图像增强技术—灰度变换及应用实例

合集下载

数字图像处理作业(第两次) 基于灰度变换的图像增强

数字图像处理作业（第两次）基于灰度变换的图像增强第一题利用幂律变换进行图像增强（实现例3.1）1. 问题重现例3.1中的实验，即用幂律变换对冈萨雷斯《数字图像处理（第3版）》Fig.3.8(a)中的图像进行变换。

c 取1， gamma 分别取0.6,0.4,0.3，观察何时获得最佳的增强效果。

2. 算法步骤：1）将Fig.3.8(a) 中的图像读入矩阵X 中2）输入参数c 和gamma 的值3）显示图像X ；4）利用参数c 和gamma 的值对X 进行幂律变换，得到变换后的图像Y5）显示变换后的图像Y 。

3．程序：(1) 幂律变换的程序：function Y=power_enhance(X, gamma, c)% 对输入图像X 进行幂律变换if ~isa(X,'double')X=im2double(X);endY=c*X.^gamma;(2) 主程序：X=imread('Fig0308(a)(fractured_spine).tif');figure(1)imshow(X);c=1; gamma=0.3;Y= power_enhance(X, gamma, c);figure(2)imshow(Y)c=1,gamma=0.3时的运行结果： c=1, gamma=0.4时的运行结果： c=1, gamma=0.6时的运行结果：5. 实验结果分析随着伽马值从0.6减小到0.4，更多的细节变得可见了。

当伽马值进一步减小到0.3时，背景中的细节得到了进一步增强，但对比度会降低到图像开始有轻微“冲淡”外观的那一点，尤其是在背景中。

比较所有的结果，在对比度和可辨识方面的最好增强在0.4时。

第二题利用幂律变换进行图像增强（实现例3.2）1. 问题重现例3.2中的实验，即用幂律变换对冈萨雷斯《数字图像处理（第3版）》Fig.3.9(a)中的图像进行变换。

c 取1， gamma 分别取3, 4 和5 ，观察何时获得最佳的增强效果。

数字图像处理图像增强第一讲及灰度变换

2
应该明确的是增强处理并不能增强原始图像的信息，其结果只能增强对某种信息的辨别能力，而这种处理有可能损失一些其他信息。
图像增强是数字图像处理的基本内容之一。
图像增强示例
概述
图像增强技术是一大类基本的图像处理技术，其目的是对图像进行加工，以得到对具体应用来说视觉效果更“好”、更“有用”的图像。
利用映射函数可将原始图像中每个像素的灰度都映射到新的灰度.
左图增加对比度右图降低对比度
直接灰度变换
直接灰度变换属于所有图像增强技术中最简单的一类。为了将图像灰度级的整个范围或一段范围扩展或压缩到记
录或显示设备的动态范围内，可使图像动态范围增大，图像对比度扩展。使图像变得清晰/图像上的特征变得明显。
s L 1t
此方法适用于增强嵌入于图像暗色区域的白色或灰色细节, 特别是黑色面积在尺寸上占主导低位时。
15
直接灰度变换
2.线性灰度变换
灰度线性变换表示对输入图像灰度作线性扩张或压缩，映射函数为一个直线方程，其表达式和演示控件如下：
gx, y af x, y b
增强的对象：
在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。采用灰度线性变换方法可以拉伸灰度动态范围，使图像清晰。
1、如果S1=t1，S2=t2，则T为1条斜率为1的直线，增强图像和原图像相同。
2、如果S1=S2，t1=L-1，则增强图像只剩2个灰度级，此时对比度最大但细节全丢失。
3、如果S1>t1，S2<t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围减少了，而原图中灰度值在S1和S2间的动态范围增加了，从而增强了中间范围内的对比度。

图像增强中灰度变换

图像增强中灰度变换1、理论原理灰度变换方法是图像增强的重要手段，它使图像的动态范围加大，使图像的对比度扩展，图像更加清晰，特征更加明显。

简单的说，灰度变换就是指对图像上各个像素点的灰度值x 按某函数T(x)变换到v 。

例如为了提高图像的清晰度，需要将图像的灰度级整个范围或其中某一段(A ，B)扩展或压缩到(A+，B*)；需要显示出图像的细节部分等都要求采用灰度变换方法。

灰度变换有时又被称为图像的对比度增强。

假定输入图像中的一个像素的灰度级为z ，经过T(Z)函数变换后输出图像对应的灰度级为z+，其中要求z 和z*都要在图像的灰度范围之内。

根据T(x)形式，可以将灰度变换分为线性变换和非线性变换。

此外，直方图均衡化方法也是很好的图像增强方法之一。

具体应用中采用何种T(x)，需要根据变换的要求而定。

1.1线性灰度变换1）目的：为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可以采用分段线性变换。

2）数学表达式图5-9[]⎪⎩⎪⎨⎧≤≤+---≤≤+---≤≤=f f g M y x f b d b y x f b M d M b y x f a c a y x f a b c d a y x f y x f a c y x g ),(]),(][)()([),(),(])()([),(0),()(),(调整折线拐点的位置及控制分段直线的斜率，可对（从而）任意灰度区间进行扩展或压缩。

