实验2灰度修正技术1
图像的灰度校正
7 0.04
8 0.08
9 0.12
3.5 直方图均衡化
3）计算图像各灰度级的累计分布hp。
i
hp(i) h(k ) k 0
i 1,2,...,255
3.5 直方图均衡化
0 0.12
1 0.08
hs
2 0.16
3 0.16
4 0.04
5 0.04
6 0.16
7 0.04
8 0.08
( f b) gb
g
255
gb
0 f a a f b b f L
γ
β
ga
α
f
ab
255
3. 2 对比度展宽
二、灰级窗：
只显示指定灰度级范围内的信息。如:
α=γ=0
g
g
255
γ
gb
255
β
ga
α
f
ab
255
β
ab
f
255
3.2 对比度展宽
三、灰级窗切片：
只保留感兴趣的部分，其余部分置为 0。
值得注意的是：所得到的r 值不一定准 确，那么我们来看一下r 值不准确时，进 行校正后的图像效果。
3. 2 对比度展宽
一、对比度展宽的目的：
是一点对一点的灰度级的影射。设 新、旧图的灰度级分别为g和f，g和f 均在 [0，255]间变化。
目的：将人所关心的部分强调出来。
3.2 对比度展宽
方法：
f g ( f a) ga
第三章 图像的灰度变换
灰度变换的目的是为了改善画 质，使图像的显示效果更加清晰。
3.1 输入图像的r校正
我们知道，数字图像信息的获取来 自于CCD图像传感器。但是，CCD的输 入输出特性不是线性的，所以如果不进 行校正处理的话，将无法得到好的图像 效果。 （同理，加洗照片不对颜色进行校正
实验三图像灰度修正技术和直方图均衡化
实验三图像灰度修正技术和直方图均衡化一、实验目的1、掌握图像灰度修正技术的原理和实现方法；2、掌握图像直方图均衡化处理的方法。
二、实验原理及内容图像增强的目的是，对一幅给定的图像，突出一些有用的信息，抑制一些无用的信息，提高图像的使用价值。
常用的图像增强方法有：灰度修正法、平滑、几何校正、图像锐化、频域增强、维纳滤波、卡尔曼滤波等。
Matlab图像处理工具箱中的函数imadjust实现上述对比度调整算法。
函数实现:J=imadjust(I,[low high],[bottom top],gamma) Matlab函数实现:（１）求图像的灰度直方图Imhist ( I，n )（２）求灰度的等值图Imcontour ( I，n )（３）直方图均衡化J=histeq (I, hgram )实验内容：１、显示图像“bacteria.tif”的灰度直方图和灰度等值图；2、对给定图像“pout.tif”进行灰度变换、增强对比度，显示增强前、后的图像以及它们的灰度直方图；3、对给定图像“pout.tif”进行直方图均衡处理，显示处理前、后的图像以及它们的灰度直方图；三、实验报告要求１、给出求图像“bacteria.tif”的灰度直方图和灰度等值图的Matlab程序，并显示图像的灰度直方图和灰度等值图的；2、给出对图像“pout.tif”进行灰度变换、增强对比度的Matlab程序，显示增强前、后的图像以及它们的灰度直方图；对结果进行分析。
3、给出对图像“pout.tif”进行直方图均衡处理的Matlab程序，显示处理前、后的图像以及它们的灰度直方图；对结果进行分析。
四、实验程序及框图1.实验1实验框图实验程序clear all %清空工作空间I=imread('bacteria.tif'); %读入图像subplot(2,2,1);imshow(I);xlabel('原图') %显示原图subplot(1,2,2);imhist(I,128);xlabel('灰度直方图') %显示灰度直方图subplot(2,2,3);imcontour(I,8);xlabel('灰度等值图') %显示灰度等值图2.实验2 实验框图实验程序clear all; %清空工作空间I=imread('pout.tif'); %读入图像J=imadjust(I,[0.3 0.7],[ ]); %增强对比度subplot(2,2,1);imshow(I);xlabel('原图像'); %显示原图像subplot(2,2,2);imhist(I);xlabel('原图像直方图'); %显示原图像直方图subplot(2,2,3);imshow(J);xlabel('对比度增强后图像'); %显示对比度增强图像subplot('2,2,4');imhist(J);xlabel('增强图像直方图') %显示增强后图像直方图3.实验3实验框图实验程序clear all; %清空工作空间I=imread('pout.tif'); %读入图像J=histeq(I); %直方图均衡化subplot(2,2,1),imshow(I);xlabel('原图') %显示原图subplot(2,2,2),imhist(I);xlabel('原图灰度直方图') %显示原图灰度直方图subplot(2,2,3),imshow(J);xlabel('处理后图像') %显示处理后图像subplot(2,2,4),imhist(J)xlabel('处理后图像灰度直方图') %显示处理后图像直方图五、思考题1、为什么一般情况下对离散图像进行均衡化并不能产生完全平坦的直方图？答：因为映射后的图像不能取到所有灰度级，变换后的直方图会有某些灰度级空缺，故不能产生完全平坦的直方图。
4-1、图像增强之灰度变换和彩色增强
g=9*log(f+1)
作用：将暗的部分扩展，而将亮的部分抑制。（示例）
