基于直方图的图像增强及其MATLAB实现
matlab的histeq函数
matlab的histeq函数MATLAB的histeq函数是一种用于图像处理的直方图均衡化函数。
该函数能够将图像的像素值进行均衡化，使得图像的整体亮度变化更加平滑、细腻。
在图像处理、计算机视觉、数字图像处理等领域中，histeq函数是非常重要的一种函数。
在使用histeq函数时，用户需要先将指定图像读取到MATLAB中。
可以通过imread函数将指定图片读取到MATLAB中，代码如下：img=imread('image.jpg');其中，’image.jpg‘指定了图片的路径和名称，使用时需要自定义。
读取图片后，用户可以对图像进行一系列操作，如灰度化处理、自适应对比度增强等。
这里介绍直方图均衡化的操作。
直方图均衡化的过程可以使图像中的灰度值分布呈现更加均匀的状态，因而可以增强图像的亮度和对比度。
直方图均衡化的原理非常简单，主要是通过将像素的灰度值进行均衡化处理，使像素的灰度值分布更加平衡。
在MATLAB中实现直方图均衡化的方法是使用histeq函数，该函数的基本语法如下：out=histeq(in)其中，in是待处理的输入图片，out是经过处理的输出图片。
histeq函数的使用方法非常简单，只需要输入待处理的图片即可。
不过，用户也可以通过一系列可选参数来对函数进行更细致的控制，使其具有更好的适用性。
histeq函数支持的可选参数主要包括以下几个方面：1、灰度级别的调整可以通过在函数中添加灰度级别参数，来调整输出图片的灰度级别。
在MATLAB中，默认的灰度级别是256，该参数可以通过在函数中添加histeq（in,n）来设置。
在该函数中，n是灰度级别的数量。
可以通过将n设为256来保持默认状态，或调整成更小的数字，使输出图片的色调更加细腻。
2、调整灰度分布在histeq函数中，可以通过调整灰度分布参数来控制输出图片的灰度值分布。
该参数可以使用一个由256个元素组成的向量表示。
该向量中的每一个元素对应一个灰度值，每个元素表示输出图片中该灰度值相应的像素数占比。
(完整版)数字图像处理MATLAB程序【完整版】
第一部分数字图像处理实验一图像的点运算实验1.1 直方图一．实验目的1．熟悉matlab图像处理工具箱及直方图函数的使用；2．理解和掌握直方图原理和方法；二．实验设备1.PC机一台；2.软件matlab。
三．程序设计在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；3．浏览源程序并理解含义；4．运行，观察显示结果；5．结束运行，退出；五．实验结果观察图像matlab环境下的直方图分布。
(a)原始图像 (b)原始图像直方图六．实验报告要求1、给出实验原理过程及实现代码；2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验1.2 灰度均衡一．实验目的1．熟悉matlab图像处理工具箱中灰度均衡函数的使用；2．理解和掌握灰度均衡原理和实现方法；二．实验设备1.PC机一台；2.软件matlab；三．程序设计在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像subplot(2,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(2,2,3),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题a=histeq(I,256); %直方图均衡化，灰度级为256subplot(2,2,2),imshow(a) %输出均衡化后图像title('均衡化后图像') %在均衡化后图像中加标题subplot(2,2,4),imhist(a) %输出均衡化后直方图title('均衡化后图像直方图') %在均衡化后直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。
用MATLAB统计图像直方
02
imhist(I); % 计算并显示归一化直方图
03
```
04
直方图均衡化
直方图均衡化的定义
直方图均衡化是一种图像处理技术， 通过对图像的灰度直方图进行变换， 改善图像的对比度，增强图像的细节 和清晰度。
通过扩展图像的灰度级别范围，使得 图像的细节更加突出，提高图像的可 视化效果。