图5-9 分段线性变换关系1.2 灰度非线性变换(1) 对数变换f f (x, y ) Mg g (x , y )1）cb y x f a y x g ln ]1),(ln[),(++= a 、b 、c 作用：调整曲线的位置和形状图5-17图5-17 图像的对数变换关系2）效果：低灰度范围扩展高灰度范围压缩，使图像分布均匀，与视觉特性相匹配(2) 指数变换1）1),(]),([-=-a y x f c b y x ga 、b 、c 作用：调整曲线的位置和形状2）效果高灰度范围扩展2、实验1线性灰度变换方法给定图像”6.jpg ”，采用MATLAB 编程，对其进行线性对比度展宽处理。

第4章图像增强1灰度变换PPT课件

pr(rk)n n k
k0,1,2, ,L1
式中： n是一幅图像的像素总数； L是灰度级的总数目； rk表示第k个灰度级； nk为第k级灰度的像素数； pr(rk)表示该灰度级出现的频率，是对其出现概率的估计。在直角坐标系中做出rk与pr(rk)的关系图形，称为该图像的
直方图。其横坐标表示灰度级，纵坐标表示该灰度级出现的次数或频率。对
连续图像，直方图的纵坐标表示灰度级出现的概率密度。
7
直方图
1 2 34 5 6 6 4 32 2 1 1 6 64 6 6 3 4 56 6 6 1 4 66 2 3 1 3 64 6 6
1 2 34 5 6 5 4 5 6 2 14
图像灰度直方图
8
直方图
直方图的性质： (1) 直方图是一幅图像中各灰度级出现频数的统计
作。
4
空域处理表示
如果用s 和t 分别代表 f 和 g 在(x,y)处的灰
度值，则空间域处理就表示为： t T(s)
下图是增强对比度的T操作：
5
空域点处理增强
灰度变换方法
直接灰度变换法直方图修正法
线性变换分段线性非线性变换直方图均衡化直方图规定化
6
直方图
直方图
直方图是灰度级的函数，它反映了图像中每一灰度级出现的次数(该灰度级的像素数)或频率(该灰度级像素数与图像总像素数之比)。对数字图像，直方图可表示为
t3 6 n t3 98p t 5 ( s t3 ) 0 .24 t4 7 n t4 44p t 8 ( s t4 ) 0 .11
50
直方图规定化
例
（2）对规定直方图像操作：
v 0 0 .0 T 0 u ( u 0 ) v 1 0 .0 T 0 u ( u 1 ) 0

