图像处理报告
数字图像处理实验报告
数字图像处理实验报告实验一数字图像处理编程基础一、实验目的1. 了解MATLAB图像处理工具箱；2. 掌握MATLAB的基本应用方法；3. 掌握MATLAB图像存储/图像数据类型/图像类型；4. 掌握图像文件的读/写/信息查询；5. 掌握图像显示--显示多幅图像、4种图像类型的显示方法；6. 编程实现图像类型间的转换。
二、实验内容1. 实现对图像文件的读/写/信息查询，图像显示--显示多幅图像、4种图像类型的显示方法、图像类型间的转换。
2. 运行图像处理程序，并保存处理结果图像。
三、源代码I=imread('cameraman.tif')imshow(I);subplot(221),title('图像1');imwrite('cameraman.tif')M=imread('pout.tif')imview(M)subplot(222),imshow(M);title('图像2');imread('pout.bmp')N=imread('eight.tif')imview(N)subplot(223),imshow(N);title('图像3');V=imread('circuit.tif')imview(V)subplot(224),imshow(V);title('图像4');N=imread('C:\Users\Administrator\Desktop\1.jpg')imshow(N);I=rgb2gary(GRB)[X.map]=gary2ind(N,2)RGB=ind2 rgb(X,map)[X.map]=gary2ind(I,2)I=ind2 gary(X,map)I=imread('C:\Users\dell\Desktop\111.jpg');subplot(231),imshow(I);title('原图');M=rgb2gray(I);subplot(232),imshow(M);[X,map]=gray2ind(M,100);subplot(233),imshow(X);RGB=ind2rgb(X,map);subplot(234),imshow(X);[X,map]=rbg2ind(I);subplot(235),imshow(X);四、实验效果实验二 图像几何变换实验一、实验目的1．学习几种常见的图像几何变换，并通过实验体会几何变换的效果；2．掌握图像平移、剪切、缩放、旋转、镜像等几何变换的算法原理及编程实现；3．掌握matlab 编程环境中基本的图像处理函数。
图像颜色增强处理——彩色变换实验报告
图像颜色增强处理（彩色变换）实验专题讲座课程：遥感科学与图像处理实验：图像颜色增强处理（彩色变换）姓名：学号：指导老师：一、实验名称图像颜色增强处理（彩色变换）二、实验目的对图像进行彩色变换；观察图像在不同色彩空间之间相互转换的结果异同，理解影像光谱增强中彩色变换的原理及其增强效果，将图象转换成一种更适合于人或机器进行分析处理的形式，提高图像的使用价值。
三、实验原理光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。
有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。
在使用单波段图像时，由于成像系统动态范围的限制，地物显示的亮度值差异较小。
又由于人眼对黑白图像亮度级的分辨能力仅有10～20级左右，而对色彩和强度的分辨力可达100多种，因此将黑白图像转换成彩色图像可使地物的差别易于分辨[1,2]。
1. 彩色合成（color composite）在通过滤光片、衍射光栅等分光系统而获得的多波段图像中选出三个波段，分别赋予三原色进行合成。
根据各波段的赋色不同，可以得到不同的彩色合成图像。
1)图像主成分变换融合主成分变换融合[2]是建立在图像统计基础上的多维线性变换,具有方差信息浓缩、数据量压缩的作用, 可以更准确地揭示多波段数据结构内部的遥感信息, 常常是以高空间分辨率数据代替多波段数据变换以后的第一主成分来达到融合的目的。
具体过程是: a. 对多波段遥感数据进行主成分变换( K- L 变换) ; b. 以高空间分辨率遥感数据替代变换以后的第一主成分; c. 进行主成分逆变换,生成具有高空间分辨率的多波段融合图像。
2) 真彩色合成在通过蓝、绿、红三原色的滤光片而拍摄的同一地物的三张图像上，若使用同样的三原色进行合成，可得到接近天然色的颜色，此方法称为真彩色合成。
