数字图像处理 灰度变换
3.图像增强—灰度变换 - 数字图像处理实验报告
计算机与信息工程学院验证性实验报告一、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，在空间与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。
三、实验内容：1、图像数据读出2、计算并分析图像直方图3、利用直接灰度变换法对图像进行灰度变换下面给出灰度变化的MATLAB程序f=imread('medicine_pic.jpg');g=imhist(f,256); %显示其直方图g1=imadjust(f,[0 1],[1 0]); %灰度转换，实现明暗转换(负片图像)figure,imshow(g1)%将0.5到0.75的灰度级扩展到范围[0 1]g2=imadjust(f,[0.5 0.75],[0 1]);figure,imshow(g2)g=imread('point.jpg');h=log(1+double(g)); %对输入图像对数映射变换h=mat2gray(h); %将矩阵h转换为灰度图片h=im2uint8(h); %将灰度图转换为8位图figure,imshow(h)四、实验仪器PC一台，MATLAB软件五、实验图片columbia480.bmp Fig0704(Vase).tif.tif六、实验程序及结果clc;clear allf=imread('columbia480.bmp');subplot 121;imshow(f)title('原始图像')subplot 122;imhist(f,256)title('原始图像直方图')%灰度转换，实现明暗转换(负片图像）f1=imadjust(f,[0 1],[1 0]);figure(2)subplot 121,imshow(f1)title('明暗转换后的图像')subplot 122;imhist(f1,256) title('明暗转换直方图')%将0.5到0.75的灰度级扩展到范围[0 1] f2=imadjust(f,[0.5 0.75],[0 1]); figure(3)subplot 121;imshow(f2)title('0.5到0.75的灰度级扩展到范围[0 1]的图像') subplot 122;imhist(f2,256) title('灰度级扩展直方图')原始图像0原始图像直方图100200明暗转换后的图像明暗转换直方图1002000.5到0.75的灰度级扩展到范围[0 1]的图像04灰度级扩展直方图100200clc;clear allm=imread('Fig0704(Vase).tif.tif');h=log(1+double(m)); %对输入图像对数映射变换 h=mat2gray(h); %将矩阵h 转换为灰度图片 h=im2uint8(h); %将灰度图转换为8位图 figuresubplot 221;imshow(m) title('原始图像') subplot 222;imhist(m) title('原始图像直方图') subplot 223;imshow(h)title('经log 变换后的图像') subplot 224;imhist(h)title('经log 变换后的图像直方图')原始图像原始图像直方图100200经log变换后的图像0经log 变换后的图像直方图100200教师签名：年 月 日。
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。
数字图像处理图像增强第一讲及灰度变换
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。
数字图像处理文档-直方图均衡&灰度线性变换&灰度拉伸
技术报告摘要：本文档为数字图像处理程序的技术报告。
程序主要功能为读入8位或24位位图，并可选择性对其进行直方图均衡、灰度线性变换、灰度拉伸等操作。
该文档从算法原理和算法实现两方面，通过对算法的文字表述、函数的功能介绍以及主要代码分析注释，阐述了该程序进行图像处理时的方法，并通过实验测试和分析实验结果，验证了程序的正确性和可靠性。
关键词：直方图均衡灰度线性变换灰度拉伸1、任务说明⏹打开一幅图像，进行直方图均衡。
将灰度线性变化，将灰度拉伸。
⏹用C语言或JAVA编程序读出图像文件,并利用算法进行灰度拉伸。
2、算法原理（背景意义，基本算法，扩展算法）2.1直方图均衡直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
设图像均衡化处理后，图像的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。
在离散情况下，共有L个灰度级，其中第k个灰度级rk出现的像素个数为nk，图像的总像素个数为N，则第k个灰度级出现的概率为：P r(r k)=n kN0≤r k≤1，k=0,1,…,L−1进行均匀化处理的变换函数为：s k=T[r k]=∑P r(r j)=kj=0∑n jN kj=0r k=T−1[s k]2.2灰度线性变换灰度的线性变换就是将图像中所有的点按照线性灰度变换函数进行变换。