Matlab实现直方图均衡化
01 使用Matlab中的`histeq`函数，可以对图 像进行直方图均衡化处理。
02 首先，读取图像文件并将其转换为灰度图 像。
03
然后，使用`histeq`函数对灰度图像进行直 方图均衡化处理。
04
最后，显示处理后的图像。
直方图均衡化的效果
01
02
03
直方图均衡化可以显著 改善图像的对比度，增 强图像的细节和清晰度
彩色图像直方图
示例代码
1
```matlab
2
3
I = imread('image.jpg'); % 读取彩色图像
彩色图像直方图
imhist(I); % 计算并显示彩色直方图 ```
归一化直方图
归一化直方图
归一化直方图是一种将像素值范围限制在特定范围内的直方图，可以更好地反映图像的细节和特征。 在Matlab中，可以使用`imhist`函数计算归一化直方图。
直方图可以用于提取图像中的特征，如边缘、纹理等，也可以用于 图像分割，将图像划分为不同的区域。
直方图的计算方法
01
累积直方图
02
归一化直方图
首先计算原始直方图，然后将每个像 素强度值的频数累加起来，得到累积 直方图。累积直方图可以用于快速查 找特定像素强度值的范围。
视频图像增强和去雾算法matlab实现
视频图像增强和去雾算法说明摘要 本文档介绍夜间增强和去雾增强算法及其实现。
（1）将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量（I分量）的灰度直方图进行均衡化处理，然后再转换到RGB空间。
空间。
）利用暗原色先验图像去雾算法对图像进行去雾处理。
（2）利用暗原色先验图像去雾算法对图像进行去雾处理。
1目录一、通过I分量增强夜间图像 (3)1. 算法原理 (3)2. M ATLAB程序 (6) (77)3. 夜间增强效果 .................................................................................................................................二、去雾增强 (9) (99)1. 算法原理 .........................................................................................................................................2. M ATLAB程序 (11) (113)3. 去雾效果 .......................................................................................................................................参考文献 (14)一、通过I分量增强夜间图像1. 算法原理首先将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量（I分量）的灰度直方空间显示。
图进行均衡化处理，提高图像的亮度，然后转换回RGB空间显示。
（1）图像由RGB空间转换到HSI空间。
RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。
如何进行MATLAB图像处理
如何进行MATLAB图像处理一、引言图像处理是计算机视觉和图像分析领域中的重要任务之一。
而MATLAB是一种强大的数学计算软件，也被广泛应用于图像处理。
本文将介绍如何使用MATLAB进行图像处理，并探讨一些常见的图像处理技术。
二、图像处理基础在开始使用MATLAB进行图像处理之前，我们需要了解一些基础知识。
一个图像通常由像素组成，每个像素都有一个灰度值或者RGB（红绿蓝）三个通道的值。
图像的处理可以分为两个主要方面：空间域处理和频域处理。
1. 空间域处理空间域图像处理是指直接对图像的像素进行操作，常见的处理方法包括亮度调整、对比度增强和图像滤波等。
MATLAB提供了一系列函数和工具箱来进行这些处理。
例如，要调整图像的亮度，可以使用imadjust函数。
该函数可以通过调整输入图像的灰度值范围，实现亮度的增强或者降低。