运用计算机视觉技术进行图像增强的方法分享

运用计算机视觉技术进行图像增强的方法分享图像增强是计算机视觉领域中的一个重要任务，它旨在通过调整图像的各种属性和特性，提高图像的质量和可视化效果。

计算机视觉技术在图像增强中扮演着关键角色，它提供了各种方法和算法来改善图像的亮度、对比度、清晰度等关键特性。

在本文中，我们将探讨几种常见的运用计算机视觉技术进行图像增强的方法。

一、灰度变换灰度变换是最简单但也是最常见的图像增强方法之一。

通过对图像像素的灰度级进行变换，可以调整图像的亮度和对比度。

常用的灰度变换方法包括线性变换、非线性变换和直方图均衡化。

线性变换是通过对每个像素进行乘法和加法操作来改变图像的亮度和对比度。

常用的线性变换方法有亮度调整和对比度拉伸。

亮度调整可以通过将每个像素乘以一个常数来增加或减少亮度。

对比度拉伸则通过对像素值进行线性伸缩来增加图像的对比度。

非线性变换通常涉及到像素值的幂次、指数、对数等运算。

这些操作可以用来调整图像的亮度和对比度，同时改变像素值的分布。

例如，幂次变换可以通过将每个像素值的幂次来调整图像的亮度和对比度。

指数变换则可以用来调整图像的亮度和增强细节。

直方图均衡化是一种常用的非线性灰度变换方法，它通过调整图像的灰度级分布来增强图像的对比度。

直方图均衡化可以使图像的灰度级更均匀地分布在整个灰度范围内，从而提高图像的可视化效果。

二、滤波器应用滤波器应用是另一种常见的图像增强方法。

滤波器可以通过对图像进行卷积操作来改变图像的特征和属性。

常用的滤波器包括平滑滤波器、锐化滤波器和边缘检测滤波器。

平滑滤波器主要用于降低图像的噪声和去除细节。

平滑滤波器通过计算周围像素的平均值或加权平均值来减少图像的噪声。

常用的平滑滤波器包括均值滤波器和高斯滤波器。

锐化滤波器用于增强图像的细节和边缘。

锐化滤波器通过计算图像中不同方向的梯度，从而增强图像中的边缘信息。

常用的锐化滤波器包括拉普拉斯滤波器和Sobel滤波器。

边缘检测滤波器用于检测图像中的边缘和轮廓。

数字图像处理图像增强第一讲概述及灰度变换

对灰度区间 [ a , b ] 进行了线性拉伸，而灰度区间[0, a]和[b, fmax]则被压缩。

三段线性变换

常用的是三段线性变换。
Slide 20
实际上，S1、S2、t1、t2可取不同的值进行组合，从而得到不同的效果。

1、如果S1=t1，S2=t2，则T为1条斜率为1的直线，增强图像和原图像相同。 2、如果S1=S2，t1=L-1，则增强图像只剩2个灰度级，此时对比度最大但细节全丢失。 3、如果S1>t1，S2<t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围减少了，而原图中灰度值在S1和S2间的动态范围增加了，从而增强了中间范围内的对比度。 4、如果S1<t1，S2>t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围增加了，而原图中灰度值在S1和S2间的动态范围减少了。

环境光源太暗，使灰度值偏小，就会使图像太暗看不清。
如果环境光源太亮，又使图像泛白。通过灰度变换，就可以将灰度值调整到合适的程度。

灰度变换可分为线性变换、分段线性变换和非线性变换几种方法。
直接灰度变换
1、图像求反
假设对灰度级范围是[0，L-1]的图像求反，就是通过变换将[0，L-1]变换到[L-1，0]，变换公式如下：

设变量 r 代表图像中像素灰度级。在图像中，像素的灰度级可作归一化处理，这样，r 的值将限定在下述范围之内:
0 r 1
在灰度级中， r = 0
(4—4)
代表黑， r = 1 代表白。
对于一幅给定的图像来说，每一个像素取得[0，1]区间内的灰度级是随机的，也就是说
r 是一个随机变量。假定对每一瞬间它们是连

实验2 灰度图像增强

试验2 灰度图像增强一．试验目的：通过本实验使学生掌握使用MATLAB 对灰度图像进行空域增强的目的，加深对空域图像增强的理解。

二．试验内容：（一）直方图均衡1读入lena_gray.tif 图像文件，画出直方图并解释之；程序如下：lenac=imread('d:\test_images\lena_gray.tif','tif'); imhist(lenac)结果如下：50100150200250分析：由直方图可以看出，此图像的灰度级别较低，即色调较暗，灰度级大多数分布在0~100范围内，且亮度分布从0~3500有较大的变化，但图像具体是什么样的无法判断出。

2．对该图像进行直方图均衡，显示均衡后的图像及其直方图，并解释之：程序：lenac=imread('d:\test_images\lena_gray.tif','tif'); imhist(lenac);len_aver=histeq(lenac); imshow(len_aver);imhist(len_aver)均衡后的图像：均衡后的直方图：0500100015002000250030003500400045005000501001502002500500100015002000250030003500400045005000.分析：从图像中我们就可以看出处理后的图像比原来亮了，从直方图中，也可以清楚的看出图像的灰度级较均匀的分布在0~255范围内，且亮度都较高。

3.将均衡后的图像存为lena_gray_1.tif 文件。

程序：lenac=imread('d:\test_images\lena_gray.tif','tif'); len_aver=histeq(lenac); imhist(len_aver);imwrite(len_aver,'d:\jly\lena_gray_1.tif','tif')结果为：4再将lena_gray_1.tif文件读入并重复上述过程，说明增强效果并解释之：程序：lenac=imread('d:\test_images\lena_gray.tif','tif');len_aver=histeq(lenac);%¾ùºâºóµÄÖ±·½Í¼imhist(len_aver);%ÏÔÊ¾¾ùºâºóÖ±·½Í¼imwrite(len_aver,'d:\jly\lena_gray_1.tif','tif');lenac_1=imread('d:\jly\lena_gray_1.tif','tif');% imshow(lenac_1);%ÏÔÊ¾Í¼Ïñlenac_1_aver=histeq(lenac_1);subplot(2,2,1)imshow(len_aver);title('一次均衡化的效果');subplot(2,2,2)imshow(lenac_1_aver);title('两次均衡化的效果');subplot(2,2,3)imhist(len_aver);title('一次均衡化的直方图');subplot(2,2,4)imhist(lenac_1_aver)title('两次均衡化的直方图');增强的效果：均衡一次的效果均衡两次的直方图501001502002500050100150200250分析：从图像跟直方图中我们都可以看出，一次均衡化的效果跟两次均衡化的效果是一样的。

图像增强实验报告

图像增强实验报告篇一：图像处理实验报告——图像增强实验报告学生姓名：刘德涛学号:2010051060021指导老师：彭真明日期：2013年3月31日一、实验室名称：光电楼329、老计算机楼309机房二、实验项目名称：图像增强三、实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。