4、直方图均衡化
直方图均衡方法的基本思想是对 在图像中像素个数多的灰度级进行展 宽，而对像素个数少的灰度级进行缩 减。从而达到清晰图像的目的。 用以改变图像整体偏暗或整体偏亮， 灰度层次不丰富的情况，将直方图的 分布变成均匀分布
2、 对比度展宽（灰度线性变换）
一、对比度展宽的目的：
是一点对一点的灰度级的影射。设新、旧图的 灰度级分别为g和f，g和f 均在[0，255]间变化。 实质是旧图到新图的灰度级的逐点映射。 g=G(f) 目的：将人所关心的部分强调出来。 特点：变换前后像素个数不变，但不同像素之间的 灰度差变大，对比度加大，视觉效果增强gγຫໍສະໝຸດ 255gbβ
ga
β
α
a b 255
f
a
b 255
f
2、对比度展宽 三、灰级窗切片：
只保留感兴趣的部分，其余部分置为 0。如： 0
g
255
a
b
255
f
2、对比度展宽
四、二值化图像： 可将多灰度的图像转换成黑白二值 图像；方法是对图像取一阈值，大 于该阈值的像素赋予灰度1，小于该 阈值的像素赋予灰度0
I ( x, y) e( x, y) g ( x, y)
g ( x, y) e ( x, y) I ( x, y)
1
1、灰度级的修正
灰度级修正的方法： （1）先用该系统对一已知亮度均匀的图像进行 记录，得到一个实际的“非均匀曝光”的图像， 求得是图像发生畸变的比例因子 （2）当用同一系统对其他图像进行记录时，便 可通过该比例因子求出理想图像
51
实验二 图像的灰度变换增强
实验二 图像的灰度变换增强一、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 nN 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 经过对比度调整后的新图像J 。
其中[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]（注意：灰度范围只能在0～1之间）。
例：I = imread('pout.tif');J = imadjust(I, [0.3 0.7], [ ]); %输出灰度范围为默认范围，即为[0, 1] imshow(I), figure, imshow(J)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中提供了这样的图像数据类型转换函数：im2double函数，其语法格式为：I2 = im2double(I1)该函数将I1的各元素除以255后转换为0～1内的双精度型数据。
数字图像处理实验二图像灰度变换
实验二图像灰度变换实验一、实验目的熟悉亮度变换函数的使用熟悉灰度图像的直方图的表示；掌握图像增强的基本方法：灰度变换、直方图均衡；二、实验内容灰度线性变换、灰度直方图、直方图均衡处理；灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特征更加明显。
灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像增强。
三、实验原理1.函数imad just函数imad just是对灰度图像进行亮度变换的基本命令，语法为：g = imadju st(f, [low_in high_in], [low_ou t high_out], gamma)将图像f中的亮度值（灰度值）映射到新图像g中，即将low_in至hi gh_in 之间的值映射到low_out至high_out之间的值。
low_in以下的灰度值映射为l ow_o u t，high_in以上的灰度值映射为h igh_out，函数imad just的矩阵[ ]内参数均指定在0和1之间，[low_in high_i n]和[low_ou t high_ou t]使用空矩阵[ ]会得到默认值[0 1]。
若high_out小于l ow_ou t，则输出图像会反转。
参数gamm a指定了曲线（变换函数）的形状，若gamma小于1，则映射被加权至更高（更亮）的输出值；若gamma大于1，则映射被加权至更低（更暗）的输出值。
若省略了函数的参量gamma，则gamma默认为1——即线性映射。
>>f = imread(‘filename’)>>imshow(f)>>g1 = imadju st(f, [0 1], [1 0]); %图像反转>>figure, imshow(g1) %figure命令表示同时显示多个窗口>>g2 = imadju st(f, [0.5 0.75], [0 1]);%将0.5至0.75之间的灰度级扩展到范围0和1之间>>figure, imshow(g2)>>g3 = imadju st(f, [ ], [ ], 2) %使用gamm a值>>figure, imshow(g3)2.直方图处理与函数绘图图像的直方图定义为离散函数：h(r k) = n k绘制图像的直方图，函数imhi st，语法为：h = imhist(f, b)f为输入图像，h为直方图h(r k)，b是用于形成直方图的灰度级个数，若b省略，则默认值为256。
实验报告二灰度级修正
实验报告二姓名：学号：班级：实验日期： 2016.5.9 实验成绩：实验题目：图像灰度级修正一．实验目的（1）掌握常用的图像灰度级修正方法，包括图象的灰度变换和直方图均衡化法，加深对灰度直方图的理解。
