《数字图像处理》课内实验_new

《数字图像处理》课内实验

实验一 直方图均衡

一、实验题目：

直方图均衡

二、实验目的：

在学习图像直方图的概念、计算方法、性质和相关使用基础上，生成、绘制

图像的直方图，并使用MATLAB 编程实现图像直方图均衡化程序。 三、实验内容：

（1）计算并绘制图像直方图；

（2）编程实现图像的直方图均衡化处理，显示均衡前后的直方图和图像；

四、预备知识：

（1）熟悉图像读写和显示； （2）理解图像直方图的概念及用途；

（3）理解直方图均衡化的概念及使用背景；

五、实验原理：

在对图像进行处理之前，了解图像整体或局部的灰度分布情况非常必要。

对图像的灰度分布进行分析的重要手段就是建立图像的灰度直方图（Density Histogram ），利用图像灰度直方图，可以直观地看出图像中的像素亮度分布情况；通过直方图均衡化，可以对图像的质量进行调整。

（1）生成并绘制图像的直方图

假设一幅数字图像的像素总数为N ，在范围[0，G]内共有L 个灰度级，其

直方图定义为离散函数()k k n r h =，其中，r k 是区间[0，G]内的第K 级的亮度，n k 是灰度级为r k 的图像中的像素数。

对于uint 8类图像，G 的值为255；对于uint 16类图像，G 的值为65535；对于double 类图像，G 的值为1.0。记住，MATLAB 中的索引不能为0，故r 1相当于灰度级0，r 2相当于灰度级1，如此等等，r L 相当于灰度级G 。其中，uint 8类图像或uint 16类图像中G=L-1。

通常，会用到归一化直方图，即用所有元素h(r k )除以图像中的像素总数N 所得到的图形：

P(r k )表示灰度

级r k 出现的频数。

MATLAB 图像处理工具箱提供了imhist 函数来计算和显示图像的直方图，其调用格式为：

imhist(I,b)

[COUNTS,X] = imhist(I)

其中I 为输入图像，b 为指定的灰度级数目，默认值为256。[COUNTS,X]=imhist(…)返回直方图统计的数据和相应的灰度级向量X 。使用表达式p= imhist(I,b)/N 就可简单地获得归一化直方图，这里N 为图像中的像素总数。显示图像’lean.bmp ’的直方图及归一化直方图，如图1.2.1所示。

(a) 原图 (b) 直方图 (c) 归一化直方图

图1.2.1 灰度图像的直方图及归一化直方图

如果图像的灰度分别集中在较窄的区间，从而引起图像细节的模糊，为了增强图像，可通过改善各部分亮度的比例关系，即通过直方图的方法来实现。这种方法是以概率论为基础的，常用的方法有直方图均衡化和直方图匹配（规定化）。

(2) 直方图均衡化

直方图均衡化也叫做直方图均匀化，是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，此时图像的熵最大，图像所包含的信息量最大，且扩展了像元取值的动态范围，从而达到增强图像整体对比度的效果。

设一幅图像总像元数为N ，灰度级的个数为L ，第K 个灰度级r k 出现的频数为n k ,则第k 灰度级出现的概率为

()()1,...,1,0,

10-=≤≤=

L k r N

n r p k k

k r

此时变换函数可表示为

()()()1,...,1,0,

100

-=≤≤===∑

∑==L k r N

n r p r T s k k

j j k j j r k k

()()L

k N n

N r h r p k k k ,...,2,1,

===

根据原图像的直方图统计值就可算出均衡化后各像元的灰度值。直方图上灰度分布较密的部分被拉伸；灰度分布较稀疏的部分被压缩，使图像对比度总体上得到增强。

MATL AB 图像处理工具箱提供了直方图均衡函数histeq 。其调用格式为：

J = histeq(I,n); [J,T] = histeq(I,…);

其中,n 是均衡化后的灰度级数目，是一个可选参数，缺省值是64。[J,T]=histeq(I,…)返回能从图像I 的灰度直方图变换成图像J 的直方图的变换函数T 。显示图像’RSImg.gif ’的直方图均衡化前后的图像及对应的直方图，如图2-3所示。

(a)原图

像 直方图均衡化后图

像 (b)

(c) 原图的直方图 (d) 均衡化后的直方图

图

1.2.3

直方图均衡化前后的图像及其直方图

经过

均衡化后，原图中

较暗区

域中的一些细节更清晰。

六、实验步骤:

（1）打开一幅灰度图像，利用MATLAB 工具箱所提供的函数计算并绘制图

像的直方图和归一化直方图；

（2）利用相应的MATLAB 函数对灰度图像进行直方图均衡化，显示均衡化后的图像及对应的直方图，分析均衡化后图像有何变化，均衡化后的直方图有何特点；

七、思考题

(1) 灰度直方图可以反映一幅图像的哪些特征？ (2) 均衡化后的直方图有何特点？

八、实验程序代码：

（1）生成并绘制灰度图像的直方图及归一化直方图

clear all ;

I=imread('lena_gray_256.tif '); %打开一幅灰度图像 [m,n]=size(I);

p=m*n;

J=imhist(I)./p; %计算图像的归一化直方图

subplot(1,3,1),imshow(I)；

subplot(1,3,2),imhist(I,64)；

subplot(1,3,3),plot(J)；

（2）直方图均衡化

clear all;

Im=imread('region.jpg');

J=histeq(Im); %均衡化

subplot(2,2,1);

imshow(Im);

title('原图'); %显示原图

subplot(2,2,2);

imhist(Im);

title('原图直方图'); %显示原图的直方图

subplot(2,2,3);

imshow(J);

title('均衡化结果'); %显示均衡化后的图像

subplot(2,2,4);

imhist(J);

title('均衡化结果的直方图'); %显示均衡化后的直方图

实验二频域图像增强

一、实验题目：

频域图像增强

二、实验目的：

掌握基于频域的图像增强方法。

三、实验内容：

（1）编程实现图像的理想低通和高通滤波；

（2）编程实现图像的巴特沃斯低通和高通滤波。四、预备知识：