图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。

空间域的增强主要有：灰度变换和图像的空间滤波。

1.灰度变换灰度变换主要有线性拉伸、非线性拉伸等。

灰度图像的线性拉伸是将输入图像的灰度值的动态范围按线性关系公式拉伸到指定范围或整个动态范围。

令原图像f(x,y)的灰度变化范围为[a,b]，线性变换后图像g(x,y)的范围为[a',b']，线性拉伸的公式为：b'?a'g(x,y)?a?[f(x,y)?a] b?a灰度图像的非线性拉伸采用的数学函数是非线性的。

非线性拉伸不是对图像的灰度值进行扩展，而是有选择地对某一灰度范围进行扩展，其他范围的灰度值则可能被压缩。

常用的非线性变换：对数变换和指数变换。

对数变换的一般形式：g(x,y)?a?ln[f(x,y)?1] blnc指数变换的一般形式：g(x,y)?bc[f(x,y)?a]?1（a,b,c用于调整曲线的位置和形状的参数。

）2.图像的空间滤波图像的空间滤波主要有图像的空域平滑和锐化。

图像的平滑是一种消除噪声的重要手段。

图像平滑的低频分量进行增强，同时抑制高频噪声，空域中主要的方法有领域平均、中值滤波、多帧相加平均等方法。

图像锐化能使图像的边缘、轮廓处的灰度具有突变特性。

图像的锐化主要有微分运算的锐化，包括梯度法和拉普拉斯法算子。

四、实验目的：1．熟悉和掌握利用Matlab工具进行数字图像的读、写、显示等数字图像处理基本步骤。

利用基本灰度变换对图像进行增强

3 利用基本灰度变换对图像进行增强灰度变换原理：灰度变换是一种空域处理方法,其本质是按一定的规则修改每个像素的灰度,从而改变图像的动态范围实现期望的增强效果。

灰度变换按映射函数可分为线性、分段线性和非线性等多种形式。

3.1 线性灰度变换线性灰度变换是将输入图像灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围。

可突出感兴趣目标，抑制不感兴趣的目标。

在实际运算中,原图像f(x,y)的灰度范围为[a,b],使变换后图像g(x,y)的灰度扩展为[c,d],则采用下述线性变换来实现:c a y x f ab cd y x g +---=]),([),(线性灰度变换对图像每个灰度范围作线性拉伸,将有效地改善图像视觉效果。

源代码如下：1、利用灰度调整函数变换图像A=imread('e:\7.tif','tif'); %读入图像 B=imadjust(A,[0.1,0.8],[0,1]); %灰度调整 imwrite(B,'E:\ 1.tif'); %图像保存subplot(2,2,1);imshow(A); %显示调整前后图像及其直方图 subplot(2,2,2);imhist(A); subplot(2,2,3);imshow(B); subplot(2,2,4);imhist(B);0100200500010020050010002、利用灰度调整算法变换图像clear;a=60; %图像变换参数设定b=180;c=0;d=255;A=imread('pout.tif','tif'); %读入图像[m,n]=size(A);A=double(A);for i=1:1:m %灰度调整for j=1:1:nif (A(i,j)>=a)&(A(i,j)<b)B(i,j)=(A(i,j)-a)*(d-c)/(b-a)+c;endendenduint8(A); uint8(B);imwrite(B,'E:\2.tif'); %图像保存subplot(2,2,1); imshow(A); %显示调整前后图像及其直方图subplot(2,2,2); imhist(A);subplot(2,2,3); imshow(B);subplot(2,2,4); imhist(B);0100200500010020020004000600080003.2 分段线性灰度变换为了突出图像中感兴趣的研究对象,常常要求局部拉伸某一范围的灰度值,或对不同范围的灰度值进行不同拉伸处理,即分段线性拉伸,数学表达式如下:⎪⎪⎪⎩⎪⎪⎪⎨⎧≤<+---≤<+---≤≤=MfyxfbdbyxfbMfdMgbyxfacayxfabcdayxfyxfacyxg),(]),([),(]),([),(),(),(源代码如下：clear;a=80; %图像变换参数设定b=160;Mf=255;c=50;d=200;Mg=255;A=imread('pout.tif','tif'); %读入图像 [m,n]=size(A); A=double(A);for i=1:1:m %灰度调整 for j=1:1:n if A(i,j)<aB(i,j)=(c/a)*A(i,j);elseif (A(i,j)>=a)&(A(i,j)<b)B(i,j)=(A(i,j)-a)*(d-c)/(b-a)+c; elseB(i,j)=(A(i,j)-b)*(Mg-d)/(Mf-b)+d; end end enduint8(A); uint8(B);imwrite(B,'E:\3.tif'); %图像保存subplot(2,2,1); imshow(A); %显示调整前后图像及其直方图 subplot(2,2,2); imhist(A); subplot(2,2,3); imshow(B); subplot(2,2,4);imhist(B);010020005001000100200020004000600080003.3 非线性灰度变换非线性灰度变换在整个灰度范围内采用统一的变换函数,利用变换函数的数学性质实现对不同灰度值区间的扩展和压缩。

