图像灰度变换实验报告

图像灰度变换报告
一.实验目的
1.学会使用Matlab ；
2.学会用Matlab 软件对图像进行灰度变换，观察采用各种不同灰度变换发法对最终图像效果的影响；
二.实验内容
1.熟悉Matlab 中的一些常用处理函数
读取图像：img=imread('filename');
//支持TIF,JPEG,GIF,BMP,PNG 等文件格式。

显示图像：imshow(img,G);
//G 表示显示该图像的灰度级数，如省略则默认为256。

保存图片：imwrite(img,'filename');
//不支持GIF 格式，其他与imread 相同。

亮度变换：imadjust(img,[low_in,high_in],[low_out,high_out]);
//将low_in 至high_in 之间的值映射到low_out 至high_out 之
间，low_in 以下及high_in 以上归零。

绘制直方图：imhist(img);
直方图均衡化：histeq(img,newlevel);
//newlevel 表示输出图像指定的灰度级数。

2.获取实验用图像：rice.jpg. 使用imread 函数将图像读入Matlab 。

3 .产生灰度变换函数T1，使得：
0.3r
r < 0.35 s =
0.105 + 2.6333(r – 0.35) 0.35 ≤ r ≤ 0.65
1 + 0.3(r – 1) r > 0.65 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。

4.产生灰度变换函数T2，使得：
s = 5.用T2imwrite 保存处理后的新图像。

6.分别用 s = r 0.6; s = r 0.4; s = r 0.3 对kids.tiff 图像进行处理。

为简便起见，使用Matlab 中的imadjust 函数，最后用imwrite 保存处理后的新图像。

7.对circuit.jpg 图像实施反变换（Negative Transformation ）。

s =1－r; 使
用imwrite保存处理后的新图像。

8.对rice.jpg图像实施灰度切片
当0.2 ≤ r ≤ 0.4时，将r置为0.6, 当r位于其他区间时, 保持其灰度与原图像一样。

使用imwrite保存处理后的新图像。

9.利用灰度变换对Picture.jpg做增强处理，突出图中的人物，改善整个图像过于灰暗的背景。

通过调节参数，观察变换后的图像与原始图像的变化，寻找出最佳的灰度变换结果。

写出所采用的拉伸表达式。

三．实验结果与分析
1.采用T1函数
变换前变换后
函数图像
该方法采用分段函数对图像进行处理，对灰度值大的进行拉伸，使灰度增大，而灰度值小的，也进行拉伸，使灰度值更小，从而产生如图所示的结果。

2.采用T2函数
变换前变换后
T2函数图
T2函数也比较好的完成了T1函数所达到的效果，但是T2函数更加平滑一点，对于图像的边界处理的较好一些。

3.
变换前图像变换前灰度图
采用s = r0.6变换采用s = r0.4变换采用s = r0.3变换
三种函数的对比
三种变换方式都对图像的每一个像素灰度作线性拉伸，有效地改善图像的视觉效果，但如果选择的拉伸尺度过大，会引起图像的失真，利用s = r0.4变换是比较适合的。

4.对灰度图进行反变换
变换前图像变换后图像
由图可以看出，该方法将灰度值进行翻转，是输出图像的灰度值随输入图像的灰度值增加而减小，如黑图像变成白图像。

这样可以增强灰暗背景下的白色细节的亮度。

5.对图像实施灰度切片
变换前图像变换后图像
函数图
经过灰度切片变化，图像中有很大一部分灰度统一为0.6，这样导致了很多不必要的失真，可以再进行调节，使范围更加的准确。

6. 利用灰度变换对Picture.jpg做增强处理，利用分段函数突出图中的人物，改善整个图像过于灰暗的背景。

通过调节参数，观察变换后的图像与原始图像的变化，寻找出最佳的灰度变换结果。

原图通过变换后
分段线性变换的公式如下：
1.1r r < 0.3
s = 0.11+ 1.6r 0.3 ≤ r ≤ 0.65
0.8r r > 0.65
原图直方图
均衡化后的直方图
函数图
由于图中的人的灰度与背景的灰度有部分是相似的，所以在改变背景灰度的同时，也会影响人物的灰度，而且这是难以避免的。

如果要解决这个问题，就得学会将人从图像中切割出来，然后再对背景进行处理，才能达到题中所要求的效果。

四.实验结论
通过上述六种方法的图像灰度变换法，了解掌握了一般图像处理所要达到的效果，明确了图像处理在生活中的作用。

但是以上几种方法采用的基本都是线性变换法，在实际应用中存在着很多的缺陷。

它只能处理一些黑白分明的一些图像，而对于一些颜色丰富或者图像比较复杂的图像时，往往于心不足，难以解决更高层次的问题，所以需要更多的图像处理方法来完善图像。