图像增强中直方图均衡化的Matlab实现
基于直方图均衡化的图像增强技术分析与Matlab实现_叶松
ps ( s ) = pr ( r ) ⋅
d −1 dr T ( s ) = [ pr ( r ) ⋅ ]r =T −1 ( s ) （５） ds ds
因此， 直方图技术的基础就是通过变换函数Ｔ（ｒ）控制输入图像 灰度级的概率密度函数， 改变输出图像的灰度层次， 从而达到增强 图像的目的。
nk 0 ≤ r ≤1 n （２） k = 0,1,2, Λ , L − 1 P( rk ) =
2 、直方图均衡化
直方图均衡化处理是以累积分布函数变换法为基础的。 对于连 续图像， 变换函数为：
s = T ( r ) = ∫ pr (ù )dù （６）
1 、直方图处理
灰度级直方图是灰度级的函数， 是描述一幅图像中灰度级与出 现这种灰度的概率之间的关系的图形， 是图像最基本得统计特性。 直方图是多种空间域处理技术的基础， 直方图操作能有效地用于图 像增强。 为了便于数字图像处理， 图像的直方图须引入离散形式。 灰度 级为［０，Ｌ－１］范围的数字图像的直方图的离散函数为： ｈ（ｒｋ）＝ｎｋ （１） 其中ｒ ｋ是第ｋ 级灰度， ｎ ｋ是图像中灰度级ｒ ｋ的像素个数。 在图像 中， 像素的灰度级要作归一化处理一遍计算机进行处理， 用图像中 像素的总数ｎ 来除它的每个值， 得到归一化直方图：
图像增强技术是数字图像处理研究的基本对象之一。 增强的主 要目的是使图像按特定的需要突出图像中的某些信息， 同时， 削弱 或出去某些不需要的信息［１］。 图像空间域增强技术是数字图像增强 的一个重要应用， 是以对图像像素的直接处理为基础， 通过线性或 非线性变换来增强构成图像像素的一种技术。 本文所讨论的直方图 均衡化增强方法便属于这种方法。
由此可见， 用ｒ的累积分布函数作为变换函数可产生一幅灰度 级分布具有均匀概率密度函数的图像， 该图像的灰度级较为均匀 化［３］， 且覆盖了整个范围［０，１］。 灰度级均衡化的最终处理结果是扩展 了图像像素取值的动态范围， 具有较高的对比度。
MATLAB中的图像融合与增强技术指南
MATLAB中的图像融合与增强技术指南介绍图像处理是计算机科学与技术领域的核心研究方向之一，而MATLAB作为一种功能强大的科学计算软件，提供了许多图像融合与增强的工具和函数。
本文将深入探讨MATLAB中的图像融合与增强技术，并为读者提供一份详尽的技术指南。
一、图像融合技术1.1 像素级融合图像融合的一种常用方式是像素级融合，即将两幅或多幅图像的像素值进行组合，生成一幅新的图像。
MATLAB中的`imfuse`函数可以实现像素级融合，可以选择使用不同的融合方式，如加权平均、最大值、最小值等。
1.2 尺度级融合尺度级融合是一种多尺度图像处理技术，它将不同尺度空间中的图像进行融合，以获得更全面的信息。
MATLAB中的`waveletFusion`函数可用于尺度级融合，该函数使用小波变换对输入图像进行分解和重建，从而实现图像融合。
二、图像增强技术2.1 灰度变换灰度变换是一种常见的图像增强技术，它通过调整图像的灰度级别来改善图像的质量。
MATLAB中的`imadjust`函数可以实现灰度变换，可以通过调整参数来实现图像的对比度增强、亮度调整等效果。
2.2 直方图均衡化直方图均衡化是一种常用的图像增强技术，它通过重新分布图像的灰度级别，使得图像的直方图在整个灰度范围内更均匀。
MATLAB中的`histeq`函数可以实现直方图均衡化，可以使图像的对比度得到显著提高。
2.3 空间滤波空间滤波是一种用于图像增强的重要技术，它基于图像的局部邻域信息来对图像进行处理。
MATLAB中的`imfilter`函数可以实现各种空间滤波操作，如平滑、锐化、边缘检测等。
三、图像融合与增强实例3.1 多传感器图像融合多传感器图像融合是一种将来自不同传感器的图像信息进行融合的技术，旨在提高图像的质量和信息丰富度。
MATLAB中的`multisensorFusion`函数可以实现多传感器图像融合，可以选择使用不同的融合算法和技术。
基于matlab的直方图均衡化
目录1、引言 (2)2、直方图基础 (3)3、直方图均衡化 (3)3.1 直方图均衡化的概念 (3)3.2 直方图均衡化理论 (4)3.3 Matlab 实现 (4)4、结论 (7)致谢 (7)参考文献 (7)图像增强处理—直方图均衡化的Matlab 实现摘要：为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化及直方图规定化两种变换，此文中探讨了直方图的理论基础，直方图均衡化的概念及理论，以Matlab为平台，对某地区遥感TM单波段遥感影像进行直方图均衡化，并给出了具体程序、仿真结果图像、直方图及变换函数。
实验结果表明，原来偏暗的且对比度较低的图像经过直方图均衡化后图像的对比度及平均亮度明显提高，直方图均衡化处理能有效改善灰度图像的对比度差和灰度动态范围。
关键词：图像增强直方图均衡化 Matlab1、引言图像增强是指对图像的某些特征，如边缘、轮廓或对比度等进行强调或尖锐化。
当一幅图像曝光不足或过度，造成对比度过小或过大而不能显示具体细节，通过增加这些细节的动态范围改善图像的视觉效果。
图像增强可以突出图像中所感兴趣的特征信息，改善图像的主观视觉质量，提高图像的可懂度。
增强的首要目标是处理图像，使其比原始图像更适合于特定应用。
图像增强的方法分为两大类：空间域方法和频域方法。
“空间域”一词是指图像平面本身，这类方法是以对图像的像素直接处理为基础的。
“频域”处理技术是以修改图像的傅氏变换为基础的。
一般说来，原始遥感数据的灰度值范围都比较窄，这个范围通常比显示器的显示范围小的多。
增强处理可将其灰度范围拉伸到0-255 的灰度级之间来显示，从而使图像对比度提高，质量改善。
增强主要以图像的灰度直方图最为分析处理的基础。
直方图均衡化能够增强整个图像的对比度，提高图像的辨析程度，算法简单，增强效果好。