（2）掌握对比度增强、直方图增强的原理，方法。
二．实验原理灰度变换在空间域中进行，它是将原图像的灰度级按照一定的线性或是非线性函数映射到指定的灰度级上，起到图像增强、突出细节等作用，直方图均衡化则是在频域上对灰度值的频谱密度分布更加均匀化，能起到增强对比度的作用。
三．实验内容及结果（1）读入一副灰度图像Image.bmp，调整灰度的图像细节更容易看清，应用非线性点运算（对数变换），显示灰度变换前后的像。
图1灰度对数化和指数化运算（2）习题3.14，使用MATLAB语言构建两幅图像的矩阵，再对两幅图像进行3×3均值模板进行模糊处理，比较模糊前后两幅图像的直方图(imhist)。
图2 均值滤波及直方图（3）任意选择一副灰度图像，使用函数histeq将其均衡化成32个灰度级数的直方图。
图2 均值滤波及直方图四．结果分析（1）观察图一，显然原图像由于球体偏暗，导致球上的花边纹细节不够清晰，在对其灰度进行对数运算过后，球的亮度显然增加，球上的花边纹也由此显得清晰可见，这正是因为对数曲线的特征决定的，它能将输入中范围较窄的低灰度级映射为输出中较宽的灰度级，相反的，对高的灰度值也是如此，起到了扩展图像中暗的灰度，同时压缩更高的灰度级的值，所以球上花纹由于球体亮度的增大而突出起来，同样伽马变换中gama值小于1时和对数变换效果一样，而当gama值大于1时则和对数变换效果相反。
（2）观察图二中的黑白交替的原图在空间域的规律性交替变换或是说周期交替变换，在频率域上频谱为纯净的两根谱线，经过均值滤波器平滑处理之后，谱线增多且改变了原来谱线的幅值和相位，这些变化是由于滤波器模板本身的系统响应所带来的对频谱的加工，在观察图一滤波后的空间域图像，发现四周角灰度值特殊，感觉有四条粗线，观察图二滤波后的图更明显，会发现最左边的白没有接触黑，但是在滤波过后却变灰了，所以说，最左边的白并不真的不和黑相邻，由于图片的周期性，它其实是和最右边的黑相邻的，这就是由于图片的周期性决定的。
数字图像处理实验02图像灰度级修正
数字图像处理实验02图像灰度级修正一、数字图像处理实验实验二图像灰度级修正一、实验目的掌握常用的图像灰度级修正方法，即图象的灰度变换法和直方图均衡化法，加深对灰度直方图的理解。
观察图象的增强效果，对灰度级修正前后的图像加以比较。
二、实验内容1. 编程实现图像的灰度变换。
改变图像输入、输出映射的灰度参数范围(拉伸和反比)，观看图像处理结果。
2. 修改可选参数gamma 值,使其大于1、等于1和小于1，观看图像处理结果。
3. 对图像直方图均衡化处理，显示均衡前后的直方图和图像。
三、实验原理灰度级修正是图像空间域的增强方法，它以图像的灰度映射变换为基础，直接对图像中的像素进行处理，主要是利用点运算来修改图像像素的灰度。
其变换函数通常可写作如下的简单形式：)(r T s = (2.1)其中，r 表示图像f 中相应点(x,y)的灰度，s 表示图像g 中相应点(x,y)的灰度。
1. 灰度变换1）图像增强常用的三个基本灰度变换类型函数有：线性的（正比和反比）、对数的（对数和反对数变换）、幂次的（n 次幂和n 次方根变换）。
线性变换为最一般的函数。
假定原图像),(y x f 的灰度范围为],[b a ，希望变换后图像),(y x g 的灰度范围扩展至],[d c ，则线性变换可表示为公式（2.2）所示：图1.2 灰度范围的线性变换2）幂次变换用于图像获取、打印和显示的各种装置根据幂次规律进行响应。
幂次变换的基本形式为：γcr s = (2.3)其中s 为变换后的图像灰度级，c 和r 为正常数。
当1==r c 时，将简化为正比变换。
幂次等式中的指数是指伽马值。
用于修正幂次响应现象的过程称作伽马校正。
2. 直方图均衡化直方图均衡是直方图修正技术中的一种常用的方法。
1) 采用灰度频数直方图统计一幅数字图像在范围],0[G 内总共有L 个灰度级，其直方图定义为离散函数k k n r h =)( (2.4)其中，k r 是区间],0[G 内的第k 级亮度，k n 是灰度级为k r 的图像中的像素数。
图像灰度级修正
图像灰度级修正一、实验目的：掌握常用的图像灰度级修正方法，即图像的灰度变换法和直方图均衡化法，加深对灰度直方图的理解。
二、实验内容：(1) 编程实现图像的灰度变换。
改变图像输入、输出映射的灰度参数范围(拉伸和反比)，观看图像处理结果。
(2) 修改可选参数gamma值，使其大于1，等于1和小于1，观看图像处理结果。
(3) 对图像直方图均衡化处理，显示均衡前后的直方图和图像。
实验图像选用hor256或vax256。
三、实验方法及编程：function newbuf=GrayTransf(oldbuf)% ************************************************************************ % 函数名称：% GrayTransf() 灰度变换函数% 参数：% oldbuf 原图像数组% newbuf 存放处理后的图像二维数组% 说明：% 可以任意指定输入图像需要映射的灰度范围和指定输出图像所在的灰度范围。
还可接% 受一个可选的参数来指定修正因素r。