3) 假彩色合成由于多波段摄影中，一副图像多不是三原色的波长范围内获得的，如采用人眼看不见的红外波段等，因此由这些图像所进行的彩色合成称假彩色合成。
数字图像处理_实验报告书(八)彩色图像处理
rgb=cat(3,rgb_R,rgb_G,rgb_B);figure,imshow(rgb),title('RGB彩色图像');截图：（2）编写MATLAB程序，将一彩色图像从RGB空间转换为HIS空间，并观察其效果。
如例9.2所示。
程序：rgb=imread('LenaRGB.bmp');figure,imshow(rgb);rgb1=im2double(rgb);r=rgb1(:,:,1);g=rgb1(:,:,2);b=rgb1(:,:,3);I=(r+g+b)/3figure,imshow(I);tmp1=min(min(r,g),b);tmp2=r+g+b;tmp2(tmp2==0)=eps;S=1-3.*tmp1./tmp2;figure,imshow(S);tmp1=0.5*((r-g)+(r-b));tmp2=sqrt((r-g).^2+(r-b).*(g-b));theta=acos(tmp1./(tmp2+eps));H=theta;H(b>g)=2*pi-H(b>g);H=H/(2*pi);H(S==0)=0;figure,imshow(H);截图：（3）编写MATLAB程序，将一彩色图像在RGB空间进行彩色分割，并观察其效果。
如例9.11所示。
程序：rgb=imread('LenaRGB.bmp');figure,imshow(rgb);rgb1=im2double(rgb);r=rgb1(:,:,1);figure,imshow(r);g=rgb1(:,:,2);figure,imshow(g);b=rgb1(:,:,3);figure,imshow(b);r1=r;r1_u=mean(mean(r1(:)));[m,n]=size(r1);sd1=0.0;for i=1:mfor j=1:nsd1= sd1+(r1(i,j)-r1_u)*(r1(i,j)-r1_u);endendr1_d=sqrt(sd1/(m*n));r2=zeros(size(rgb1,1),size(rgb1,2));ind=find((r>r1_u-1.25*r1_d)&(r<r1_u+1.25*r1_d));r2(ind)=1;figure,imshow(r2);截图：（4）编写MATLAB程序，将一彩色图像在向量空间进行边缘检测，并观察其效果。
医学图像处理实验报告
d、分别对其进行10*10、5*5、2*2的均值滤波；
e、显示原图像和选用不同大小模版处理后的图像。
(3)高斯滤波
a、读入图像；
b、对数字图像进行直方图均衡化处理；
c、选择高斯滤波参数（标准差）sigma为1.6；
d、选择滤波器尺寸为5*5；
i、显示原图像和处理后的图像。
(2)四八领域均值滤波
a、读入图像；
b、转换图像矩阵为双精度型；
c、创建4邻域平均滤波模版[0 1 0; 1 0 1; 0 1 0]；
创建8邻域平均滤波模版[1 1 1; 1 0 1; 1 1 1];
d、进行滤波；
e、显示原图像和处理后图像。
(3)巴特沃斯高通滤波
a、读取图像；
e、创建高斯滤波器进行滤波；
f、显示原图像和处理后的图像。
3
(1)同态滤波
a、读入图像；
b、对数字图像进行直方图均衡化处理；
c、转换图像矩阵为双精度型；
d、取对数；
e、对其做傅里叶变换；
f、选择参数，截止频率为10，锐化系数为2， =1.5， =2.0；
g、进行高斯同态滤波；
h、滤波之后进行傅里叶逆变换；
c、显示原图像和经过均衡化处理过的图像；
d、记录和整理实验报告。
(2)中值滤波加直方图均衡化
a、将模板在图中漫游，并将模板中心与图中某个像素位置重合；
b、读取模板下各对应像素的灰度值；
c、将这些灰度值从小到大排成1列；
d、找出这些值中排在中间的1个；
e、将这个中间值赋给对应模板中心位置的像素；
f、中值滤波之后的像素值进行直方图均衡化处理；
matlab数字图像处理实验报告
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理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。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 1962.给定函数的累积直方图。