该线性灰度变换函数f(x)是一个一维线性函数：f(x)=fA*x+fB灰度变换方程为：D2=f(D1)=k*D+d式中参数k为线性函数的斜率，d为线性函数的在y轴上的截距，D1为输入图像的灰度，D2为输出的图像灰度。
当k>1时，输出的图像的对比度增大，图像的像素值在变换后全部增大，整体显示效果增强；当0<k<1时，输出图像的对比度和整体效果都将削弱；当k<0时，原图像较量的区域变暗，较暗的区域则变亮，当k=-1，d=255时，输出图像的灰度正好反转；当k=1且d!=0时，操作仅仅使所有像素的灰度值上移或下移，其效果是使整个图像更亮或更暗；当k=1，d=0时，输出图像和输入图像相同。
数字图像处理3灰度级变换
hp (k ) : f (i, j)( f (i, j) 0)的累计概率分布
直方图均衡化方法实现
—— 4.计算原、新图灰度值的影射关系
例
hp=[0.12, 0.20, 0.36, 0.52, 0.56, 0.60, 0.76, 0.80, 0.88, 1.00]
9*hp=[ 0, 1.80, 3.24, 4.68, 5.04, 5.40, 6.84, 7.20, 7.92, 9.00 ] 新图 [ 0, 2, 3, 5, 5, 5, 7, 7, 8, 9 ] 原图 [ 0, 1, 2, 3, 4 , 5 , 6, 7, 8, 9 ]
直方图均衡化方法实现 —— 2.计算原图的灰度分布概率
例
h [3, 2, 4, 4,1,1, 4,1, 2,3]
hs=h/25
hs [3/ 25,2/ 25,4/ 25,4/ 25,1/ 25,1/ 25,4/ 25,1/ 25,2/ 25,3/ 25]
=[0.12, 0.08, 0.16, 0.16, 0.04, 0.04, 0.16, 0.04, 0.08, 0.12]
作用：进行亮暗限幅
7 0
9 0 7 C=26.2895
非线性动态范围调整 —— 原理
提出非线性动态范围调整，是因为线性动态范围调 整的分段线性影射不够光滑。
非线性动态范围调整，要求可以用光滑的曲线来实 现。
考虑到人眼对视觉信号的处理过程中，有一个近似 对数算子的环节，因此，可采用对数运算来实现非 线性动态范围调整。
16.6818
图像增强
图像增强的目的是为了改善画质，使图像的 显示效果更加清晰。 本章中主要介绍的内容包括：
线性对比度展宽
动态范围调整 直方图均衡化处理 伪彩色技术
数字图像处理实验报告-线性灰度变换-图像几何变换-频域图像增强技术-图像分割
线性灰度变换一、实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的线性变换和直方图均衡化的原理和应用；3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4 了解噪声模型及对图像添加噪声的基本方法。
二、实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。
)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβαn y m x ,2,1 ,,,2,1==2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。
按照图像概率密度函数PDF 的定义：1,...,2,1,0 )(-==L k nn r p k k r 通过转换公式获得：1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。
将模板中的全体像素的均值（中值）来代替原来像素值的方法。
4 拉普拉斯算子如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。
三、实验步骤1 启动MATLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化（参考教材64页，例4.6）、均值滤波（参考教材69页，例4.9）、中值滤波（参考教材73页，例4.11）和梯度锐化操作（参考教材76页，例4.12）。
添加噪声，重复上述过程观察处理结果。
数字图像处理实验报告：灰度变换与空间滤波(附带程序,不看后悔)
1.灰度变换与空间滤波一种成熟的医学技术被用于检测电子显微镜生成的某类图像。
为简化检测任务，技术决定采用数字图像处理技术。
发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2的范围，因此，技术人员想保留I1-I2区间范围的图像，将其余灰度值显示为黑色。
（5）将处理后的I1-I2范围内的图像，线性扩展到0-255灰度，以适应于液晶显示器的显示。
请结合本章的数字图像处理处理，帮助技术人员解决这些问题。
1.1问题分析及多种方法提出（1）明亮且孤立的点是不够感兴趣的点对于明亮且孤立的点，其应为脉冲且灰度值为255(uint8)噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。
均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。
优点：速度快，实现简单；缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。