% ************************************************************************ [M,N]=size(oldbuf);newbuf=imadjust(oldbuf,stretchlim(oldbuf),[]);newbuf=uint8(newbuf);%-------------------------------------------------------------------------function newbuf=GrayGamma(oldbuf,r)% ************************************************************************ % 函数名称：% GrayGamma() gamma校正函数% 参数：% r gamma校正值% oldbuf 原图像数组% newbuf 存放处理后的图像二维数组% 说明：% 图像获取、打印和显示的各种装置是根据幂次规律进行响应的。
灰度修正技术(图像处理实验报告)
我们选择的是对比度不足的pout.tif图像，从它的直方图可以算出，它的灰度值大概在[0.3 0.7]这个范围内，所以我们要调整它的灰度范围，改为[0 1],增大灰度范围，从而增强对比度。
2.直方图均衡：选择一幅灰度直方图不均匀的图像，对该图像进行直方图均衡处理，显示处理前、后的图像以及它们的灰度直方图。
由图可以看出，原始图像直方图很不均匀，大多数像素值集中分布在零附近的低灰度区，反映原图像偏暗而不清晰；均衡化后图像的直方图比较均匀，反映均衡化后图像图像比原图像清晰。
由图可以看出，原始图像直方图分布不均匀，大多数像素集中在[0.3 0.7]这个范围内，反映原图像不清晰；均衡化后图像直方图比较均匀，反映均衡化后图像比原图像清晰。
实验中的体会（如实验过程中遇到的问题及其解决的方法等）。
灰度校正（γ校正）
灰度校正（γ校正）1、灰度校正的原理对完整的广播电视系统而言，要进行两次光一电的转换。
一次是在摄像端，由摄像机把光像转变成电信号；另一次是在显像端，由电视机把电信号重新转换成光像。
两次转换中，重要的转换器件使摄像器件和显像管。
从整个系统的角度来看，显像管重现的图案，应该于被摄景物上各种亮度成比例，使两次转换的过程为线性，即重现的图像亮度 B=K* B O(ｋ－常数；B O－景物亮度)。
否则图像就会出现亮度和色度的非线性失真。
摄像器件的光－电转换关系为： E 0=K1 * B Oγ１(3-8)式中：E 0－ 摄像器件输出电压；K1－常数； B O－景物亮度；γ１－转换非线性系数。
对于CCD和氧化铅等摄像管，可近似认为γ１＝１，即摄像端的光电转换可以看作是线性的，即E 0=K1 * B O而显像管的电—光转换关系为：B d = K2 * Eγ2（3-9）式中：B d一显像管上的光像亮度；K2一系数；E一显像管栅极上的信号电压；γ2一显像管的转换非线性系数；一般γ2=2.2。
显然，显像管的电一光转换是一种非线性性关系。
这两种转换的γ特性如图3-55（a）、（b）所示。
图3-55为了使整个系统的综合特性保持线性关系，就必须在图像传输过程中认为地加入一个特性与显像管端相反的非线性失真，以校正由γ2非线性造成的失真。
设这一校正电路的传输特性为：E=K*E Oγ１(3-10)要保正系统为线性特性，则一定要满足:γ１*γ2*γ3=1(3-11)可得出：γ=1/（γ１*γ2）=1/2.2=0.45 （3-12）其特性如图3-55（c）。
我们把这种校正电路称为γ校正。
γ校正可以在摄像机电路中进行，也可以在电视机电路中进行，由于电视机数量远远大于摄像机数量，从降低接收机成本考虑，γ校正同意安排在摄像机电路中实施。
2、灰度校正的电路如图3-56所示，这是一个具有折线特性的γ校正电路。
图像信号经T1和R1直接耦合到射极输出的T3的基极，在耦合电路中加入由D1、D2等组成的γ校正电路。
数字图像处理基本操作及灰度调整实验报告
数字图像处理基本操作及灰度调整实验报告实验目的1.掌握数字图像处理的基本概念和原理。
2.学会使用Python编程语言进行图像处理。
3.理解并实现图像灰度调整的方法。
4.分析实验结果，讨论图像处理方法的优缺点。
2.1 数字图像处理概述数字图像处理（Digital Image Processing，DIP）是一门研究使用计算机对图像进行处理的技术。
它的目的是改善图像的质量，使之更适合人类或计算机对图像进行观察和分析。
数字图像处理涉及到图像采集、存储、传输、分析以及图像的恢复等方面。
2.2 图像的表示和描述数字图像由图像元素（像素）组成，每个像素有一个对应的灰度值。
灰度值表示像素的亮度，通常用8位二进制数表示，其范围为0~255。
像素的灰度值越高，亮度越高。
数字图像可以表示为一个矩阵，矩阵中的每个元素对应一个像素的灰度值。
彩色图像通常采用RGB颜色模型，每个像素包含三个分量，分别对应红色、绿色和蓝色通道的亮度。
2.3 图像灰度调整图像灰度调整是指调整图像像素的灰度值，以改善图像的质量。
常用的图像灰度调整方法有：1.线性灰度变换：通过线性映射关系改变图像灰度值，可以实现图像亮度的调整和对比度的拉伸。
2.直方图均衡化：通过调整图像的灰度直方图，使其均匀分布，可以提高图像的对比度。
•操作系统：Windows 10•编程语言：Python 3.8•图像处理库：OpenCV 4.5.2•集成开发环境：Visual Studio Code4.1 图像读取和显示首先，我们需要使用OpenCV库读取和显示图像。
以下是读取和显示图像的Python代码：4.2 图像灰度化为了便于后续的灰度调整操作，我们需要将彩色图像转换为灰度图像。