灰度变换的实现原理及应用

灰度变换的实现原理及应用1. 灰度变换的概述灰度变换是一种图像处理技术，用于改变图像的亮度和对比度。

通过对图像中的每个像素进行数学变换，可以改变像素的亮度级别，并使得整个图像的灰度分布发生变化。

灰度变换通常用于增强图像的细节，调整图像的亮度和对比度，以及实现特定的视觉效果。

2. 灰度变换的实现原理灰度变换的实现原理基于对图像的像素进行数学运算。

常见的灰度变换公式如下：•线性变换：$g(x, y) = \\alpha * f(x, y) + \\beta$，其中f(x,y)表示原始图像的灰度值，g(x,y)表示变换后的灰度值，$\\alpha$ 和 $\\beta$ 是常数。

•幂律变换：$g(x, y) = c * f(x, y)^{\\gamma}$，其中c和$\\gamma$ 是常数，f(x,y)表示原始图像的灰度值，g(x,y)表示变换后的灰度值。

•对数变换：$g(x, y) = c * \\log(1 + f(x, y))$，其中c是常数，f(x,y)表示原始图像的灰度值，g(x,y)表示变换后的灰度值。

灰度变换的核心思想是通过对原始图像的灰度值进行数学运算，改变图像的亮度和对比度。

不同的变换公式可以实现不同的效果，例如加强图像的亮度和对比度、调整图像的色调和饱和度等。

3. 灰度变换的应用灰度变换在图像处理中有广泛的应用，包括但不限于以下方面：3.1 图像增强灰度变换可以用于增强图像的细节和对比度，改善图像的视觉效果。

通过合理地选择灰度变换的参数，可以使得图像中的细节更加清晰，色彩更加丰富。

3.2 图像去噪灰度变换可以用于图像去噪。

通过对图像的灰度值进行变换，可以减小图像中的噪声，并改善图像的质量。

常见的去噪方法包括中值滤波、均值滤波等。

3.3 图像分割灰度变换可以用于图像分割。

通过对图像的灰度值进行变换，可以将图像中的不同区域分割出来，方便进行进一步的分析和处理。

3.4 图像匹配灰度变换可以用于图像匹配。

实验三图像增强--灰度变换

实验三图像增强--灰度变换实验三图像增强—灰度变换⼀、实验⽬的：1、了解图像增强的⽬的及意义，加深对图像增强的感性认识，巩固所学理论知识。

2、学会对图像直⽅图的分析。

3、掌握直接灰度变换的图像增强⽅法。

⼆、实验原理及知识点术语‘空间域’指的是图像平⾯本⾝，在空间域内处理图像的⽅法是直接对图像的像素进⾏处理。

空间域处理⽅法分为两种：灰度级变换、空间滤波。

空间域技术直接对像素进⾏操作其表达式为：g(x,y)=T[f(x,y)]其中f(x,y)为输⼊图像，g(x,y)为输出图像，T是对图像f进⾏处理的操作符，定义在点(x,y)的指定领域内。

定义点(x,y)的空间邻近区域的主要⽅法是，使⽤中⼼位于(x,y)的正⽅形或长⽅形区域。

此区域的中⼼从原点(如左上⾓)开始逐像素点移动，在移动的同时，该区域会包含不同的领域。

T应⽤于每个位置(x,y)，以便在该位置得到输出图像g。

在计算(x,y)处的g值时，只使⽤该领域的像素。

灰度变换T的最简单形式是使⽤领域⼤⼩为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为⼀个亮度或灰度级变化函数。

当处理单设(灰度)图像时，这两个术语可以互换。

由于亮度变换函数仅取决于亮度的值，⽽与(x,y)⽆关，所以亮度函数通常可写做如下所⽰的简单形式： s=T(r)其中，r表⽰图像f中相应点(x,y)的亮度，s表⽰图像g中相应点(x,y)的亮度。

核⼼函数是imhist，其基本语法为：h=imhist(f,b)其中，f为输⼊图像，h为其直⽅图h()，b是⽤于形成直⽅图像的灰度级的个数。

如果b未包含在此变量中，则默认值为256.如要处理⼀幅uint8类图像并令b=2,则亮度标度范围分为两部分：0—127和128—255.所得的直⽅图只有两个值：h(1)等于图像在区间[0,127]内的像素总数，h(2)等于图像在区间[127,255]内的像素总数。

使⽤ p=imhist(f,b)/numel(f)则可获得归⼀化直⽅图。

图像增强—灰度变换增强

成绩评定表课程设计任务书摘要空域增强在数字图像处理中起到对图像灰度的拉伸、压缩变换的作用，目前这种方法在处理图像灰度值方面得到广泛的运用。

图像变换增强是利用一系列的变换方法使图像的对比度得到提升，以达到增强图像的目的，便于观察，易于区分不同灰度的图像。

灰度变换的方法有线性灰度变换、分段线性灰度变换、非线性灰度变换。

本文采用灰度变换技术，分别对灰度图像进行了线性灰度变换增强、非线性灰度增强和分段线性灰度增强。

仿真结果表明灰度变换可使图像动态范围增大，图像对比度扩展，图像变清晰，特征明显；对于灰度局限在某一个很小范围内的数字图像，采用线性函数对图像的每一个像素进行线性扩展，扩大像素的对比度，将有效地改善视觉效果，达到了提高图像对比度，增强图像效果的目的，证明了图像变换增强在数字图像处理中的重要作用。