其公式如下：使用矩阵表示该滤波器则为：中值滤波：滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。
其过程为：a 、存储像素1，像素2.....像素9的值；b 、对像素值进行排序操作；c 、像素5的值即为数组排序后的中值。
优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。
缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。
数字图像灰度变换技术总结
数字图像灰度变换技术总结篇一：图像的灰度变换昆明理工大学（数字图像处理）实验报告实验名称：图像的灰度变换专业：电子信息科学与技术姓名：学号：成绩：[实验目的]1、理解并掌握灰度变换的基本原理和方法。
2、编程实现图像灰度变换。
3、分析不同的灰度变换方法对最终图像效果的影响。
[实验内容]1、灰度的线性变换；2、灰度的非线性变换；3、图像的二值化；4、图像的反色处理；[实验原理]图像的灰度变换(grayscaletransformation,GST)处理是图像增强处理技术中一种非常基础、直接的空间域图像处理方法,也是图像数字化软件和图像显示软件的一个重要组成部分。
灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。
目的是为了改善画质,使图像的显示效果更加清晰。
灰度变换有时又被称为图像的对比度增强或对比度拉伸。
从图像输入装置得到的图像数据,以浓淡表示,(:数字图像灰度变换技术总结)各个像素与某一灰度值相对应。
设原图像像素的灰度值d=f(x,y),处理后图像像素的灰度值d′=g(x,y),则灰度增强可表示为:g(x,y)=T[f(x,y)]或d′=T(d)要求d和d′都在图像的灰度范围之内。
函数T(d)称为灰度变换函数,它描述了输入灰度值和输出灰度值之间的转换关系。
灰度变换主要针对独立的像素点进行处理,通过改变原始图像数据所占据的灰度范围而使图像在视觉上得到良好的改观,没有利用像素点之间的相互空间关系。
因此,灰度变换处理方法也叫做点运算法。
点运算可以按照预定的方式改变一幅图像的灰度直方图。
除了灰度级的改变是根据某种特定的灰度变换函数进行之外,点运算可以看做是“从像素到像素”的复制操作。
根据g(x,y)=T[f(x,y)],可以将灰度变换分为线性变换和非线性变换。
1、灰度的线性变换若g(x,y)=T[f(x,y)]是一个线性或分段线性的单值函数,例如g(x,y)=T[f(x,y)]=af(x,y)+b则由它确定的灰度变换称为灰度线性变换,简称线性变换。
数字图像处理 第5章 灰度变换与色彩校正
图像处理
低分辨 传统方法插值 率图像
边缘检测 边缘以及 特殊处理 附近像素
插值图像
◎区域指导的图像插值算法
输入原始 图像f(x,y)
区域分割
2020/9/23
确定插值 位置
设计插值 公式
输出插值 图像g(x,y)
36
三、灰度变换技术
灰度变换——图像增强手段之一—— 点处理方式
0.03
14
r7=1
180
0.04
解：由变换函数公式得到对应的灰度等级：
s2
s0
s1
T (r
1
2
i0
ni
) CP(rk )
0 i0
ni n
0.17
ni 0.17 0.25 0.42
n
0.17 0.25 0.19 0.61
i0 n
s3
3 i0
ni n
0.17 0.25 0.19 0.18
2020/9/23
5
一、基本概念
1.阶调与色调
①阶调：
描述一种颜色区别与另一种颜色的特征
高光：图像中最亮的部分。灰度等级约在240 左右 中间调：图像中的主要部分。 暗调：图像中最暗的部分。灰度等级约在12 左右
层次：灰度亮化的等级（明暗程度）
注意：对灰度图像，阶调与层次的概念是相同的
阶调与层次的复制状况决定了图像中各种颜
HA(r)
dr
T ' (r) ds dr
0
255
CL
2020/9/23
s T (r)
A0
H A(r)dr
0
CP(r)
13
设：一幅像素总数为n，灰度等级为[0,L]的图像
数字图像处理 图像增强 第一讲 概述及灰度变换
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
实验一数字图像基本操作及灰度调整
实验一 数字图像基本操作及灰度调整一．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 r k 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 n n 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。
数字图像处理-图像的灰度变换
2020/9/12
3.2 图像运算
• 图像算术运算的应用
19
2020/9/12
3.2 图像运算
• 图像加法的应用
– 图像加法可用于图像平均以减少和去除图像采集中混 入的噪声。
– 实际采集到的图形g(x,y)可看做是有原始场景图像f(x,y) 和噪声图像e(x,y)叠加而成的，即 g(x,y)= f(x,y)+ e(x,y)
• 灰度映射示例2——??