本文主要讨论了空间域的直方图均衡化增强，并用Matlab 进行实验验证。
直方图均衡化的matlab实现_数字图像处理课程论文
海南大学课程论文课程名称：数字图像处理题目名称：直方图均衡化的matlab实现学院：信息科学技术学院专业班级：2010级计算机科学与技术专业直方图均衡化的matlab实现摘要直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的图像增强方法。
为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，本文采用直方图均衡化的图像增强的基本理论原理，在matlab环境下，对数字图像进行直方图均衡化处理。
实验结果表明，原来偏暗的且对比度较低的图像经过直方图均衡化后图像的对比度及平均亮度明显提高，直方图均衡化处理能有效改善灰度图像的对比度差和灰度动态范围。
关键词：直方图，均衡化，matlab引言图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。
在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。
图像增强技术根据增强处理过程所在的空间不同，可分为基于空间域的算法和基于频率域的算法两大类。
基于空间域的算法分为点运算算法和邻域去噪算法。
点运算算法即灰度级校正、灰度变换和直方图均衡化等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。
直方图均衡化能够增强整个图像的对比度，提高图像的辨析程度，增强效果好。
本文讨论了空间域的直方图均衡化增强方法，并用matlab 进行了实现。
1.论文目的1.1通过直方图以及均衡化的理论原理，用matlab实现直方图均衡化；1.2 在加深对直方图以及均衡化的理论原理知识理解的基础上，学会运用已学的知识设计直方图均衡化实验并对结果进行分析，并用实验的结果来说明直方图均衡化的特点和应用。
2.直方图理论灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像元的个数。
确定图像像元的灰度值范围，以适当的灰度间隔为单位将其划分为若干等级，以横轴表示灰度级，以纵轴表示每一灰度级具有的像元数或该像元数占总像元数的比例值，做出的条形统计图即为灰度直方图。
使用Matlab进行图像增强与图像修复的方法
使用Matlab进行图像增强与图像修复的方法图像增强与图像修复是数字图像处理领域中的重要研究方向之一。
随着数字摄影和图像处理技术的快速发展，越来越多的应用需要对图像进行增强和修复，以提高图像的质量和视觉效果。
在本文中，我们将探讨使用Matlab进行图像增强和图像修复的方法。
一、图像增强方法图像增强是通过对图像进行处理，改善其质量，使其更加清晰、鲜明和易于观察。
下面将介绍几种常用的图像增强方法。
1. 灰度拉伸灰度拉伸是一种简单而有效的图像增强方法，通过拉伸图像的灰度范围，使得图像中的细节更加明确可见。
具体操作是将图像的最低灰度值映射到0，最高灰度值映射到255，中间的灰度值按比例映射到相应的范围。
在Matlab中，我们可以使用imadjust函数实现灰度拉伸。
2. 直方图均衡化直方图均衡化是一种常用的图像增强方法，通过对图像的灰度分布进行调整，使得图像的对比度得到增强。
具体操作是对图像的灰度直方图进行均衡化处理，将图像的灰度级分布均匀化。
在Matlab中，我们可以使用histeq函数实现直方图均衡化。
3. 锐化锐化是一种常用的图像增强方法，通过增强图像的边缘和细节，使得图像更加清晰和立体。
具体操作是对图像进行高通滤波，突出图像中的边缘信息。
在Matlab中，我们可以使用imsharpen函数实现图像锐化。
4. 去噪去噪是一种常用的图像增强方法，通过抑制图像中的噪声，提高图像的质量。
常见的去噪方法包括中值滤波、均值滤波和小波去噪等。
在Matlab中，我们可以使用medfilt2函数实现中值滤波。
二、图像修复方法图像修复是对图像中存在的缺陷或损坏进行补全或恢复的过程，以提高图像的可视化效果。
下面将介绍几种常用的图像修复方法。
1. 图像插值图像插值是一种常用的图像修复方法，通过根据已知的像素值推测缺失的像素值，从而补全图像中的缺失部分。
常见的插值方法包括最近邻插值、双线性插值和双立方插值等。
在Matlab中，我们可以使用interp2函数实现图像插值。
图像增强--直方图均衡化
程序课程设计报告2012年 7 月 9 日图像增强专业：*****班级：*****题目：图像增强小组成员： ***指导教师：***时间：2012年6月-7月摘要：图像增强是图像处理的一个重要分支, 它对图像整体或局部特征能有效地改善；直方图是图像处理中最重要的基本概念之一,它能有效地用于图像增强。
本文主要探讨了直方图的理论基础，直方图均衡化的概念及理论，同时用MATLAB语言加以实现, 给出标准的数字图像在各种处理前与处理后的对照图像及直方图。
实验结果表明, 用直方图均衡化的算法, 能有效改善灰度图像的对比度差和灰度动态范围，使处理后的图像视觉效果得以改善。