以下是图像灰度化的Python代码：4.3 灰度调整接下来，我们将对图像进行灰度调整。
首先，实现线性灰度变换。
以下是线性灰度变换的Python代码：4.4 图像直方图均衡化直方图均衡化是一种能够提高图像对比度的方法。
实验2 灰度增强图像
实验2 灰度增强图像一、实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、实验原理本实验是基于数字图像处理课程中的图像变换和增强理论来设计的。
本实验的准备知识：教材第三章，空域图像增强方法。
重点如下：1、直方图和直方图均衡通过实验领悟图像的直方图的含义，加深对图像直方图概念的理解，并且能够掌握直方图均衡的方法和效果。
画图像的直方图命令， imhist(A)直方图均衡命令， Aeq＝histeq（A）2、基本灰度变换3、同屏显示图像的函数图形窗口分区的命令为 subplot, 例如subplot (2,2,1) 是将图形窗分为2×2的4个区，在第1个区画图。
示例figuresubplot(1,2,1) imshow(A);subplot(1,2,2) imshow(Aeq);将图形窗口分为两个区，分别显示图像A和Aeq。
三、实验内容（一）直方图均衡1、读入lena_gray.tif 图像文件，画出其直方图，并解释之；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；3、将均衡后的图像存为lena_gray_1.tif 文件。
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。
（二）图像灰度变换读入lena_gray.tif 文件，对其灰度进行下列调整，并显示图像：（1）将图像的灰度降低70％，同屏显示原图像和灰度调整后图像；（2）将图像灰度加上一个值（如50），使图像变亮，编程，同屏显示原图像和灰度调整后图像。
思考：灰度变换时应该注意什么？（3）画出灰度变换前后图像的直方图，进行比较，说明现象和原因。
（4）使用MATLAB 工具箱函数imadjust 来调整亮度，imcomplement 函数进行反色。
四、实验步骤（一）直方图均衡程序：I=imread('D:\image\lena.bmp');subplot(2,1,1);imshow(I);subplot(2,1,2)imhist(I);title('直方图')运行结果：直方图程序：I=imread('D:\Images\lena.bmp');subplot(2,2,1);imshow(I);title('原图像');subplot(2,2,2);imhist(I);title('原图像直方图');J=histeq(I);subplot(2,2,3)imshow(J);title('原图像均衡化');subplot('2,2,4');imhist(J);title('均衡化图像直方图');运行结果：（一）图像灰度变换1、程序：I=imread('D:\Images\lena.bmp');subplot(1,2,1);imshow(I);title('原图像');subplot(1,2,2);J=0.3*I;imshow(J);title('降低灰度后的图像'); 运行结果：程序：I=imread('D:\Images\lena.bmp');subplot(1,2,1);imshow(I);title('原图像');subplot(1,2,2);J=I+50;imshow(J);title('图像灰度值增加50');运行结果：程序：I=imread('D:\Images\lena.bmp');subplot(2,2,1);imshow(I);title('原图像');subplot(2,2,2);imhist(I);title('原图像直方图');subplot(2,2,3);J=I+50;imshow(J);title('图像灰度值增加50');subplot(2,2,4);imhist(J);title('灰度值增加后图像直方图');运行结果:程序：I=imread('D:\Images\lena.bmp');J=imadjust(I);K=imcomplement(I);subplot(2,2,1);imshow(I);title('原图像');subplot(2,2,2);imshow(J);title('亮度增强后的图像');subplot(2,2,3);imshow(K);title('反色后的图像');运行结果：五、实验思考题1、直方图反映了图像的灰度分布，直方图的横坐标为灰度级，纵坐标是具有该灰度级的像素个数或出现此灰度级的概率。
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);%ÏÔʾ¾ùºâºóÖ±·½Í¼imwrite(len_aver,'d:\jly\lena_gray_1.tif','tif');lenac_1=imread('d:\jly\lena_gray_1.tif','tif');% imshow(lenac_1);%ÏÔʾͼÏñlenac_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。
实验2b 图像的灰度变换
实验2b 图像的灰度变换一、实验目的：学会用Matlab软件对图像进行运算和灰度变换。