关键词：空域增强；灰度变换；线性灰度变换；非线性灰度变换目录1 设计目的与要求 (1)1.1 设计目的 (1)1.2 设计要求 (1)2 设计原理 (1)2.1 线性灰度变换 (1)2.2 分段线性灰度变换 (2)2.3 非线性灰度变换 (3)3 设计方案 (3)3.1 设计思想 (3)3.2 设计流程 (4)4 软件实现 (5)4.1 线性灰度变换增强 (5)4.2 分段线性灰度变换增强设 (6)4.3 非线性灰度变换增强 (7)5 仿真与结果分析 (7)5.1 仿真 (8)5.2 结果分析 (10)结论 (11)参考文献 (12)1 设计目的与要求1.1 设计目的空域增强在数字图像处理中起到对图像灰度的拉伸、压缩变换的作用，目前这种方法在处理图像灰度值方面得到广泛的运用。

灰度变换是空域变换的一种重要方式，可使图像对比度扩展，图像清晰，特征明显。

本实验中，我们就用灰度变换来对灰度图像进行处理。

1.2 设计要求（1）熟练掌握MATLAB软件的基本操作（2）学会掌握MATLAB软件的程序编程（3）查阅相关资料并分析，掌握灰度变换增强的主要思路（4）培养独立分析和解决问题的能力，学会撰写课程设计的总结报告（5）善于总结和改进方案，提高可实施性和高效性。

实验六图像增强-灰度变换

实验六图像增强－灰度变换一、灰度校正 (20S)1、概念 (5S) 图像在成像过程中，往往由于光照、摄像靶面灵敏度以及光学系统等不均匀性而引起图像某些部分较暗或较亮。

对这类图像使用灰度校正，可得到很好的效果。

方法如下：设原始图像为),(y x f ，经系统成像后的不均匀图像为),(y x g ，则：),(),(),(y x f y x e y x g =若C y x e =),(为常数，则表示成像系统是均匀成像，否则，成像系统不均匀。

为求),(y x e ，用一原始均匀图像C y x f =),(常数来成像，得到输出为),(y x g c ，显然有：),(),(y x g y x e C c =所以C y x g y x g y x f c ),(),(),(=用数字图像表示为：C n m g n m g n m f c ),(),(),(=即不均匀图像),(n m g 经校正后有均匀图像),(n m f 。

● 经以上逐点校正后，校正后的图像灰度范围有可能超出记录器件的动态范围，必须用下面所述的灰度变换进行修正；● 降质图像经修正后的量化值已经改变，在图像重建时要同时修正量化值。

2、举例 (15S)一般得到一幅图像后很难再用同一个环境来进行成像。

所以，上述方法仅仅在理论上可行，实践上难以操作。

一般采用下面简单的方法来处理。

● 一幅图像，图像的下部灰度比上部和中部灰度要低。

clf;rice=imread('rice.tif');rice=im2double(rice);imshow(rice);●取32×32大小的图像块中的最小值作为图像背景的照度clf;rice=imread('rice.tif');rice=im2double(rice);rice=imread('rice.tif');rice=im2double(rice);bg32=blkproc(rice,[32 32],'min(x(:))');bg256=imresize(bg32,[256 256],'bicubic');imshow(bg256);●将估算出的背景照度从原始图像中减去，即可修正照度不均匀的影响，这样作的结果是使图像变暗。

第四章图像增强--灰度图像处理

DB
对数
指数
DA
[具体编程实现引入查找表（lookup table）概念] ➢ 图象512×512大小，需256KB次运算，太慢 ➢ 注意图象值输入：256级[0～255]
输出：256级[0～255] 输入到输出是映射关系
11
int i,j; char I[512][512],LUT[256]; for (i=0;i<256;i++)
远离对角线项的大小反映图像对比度大小。 ➢ [进一步引入一些变换参数。]
pi,j crcri,ij,j
s
pi,j1
8
综合参数：
N1N1
均匀度f1： pi, j2[反映灰度分布均 ] 匀程度 i0 j0
N1
对比f度 2： n2 pi,j
[反映对比 ] 度大小
n0 ijn
N1N1
ijpi,juxuy
举例：
6
原图
0123 1230 2301 3012
0000 1111 2222 3333
Cr
ij0 1 2 3
00 3 0 3
13 0 3 0
20 3 0 3
33 0 3 0
d=1, =0
ij0 1 2 3 06 0 0 0 10 6 0 0 20 0 6 0 30 0 0 6
7
➢ 共存事件矩阵特点：对角线Cr(k，k)大致反映了灰度为K的面积大小；非对角线的Cr(k，j)大致反映了灰度值为k，j象元的边界长；
DB HA
DB＝f（DA） [可将一直方图变另一直方图]
即：HA(DA) —— HB(DB)
直方图下总面积不变为1，由
概率论知：
255
DA