关键词：图像增强直方图均衡化Abstract: Image enhancement is an important branch of image processing, its image as a whole or partial characteristics can effectively improve. Histogram is one of the most important basic concepts of image processing, it can effectively be used for image enhancement. This paper mainly discusses the theoretical basis of the histogram, histogram equalization, the concepts and theories. We use the MATLAB language and give the standard digital images in various treatment and processing of the control image and histogram. The experimental results show that the histogram equalization algorithm can effectively improve the poor contrast and gray scale dynamic range of the grayscale image, the visual effects of the processed image can be improved. Keywords: Image enhancement Histogram Equalization1 引言图像增强是图像处理中的基本内容之一，在图像处理中占有非常重要的地位。
基于matlab的图像对比度增强处理的算法的研究与实现
基于matlab的图像对比度增强处理的算法的研究与实现1. 引言1.1 研究背景图像对比度增强是数字图像处理中的一个重要领域，它能够提高图像的视觉质量，使图像更加清晰、鲜明。
随着现代科技的快速发展，图像在各个领域的应用越来越广泛，因此对图像进行对比度增强处理的需求也越来越迫切。
在数字图像处理领域，图像对比度增强处理是一种经典的技术，通过调整图像的灰度级范围，提高图像的对比度，使图像更加清晰和易于观察。
对比度增强处理可以应用于医学影像、卫星图像、照片修复等领域，有效提升图像质量和信息量。
随着数字图像处理算法的不断发展和完善，基于matlab的图像对比度增强处理算法也得到了广泛研究和应用。
通过matlab编程实现图像对比度增强处理算法，可以快速、高效地对图像进行处理，并进行实验验证和效果分析。
研究基于matlab的图像对比度增强处理算法的研究与实现具有重要的理论意义和实际应用价值。
1.2 研究目的研究目的是探索基于matlab的图像对比度增强处理算法，通过对比不同算法的效果和性能进行分析，进一步提高图像的清晰度和质量。
具体目的包括：1. 深入理解图像对比度增强处理的基本原理，掌握常用的算法和技术；2. 研究基于matlab的图像对比度增强处理算法实现的方法和步骤，探究其在实际应用中的优劣势；3. 通过实验结果与分析，评估不同算法在提升图像对比度方面的效果和效率；4. 对现有算法进行优化与改进，提出更加有效的图像对比度增强处理方法；5.总结研究成果，为今后进一步完善图像处理技术提供参考和借鉴。
通过对图像对比度增强处理算法的研究与实现，旨在提高图像处理的效率和质量，满足不同应用领域对图像处理的需求，促进图像处理技术的发展和应用。
1.3 研究意义对比度增强处理是图像处理领域中一项重要的技术，在实际应用中有着广泛的使用。
通过增强图像的对比度，可以使图像更加清晰、鲜明，提高图像的质量和观感效果。
对比度增强处理在医学影像分析、卫星图像处理、数字摄影等领域都有着重要的应用。
图像增强中直方图均衡化的Matlab 实现
图像增强中直方图均衡化的Matlab 实现摘要：本文采用直方图均衡化的图像增强的基本原理, 借助数学公式, 在Matlab环境下, 对数字图像进行直方图均衡化处理, 实现原始图像直方图均匀分布, 增加像素灰度值的动态范围, 提高了图像的对比度。
关键词：图像增强, 直方图，均衡化, MatlabABSTRACT:In this paper, the basic principle of histogram equalization , image enhancement , with the mathematical formula , in the Matlab environment for digital image histogram equalization , to achieve uniform distribution of the original image histogram , increasing the dynamic range of pixel gray value , improve contrast of the image .KEYWORDS:image enhancement;histograme ;qualization;Matlab1引言图像增强是指对图像的某些特征,如边缘、轮廓或对比度等进行强调或尖锐化。
当一幅图像曝光不足或过度,造成对比度过小或过大而不能显示具体细节,通过增加这些细节的动态范围改善图像的视觉效果。
图像增强可以突出图像中所感兴趣的特征信息,改善图像的主观视觉质量,提高图像的可懂度。
增强的首要目标是处理图像使其比原始图像更适合于特定应用。
图像增强的方法分为两大类:空间域方法和频域方法。
“空间域”一词是指图像平面本身,这类方法是以对图像的像素直接处理为基础的。
“频域”处理技术是以修改图像的傅氏变换为基础的。
一般说来,原始遥感数据的灰度值范围都比较窄,这个范围通常比显示器的显示范围小的多。
《数字图像处理及MATLAB实现》图像增强与平滑实验
《数字图像处理及MATLAB实现》图像增强与平滑实验一．实验目的及要求1、熟悉并掌握MA TLAB 图像处理工具箱的使用；2、理解并掌握常用的图像的增强技术。
二、实验设备MATLAB 6.5 以上版本、WIN XP 或WIN2000 计算机三、实验内容（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。
熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