身份证识别图像处理实验报告
身份证识别图像处理实验报告摘要：本实验通过图像处理技术，对身份证进行识别和处理。
通过对身份证图像的预处理、特征提取和识别算法的应用，实现了对身份证信息的自动提取和识别。
实验结果表明，该方法能够有效地识别身份证信息，具有较高的准确性和鲁棒性。
1. 引言身份证是一种重要的身份证明文件，广泛应用于各个领域。
然而，传统的手工识别方式效率低下且易出错。
因此，本实验旨在通过图像处理技术，实现对身份证的自动识别和信息提取。
2. 实验方法2.1 身份证图像预处理首先，对身份证图像进行预处理，包括灰度化、二值化、去噪等步骤。
通过将彩色图像转换为灰度图像，可以简化图像处理的复杂度。
然后，通过阈值分割将图像转化为二值图像，以便更好地提取身份证信息。
最后，采用滤波器等方法去除图像中的噪声，提高识别的准确性。
2.2 身份证信息提取在身份证图像预处理完成后，需要提取身份证的关键信息，包括姓名、性别、民族、出生日期、住址和身份证号码等。
通过图像处理技术，可以实现对这些信息的自动提取。
例如，通过模板匹配或特征点提取等方法，可以准确地提取身份证号码。
同时，结合OCR（Optical Character Recognition，光学字符识别）技术，可以提取其他文字信息。
2.3 身份证信息识别在身份证信息提取完成后，需要对提取的信息进行识别。
通过特征提取和分类算法，可以实现对身份证信息的准确识别。
例如，可以使用支持向量机（Support Vector Machine，SVM）等机器学习算法进行分类。
通过训练模型，可以将提取的身份证信息与已知的身份证信息进行匹配，从而实现识别。
3. 实验结果与分析经过实验，我们得到了一批身份证图像，并进行了图像处理和信息识别。
实验结果表明，该方法能够有效地识别身份证信息。
在识别准确率方面，我们进行了多次实验，平均准确率达到了90%以上。
同时，该方法对于不同类型的身份证图像都具有较好的鲁棒性，能够适应不同光照条件和角度的变化。
东北大学matlab计算机图像处理实验报告
计算机图像处理实验报告学院：信息学院班级：姓名：学号：实验内容：数字图像处理1、应用MATLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换；（1）、显示一副真彩RGB图像代码：I=imread('mikasa.jpg');>>imshow(I);效果：（2）、RGB转灰度图像代码：graycat=rgb2gray(I);>> subplot(1,2,1);>> subimage(I);>> subplot(1,2,2);>> subimage(graycat);效果：（3）、RGB转索引图像代码：[indcat,map]=rgb2ind(I,0.7);>> subplot(1,2,1);>> subimage(I);>> subplot(1,2,2);>> subimage(indcat,map);效果：（4）、索引图像转RGB代码：I1=ind2rgb(indcat,map);>>subplot(1,2,1);>>subimage(indcat,map);>>subplot(1,2,2);>>subimage(I1);效果：（5）、索引转灰度图像代码：i2gcat=ind2gray(indcat,map);>>subplot(1,2,1);>>subimage(indcat,map);>>subplot(1,2,2);>>subimage(i2gcat);效果：（6）、灰度转索引图像代码：[g2icat,map]=gray2ind(graycat,64);>>subplot(1,2,1);>>subimage(graycat);>>subimage(g2icat,map);效果：（7）、RGB转二值图像代码：r2bwcat=im2bw(I,0.5);>>subplot(1,2,1);>>subimage(I);>>subplot(1,2,2);>>subimage(r2bwcat);效果：（8）灰度转二值图像代码：g2bwcat=im2bw(graycat,0.5); subplot(1,2,1);>>subimage(graycat);>>subplot(1,2,2);>>subimage(g2bwcat);效果：（9）、索引转二值图像代码：>> i2bwcat=im2bw(indcat,map,0.7);>>subimage(indcat,map);>>subplot(1,2,2);>>subimage(i2bwcat);效果：2、应用MATLAB工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱图。
