实验一图像的直方图均衡.docx
《实验一图像的直方图均衡.docx》由会员分享，可在线阅读，更多相关《实验一图像的直方图均衡.docx（7页珍藏版）》请在冰豆网上搜索。
实验一图像的直方图均衡
实验一-图像的直方图均衡
数字图像处理实验
实验一、图像的直方图均衡
一、实验目的
1、理解直方图均衡的原理与作用；
2、掌握统计图像直方图的方法；
3掌握图像直方图均衡的方法。
二、实验原理
直方图均衡化是通过灰度变换将一幅图象转换为另一幅均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
图像对比度增强的方法可以分成两类:
一类是直接对比度增强方法;另一类是间接对比度增强方法。
直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。
直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
直方图均衡的缺点是：
1、变换后图像的灰度级减少，某些细节消失；2、某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。
三、实验步骤
1、利用matlab图像处理工具箱提供的函数进行均衡处理；
程序如下：
clear;
b=imread（'b.jpg'）;
subplot（2,2,1）;
title（'sourceimage'）;
imshow（b）;
subplot（2,2,2）;
c=histeq（b）;
imshow（c）;
title（'equationbysystemfunction'）;
[count,x]=imhist（b）;
count=count./（256*256）;
form=2:
256
count（m）=count（m）+count（m-1）;
end
count=round（count*255+0.5）;
form=1:
256
forn=1:
256
d（m,n）=count（b（m,n）+1）;
end
end
d=mat2gray（d）;
subplot（2,2,3）;
imshow（d）;
title（'programbyown'）;
处理结果：
2、自己设计程序实现图像的直方图均衡；
PS=imread（'image.jpg'）;%读入JPG彩色图像文件
imshow（PS）%显示出来
title（'输入的彩色JPG图像'）
imwrite（rgb2gray（PS）,'PicSampleGray.bmp'）;%将彩色图片灰度化并保存
PS=rgb2gray（PS）;%灰度化后的数据存入数组
%绘制直方图
[m,n]=size（PS）;%测量图像尺寸参数
GP=zeros（1,256）;%预创建存放灰度出现概率的向量
fork=0:
255
GP（k+1）=length（find（PS==k））/（m*n）;%计算每级灰度出现的概率，将其存入GP中相应位置
end
figure,bar（0:
255,GP,'b'）%绘制直方图
title（'原图像直方图'）
xlabel（'灰度值'）
ylabel（'出现概率'）
%直方图均衡化
S1=zeros（1,256）;
fori=1:
256
forj=1:
i
S1（i）=GP（j）+S1（i）;%计算Sk
end
end
S2=round（（S1*256）+0.5）;%将Sk归到相近级的灰度
fori=1:
256
GPeq（i）=sum（GP（find（S2==i）））;%计算现有每个灰度级出现的概率
end
figure,bar（0:
255,GPeq,'b'）%显示均衡化后的直方图
end
end
s=uint8（s）;
d=uint8（d）;
subplot（2,2,1）;
imshow（s）;
title（'source'）;
subplot（2,2,2）;
imhist（s）;
title（'histogramofsource'）;
subplot（2,2,3）;
imshow（d）;
title（'dest'）;
subplot（2,2,4）;
imhist（d）;
title（'histogramofdest'）;
处理结果
四、实验总结
图像的像素灰度变化是随机的，直方图的图形高低不齐，直方图均衡化就是用一定的算法使直方图大致平和。
均衡化处理后的图象只能是近似均匀分布。
均衡化图象的动态范围扩大了，但其本质是扩大了量化间隔，而量化级别反而减少了，因此，原来灰度不同的象素经处理后可能变的相同，形成了一片的相同灰度的区域，各区域之间有明显的边界，从而出现了伪轮廓。
如果原始图像对比度本来就很高，如果再均衡化则灰度调和，对比度降低。
在泛白缓和的图像中，均衡化会合并一些象素灰度，从而增大对比度。
均衡化后的图片如果再对其均衡化，则图像不会有任何变化。
升级会员 