（可将每段程序保存为一个.m文件）1．直方图均衡化clear all; close all % Clear the MATLAB workspace of any variables% and close open figure windows.I = imread('pout.tif'); % Reads the sample images ‘pout.tif’, and stores it inimshow(I) % an array named I.display the imagetext(60,20,'李荣桉1909290239','horiz','center','color','r')figure, imhist(I) % Create a histogram of the image and display it in% a new figure window.[I2,T] = histeq(I); % Histogram equalization.figure, imshow(I2) % Display the new equalized image, I2, in a new figure window.text(60,20,'李荣桉1909290239','horiz','center','color','r')figure, imhist(I2) % Create a histogram of the equalized image I2.figure,plot((0:255)/255,T); % plot the transformation curve.imwrite (I2, 'pout2.png'); % Write the newly adjusted image I2 to a disk file named% ‘pout2.png’.imfinfo('pout2.png') % Check the contents of the newly written file2．直接灰度变换clear all; close allI = imread('cameraman.tif'); 注意：imadjust()功能：调整图像灰度值或颜色映像表，也可实现伽马校正。
MATLAB图像处理工具箱的高级图像增强算法详解
MATLAB图像处理工具箱的高级图像增强算法详解图像处理是数字图像处理领域中的重要分支，其中MATLAB图像处理工具箱是应用最广泛的工具之一。
该工具箱提供了许多高级图像增强算法，能够有效地优化图像质量，提高图像细节和对比度，从而使图像更加清晰和易于分析。
本文将详细解释几种主要的高级图像增强算法，并介绍它们的工作原理和应用场景。
1. 直方图均衡化算法直方图均衡化是一种常用的图像增强算法，用于提高图像的对比度。
该算法基于直方图分布的均匀性假设，通过拉伸直方图来实现像素值的均匀分布。
具体而言，它通过计算图像的累积分布函数来调整像素值。
直方图均衡化可广泛应用于医学影像分析、电视图像处理等领域，以改善图像细节和图像信息的可视化效果。
2. 自适应直方图均衡化算法自适应直方图均衡化算法是对传统直方图均衡化算法的改进。
传统算法基于图像全局直方图进行像素值的调整，这可能导致一些局部细节丢失。
为了克服这个问题，自适应直方图均衡化算法引入了局部直方图均衡化的概念。
它将图像划分为许多局部区域，并在每个区域内应用直方图均衡化算法。
这样能够更好地保留图像的局部细节和对比度信息。
3. 双边滤波算法双边滤波算法是一种常用的图像增强算法，用于减少图像的噪声。
与其他线性滤波算法不同，双边滤波器在计算滤波器系数时考虑了像素的空间距离和灰度差异。
这使得它能够保持图像的边缘信息，同时去除噪声。
双边滤波算法常用于图像去噪、图像增强等领域，以提高图像质量和视觉效果。
4. 维纳滤波算法维纳滤波算法是一种用于图像去噪的经典算法。
它基于图像信号和噪声的统计特性，采用滤波器来减少噪声的影响。
维纳滤波算法通过最小化均方误差来实现最佳平衡，既能抑制噪声，又能保留图像的细节。
该算法常用于医学图像处理、远程遥感图像处理等领域，在提高图像质量和减少噪声方面发挥重要作用。
5. 彩色图像增强算法彩色图像增强是图像处理的重要方向之一。
彩色图像增强算法包括色彩均衡、色度调整和对比度增强等技术。
matlab实验(直方图均衡化、频域锐化、空域锐化)
实验一直方图均衡化一、实验目的掌握基本的图象增强方法,观察图象增强的效果,加深对灰度直方图及直方图均衡化的理解，掌握直方图均衡化方法。
二、实验内容将一张彩色图片转换成灰色图片，做出均衡化后的直方图，并将灰度图和均衡化后的图片对比。
三、实验原理直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。
从而达到清晰图像的目的。
四、实验代码及结果clear all;f=imread('14.jpg');%读入灰色图像imwrite(rgb2gray(f),'14Gray.bmp'); %将彩色图片灰度化并保存f1=imread('14Gray.bmp');g=histeq(f1,250);%利用histep()函数对灰色图像进行直方图均衡化处理subplot(121);imshow(f1);title('灰色图像');%显示生成灰色图像subplot(122);imshow(g);title('直方图均衡化处理');%显示生成均衡化以后的图像五、实验结果分析利用imhist()函数对两幅图像的灰度范围进行分析，根据下图可知，灰色图像的灰度范围相对来说非常狭窄，图像质量比较差。
而经过直方图均衡化处理后，图像的对比度及平均亮度明显提高，直方图在整个亮度标度上明显扩展，图像质量明显提高。
实验二空域锐化一、实验目的理解图象锐化的概念，掌握常用空域锐化增强技术。
加深理解和掌握图像锐化的原理和具体算法，理解图象锐化增强的处理过程和特点。