2020/9/12
原图
映射函数
映射后的图
10
3.1 灰度映射
• 灰度映射示例2——动态范围压缩
– 概念：其目标与增强对比度相反，其目标在于 与对原图进行灰度压缩。
– 映射函数：t C log(1 s )，C为尺度比例常数。
– 效果：动态范围压缩使得大部分低灰度值的像
素经过映射后其灰度只会集中到高亮度区域，
– 具体的运算主要包含算术和逻辑运算，他们通过改变 像素的值来得到图像增强的效果。算术和逻辑运算中 每次只涉及到一个空间像素的位置，所以可以再“原 地”完成。
– 灰度映射是用某种统一的规则改变图像灰度，而图像 运算可看做对一幅图像每个像素都用一个由另一幅图 像的对应像素为基础而确定的规则来改变图像的灰度。
2
2020/9/12
3.1 灰度映射
• 预备概念
– 图像域（空域）处理
• 直接作用于像素改变其特性的图像处 理方法，如空域增强、空域滤波等
– 变换域（频域）处理
• 在图像的变换域改变其特性的图像处 理方法，如频域滤波、频域增强等 3
2020/9/12
3.1 灰度映射
• 灰度映射的概念
– 一幅灰度图像的视觉效果取决于该图 像中各个像素的灰度。灰度映射通过 改变图像中所有或部分像素的灰度来 达到改善图像视觉效果的目的。
数字图像处理第3章灰度级变换
j) 255a (ba)
h(i, j)(a,b)
255
h(i, j)b
a
数字图像处理第3章灰度级变换
f
b 255
线性动态范围调整例题
13998 21373 36064 68205 29260
黑：0 白：9
23 777 22 373 36 264 2 67 225 7 07 262
y=1.8*x-3.6
（同理，加洗照片不对颜色进行校正配准，所以效果 都会略差一些）
数字图像处理第3章灰度级变换
3.1.1 光电传感器的输入输出特性
设CCD的输入（入射光强度）为L，输出（电流 强度）为I，则有：
I CL
当我们得到信号I之后，必须对其进行校正， 使得后面处理的信息为L或估计的近似L。
数字图像处理第3章灰度级变换
3.6.2 基于亮度表示的伪彩色方法
由此，可以按照如下所示的影射关系 进行伪彩色处理。
gR
gG
gB
255
255
255
0 63 127 191 255 f
f
0 63 127 191 255
0 63 127 191 255 f
数字图像处理第3章灰度级变换
3.6.3 基于区域表示的伪彩色方法
这种伪彩色技术在医学诊断中常被用 到，目的是突出病灶，提高诊断率。
02 999
00 292
作用：进行亮暗限幅
27 074 79 005
09 070
数字图像处理第3章灰度级变换
3.3.2 非线性动态范围调整
通常用取对数的方法。原因是人眼对信号的 处理是有一个近似对数算子的环节。
g (i,j) clo g 1 0(1 f(i,j))
灰度线性变换
灰度线性变换
灰度线性变换是一种用于MCU图像增强处理的常用方法。
它是把图像
的每个像素点的灰度值从原始灰度级映射到新的灰度级，实现对图像亮度、对比度等特性进行调节，以达到增强图像质量的目的。
灰度线性变换的基
本形式是：s=a*r+b，其中，s、r分别表示图像灰度变化后和变化前的灰
度值，a、b分别为变化系数。
灰度线性变换的过程依赖于变换参数a、b的选取，a的取值范围是0
至1，表示变换的量度程度，也就是变化的幅度；而b的取值范围是0至255，表示变换的量度偏移，也就是亮度上的平衡值。
如果a取值大于1，就会使图像变得更亮，a取值小于1时，图像就会变暗；如果b取值大于1，则图像会变亮；反之，图像就变暗。
通过选择合适的变换参数，就可以实现灰度线性变换，使图像质量得
到提升。
此外，灰度线性变换还可以被用来增强图像的对比度，提高图像
的色彩饱和度，从而达到更好的视觉效果。
matlab设计灰度变换公式
matlab设计灰度变换公式灰度变换是数字图像处理中常见的一种操作，用于改变图像的亮度和对比度。
在Matlab中，可以使用灰度变换公式来实现这一操作。
本文将介绍灰度变换的概念、应用和Matlab的实现方法。
一、灰度变换的概念灰度变换是指通过对图像的像素值进行一定的数学运算，改变图像的亮度和对比度的过程。
通过调整像素值的分布，可以使图像更加清晰、明亮或者暗淡。
灰度变换常用于图像增强、直方图均衡化等领域。
二、灰度变换的应用1. 图像增强：通过调整图像的亮度和对比度，可以使图像中的细节更加清晰，从而提升图像的质量和观感。
2. 直方图均衡化：通过拉伸图像的灰度级分布，使得图像的像素值均匀分布在整个灰度级范围内，提升图像的对比度。