二、实验内容：用+、-、*、/、imabsdiff、imadd、imcomplment、imdivide、imlincomb、immultiply、imsubtract和imadjust等函数生成各类灰度变换图像。
三、实验报告要求：写出每步处理的命令，并提交原图像和处理后的图像。
四、实验相关知识1、代数运算两幅图像之间进行点对点的加、减、乘、除运算后得到输出图像。
我们可以分别使用MATLAB的基本算术符+、-、*、/来执行图像的算术操作，但是在此之前必须将图像转换为适合进行基本操作的双精度类型（命令函数为double（））。
为了更方便对图像进行操作，图像处理工具箱中也包含了一个能够实现所有非稀疏数值数据的算术操作的函数集合。
如下所示：imabsdiff：计算两幅图像的绝对差值imadd：两个图像的加法imcomplment：一个图像的补imdivide：两个图像的除法imlincomb：计算两幅图像的线性组合immultiply：两个图像的乘法imsubtract：两个图像的减法使用图像处理工具箱中的图像代数运算函数无需再进行数据类型间的转换，这些函数能够接受uint8和uint16数据，并返回相同格式的图像结果。
代数运算的结果很容易超出数据类型允许的范围。
图像的代数运算函数使用以下截取规则使运算结果符合数据范围的要求：超出数据范围的整型数据将被截取为数据范围的极值，分数结果将被四舍五入。
2、灰度变换点运算也称为灰度变换，是一种通过对图像中的每个像素值进行运算，从而改善图像显示效果的操作。
五、实验步骤：1、仔细阅读imabsdiff、imadd、imcomplment、imdivide、imlincomb、immultiply和imsubtract的帮助文件（help imabsdiff），并练习相关函数的使用。
实验2_灰度修正技术1
实验2 灰度修正技术一、 实验目的：1. 掌握灰度变换2. 深入理解图像直方图的概念，掌握图像直方图的绘制方法3. 掌握直方图均衡化的原理，并会用直方图均衡化对图像进行处理二、 实验原理2.1灰度修正技术包括直接灰度变换和直方图修正，其目的是增强图像的对比度，使图像更加清晰。
1．灰度变换灰度变换是一种最简单的图像增强技术，它属于点操作，这种变换方法有多种，如线性变换、对数变换、幂次变换等。
(1) 线性变换所谓线性变换是指：输出图像灰度值g 和输入图像灰度值f 之间的函数关 系是线性关系。
由图2-1(a)所示的线性变换可知，输出图像灰度值g 的表达式可以写成M m f M m f mn M N g +-=+---=)()(α (2-1) 若α > 1，则输出图像对应的灰度范围扩大，对比度增强；若0 < α < 1，则输出图像对应的灰度范围压缩，对比度减小；若α < 0，则图像灰度值求反(见图2-1(b))，使白变黑，使黑变白。
(a) (b)图2-1 灰度线性变换 (a)线性变换；(b)求反.(2) 对数变换设输入图像灰度值为非负值，即0≥f ，则对数变换的数学表达式为)1log(f c g += (2-2)式中c 是一个可以调整的常数。
当1=c 时，对数变换曲线如图2-2所示。
由图可以看出，窄范围的低灰度输入图像值映射为一宽范围输出值，而宽范围的高灰度值映射为一窄范围的输出值，即暗像素的灰度值范围被扩大，而亮像素的灰度值范围被压缩，这就使低灰度区域的图像细节能够获得清晰的显示。
对数变换能有效地压缩图像的动态范围，其典型应用是图像Fourier频谱的显示。
Fourier幅度谱的动态范围很大，其数值在0至106数量级范围内变化，而普通显示器的动态范围只有8比特，如果不经对数变换而直接显示，则低数值的细节就无法显示出来。
图2-2 对数变换(3)幂次变换幂次变换的数学表达式可以写成γ=(2-3)g⋅cf式中γ,c均是正的常数。
2 灰度阈值法
多阈值分割
2.1.2 阈值的选取
1）直方图法
1 g ( x, y) 0
f ( x, y) ≥ T f ( x, y) T
2.1.2 阈值的选取
1）直方图法
2.1.2 阈值的选取
1）直方图法
2.1.2 阈值的选取
非理想情况，各段的分界不明显，有 3 种错误： a）增加了新的区域， b）失去了原有的区域， c）区域分割边界定位不正确。
2.1.2 阈值的选取
2) 最小误差阈值法
设图像中目标及背景的灰度为正态分布，
其灰度分布概率密度函数分别 p(z), q(z)
q( z )
p( z )
T
2.1.2 阈值的选取
设目标占整体图像的比例为t，整体图像的灰度概率密度
tp( z ) (1 t )q( z )
对于某阈值 ，将背景误认为目标的概率
2. 图像分割
2.1 灰度阈值法 2.2 边缘检测 2.3 区域分割 2.4 Hough变换
2 图像分割
图像分割 将图像中有意义的特征或需要应用的特征提取出来。
例
1）按幅度不同来分割各个区域：幅度分割 2）按边缘不同来划分各个区域：边缘检测 3）按形状不同来分割各个区域：区域分割 4）按纹理不同来分割各个区域：纹理分割 5）按颜色不同来分割各个区域：颜色分割
1 f '( x, y) 0
或
, ,
f ( x, y) ≥ T f ( x, y) T
1 f '( x, y) 0
, ,
f ( x, y) ≤ T f ( x, y) T
2.1 灰度阈值法
2.1.1 阈值分割的原理
图像处理灰度变换实验
图像处理灰度变换实验一．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。