二、实验内容利用一阶微分锐化增强，实现Roberts算子的锐化处理。
观察处理前后图像效果，分析实验结果和算法特点。
三、实验原理Roberts算子是突出图像的细节或者是增强被模糊了的细节。
因此要对图像实现锐化处理，可以用空间微分来完成，但是，这样图像的微分增强了边缘和其他的突变（如噪声）并削弱了灰度变化缓慢区域。
直方图均衡化matlab程序
直方图和直方图均衡的Matlab完整程序(数字图像处理)一、实验目的掌握基本的图象增强方法,观察图象增强的效果,加深对灰度直方图及直方图均衡化的理解，掌握直方图均衡化方法。
二、实验内容将一张彩色图片转换成灰色图片，画灰度直方图和均衡化后的直方图，并将灰度图和均衡化后的图片对比。
三、实验原理灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其所出现的频度。
通常，灰度直方图的横坐标表示灰度值，纵坐标为像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。
直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。
从而达到清晰图像的目的。
四、实验程序%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%函数功能，画出图像的直方图，并对图像进行直方图均衡%直接读图像abc.jpg，读到tuu中%graydis是原始直方图各灰度级像素个数%原始直方图graydispro，利用原始直方图计算原始累计直方图graydispro%t[]计算和原始灰度对应的新的灰度t[]，建立映射关系，t坐标代表原始的灰度，t[]代表对应原始坐标的新坐标%new_graydis是统计新直方图各灰度级像素个数%计算新的灰度直方图new_graydispro,利用新的直方图计算新的累计直方图new_graydispro%计算直方图均衡后的新图new_tu %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%clear allclose alltuu=imread('abc.jpg'); %读入图片tu=rgb2gray(tuu); %将彩色图片转换为灰度图graydis=zeros(1,256); %设置矩阵大小graydispro=zeros(1,256);new_graydis=zeros(1,256);new_graydispro=zeros(1,256);[h w]=size(tu);new_tu=zeros(h,w);%计算原始直方图各灰度级像素个数graydisfor x=1:hfor y=1:wgraydis(1,tu(x,y))=graydis(1,tu(x,y))+1;endend%计算原始直方图graydisprograydispro=graydis./sum(graydis);subplot(1,2,1);plot(graydispro);title('灰度直方图');xlabel('灰度值');ylabel('像素的概率密度');%计算原始累计直方图for i=2:256graydispro(1,i)=graydispro(1,i)+graydispro(1,i-1); end%计算和原始灰度对应的新的灰度t[]，建立映射关系for i=1:256t(1,i)=floor(254*graydispro(1,i)+0.5);end%统计新直方图各灰度级像素个数new_graydisfor i=1:256new_graydis(1,t(1,i)+1)=new_graydis(1,t(1,i)+1)+graydis(1,i); end%计算新的灰度直方图new_graydispronew_graydispro=new_graydis./sum(new_graydis);subplot(1,2,2);plot(new_graydispro);title('均衡化后的灰度直方图');xlabel('灰度值');ylabel('像素的概率密度');%计算直方图均衡后的新图new_tufor x=1:hfor y=1:wnew_tu(x,y)=t(1,tu(x,y));endendfigure,imshow(tu,[]);title('原图');figure,imshow(new_tu,[]);title('直方图均衡化后的图');//////////////////////////////////////////////////////另外两种代码：Matlab下面的代码来自archiless，注释非常详细，适合初学。
基于MATLAB的直方图均衡算法研究与实现毕业设计论文
摘要毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：日期：学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。
本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
作者签名：日期：年月日导师签名：日期：年月日注意事项1.设计（论文）的内容包括：1）封面（按教务处制定的标准封面格式制作）2）原创性声明3）中文摘要（300字左右）、关键词4）外文摘要、关键词5）目次页（附件不统一编入）6）论文主体部分：引言（或绪论）、正文、结论7）参考文献8）致谢9）附录（对论文支持必要时）2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。
直方图均衡化的MATLAB实现(遥感课程设计)
s T r Pr r dr
0
(2.4)
其中，
P r dr 是 r 的累积分布函数，由于累积分布函数是 r 的函数，且从 0 到 1 单调递
0 r
r