医学图像处理实验报告(要)
医学图像处理实验报告Lab Report of Medical ImageProcessing系部：学号：姓名：指导教师：实验1 MATLAB基本操作及函数用法1.1 实验原理介绍1.1.1读取函数函数imread可以将图像读入MATLAB环境，语法为：imread('filename')其中filename是一个含有图像文件全名的字符串（包括任何可用的扩展名）。
例如命令行>>f = imread ( 'chestxray.jpg');将JPEG图像chestxray读入图像数组f中。
函数size可以给出一副图像的行数和列数：>>size (f)ans-10241024函数whos可以显示一个数组的基本附加信息。
例如，语句>>whos fwhos行结尾处的分号对结果没有影响。
1.1.2 显示图像一般使用函数imshow显示，其基本语法为：imshow (f, G)其中，f是一个图像数组，G是显示该图像的灰度级数。
若G省略，默认为256。
语法：imshow {f, [low high]}会将所有小于或等于low的值都显示为黑，所有大于或等于high的值都显示为白色。
介于low和high之间的值将以默认的级数显示为中等亮度值。
当用imshow显示另外一幅图像时，MATLAB会在屏幕上用新图像替换旧图像，为保持第一幅图像并同时显示第二副图像，可以使用如下figure函数：>>figure, imshow(g)要了解图像文件的其他详细信息，可以使用imfinfo函数，其语法结构为：imfinfo filename其中，filename是存储在磁盘中的图像全名。
1.1.3 保存图像使用函数imwrite可以将图像写在磁盘上，该函数语法为：imwrite (f, ‘filename’)下面的命令可以把图像f写为TIFF格式，在默认情况下使用语句>>imwrite (f,'patient10_run1', 'tif')或>>imwrite (f, 'patient10_run1.tif')会将文件保存到当前的工作目录中。
遥感图像处理 图像配准、图像裁剪 实验报告
Lab3 geometric correction and projection transformation of remotely sensed dataObjective :The purpose of the current lab section is to adequately understand the mathematic principles and methods of geometric correction (co-registration) and projection transformation . In addition,you guys need to gain hands-on experience or skill to perform them in ENVI and ERDAS environments.实验过程：一、envi中图像配准1、根据控制点的坐标对图像进行配准1）加载中山陵地形图2) 选择map 菜单下的registration菜单，选择select gcps:image to map设置投影信息：基于经纬度的投影(geographic lat/lon)，选择基准面为WGS—843）开始配准依次移动一级窗口中的光标到四个图廓点的位置，在三级放大窗口中把十字司放在经纬线的交点的中间位置，输入该点的经纬度于编辑对话框中：点击add point，完成对控制点的编辑4）选择option菜单下的wrap file将配准好的地图生成一幅新的影像修改生成图像信息，改为50带的UTM投影，基准面为WGS-84，保存2、图像到图像的配准1）加载全色波段影像作为待配准的影像将配准好的地形图作为基准图，全色影像作为要配准的图像在两幅图像上选择5个同名地物点进行配准点击show list 查看误差，不断调整误差直至所有误差在1以内二、erdas中的配准1、打开erdas,将zsl.tiff格式的数据导为erdas.img2、viewer中打开刚刚保存的图像，选择data