3. 二值化处理：通过设定一个阈值，将图像中的像素值转化为二值，用于图像分割、边缘检测等应用。
三、灰度变换的实现方法Matlab提供了丰富的函数和工具箱来实现灰度变换。
下面介绍几种常用的实现方法。
1. 线性变换线性变换是灰度变换中最简单的方法之一，通过对图像的每个像素值进行线性运算，可以改变图像的亮度和对比度。
常见的线性变换公式为：新像素值 = a * 原像素值 + b其中a和b是用户设定的参数，控制变换的斜率和截距。
通过调整a和b的数值，可以实现图像的亮度增强、降低或者对比度的调节。
2. 对数变换对数变换是一种非线性灰度变换方法，通过对图像的像素值取对数，可以增强图像的低灰度级细节。
对数变换公式为：新像素值 = c * log(1 + 原像素值)其中c是用户设定的参数，控制变换的幅度。
对数变换适用于图像中低灰度级区域较多的情况，可以提升图像的亮度和对比度。
3. 伽马变换伽马变换也是一种非线性灰度变换方法，通过对图像的像素值进行幂运算，可以调整图像的亮度和对比度。
伽马变换公式为：新像素值 = c * 原像素值^γ其中c和γ是用户设定的参数，控制变换的幅度和斜率。
伽马变换适用于图像中高灰度级区域较多的情况，可以提升图像的亮度和对比度。
【数字图像处理】灰度变换
【数字图像处理】灰度变换原⽂链接：作者：图像的空间域滤波，其对像素的处理都是基于像素的某⼀邻域进⾏的。
本⽂介绍的图像的灰度变换则不同，其对像素的计算仅仅依赖于当前像素和灰度变换函数。
灰度变换也被称为图像的点运算（只针对图像的某⼀像素点）是所有图像处理技术中最简单的技术，其变换形式如下：s=T(r)s=T(r)其中，T是灰度变换函数；r是变换前的灰度；s是变换后的像素。
图像灰度变换的有以下作⽤：改善图像的质量，使图像能够显⽰更多的细节，提⾼图像的对⽐度（对⽐度拉伸）有选择的突出图像感兴趣的特征或者抑制图像中不需要的特征可以有效的改变图像的直⽅图分布，使像素的分布更为均匀常见的灰度变换灰度变换函数描述了输⼊灰度值和输出灰度值之间变换关系，⼀旦灰度变换函数确定下来了，那么其输出的灰度值也就确定了。
可见灰度变换函数的性质就决定了灰度变换所能达到的效果。
⽤于图像灰度变换的函数主要有以下三种：线性函数（图像反转）对数函数:对数和反对数变换幂律函数：n次幂和n次开⽅变换上图给出了⼏种常见灰度变换函数的曲线图，根据这⼏种常见函数的曲线形状，可以知道这⼏种变换的所能达到的效果。
例如，对数变换和幂律变换都能实现图像灰度级的扩展/压缩，另外对数变换还有⼀个重要的性质，它能压缩图像灰度值变换较⼤的图像的动态范围（例如，傅⽴叶变换的频谱显⽰）。
线性变换令r为变换前的灰度，s为变换后的灰度，则线性变换的函数：s=a⋅r+bs=a⋅r+b其中，a为直线的斜率，b为在y轴的截距。
选择不同的a，b值会有不同的效果：a>1a>1，增加图像的对⽐度a<1a<1，减⼩图像的对⽐度a=1且b≠0a=1且b≠0，图像整体的灰度值上移或者下移，也就是图像整体变亮或者变暗，不会改变图像的对⽐度。
a<0且b=0a<0且b=0，图像的亮区域变暗，暗区域变亮a=1且b=0a=1且b=0，恒定变换，不变a=−1且b=255a=−1且b=255，图像反转。
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-灰度变换
T(gin)
gout
gout
T(gin)
gin
gin
continuous transformation function
piecewise transformation function
Gray-levels transformations can be easily implemented in hardware or software using a
This approach brightness all gray levels in the range of interest with all other gray levels remained at their original values. That is
B(i,
j)
1
TL A(i, j) T U
11
Bit-plane Slicing
The image is thought of as a stack of bit-planes and each bit-plane represents the contribution made by a particular bit to the overall image appearance.