增，所以变换函数即式（2.4）满足关于 T r 在 0 r 1 区间内单值单调增加，在 0 r 1 内有 0 T r 1 的两个条件。 对公式（2.4）中的 r 求导，有 ds / dr Pr r ，把求导结果代入式（2.3），则有：
2、图像直方图均衡化
直方图是反映一幅图像中的灰度级与出现这种灰度级的概率之间关系的统计图表。 直方
图的横坐标是灰度级 rk ， 纵坐标是图像中具有该灰度级的像素个数或出现这个灰度级数的概 率 P rk 。直方图能直观地表示出图像具有某种灰度级的像素个数，是对图像灰度值分布情 总数， nk 为第 k 级灰度的像素数。 通过观察图像的灰度直方图， 就可以判断这幅图像的对比度和清晰度， 也可以掌握图像 的明暗程度。本文即采用直方图均衡化[11]的方法来对航拍图像进行增强处理。 设 r 和 s 分别表示归一化 （注： 归一化是指图像的灰度值通过某个比例变换后限制在[0,1] 之间）的图像灰度和经直方图修正后的图像灰度，即 0 r , s 1 。在 0,1 区间内的任何一 个 r 值都可产生一个 s 值，且有： s T r 。T r 为变换函数，满足：（1）在 0 r 1 区 间内是单调递增函数；（2）对于 0 r 1 ，有 0 T r 1 。条件（1）保证变换后的灰度 从黑到白的次序不变，条件（2）确保灰度变换后的像素处于允许的范围之内。从 s 到 r 的 反变换关系为： r T 况的整体描述。概率灰度直方图的计算公式为： P rk nk / N 。其中 N 为图像中的像素
基于直方图均衡化的图像增强技术分析与Matlab实现
基于直方图均衡化的图像增强技术分析与Matlab实现作者：叶松赵文昌来源：《数字技术与应用》2012年第01期摘要：本文主要讨论了直方图均衡化处理的图像增强技术的基本原理，并用Matlab语言实现了直方图均衡化的图像增强处理。
实验结果表明，直方图均衡化处理能有效地改善图像的对比度，改善图像的灰度层次。
关键词：图像增强灰度级直方图均衡化 Matlab中图分类号：TP751 文献标识码：A 文章编号：1007-9416(2012)01-0174-02枷裨銮考际跏鞘滞枷翊硌芯康幕径韵笾弧Ｔ銮康闹饕康氖鞘雇枷癜刺囟ǖ男枰怀鐾枷裰械哪承┬畔ⅲ保魅趸虺鋈ツ承┎恍枰男畔。
图像空间域增强技术是数字图像增强的一个重要应用，是以对图像像素的直接处理为基础，通过线性或非线性变换来增强构成图像像素的一种技术。
本文所讨论的直方图均衡化增强方法便属于这种方法。
1、直方图处理灰度级直方图是灰度级的函数，是描述一幅图像中灰度级与出现这种灰度的概率之间的关系的图形，是图像最基本得统计特性。
直方图是多种空间域处理技术的基础，直方图操作能有效地用于图像增强。
为了便于数字图像处理，图像的直方图须引入离散形式。
灰度级为[0,L-1]范围的数字图像的直方图的离散函数为：h(rk)=nk (1)其中rk是第k级灰度，nk是图像中灰度级rk的像素个数。
在图像中，像素的灰度级要作归一化处理一遍计算机进行处理，用图像中像素的总数n来除它的每个值，得到归一化直方图:环枷竦幕叶燃秗被归一化到区间[0,1]，且r=0代表黑色，r=1代表白色。
对于一幅给定的图像，每一个像素取得[0,1]区间内的灰度级是随机的，那么图像灰度级r可被看作为区间[0,1]的随机变量[2]，就可以用概率密度函数pr(r)来表示原始图像的灰度分布。
令s为增强后的图像灰度级像素值，相应可以用概率密度函数ps(s)来表示增强后的图像灰度分布。
可以对[0,1]区间内原始图像的任意一个灰度级r值进行如下变换，得到输出灰度级s：s=T(r) (3)通过上述变换，每个原始图像的灰度值r都对应产生一个增强后图像的灰度级s值。
MATLAB直方图均衡化代码
I = imread('C:\Documents and Settings\dmt\桌面\实习\图像\灰度图像\lenna.bmp')
imshow(I);
imhist(I);
直方图和直方图均衡的Matlab完整程序 2010-06-04 15:43:10
title('灰度化后的图像')
%二，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
for k=0:255
y(i,j)=bmap(I(i,j)+1);
end
end
y=uint8(y);
figure;
imshow(y);
clear all;
I = imread('1.jpg');
I=rgb2gray(I); %灰度化
%绘制直方图
[m,n]=size(I);
GP=zeros(1,256);
for k=0:255
GP(k+1)=length(find(I==k))/(m*n); %计算每级灰度出现的概率，将其存入GP
end
%三，直方图均衡化
S1=zeros(1,256);
for i=1:256
temp=0;
for j=1:i
temp=temp+hf(j);
end
bmap(i)=floor(temp*255/(m*n));
end
y=zeros(m,n);
for i=1:m
for j=1:n
基于Matlab的图像直方图规定化的实现
１ Ｍａｔｌａｂ程序流程图
2是girl的原图，图
是标准直方图，图5是
图匹配到标准后的直方图。
视觉上看两幅图是有明显变化的，两幅图的直方图也有比较
图２ ｇｉｒｌ原图
图３ ｇｉｒｌ原图的直方图
图４ 标准直方图
图５ ｇｉｒｌ匹配到标准的图
图６ ｇｉｒｌ匹配到标准的直方图
直方图规定化能够产生特定的直方图，对图像中需要研究的灰度进行增强。
仿真结果表明直方图规定化能够有选择地对需要研究的灰度范围进行对比度增强，得到期望的增
图像增强技术中的直方图规定化技术是应用范围非常广的技术，在其他复杂图像处理技术（如分割技术）中也起到了比较重要的作用。
许多新技术、新思想的提出与新的应用方向的出现给该技术带来了蓬勃生机，使得该技术不断推
参考文献
基于直方图的高效图像增强算法研究
杭州电子科技大学,2014.
李庆.数字图像处理及MATLAB
,2010.