preparation中的配准image geometric correction点击select viewer，点击下图层，选择polynomial多项式模型点击ok,修改投影Set projection from GCP tool,选择手动输入“keyboard”将4个图廓点的坐标输入表格display，保存图像，并加载，对配准后的图像进行投影修改3、图到图的配准以刚刚配准好的地形图为基准，加载多光谱图像选择data preparation中的配准image geometric correction选择地形图作为基准面，多光谱图像为待配准影像将相同点的坐标输入表格，并调整误差4、图像裁剪创建感兴趣区域，AOI下Tools创建一个任意形状的区域后，双击保存区域。
最新医学图像处理实验报告
(1)直方图均衡化
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
(3)高斯滤波
高斯滤波器的二维形式为： ，D（u，v）是距频率矩形中心的距离。 是关于中心的扩展度的度量。通过令 ，该滤波器可表示为：
其中， 是截止频率。当 时，H下降到其最大值的0.607处。
3
(1)同态滤波
同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度/反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行傅立叶变换处理的失真。
医学图像处理实验报告
班级专业姓名学号
实验
一、实验目的
1：理解并掌握常用的图像的增强技术。
2：熟悉并掌握MATLAB图像处理工具箱的使用。
3：实践几种常用数字图像增强的方法，增强自主动手能力。
二、实验任务
对于每张图像(共三张图片)，实现3种图像增强方法。根据图像的特点，分别选用不用的图像增强算法。
三、实验内容（设计思路）
直方图均衡化是指：采用累积分布函数（CDF）变化生成一幅图像，该图像的灰度级较为均衡化，且覆盖了整个范围[0，1]，均衡化处理的结果是一幅扩展了动态范围的图像。直方图均衡化就是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。主要用途是：将一幅灰度分布集中在较窄区间，细节不够清晰的图像，修正后使图像的灰度间距增大或灰度分布均匀，令图像的细节清晰，达到图像增强的目的。
- 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)。
空域图像增强
一、原理
1、基本灰度变换
基本灰度变换是空域增强技术的一种。处理前后的像素值用r和s分别定义。这些值与
s=T(r)表达式的形式有关这里的T是把像素值r映射到值s的一种变换。由于处理的是数字
量，变换函数的值通常存储在一个一维阵列中。常用的三种函数为：线性函数、对数函数、
幂次函数。
2、直方图处理
灰度直方图是灰度级的函数，描述的是图像中该灰度级的像素的个数：从图形上说，其
横坐标是灰度级，纵坐标是该灰度出现的频率；从数学上说，灰度直方图是图像各灰度值统
计特性与图像灰度值的函数，它统计一幅图像中各灰度级出现的次数或概率。
灰度级为[0，L-1]范围的数字图像的直方图是离散函数，rk是第k级灰度，nk是图像中
灰度级为rk的像素的个数。
归一化直方图：，n为图像中总像素数。
直方图均衡化，将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方
法。
直方图规定化：某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定
的直方图的图像，以便能够增强图像中的某些灰度级。直方图规定化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做修正的增强方
法。
3、算术/逻辑操作增强
()/kkprnn
()kkhrn
主要以像素对像素为基础在两幅或多幅图像间进行。有逻辑运算和算术运算。
空间滤波：是一些邻域处理工作，操作邻域的图像像素值以及相应的与邻域有相同维数
的子图像的值。这些子图像可以被称为滤波器、掩膜、核、模板、或窗口。
直接对图像像素处理的操作：在待处理图像中逐点地移动掩膜。在每一点处，滤波器在
该点的响应通过事先定义的关系来计算。对于线性空间滤波，其响应由滤波器系数与滤波掩
膜扫过区域的相应像素值的乘积之和给出。