下面是一个简单的例子：```matlabI = imread('image.jpg'); % 读取图像J = imadjust(I,[0.2 0.8],[0 1]); % 调整亮度范围imshow(J); % 显示图像```2. 频域处理频域图像处理是指将图像从空间域转换到频域进行处理，常见的处理方法包括傅里叶变换和滤波等。
MATLAB提供了fft和ifft等函数来进行频域处理。
例如，要对图像进行傅里叶变换，可以使用fft2函数。
该函数将图像转换为频率域表示，可以进一步进行滤波等处理。
下面是一个简单的例子：```matlabI = imread('image.jpg'); % 读取图像F = fft2(I); % 傅里叶变换F = fftshift(F); % 频率域中心化imshow(log(1 + abs(F)),[]); % 显示频率域图像```三、图像处理技术了解了图像处理的基础知识后，我们可以探索一些常见的图像处理技术。
以下将介绍几个常用的技术，并给出相应的MATLAB代码示例。
Matlab技术在医学图像处理中的应用实例
Matlab技术在医学图像处理中的应用实例在医学领域，图像处理在诊断和治疗中起着重要的作用。
其中，Matlab作为一种强大的计算软件，提供了丰富的图像处理工具箱，广泛应用于医学图像处理中。
本文将通过实例展示Matlab技术在医学图像处理中的应用，介绍其原理和实践。
一、CT图像降噪与增强计算机断层成像（CT）是一种常见的医学图像技术，但由于噪声和对比度不足等问题，其图像质量往往需要进一步处理。
在这个例子中，我们将演示Matlab技术如何在CT图像中进行降噪和增强。
首先，我们加载CT图像，并使用Matlab提供的去噪算法对图像进行降噪处理。
在这里，我们采用基于小波变换的去噪方法，使用小波软阈值去除噪声。
通过调整阈值参数，我们可以在去除噪声的同时保留重要的图像细节。
接下来，为了增强图像的对比度，我们可以应用直方图均衡化。
这个方法可以通过将图像的像素值映射到一个新的值域范围，从而增加图像的亮度和对比度。
在Matlab中，我们可以使用imhisteq函数实现直方图均衡化。
通过对CT图像进行降噪和增强处理，我们可以得到更清晰和对比度更好的图像，这对医生进行病变检测和诊断非常有帮助。
二、MRI图像分割和目标提取核磁共振成像（MRI）是一种无创检测方法，常用于诊断和疾病监测。
在MRI图像处理中，图像分割和目标提取是非常关键的一步。
在本例中，我们将展示如何使用Matlab技术对MRI图像进行精确的分割和目标提取。
首先，我们加载MRI图像，并通过阈值分割将感兴趣的目标从背景中分离出来。
阈值分割是一种常见的分割方法，可以通过设定一个合适的阈值将图像的像素分为目标和背景两类。
在Matlab中，我们可以使用graythresh函数自动选择适当的阈值，或者根据实际需要手动设定。
在分割后，我们可能会得到一些噪点或不完整的目标轮廓。
为了进一步提取准确的目标，我们可以应用形态学操作，如膨胀和腐蚀。
这些操作可以通过改变像素的形状和连接方式来填充空洞和去除噪声，从而得到更准确和完整的目标轮廓。
基于MATLAB图像增强算法的应用
Ａ ｐ ｐ ｉ ｉ ｏ ａ ｔ ｉ ｏ ｎ
瞄豳臣
Ｊ Ｏ Ｕ Ｒ Ｎ Ａ Ｌ Ｏ Ｆ 辽宁高 Ｌ Ｉ Ａ Ｏ Ｎ ｌ Ｎ （ 职学 Ｈ １ Ｇ ｔ ｔ Ｅ Ｒ 报 Ｖ （ ） Ａ Ｔ Ｉ Ｏ Ｎ Ａ １
第 Ｖ ｏ １ ． ５ １ ５ 卷 。 第 Ｎ ７ ｏ 期 ． ７
ｉ ｎ ｓ ｔ ａ ｎ ｃ ｅ ｆ ｉ ｇ ｕ ｒ ｅ ｓ ｏ ｆ ｉ ｍａ ｇ ｅ ．Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｇ ｅ ｔ ｔ ｈｅ ｂ ｅ ｔ ｔ ｅ ｒ ｖ ｉ ｓ ｕ ａ ｌ ｅ ｆ ｅ ｃ ｔ ａ ｎ ｄ ｏ ｆ ｅ ｒ ｃ ｏ ｎ ｖ ｅ ｎ ｉ ｅ ｎ ｃ ｅ ｆ ｏ ｒ ｈｅ ｔ ｆ ｏ ｌ ｌ ｏ ｗｉ ｎ ｇ － ｕ ｐ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ，ｉ ｔ Ｃ ａ ｌ ｌ ｐ ｒ ｏ ｍｏ ｔ ｅ ｔ ｈ ｅ ｓ ｔ ｕ ｄ ｙ ｏ ｆ ＭＡ ＴＬ ＡＢ ｓ ｏ ｔ ｆ ｗａ ｒ ｅ ｏ ｎ ｔ ｈ ｅ ａ ｓ ｐ ｅ ｃ ｔ ｏ ｆ ｉ ｍａ ｇ ｅ ｅ ｎ ｈ ｎｃ ａ ｅ ｍｅ ｎ ｔ ．
空 间域法 又 可分 为点 运算 法 和领域 去 噪算法 ，其 可采 用 灰 度 级处 理 、直方 图处 理 、平 滑 滤波 、锐 化滤 波等 方 式 。频