.数字图像处理[M].武汉:。
matlab亮度增强代码
matlab亮度增强代码一、前言在数字图像处理中，亮度增强是常用的一种技术。
它可以使图像的亮度更加均匀，提高图像的对比度，使细节更加清晰。
本文将介绍使用MATLAB实现亮度增强的代码。
二、亮度增强原理亮度增强的原理是通过调整图像中每个像素点的灰度值来达到提高图像对比度和清晰度的目的。
常用的方法包括直方图均衡化、自适应直方图均衡化、对数变换等。
三、直方图均衡化1. 原理直方图均衡化是最常用的一种亮度增强方法。
它通过将输入图像转换为具有平坦直方图的输出图像来达到增强效果。
具体步骤如下：（1）计算输入灰度级别范围内每个灰度级别出现的概率。
（2）计算累积分布函数。
（3）根据累积分布函数将输入灰度值映射到输出灰度值。
2. 代码实现以下是MATLAB实现直方图均衡化的代码：```matlabfunction output = histeq(input)[M, N] = size(input);num_pixels = M * N;output = uint8(zeros(M, N));% 计算灰度直方图hist = imhist(input);% 计算累积分布函数cdf = cumsum(hist) / num_pixels;% 映射输入灰度值到输出灰度值for i = 1:Mfor j = 1:Noutput(i,j) = round(cdf(input(i,j)+1) * 255);endendend```四、自适应直方图均衡化1. 原理自适应直方图均衡化是一种改进的直方图均衡化方法。
它将输入图像分成若干个小区域，每个小区域内进行直方图均衡化，以达到更好的增强效果。
2. 代码实现以下是MATLAB实现自适应直方图均衡化的代码：```matlabfunction output = adapthisteq(input)[M, N] = size(input);num_pixels = M * N;output = uint8(zeros(M, N));% 将输入图像分成若干个小区域，每个小区域内进行直方图均衡化 block_size = 16;for i = 1:block_size:M-block_size+1for j = 1:block_size:N-block_size+1% 获取当前小区域内的像素值并计算灰度直方图和累积分布函数block = input(i:i+block_size-1, j:j+block_size-1);hist = imhist(block);cdf = cumsum(hist) / num_pixels;% 映射当前小区域内的像素值到输出灰度值for x = i:i+block_size-1for y = j:j+block_size-1output(x,y) = round(cdf(input(x,y)+1) * 255);endendendendend```五、对数变换1. 原理对数变换是一种简单的亮度增强方法。
- 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)。
2
直方图图像增强的基本理论
大多数原始的遥感图像由于其灰度分布集中在较窄的范围内,使图像的细节
不够清晰,对比度较低。 为了使图像的灰度范围拉开或使灰度均匀分布,从而增大 反差,使图像细节清晰,以达到增强的目的,通常采用直方图均衡化及直方图规定 化两种变换。本文主要介绍直方图均衡化并进行实验。 2.1 直方图均衡化的概念 直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对 图像进行非线性拉伸 ,重新分配图像象元值,使一定灰度范围内象元值的数量大 致相等。 这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对 比度降低,输出图像的直方图是一个较平的分段直方图 :如果输出数据分段值较 小的话,会产生粗略分类的视觉效果。 2.2 图像灰度直方图 直方图是表示数字图像中每一灰度出现频率的统计关系。 直方图能给出图像 灰度范围、 每个灰度的频度和灰度的分布、整幅图像的平均明暗和对比度等概貌 性描述。 灰度直方图是灰度级的函数, 反映的是图像中具有该灰度级像素的个数, 其横坐标是灰度级 r, 纵坐标是该灰度级出现的频率( 即像素的个数) pr( r) , 整个坐标系描述的是图像灰度级的分布情况, 由此可以看出图像的灰度分布特 性, 即若大部分像素集中在低灰度区域 , 图像呈现暗的特性; 若像素集中在高 灰度区域, 图像呈现亮的特性。 2.3 直方图均衡化 图 1 所示就是直方图均衡化, 即将随机分布的图像直方图修改成均匀分布 的直方图。 基本思想是对原始图像的像素灰度做某种映射变换, 使变换后图像灰 度的概率密度呈均匀分布。 这就意味着图像灰度的动态范围得到了增加, 提高了 图像的对比度。
r i T 1 (Si )
4 Matlab 环境下算法实现及结果分析
4.1 实验过程 本文选取一张人物图像进行算法实验, 文件可存储栅格、矢量、DEM 等多种 格式,支持用户自定义数据, 是一种开放式的数据格式。为了便于操作, 实验采 用 IMG 格式的数据结构。 在 Matlab 中自定义 M 文件, 输入如下算法程序: clc; clear; I= imread('a.jpg'); I= rgb2gray(I) ; %将图像转换为灰度图像
图像增强中直方图均衡化的 Matlab 实现
摘要： 本文采用直方图均衡化的图像增强的基本原理, 借助数学 公式, 在 Matlab 环境下, 对数字图像进行直方图均衡化处理, 实现原始图像直方图均匀分布 , 增加像素灰度值的动态范围 , 提高了图像的对比度。 关键词：图像增强, 直方图，均衡化, Matlab ABSTRACT:In
[4] 汪志云,黄梦为等.基于直方图的图像增强及其 Matlab 实现[J].计算机工程 与科学，2006,28(2):54—56. [5] 钱海军,雷剑刚,钱峰.基于 Matlab 图像增强中直方图均衡化的应用[J].电 脑开发与应用，2011，11（24）:52-53. [6] 孙家柄. 遥感原理与应用[M]. 武汉: 武汉大学出版社,2003. [7] 黄 [8] 段 [9] 黄 涛. 直方图在数字图像的应用[J] . 现代计算机,2004,(7):75-78. 竹,吴 镝. 图像增强方法研究[J]. 商场现代化,2009,(1):23.