数字图像处理基本操作及灰度调整实验报告
一．实验目的1.掌握读、写图像的基本方法；2.掌握MATLAB 语言中图像数据与信息的读取方法；3.理解图像灰度变换处理在图像增强的作用；4．掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。
二．实验基本原理1. 灰度变换灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。
1) 图像反转灰度级范围为[0, L-1]的图像反转可由下式获得r L s --=12) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。
解决的方法是对原图进行灰度压缩，如对数变换：s = c log(1 + r )，c 为常数，r ≥ 03) 幂次变换：0,0,≥≥=γγc cr s4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：其对应的数学表达式为：2. 直方图均衡化灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。
依据定义，在离散形式下， 用r k 代表离散灰度级，用p r (r k )代表p r (r )，并且有下式成立：nn r P k k r =)( 1,,2,1,010-=≤≤l k rk式中：n k 为图像中出现r k 级灰度的像素数，n 是图像像素总数，而n k /n 即为频数。
直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。
假定变换函数为ωωd p r T s r r)()(0⎰==(a) Lena 图像 (b) Lena 图像的直方图图1-1 Lena 图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即1,,1,010)(-=≤≤=l k r nn r p k k k r式中：l 是灰度级的总数目，p r (r k )是取第k 级灰度值的概率，n k 是图像中出现第k 级灰度的次数，n 是图像中像素总数。
空间域灰度修正
南京信息工程大学 计算机图像处理 实验(实习)报告 实验(实习)名称 空间域灰度修正 实验(实习)日期 得分 指导老师 系 专业 班级 姓名 学号一、 实验目的1掌握基本空间域灰度修正方法；2熟练掌握对比度增强，灰度变换的方法；3掌握灰度直方图的概念及其计算方法；4 熟练掌握图像的直方图均衡化的原理与应用；5利用MATLAB 程序进行图像增强，观察图象增强的效果。
二、 实验原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修正处理、图像平滑化处理、图像尖锐化处理等。
本实验以灰度变换、直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。
1．灰度变换是图像增强的另一种重要手段，它可使图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显。
1）线性灰度变换① 曝光不足的图像增强② 灰度级集中的图像增强)),((),(a j i f ab a b a j i g --'-'+'= 2）分段线性灰度变换为了突出图像中感兴趣的目标或者灰度区间，相对抑制那些不感兴趣的灰度区域，而不牺牲其他灰度级上的细节。
2． 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。
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。
直方图均衡化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像素点数的过程。
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。
三、 实验内容与步骤按下面要求编写程序并运行结果。
1．编写程序，读入数字图像001.bmp 文件，求出灰度级数，对原图像求反，并显示、保存图像。
- 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)。
实验2 灰度修正技术
一、 实验目的：
1. 掌握灰度变换
2. 深入理解图像直方图的概念，掌握图像直方图的绘制方法
3. 掌握直方图均衡化的原理，并会用直方图均衡化对图像进行处理
二、 实验原理
2.1灰度修正技术
包括直接灰度变换和直方图修正，其目的是增强图像的对比度，使图像更加清晰。
1．灰度变换
灰度变换是一种最简单的图像增强技术，它属于点操作，这种变换方法有多种，如线性变换、对数变换、幂次变换等。
(1) 线性变换
所谓线性变换是指：输出图像灰度值g 和输入图像灰度值f 之间的函数关 系是线性关系。
由图2-1(a)所示的线性变换可知，输出图像灰度值g 的表达式可以写成
M m f M m f m
n M N g +-=+---=)()(α (2-1) 若α > 1，则输出图像对应的灰度范围扩大，对比度增强；若0 < α < 1，则输出图像对应的灰度范围压缩，对比度减小；若α < 0，则图像灰度值求反(见图2-1(b))，使白变黑，使黑变白。
(a) (b)
图2-1 灰度线性变换 (a)线性变换；(b)求反.