1
Displaying Gray-Level Information
(b) Profile information
The gray-level/color values along a line or a multi-segment path in an image can be displayed and computed using Matlab function improfile.
数字图像处理(DFT变换、DCT变换、几何变换、灰度级变换)
%读取原图 %灰度化图像 %im图像按列翻转 %im图像按行翻转 %Him图像按行翻转
%灰度级变换-窗口线性变换
figure %im=rgb2gray(im); [h,w]=size(im); a1=70/256;b1=190/256;c1=100/256;d1=250/256; %参数设置 result1=imadjust(im,[a1;b1],[c1;d1]); %截取式灰度变换 result2=im; for x=1:w for y=1:h if im(y,x)>a1&&im(y,x)<b1 result2(y,x)=(im(y,x)-a1)*(d1-c1)/(b1-a1)+c1; %高低端灰度保持 end end end subplot(1,3,1),imshow(im),title('原灰度图像'); subplot(1,3,2),imshow(result1),title('截取式灰度变换'); subplot(1,3,3),imshow(result2),title('高低端灰度保持');
%DFT变换
clear all clc im1=imread('132.jpg'); %读取图像 figure subplot(2,2,1),imshow(im1),title('原图'); %显示原图像 im2=rgb2gray(im1); %将彩色图像灰度化 subplot(2,2,2),imshow(im2),title('灰度化图像'); %显示灰度化图像 DFTim2=fftshift(fft2(im2)); %计算傅里叶变换并移位 im3=abs(DFTim2); %求模 subplot(2,2,3),imshow(log(1+im3),[]),title('DFT频谱图'); %显示DFT频谱图 top=max(im3(:)); %求模的最大值 bottom=min(im3(:)); %求模的最小值 im3=(im3-bottom)/(top-bottom)*100; %把模规划到[0 100] subplot(2,2,4),imshow(im3),title('规范化DFT频谱图'); %显示规范化频谱图
- 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)。
第4章 图像的灰度变换
第18页
U g(x, y) L 0 L f U 255
f(x, y)
L表示窗口的下限，U表示窗口的上限
第4章 图像的灰度变换 第17页
4.3 灰度的线性变换
（3）分段线性变换
– 对不同的灰度范围进行不同的线性变换 – 如3段不同的线性变换
z '1 f ( x, y ) / z1 f ( x, y ) z1 g ( x, y ) ( z '2 z '1 ) /( f ( x, y ) z1 ) /( z 2 z1 ) z '1 z1 f ( x, y ) z 2 ( 255 z ' ） f ( x, y ) z ) /(255 z ) z ' ( f ( x, y ) z 2 2 2 2 2
第5页
4.1 灰度变换的基本方法
灰度的非线性变换
– 图像的像素集中于中间灰度部分，而其它部分 的像素很少。可以压缩像素少的部分，扩展像 素集中的部分 – 直方图均衡化处理等属于非线性灰度变
第4章 图像的灰度变换
4.1 4.2 4.3 4.4
灰度变换的基本方法 二值化和阈值处理 灰度的线性变换 灰度直方图及均衡化处理
第4章 图像的灰度变换
BIT
第4章 图像的灰度变换
4.1 4.2 4.3 4.4
灰度变换的基本方法 二值化和阈值处理 灰度的线性变换 灰度的非线性变换
第4章 图像的灰度变换
第2页
4.1 灰度变换的基本方法
背景
– 图像质量差：获取图像时光照不正常、噪声影响及发生 畸变 – 改善图像质量
»图像增强：不考虑图像质量下降的原因（方法包括灰度变 换、平滑处理等） »图像复原（恢复）：建立降质模型，恢复原始图像
或者使用 BW = im2bw(I,level) level : 0至1间取值。当像素的灰 度值小于level 时为黑（0）， 否则为白（1） 这里level取100/255.
