法：imshow(I,g)其中I表示一个图像数组，g表示该图像的灰度级，若将g省略，默认灰度级为256。
imshow(I,[low high ])会将所有小于low的值都显示为灰色，将所有大于或等于high的值都显示为白色。
介于[low high]之间的值将以默认的级数显示为中等亮度值。
Imshow(I [])可以将变量low设置为数组I的最小值，将high 设置为数组I的最大值。
imshow(I)imshow(I,[1 100]) imshow(I,[1 256]) imshow(I,[1 1000])3.图片的大小的显示a=size(I);%显示图像的大小whos I%也可以显示图像的属性a =512 512Name Size Bytes Class AttributesI 512x512 262144 uint84.图片的保存imwrite(I,'I1.bmp');%在默认路径保存图片imwrite(I,'I1','tif');imwrite(I,'E:\数字图像处理\实验\I2.bmp');%在指定路径保存图片当保存为jpg格式时imwrite(I,'I3.jpg','quality',q);由于jpeg压缩，q越小，图像退化的就越严重imwrite(I,'I3.jpg','quality',100);%保存一个jpg格式的图片，q为100 imwrite(I,'I4.jpg','quality',10);%保存一个jpg格式的图片，q为10上述语句执行结果分别如下图所示：q为100 q为10imfinfo I4.jpg%显示I4.jpg的详细资料K3=imfinfo('I3.jpg')K4=imfinfo('I4.jpg')ans =: 'I4.jpg': '17-四月-2015 15:46:15': 8541Format: 'jpg'FormatVersion: ''Width: 512Height: 512BitDepth: 8ColorType: 'grayscale'FormatSignature: ''NumberOfSamples: 1CodingMethod: 'Huffman'CodingProcess: 'Sequential'Comment: {}K3 =: 'I3.jpg': '17-四月-2015 15:46:15': 177034Format: 'jpg'FormatVersion: ''Width: 512Height: 512BitDepth: 8ColorType: 'grayscale'FormatSignature: ''NumberOfSamples: 1CodingMethod: 'Huffman'CodingProcess: 'Sequential'Comment: {}K4 =: 'I4.jpg': '17-四月-2015 15:46:15': 8541Format: 'jpg'FormatVersion: ''Width: 512Height: 512BitDepth: 8ColorType: 'grayscale'FormatSignature: ''NumberOfSamples: 1CodingMethod: 'Huffman'CodingProcess: 'Sequential'Comment: {}以I4.jpg为例Width*Height*BitDepth/8=262144 原图像中的字节数则该图像的压缩比为262144/当保存为tif格式时imwrite(I,'I5.tif','compression','parement','resolution',[colres rowres]);其中’parament’可以是：‘none’:无压缩；‘packbits’:比特包压缩（非二值图像的默认参数）‘ccitt’: ccitt压缩（二值图像的默认参数）[colres rowres]包含两个整数，分别以每单位中的点给出图像的列分辨率和行分辨率（默认值为[72 72]）。
例如一幅图像的大小用英寸表示，则rowres表示水平方向上每英寸的点数，colres表示垂直方向上每英寸的点数。
5.数据类间的转换6.灰度变换函数6.1imadjustclc;clear all;I=imread('Lena512.bmp');%读取图像，如果图像位于工作空间内，可以直接写5.jpgimshow(I);%显示图像I1=imadjust(I,[0 1],[1 0],0.5);figure ,imshow(I1);I2=imadjust(I,[0 1],[1 0],1);figure ,imshow(I2);I3=imadjust(I,[0 1],[1 0],1.5);figure ,imshow(I3);上述操作得到的是原图片的负片，使用下列函数可以直接获得图片I的负片。
I2=imcomplement(I);figure,imshow(I2);I1=imadjust(I,[0 1],[0 1]);figure ,imshow(I1);I2=imadjust(I,[0.5 0.75],[0 1]);figure ,imshow(I2);将[0.5 0.75]之间的灰度级扩展到[0 1]可以突出我们感兴趣的部分，效果图如第二幅所示原图处理后6.2对数和对比度拉伸变换g=c*log(1+double(f))clc;clear all;I=imread('2.tif');%读取图像，如果图像位于工作空间内，可以直接写5.jpg imshow(I);%显示图像I2=im2uint8(mat2gray(log(1+double(I))));figure,imshow(I2);执行上述语句的结果如下图所示：figure1为原图像，figure2为处理后的图像。
7.生成并绘制图像的直方图clc;clear all;I=imread('3.tif');%读取图像，如果图像位于工作空间内，可以直接写5.jpg imshow(I);%显示图像I2=intrans(I,'stretch',mean2(im2double(I)),0.9);figure,imshow(I2);figure, imhist(I);figure, imhist(I2);执行上述代码后，figure1和figure2为两张图片，figure3和figure4分别是其对应的直方图。
绘制直方图还有其他很多方法，下面以下图为例说明。
原图1）直接使用imhist(I)I=imread('4.tif');%读取图像，imshow(I);%显示图像figure, imhist(I);其直方图如下图所示。
2）bar(horz, v, width )h=imhist(I);h1=h(1:10:256);horz1=1:10:256;figure, bar(horz1,h1)axis([0 255 0 15000])set(gca,'xtick',0:50:255)set(gca,'ytick',0:2000:15000)其图像如下图所示h2=h(1:10:256);horz2=1:10:256;figurestem(horz2,h2,'fill')axis([0 255 0 15000])set(gca,'xtick',0:50:255)set(gca,'ytick',0:2000:15000)grid on执行上述语句后结果如下图所示figure plot(h)axis([0 255 0 15000])set(gca,'xtick',0:50:255)set(gca,'ytick',0:2000:15000)8.直方图均衡化g=histeq(f, nlev)clc;clear all;I=imread('6.tif');%读取图像，imshow(I);%显示图像figure, imhist(I);ylim('auto')I3=histeq(I,256);figure, imshow(I3)figure, imhist(I3)上图中figure1和figure2为原图像及其直方图；figure3和figure4为均衡化后的图像和直方图。