二 二 车 墓 法 莲 茎 蓁 量
Ｌ同 态 滤 波
～
率域 法是 把 图像 看成 一种 二维 信号 ，对 其采 用基 于二 维 傅
里 叶 变 化 的方 法来 对 信 号 进 行 增 强 处 理 ，采 用 低 通 滤 波
、
ＭＡ Ｔ ＡＢ鞭 博 简 ：
பைடு நூலகம்
法 ，可 减弱 或消 除 图 中的噪声 ；采 用 高通滤 波 法 ，则可 加 强 边缘 等 高频 信号 ，使模 糊 的 图像 转 换成 清 晰 图像 。具 有 典 型 性 的空 间 域算 法 有局 部 求 平均 值 法 和 中值 滤 波法 等 ， 它们可 用 于剔 除或 消弱 噪声 。具体 的处 理 方式 可 以归纳 为
Matlab图像处理技术的实践应用
Matlab图像处理技术的实践应用近年来，图像处理技术在各个领域中的应用越来越广泛，如医学影像、工业检测、图像识别等。
而作为一种强大的工具，Matlab在图像处理方面发挥着重要的作用。
本文将探讨Matlab图像处理技术的实践应用，并深入了解其中的数学原理和相关算法。
一、图像基本处理在图像处理的初始阶段，我们往往需要对图像进行一些基本的处理，如读取、显示、保存等。
Matlab提供了丰富的图像处理函数，可以轻松完成这些任务。
首先，我们需要读取图像文件。
在Matlab的Image Processing Toolbox中，使用imread函数即可实现。
例如，使用以下命令可以读取一张名为"image.jpg"的图像文件：image = imread('image.jpg');接下来，我们可以使用imshow函数将图像显示在Matlab的图像窗口中，如下所示：imshow(image);此外，Matlab还提供了imwrite函数，用于将图像保存为指定的文件格式。
例如，以下命令可以将图像保存为PNG格式：imwrite(image, 'image.png');二、图像增强和滤波在实际应用中，我们往往需要对图像进行增强或滤波，以提高图像的质量或减少噪声。
Matlab提供了许多图像增强和滤波的函数，如直方图均衡化、中值滤波等。
直方图均衡化是一种常用的图像增强方法，用于提高图像的对比度。
在Matlab 中，我们可以使用histeq函数来实现直方图均衡化。
例如，以下代码将对图像进行直方图均衡化处理：enhanced_image = histeq(image);除了直方图均衡化，Matlab还提供了许多其他的图像增强方法，如局部对比度增强、锐化等。
这些方法可以根据具体的需求选择和调整。
另一方面，滤波是图像处理中常用的一种技术，用于降低噪声或模糊图像。
Matlab提供了常见的滤波方法，如均值滤波、中值滤波等。
- 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)。
基于直方图的图像增强及其 MA TL AB 实现
Image Enhancement Ba sed o n Histo grams and It s Realizatio n wit h MA TL AB
汪志云1 , 黄梦为2 , 胡 钋1 , 饶 强1 1 2 WANG Zhi2yun , HUANG Meng2wei , HU Po1 , RAO Qiang1 ( 1. 武汉大学电气工程学院 , 湖北 武汉 430072 ;2. 武汉大学城市建设学院 , 湖北 武汉 430072) ( 1. School of Electrical Engineering , Wuhan University , Wuhan 430072 ; 2. School of Urban Construction , Wuhan University , Wuhan 430072 ,China)
3
对比度的灰度变换和直方图变换 、 消除噪声的平滑法和增 强边缘的锐化法 。本文要讨论的直方图增强方法便属于空 域增强法 。
2 直方图增强技术的基本理论
2. 1 直方图基础
数字图像的直方图是作为图像每一个灰度级的统计概 率分布 , 它提供了图像灰度分布的概貌 , 直方图增强技术正 是利用修改给定图像直方图的方法来增强图像的 , 最后得 到的图像增强程度取决于我们所采用的直方图 。令变量 r 和 s 分别代表图像增强前后的像素灰度级 , 相应灰度级分 布的概率密度分别为 Pr ( r) 、 Ps ( s) 。为讨论方便 , 假设像 素灰度值已经归一化在区间 [ 0 , 1 ] , 在灰度级坐标中 r = 0 表示黑 , r = 1 表示白 。对区间 [ 0 , 1 ]内任一个 r 值按变换函 数:
1 引言
在图像形成 、 传输或变换的过程中 ,由于受到其它客观 因素诸如系统噪声 、 曝光不足或过量 、 相对运动等影响 ,获取 图像往往会与原始图像之间产生某种差异 ( 称为降质或退 化) 。退化后的图像通常模糊不清或者经过机器提取的信息 量减少甚至错误 ,因此必须对其采取一些手段进行改善 。 图像增强技术正是在此意义上提出的 , 目的就是为了 改善图像的质量 。图像增强根据图像的模糊情况采用各种 特殊的技术突出图像中的某些信息 ,削弱或消除无关信息 , 达到强调图像的整体或局部特征的目的 。图像增强尚没有 统一的理论方法 ,常用的图像增强技术有直方图修改 、 图像 平滑滤波 、 图像锐化等 。图像增强技术主要分为两类 : 频域 增强法和空域增强法 。频域增强法主要是利用各种频域滤 波器进行图像平滑或锐化处理 ,然后进行变换域反变换来 增强图像 ; 空域增强法是直接针对图像中的像素 ,对图像的 灰度进行处理 。空域法属于直接增强的方法 , 它包括扩展
2. 3 直方图规定化
由于均衡化的直方图技术只能产生一种近似均匀的直 方图 , 而不适于需要交互作用的图像增强的应用 。实际上 , 为了能增强图像中某些灰度级的范围 , 有时希望能够规定 交互作用的特定的直方图 。直方图规定化可看作是直方图 均衡化方法的改进 。假设 P r ( r) 和 Pz ( z ) 分别表示原始和 希望的图像概率密度函数 , 同时利用式 ( 4) 直方图均衡化 ,
则:
s = T ( r) = v = G( z) Pr ( r) d r ∫ = P ( z) d z ∫
0
z r
( 10) ( 11) ( 12)
0
z
z = G- 1 ( v)
2. 2 直方图均衡化
对于连续图像 , 变换函数为 :
s = T ( r) = P ( r) d r , 0 ≤ r ≤1 ∫
P r ( rk ) = nk , 0 ≤ rk ≤1 , k = 0 , 1 , 2 , …, L - 1 n ( 7)
j =0
6
i- 1
z i = G- 1 ( s i ) = G- 1 [ T ( ri ) ]
其中 , n 表示图像中像素的总数 , nk 是在图像中出现这种灰 度级的次数 , L 表示灰度级的数目 , Pr ( rk ) 为第 k 级灰度级 的概率 。与连续图像的 ( 4) 式相对应 , 离散形式为 :
3
摘 要 : 图像增强是数字图像的预处理 ,对图像整体或局部特征能有效地改善 。我们讨论了基于直方图的均衡化和规 定化处理的图像增强技术基本原理 ,给出了相关推导公式和算法 ; 同时 ,以一个灰度图像为例 ,用 MA TL AB 语言实现了直 方图均衡化和规定化增强处理 ,并给出了具体程序 、 实验结果图像及直方图 。结果表明 ,直方图均衡化和规定化处理能有 效改善灰度图像的对比度差和灰度动态范围 。 Abstract :Image enhancement which is also called image p re2p rocessing plays an indispensable role in signal image p ro2 cessing. This article int roduces two kinds of lgorit hm2histogram equalizatio n and histogram specifications , gives an experi2 mental result based on MA TL AB. From t he relevant images and histograms of realization , it is clear t hat histogram en2 hancement can imp rove t he cont rast details and equalize t he dynamic range of image gray level. 关键词 : 图像增强 ; 直方图 ; 均衡化 ; 规定化 ; 灰度级 ;MA TL AB Key words :image enhancement ; histogram ; equalizatio n ; specificatio n ; gray level ; MA TL AB 中图分类号 : TP391. 41 文献标识码 :A