第4章 图像的灰度变换
第10页
4.2 二值化和阈值处理
双固定阈值法
– 预先为灰度图像设定两个阈值T1和T2，把灰度值 小于给定阈值T1的像素灰度置为0；大于T1且小 于T2的像素灰度置为255；大于T2的像素灰度置 为0 – 函数表达式 f ( x, y ) T 0,
K
第4章 图像的灰度变换
第16页
4.3 灰度的线性变换
（2）窗口灰度变换
– 保留灰度级在[ L, U ]间的值，将大于 U 的灰度 值置为255，小于 L 的灰度置为0 g – 方程 255
f ( x, y ) L 0 g ( x, y ) f ( x, y ) L f ( x, y ) U 255 f ( x, y ) U
暗图像 低对比度图像
亮图像
高对比度图像
第4章 图像的灰度变换
第3页
4.1 灰度变换的基本方法
灰度变换(gray-scale transformation, GST)
– 根据要求按一定关系逐点改变原图像中每一个像 素灰度值的方法 – 图像增强中的空域处理技术 – 目的是改善图像画质 – 表示方法
»设原图像像素的灰度值D = f(x, y)，处理后图像像素的 灰度值D'=g(x, y)，D和D'间的关系为 D'= T[D] g(x, y)=T[f(x, y)]
4.3 灰度的线性变换
灰度变换方程
g ( x, y) T [ f ( x, y)] af ( x, y) b
– 当a>1，输出图像的对比度增大 – 当a<1，输出图像的对比度减小 – 当a=1且b≠0时，输出图像的灰度值上移或下移 ，使得图像变亮或暗 – 当a=-1，b=255时，图像灰度正好反转 – 当a<0且b>0时，原图像的暗区域变亮，亮区域 变暗
g ( x, y ) 255 , T1 f ( x, y ) T2 0, f ( x, y ) T2
1
第4章 图像的灰度变换
第11页
第4章 图像的灰度变换
4.1 4.2 4.3 4.4
灰度变换的基本方法 二值化和阈值处理 灰度的线性变换 灰度直方图及均衡化处理
第4章 图像的灰度变换
' 2
z '2 z '1 g ( x, y ) z '1 ( f ( x, y ) z1 ) z 2 z1
g(x, y) Z1'
f(x, y) Z1 Z2
f
如果|z’2 - z’1|大于|z2 - z1|，使得变换后像素的灰 度差增大，对比度增大，图像质量得到增强。
第4章 图像的灰度变换 第14页
T=100
第4章 图像的灰度变换
第9页
4.2 二值化和阈值处理
MatLab函数
– – – – – – – – – – – I=imread('rice.tif'); for i=1:256 for j=1:256 J(i,j)=0; if I(i,j)>100 J(i,j)=255; end end end subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(J);
第12页
4.3 灰度的线性变换
背景
– 曝光不足或过度情况下，图像灰度局限在很窄的 范围内，图像中的像素灰度没有层次 – 采用一个线性单值函数，对图像内的每一个像素 灰度做线性扩展，提高灰度层次
第4章 图像的灰度变换
第13页
4.3 灰度的线性变换
1. 简单线性变换
设原图像 f(x, y)的灰度范围为[z1, z2]，线性变换 g 后图像g (x, y)的灰度范围为[z’1, z’2]。 那么g (x, y)和f(x, y)间的关系为： Z
第4章 图像的灰度变换 第15页
4.3 灰度的线性变换
MatLab函数
– J = imadjust (I, [low_in high_in] , [low_out high_out]) – 例：
>> I = imread('pout.tif'); >> J = imadjust(I,[0.3 0.7],[]); >> imshow(I), figure, imshow(J) >> K = imadjust(I,[0.0 1],[0.3 0.7]); >> figure, imshow(K) J I
第4章 图像的灰度变换
第4页
4.1 灰度变换的基本方法
灰度线性变换
– 若g(x, y)=T[ f(x, y)]=af(x, y) + b 是一个线性或分 段线性的单值函数，则由它确定的变换称为灰 度线性变换 – 如：图像的灰度范围较窄，图像看起来比较模 糊，造成目标图像灰度值与背景灰度值接近。
第4章 图像的灰度变换
第4章 图像的灰度变换
第7页
4.2 二值化和阈值处理
非零元素取一法
– 方法：如果像素灰度值为零，则其灰度值不变； 对于灰度值不为零的像素，灰度值变为255。 – 非零元素取一法函数表达式 0, f ( x, y ) 0 g ( x, y ) 255 , f ( x, y ) 0
第4章 图像的灰度变换
第8页
4.2 二值化和阈值处理
固定阈值法
– 为灰度图像设定一个阈值 T ，把灰度值小于给 定阈值 T 的像素灰度置为0，大于 T 的像素灰度 置为255 0, f ( x, y ) T – 函数表达式 g ( x, y ) 255 , f ( x, y ) T