4、平滑空间滤波
用于模糊处理的减少噪声。
5、锐化空间滤波
主要目的是突出图像中的细节或者增强被模糊了的细节，这种模糊不是由于错误操作，
就是特殊图像获取方法的固有影响。锐化处理可用空间微分来完成，微分算子响应强度与图
像在该点的突变程度有关，这样一来，图像微分增强了边缘和其它突变，削弱了灰度变化缓
慢的区域。
一、 程序
clear all;
p=imread('girl.jpg');
imshow(p);
title('输入彩色的JPEG图像');
imwrite(rgb2gray(p),'girlgray.bmp');
p1=rgb2gray(p);
figure,imshow(p1);
title('灰度化后图像');
figure,imhist(p1);
title('直方图');
p3=histeq(p1,256);
figure,imshow(p3);
title('均衡化后图像');
figure,imhist(p3);
title('均衡化后直方图');
p4=medfilt2(p1,[3,3]);
figure,imshow(p4);
title('平滑滤波后图像');
figure,imhist(p4);
title('平滑后直方图');
二、 增强结果
原图像
灰度化后图像
原图像直方图
均衡化后图像
输入彩色的JPEG图像
灰度化后图像
050100150200250
0
50
100
150
直方图
直方图均衡化
平滑滤波后结果
均衡化后图像
050100150200250
0
20
40
60
80
100
120
140
160
均衡化后直方图
平滑滤波后图像
平滑滤波方法：中值滤波
三、 结果分析
1、第二幅图为灰度化后的图像。原图像为彩色图像，不便于在matlab中程序对其进行
处理，故将其灰度化，这个过程就是对连续图像进行抽样量化编码使之变为数字图像的过程。
灰度化后只是把原来的连续图像变为数字图像，并未改变图像的其他特性。
2、第三幅图为灰度化后的图像的直方图。直方图是灰度级的函数，描述的是图像中该
灰度级的像素的个数；从图形上说，其横坐标是灰度级，纵坐标是该灰度级出现的频率；从
数学上说，灰度直方图是图像和灰度值统计特性与图像灰度值的函数，它统计一幅图像中各
灰度级出现的次数或概率。
从这个直方图上看，原图像在各个灰度值上都有分布，分布比较广泛，从概率值上看，
很高灰度级的概率较大，很低的灰度级概率较小，说明图像明亮的区域较大，暗区域较小。
总体说来，有个很多明暗层次，层次分明，图像包含信息很丰富。
3、第四幅图是均衡化规定化后的图像，可看出和第二幅图相比有明显的不同。尤其明
显的是面部的有些地方比原来亮了，而有些地方比原来暗了。直方图的均衡化就是将原图像
050100150200250
0
20
40
60
80
100
120
140
160
平滑后直方图
通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
直方图的规定化：在某些情况下，并不一定需要具有均匀直方图的图像，有时需要有特
定的直方图的图像，以便能够增强图像中的某些灰度级。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。它是对直方图均衡化处理的的一种有效的扩展。直方图均衡化是直方图规定化的
一个特例。在规定化之前要均衡化，然后按照希望得到的图像的灰度概率密度函数求得变换
函数，用均衡化得到的灰度级做逆变换，经过这些步骤处理后得到的图像的灰度级将具有规
定的概率密度函数。
4、第五幅图是图像经过均衡化规定化后的直方图。与前面那幅直方图相比可以看到直
方图分布有变化，经均衡化后变为均匀分布，经规定化后低灰度级部分的概率有增加，高灰
度级部分，有的概率被去掉了，有的被保留下来，即图像按照了规定的要求进行了图像变换。
5、第六幅图是平滑滤波后的结果。平滑滤波属于空间滤波的一种。空间滤波就是一些
邻域处理工作，即操作邻域的图像像素值以及相应的与邻域有相同维数的子图像的值。这些
图像可以被称为滤波器、掩膜、核、模板或窗口。其中的平滑滤波用于处理和减少噪声。在
第六幅图中，用的是3*3中值滤波。和原图像相比，平滑滤波后的图像变模糊了，不如原来
的图像清晰。尤其是一些细节被忽略掉了。对比二者直方图可以看到直方图的分布形状没有
变化，而缺少了概率较低的灰度级的线条，说明一些细节或次要信息在平滑滤波的过程中被
忽略掉了。