图像处理灰度变换实验

一. 实验名称：空间图像增强（一）一．实验目的1．熟悉和掌握利用matlab工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。

2．熟练掌握各种空间域图像增强的基本原理及方法。

3．熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。

4．熟悉直方图均衡化的基本原理、方法和实现。

二．实验原理（一）数字图像的灰度变换灰度变换是图像增强的一种经典而有效的方法。

灰度变换的原理是将图像的每一个像素的灰度值通过一个函数，对应到另一个灰度值上去从而实现灰度的变换。

常见的灰度变换有线性灰度变换和非线性灰度变换，其中非线性灰度变换包括对数变换和幂律（伽马）变换等。

1、线性灰度变换1）当图像成像过程曝光不足或过度，或由于成像设备的非线性和图像记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图像中的细节分辨不清，图像缺少层次。

这时，可将灰度范围进行线性的扩展或压缩，这种处理过程被称为图像的线性灰度变换。

对灰度图像进行线性灰度变换能将输入图像的灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围。

2）令原图像f(x,y)的灰度范围为[a,b]，线性变换后得到图像g(x,y)，其灰度范围为[c,d]，则线性灰度变换公式可表示为a y x fb y x f a b y x fc c a y x f a b cd d y x g <≤≤>⎪⎩⎪⎨⎧+---=),(),(),(,,]),([,),( (1)由(1)式可知，对于介于原图像f (x,y )的最大和最小灰度值之间的灰度值，可通过线性变换公式，一一对应到灰度范围[c,d]之间，其斜率为(d-c)/(b-a)；对于小于原图像的最小灰度值或大于原图像的最大灰度值的灰度值，令其分别恒等于变换后的最小和最大灰度值。

变换示意图如图1所示。

图1 线性灰度变换示意图当斜率大于一时，变换后的灰度值范围得到拉伸，图像对比度得到提高；当斜率小于一时，变换后的灰度值范围被压缩，最小与最大灰度值的差变小，图像对比度降低；当斜率等于一时，相当于对图像不做变换。

实验三空域图像增强

实验三空域图像增强（灰度变换、直方图处理）一、实验目的1. 掌握灰度变换的基本原理。

2. 掌握直方图处理的基本原理。

3. 掌握Matlab中灰度变换和直方图处理的实现方法。

二、实验内容1. 灰度变换（直接正比变换）。

2. 灰度变换（截取式正比变换）。

3. 灰度变换（反比变换）。

4. 灰度变换（对比拉伸）。

5. 灰度变换（灰度切割）。

6. 灰度变换（对数变换）。

7. 灰度变换（幂次变换）。

8. 直方图处理（直方图均衡化）。

三、实验仪器、设备及材料1. 电脑一台（2G CPU、2GB RAM、50GB Disk及以上）。

2. Windows 2000 / Windows XP / Windows 7。

3. Matlab R2006b及以上版本。

4. 记录用的笔、纸。

四、实验原理1. 灰度变换灰度变换是一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则将其转化为另一灰度值。

其原理是将原图像f(x , y)中的每个像素的灰度按EH操作直接变换以得到目标图像g(x , y)。

若以s表示f(x , y)，以t表示g(x , y)，则灰度变换原理如下图所示：2. 直方图处理直方图变换可以清晰图像细节，突出目标物体，改善亮度比例关系，增强图像对比度。

直方图变换基于概率论。

直方图均衡化主要用于增强动态范围偏小的图像的反差。

其基本思想是把原图像的直方图转换为均匀分布的形式，增加像素灰度值的动态范围，增强图像整体对比度。

五、实验步骤1. 灰度变换（直接正比变换）(1) 程序源代码：close allclear15clcdisp('====E4_4_1.m====');I=imread('rice.png');subplot(3,3,1),imshow(I),ylabel('原图像');subplot(3,3,2),imhist(I);%方法1-系统函数J=imadjust(I,[40/255 204/255],[0 1]); %图像的最小灰度值为40，最大灰度值为204subplot(3,3,4),imshow(J),ylabel('变换图像(方法1)');subplot(3,3,5),imhist(J);%方法2-编程实现%把灰度值范围从[40,204]映射到[0,255]f0=0;g0=0; %分段曲线的第1个点f1=40;g1=0; %分段曲线的第2个点f2=204;g2=255; %分段曲线的第3个点f3=255;g3=255; %分段曲线的第4个点subplot(3,3,9),plot([f0,f1,f2,f3],[g0,g1,g2,g3]),xlabel('f'),ylabel('g'),axis([0 255 0 255]);%绘制变换曲线r1=(g1-g0)/(f1-f0); %曲线1的斜率b1=g0-r1*f0; %曲线1的截距r2=(g2-g1)/(f2-f1); %曲线2的斜率b2=g1-r2*f1; %曲线2的截距r3=(g3-g2)/(f3-f2); %曲线3的斜率b3=g2-r3*f2; %曲线3的截距[m,n]=size(I);K=double(I);for i=1:mfor j=1:nf=K(i,j);g(i,j)=0;if(f>=f0)&(f<=f1)g(i,j)=r1*f+b1; %曲线1的方程y=r1*x+b1elseif (f>=f1)&(f<=f2)g(i,j)=r2*f+b2; %曲线2的方程y=r2*x+b2elseif (f>=f2)&(f<=f3)g(i,j)=r3*f+b3; %曲线3的方程y=r3*x+b3endendendendend16subplot(3,3,7),imshow(uint8(g)),ylabel('变换图像(方法2)');subplot(3,3,8),imhist(uint8(g));(2) 观察并记录实验结果：作为实验报告的内容(3) 将“分段曲线的第2个点”更改为“f1=150;g1=0;”，观察并记录实验结果，分析产生该结果的原因：作为实验报告的内容。