Address :School of Elect rical Engineering ,Wuhan Universit y ,Wuhan , Hubei 430072 ,P. R. China
54
进行变换 , T ( r) 满足两个条件 : ( 1) 单值单调增加函数 ; ( 2 ) 0 ≤T ( r) ≤ 1。 ( 条件 1) 使灰度级保持从黑到白的次序 , 条件 ( 2 ) 保证 映射变换后像素灰度值在允许的范围内 。从 s 到 r 的反变 换为 : ( 2) r = T - 1 ( s) , 0 ≤ s ≤1 同样 , 规定变量 s 也满足条件 ( 1 ) 和 ( 2 ) 。由概率理论知 , 若 P r ( r) 和变换函数 s = T ( r) 已知 , T - 1 ( s) 是单值单调增加函 数 , 则有 : dr ( 3) Ps ( s) = [ P r ( r) ] r = T - 1 (s) ds 直方图增强技术就是通过变换函数 T ( r) 控制图像灰度级 的概率密度函数而改变图像的外貌 。
s k = T ( rk ) =
j =0
以上各式表明 , 一幅图像决定出 T ( r) 与反变换函数 z = G- 1 ( v) 便可以进行直方图规定化 , 对连续变量使用上述 方法实际上就是求得反变换函数解析式 。而对于离散图 像 , 由于离散的灰度级个数通常很少 , 对每一个可能像素值 计算映射是可行的 , 就不用像连续变量那样求逆变换的解 析式了 。
0
r r
( 4)
此式右边为累积分布函数 ( CDF) , 由该式对 r 求导有 : ds ( 5) = P r ( r) dr 代入 ( 3) 得到 : 1 ( 6) P( s) = [ P r ( r) ] r = T - 1 (s) = 1 , 0 ≤ s ≤1
P r ( r)
由式 ( 4) 均衡化处理产生最后的结果 Ps ( s) = 1 与积分内的 概率密度无关 , 因此 , 处理后的原图像及理想图像的概率密 度 Ps ( s) 和 Pv ( v) 具有相同的均匀密度 。这样 , 可以从原 始图像中得到的均匀灰度 s 代替逆过程中的 v , 其结果灰度 级 z = G- 1 ( s) 就是所要求的概率密度函数 。上述过程即 为: ( 1) 将原始图像的灰度级均衡化 。 ( 2) 规定希望的概率密度函数 , 并用式 ( 11 ) 得到变换函 数 G( z ) 。 ( 3) 计算逆变换函数 z = G - 1 ( v) 便得到了所希望的灰 度级 。 由以上讨论可以得到 : ( 13) z = G- 1 [ T ( r) ] 对离散图像 , 相应的规定化表达式为 :
Pz ( z i ) = v i = G( z i ) = ni n ( 14) Pz ( z j ) ( 15) ( 16)
这说明 , 在变换后变量 s 在定义域内 , Ps ( s) 是均匀概率密 度 。在图像增强意义上 , 这相当于像素的动态范围增加 。 在后面 MA TL AB 仿真时 , 便可以看到图像对比度会产生 显著的变化 。 对于离散图像 , 灰度级 rk 的概率值为 :
6
k
nj = n
j =0
6
k
3 MATLAB 实现及分析
MA TL AB 中直方图均衡化和规定化处理函数格式如
Pr ( rj )
( 8)
反变换为 :
rk = T - 1 ( s k ) , 0 ≤ s k ≤1 ( 9)
下:
( 1) J = i m hist ( I , n) ( 2) J = i m hist ( I , m a p) ( 3) [ counts , X ] = i m hist ( I , … ) ( 4) J = histeq ( I , n) ( 5) J = histeq ( I , m a p , n) ( 6) [ J , counts ] = histeq ( I , … ) 说明 : 对于格式 ( 1 ) ,显示图像 I 的直方图 ,n 为灰度级 数目 ,灰度图像的缺省值为 256 ,黑白图像缺省值为 2 ; 对于 格式 (2) ,J 返回调色板为 map 的图像 I 的直方图 ; 对格式 (3) ,返回图像 I 的每个灰度上的像素点数目 ; 格式 (4) 对图 像 I 均衡化处理 ,n 表示灰度级数目 ,缺省值为 64 ; 格式 (5)