图 1 直方图均衡化 通过这种技术可以清晰地在直方图上看到图像亮度的分布情况, 并可按照 需要对图像亮度调整。另外,这种方法是可逆的, 如果已知均衡化函数, 就可以 恢复原始直方图。
3 直方图均衡化算法分析
设变量 r 代表图像中像素灰度级。对灰度级进行归一化处理, 则 0≤r≤1, 其中 r= 0 表示黑, r= 1 表示白。对于一幅给定的图像来说, 每个像素值在[ 0,1] 的灰度级是随机的。用概率密度函数 pr (r ) 来表示图像灰度级的分布。 为了有利于数字图像处理, 引入离散形式。在离散形式下, 用 r k 代表离散 灰度级, 用 Pr (r k ) 代表 pr (r ) , 并且下式成立: P r (r k )
图2
原始图像与均衡化后的图像比较
图3
原始图像直方图与均衡化后的图像直方图比较
通过对比, 可以发现原始图像的灰度主要分布在中低灰度级上, 在高灰度 级上图像的像素数很少。 经过直方图均衡化处理后, 图像像素数在高中低灰度级 上分布较均匀, 图像对比度有较大提高。
5Hale Waihona Puke 结论直方图均衡化是图像增强技术的基本方法,本文分析了这种处理方法的基本 理论,并用 Matl ab 进行实验,结果表明,直方图均衡化在一定程度上改善了图像 的对度差和灰度动态范围,增强了图像的可读性,提高了图像的可分性,有利于进 行遥感图像的目视解译。该算法简单,是一种行之有效的图像增强算法。
nk n
其中, 0≤ r k ≤1, k=0, 1, 2, …, n-1。式中 n k 为图像中出现 r k 这种灰度 的像素数, n 是图像中的像素总数, 而 图均衡化的函数表达式为:
Si T (ri )
i 0 k 1
nk 就是概率论中的频数。图像进行直方 n
ni n
式中, k 为灰度级数。相应的反变换为:
参考文献
[1] 李耀辉， 刘保军.基于直方图均衡的图像增强[J].华北科技学院学报，2003， 5(2):65-66. [2] 姚 静,武文波,康停军.直方图均衡化的 Matiab 实现[J].辽宁工程技术大 学学报,2007,11(26):60-62. [3] 阮秋琦.数字图像处理学[M].北京：电子工业出版社,2001:181—195.
昆,陈登胜,余国忠. 直方图均衡化在遥感图像彩色合成中的应用[ J] .
安徽农业科学,2010(3): 20-23. [10] 贾其, 吕绪良,吴超, 等.基于人眼视觉特性的红外图像增强技术研究 [J] 红外技术,2010(6): 80-83.
this paper, the basic principle of histogram equalization , image
enhancement , with the mathematical formula , in the Matlab environment for digital image histogram equalization , to achieve uniform distribution of the original image histogram , increasing the dynamic range of pixel gray value , improve contrast of the image .
J= histeq( I) ; %对 I 进行直方图均衡化 subplot( 121) ,imshow(I) ,title('原始图像') ; subplot (122), imshow(J), title('直方图均衡化后的图像'); figure( 2) ; subplot( 121) ,imhist(I, 64), title( '原始的直方图'); subplot( 122) , imhist(J,64) , title(' 均衡化后的直方图'); 4.2 实验结果 Matlab 环境下的实验结果如图 2 所示。图 2 是原始图像与经过均衡化后的 图像对比结果; 图 3 是原始图像的直方图与经过均衡化的直方图对比。
KEYWORDS:image enhancement;histograme ;qualization;Matlab 1 引言
图像增强是指对图像的某些特征,如边缘、轮廓或对比度等进行强调或尖锐 化。当一幅图像曝光不足或过度 ,造成对比度过小或过大而不能显示具体细节 , 通过增加这些细节的动态范围改善图像的视觉效果。 图像增强可以突出图像中所 感兴趣的特征信息,改善图像的主观视觉质量,提高图像的可懂度。 增强的首要目标是处理图像使其比原始图像更适合于特定应用。 图像增强的 方法分为两大类:空间域方法和频域方法。“空间域”一词是指图像平面本身 , 这类方法是以对图像的像素直接处理为基础的。 “频域”处理技术是以修改图像 的傅氏变换为基础的。 一般说来,原始遥感数据的灰度值范围都比较窄,这个范围 通常比显示器的显示范围小的多。 增强处理可将其灰度范围拉伸到 0-255 的灰度 级之间来显示,从而使图像对比度提高,质量改善。 增强主要以图像的灰度直方图 最为分析处理的基础。直方图均衡化能够增强整个图像的对比度,提高图像的辨 析程度,算法简单,增强效果好。本文主要讨论了空间域的直方图均衡化增强, 并用 Matlab 进行实验验证。