图像的灰度变换增强实验报告

图像的灰度变换增强实验报告一、实验目的1、理解数字图像处理中点运算的基本作用；2、掌握对比度调整与灰度直方图均衡化的方法。

二、实验原理1、对比度调整如果原图像f (x , y )的灰度范围是[m , M ]，我们希望对图像的灰度范围进行线性调整，调整后的图像g (x , y )的灰度范围是[n , N ]，那么下述变换：[]n m y x f mM n N y x g +---=),(),( 就可以实现这一要求。

MATLAB 图像处理工具箱中提供的imadjust 函数，可以实现上述的线性变换对比度调整。

imadjust 函数的语法格式为：J = imadjust(I,[low_in high_in], [low_out high_out])J = imadjust(I, [low_in high_in], [low_out high_out])返回原图像I 经过直方图调整后的新图像J ，[low_in high_in]为原图像中要变换的灰度范围，[low_out high_out]指定了变换后的灰度范围，灰度范围可以用 [ ] 空矩阵表示默认范围，默认值为[0, 1]。

不使用imadjust 函数，利用matlab 语言直接编程也很容易实现灰度图像的对比度调整。

但运算的过程中应当注意以下问题，由于我们读出的图像数据一般是uint8型，而在MATLAB 的矩阵运算中要求所有的运算变量为double 型（双精度型）。

因此读出的图像数据不能直接进行运算，必须将图像数据转换成双精度型数据。

MATLAB 中提供了这样的数据类型转换函数：im2double 函数，其语法格式为：I2 = im2double(I1)运算之后的图像数据再显示时可以再转化成uint8型，格式为：I3 = uint8 (I2)2、直方图均衡化直方图均衡化的目的是将原始图像的直方图变为均衡分布的形式，即将一已知灰度概率密度分布的图像，经过某种变换变成一幅具有均匀灰度概率密度分布的新图像，从而改善图像的灰度层次。

实验六图像增强—灰度变换

实验六图像增强—灰度变换****************共8小题****************20124178 付蕊一．实验目的及要求1．了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识；2．学会对图像直方图的分析；3．掌握直接灰度变换的图像增强方法。

二．实验设备与软件1．PC 计算机2．MATLAB 软件/语言包括图像处理工具箱(Image Processing Toolbox)3．实验所需要的图片三．实验内容1．获取实验用图像：rice.jpg. 使用imread 函数将图像读入MATLAB 。

由于只有rice.bmp ，所以先获取jpg 格式试验用图像>>imwrite(I,'rice.jpg','quality',100);>> I=imread('rice.jpg');2．产生灰度变换函数T1，使得：⎪⎩⎪⎨⎧>+≤≤+<=0.65 r 1)-0.3(r 10.65 r 0.350.35)-2.6333(r 0.1050.35 r 0.3r s 用T1对原图像rice.jpg 进行处理，使用imwrite 函数保存处理后的新图像。

用T1对原图像rice.jpg 进行处理>> r=[0:0.001:1];>> T1=[r<0.35].*r*0.3+[r<=0.65].*[r>=0.35].*(0.105+2.6333*(r-0.35))+[r>0.65].*(1+0.3*(r-1));>> plot(r,T1);title('2p,');用imwrite 函数保存处理后的新图像>> imshow(T1);title('2p,');>> imwrite(T1,'rice1.jpg','jpg');3．产生灰度变换函数T2，使得：⎩⎨⎧>+≤=5.012.00.5)-(r 0.5r 15.9744r 0.25r s>> s=[r<=0.5].*(r.^5)*15.9744+[r>0.5].*((r-0.5).^0.2+0.12);plot(r,s);title('3p,');>> T2=[r<=0.5].*(r.^5)*15.9744+[r>0.5].*((r-0.5).^0.2+0.12);plot(r,T2);title('3p,');4．用T2对原图像rice.jpg进行处理，使用imwrite保存处理后的新图像。