(2) 对数变换
设输入图像灰度值为非负值，即0≥f ，则对数变换的数学表达式为
)1log(f c g += (2-2)
式中c 是一个可以调整的常数。
当1=c 时，对数变换曲线如图2-2所示。
由图可以看出，窄范围的低灰度输入图像值映射为一宽范围输出值，而宽范围的高灰度
值映射为一窄范围的输出值，即暗像素的灰度值范围被扩大，而亮像素的灰度值范围被压缩，这就使低灰度区域的图像细节能够获得清晰的显示。
对数变换能有效地压缩图像的动态范围，其典型应用是图像Fourier 频谱的显示。
Fourier 幅度谱的动态范围很大，其数值在0至106数量级范围内变化，而普通显示器的动态范围只有8比特，如果不经对数变换而直接显示，则低数值的细节就无法显示出来。
图2-2 对数变换
(3) 幂次变换
幂次变换的数学表达式可以写成
γf c g ⋅= (2-3)
式中γ,c 均是正的常数。
对于不同的γ值，幂次变换曲线如图2-3所示，图中所有曲线均对应于1=c 的情况。
由图可见，当1<γ时，幂次变换将扩大暗像素的灰度值范围，压缩亮像素的灰度值范围，这类似于对数变换；与此相反，当1>γ时，幂次变换将压缩暗像素的灰度值范围，扩大亮像素的灰度值范围；当1=γ时，幂次变换简化为线性变换。
图2-3 幂次变换
幂次变换常用来对各种CRT 显示器进行γ校正。
(4) 灰度修正的MATLAB 函数
在MATLAB 中，灰度修正函数为 imadjust ，其调用格式为
J=imadjust(I,[low high],[bottom top],gamma);
该语句中的I 为输入图像，[low high]是其需要变换的灰度范围；J 为灰度变换后的输出图像，[bottom top]是输出图像相应的灰度范围；gamma 是灰度变换的参数γ。
2.2直方图修正
1.直方图原理
离散图像的灰度直方图是指图像中每一个灰度级与该灰度级像素个数之间的 统计关系。
设n k 是灰度级为s k 的像素个数，则图像灰度直方图可表示为：
k k n s h =)( (2-4)
若图像的像素总数为n ，则可得到归一化的灰度直方图如下:
n
n s p k k =)( (2-5) 这是一种概率表达形式，)(k s p 是灰度级为s k 出现的概率。
Matlab 中提供了IPT 函数imhist 来绘制图像的直方图，调用格式为
imhist(I,n);
此函数的功能是计算和显示灰度图像I 的直方图，n 为指定的灰度级数目(缺省值为256)。
但是除此之外绘制直方图的方法还有很多，可以通过条形图、杆状图等方式来表示直方图。
2.直方图均衡化
直方图均衡化主要用于增强动态范围偏小的图像的反差。
该方法的基本思想是把原始的直方图变换为均匀分布的形状，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。
直方图均衡化一般采用原始图的累计分布函数作为变换函数。
假设灰度级归一化至范围[0, 1]内，pr(r)表示给定图像中的灰度级的概率密度函数，对于离散的灰度级，均衡化变换为：
∑∑=====k j j
k j j r k k n n r p r T s 11)()(
式中k=1,2,…,L ，sk 是输出图像中的亮度值，它对应于出入图像中的亮度值rk 。
直方图修正是通过改变图像灰度直方图的形状来达到图像增强的目的。
常用的方法有直方图均衡和直方图匹配，本实验使用直方图均衡来增强图像的对比度。
直方图均衡的基本思想是将待处理图像的直方图变为均匀分布的形式，从而增强图像的对比度。
图2-4 直方图均衡
图2-4给出了直方图均衡的实例。
图中(a)是一幅不清晰的汽车轮胎图像;
(b)是直方图均衡处理后的图像；(c)是图(a)的直方图；(d)是图(b)的直方图。
由图可以看出，直方图(c)很不均匀，大多数像素值集中分布在零附近的低灰度区，反映原图像偏暗而不清晰；直方图(d)比较均匀，反映图像(b)比原图像清晰。
在MATLAB 中，直方图均衡函数为histeq ，其调用格式为:
J=histeq(I,n) ;
此函数的功能是对图像I 作直方图均衡处理，并将处理结果返回J ，这里n 为灰度级数(缺省值为64)。
三、实验内容和要求：
1. 绘制图像pout.tif 的归一化的直方图，要求不使用IPT 函数imhist,并与使用imhist 的结果进行比较（对比结果图输出）。
2. 编写程序，对图像pout.tif 进行直方图均衡化，最好不使用IPT 函数
histeq，对均衡化前后的图像以及直方图进行对比。
3．灰度变换：选择一幅对比度不足的图像，对该图像进行灰度变换,增强对比度，显示增强前、后的图像以及它们的灰度直方图。
四、思考题[答案写进实验报告]
1．设定不同的斜率值和截距，显示效果会怎样？
2．直方图均衡化是什么意思？它的主要用途是什么？
3. 在数字X光医学图像中，每个像素值用12比特表示，但普通显示器的动态范围只有8比特，医生有时需要观察暗区的细节，有时要观察亮区的细节，请你设计一种处理方法，使医生可以自由选择某个灰度范围来观察图像的细节。
将设计方案写入实验报告。