数字图像处理课设报告讲解
《数字图像处理》课程设计报告
1．课程设计目的1、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
2、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
2．课程设计内容及实现2.1、二维快速傅立叶变换:本项目的重点是:这个项目的目的是开发一个2-D FFT程序“包”，将用于在其他几个项目。
您的实现必须有能力：(a)乘以（-1），x + y的中心变换输入图像进行滤波。
(b) 一个真正的函数相乘所得到的（复杂的）的阵列（在这个意义上的实系数乘以变换的实部和虚部）。
回想一下，对相应的元件上完成两幅图像的乘法。
(c) 计算傅立叶逆变换。
(d) 结果乘以（-1）x + y的实部。
(e) 计算频谱。
基本上，这个项目实现了图。
4.5。
如果您正在使用MATLAB，那么您的傅立叶变换程序将不会受到限制，其大小是2的整数次幂的图像。
如果要实现自己的计划，那么您所使用的FFT例程可能被限制到2的整数次幂。
在这种情况下，你可能需要放大或缩小图像到适当的大小，使用你的程序开发项目02-04逼近：为了简化这个和以下的工程（除项目04-05），您可以忽略图像填充（4.6.3节）。
虽然你的结果不会完全正确，将获得显着的简化，不仅在图像的大小，而且在需要裁剪的最终结果。
由这种近似的原则将不会受到影响结果如下：主要代码f=imread('Fig4.04(a).jpg');H=imread('Fig4.04(a).jpg');subplot(3,2,1);imshow(f);title('(a)原图像');[M1,N1]=size(f);f=im2double(f);[M2,N2]=size(H);H=im2double(H); %把灰度图像I1的数据类型转换成转换成双精度浮点类型for x=1:M1for y=1:N1f(x,y)=(-1)^(x+y)*f(x,y); %用（-1）^(x+y)乘以输入图像,来实现中心化变换endendF=fft2(f); %使用函数fft2可计算傅立叶变换subplot(3,2,3);imshow(F);title('(b)傅立叶变换的图像');if(M2==1)&&(N2==1)G=F(x,y)*H(x,y);elseif((M1==M2)&&(N1==N2))for x=1:M1for y=1:N1G(x,y)=F(x,y)*H(x,y);endendelseerror('输入图像有误','ERROR');end %通过两个图像的乘法程序，实现对相应元素的相乘g=ifft2(G);subplot(3,2,4);imshow(g);title('(c)傅立叶逆变换的图像');for x=1:M1for y=1:N1g(x,y)=(-1)^(x+y)*g(x,y);endendg=real(g);S=log(1+abs(F)); %计算傅立叶幅度谱并做对数变换subplot(3,2,5);plot(S); %二维图像显示幅度谱title('(d)二维图像显示幅度谱');Q=angle(F); %计算傅立叶变换相位谱subplot(3,2,6);plot(Q);title('(e)二维图像显示相位谱'); %二维图像显示相位谱结果截图图1 傅里叶变换及频谱图结果分析：图1中（a）是原始灰度图像，对原图进行傅里叶变换，用（-1）^(x+y)乘以输入图像,来实现中心化变换得到（b），（c）为傅里叶变换的逆变换得到的图像。
数字图像课程设计报告
《数字图像处理》课程设计报告——手写阿拉伯数字的识别1、课程设计目的1)、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
2)、掌握文献检索的方法与技巧。
3)、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
2、方法综述字符识别处理的信息可分为两大类:一类是文字信息，处理的主要是用各国家、各民族的文字(如:汉字，英文等)书写或印刷的文本信息，目前在印刷体和联机手写方面技术已趋向成熟，并推出了很多应用系统;另一类是数据信息，主要是由阿拉伯数字及少量特殊符号组成的各种编号和统计数据，如:邮政编码、统计报表、财务报表、银行票据等等，处理这类信息的核心技术是手写数字识别。
本次实验是对手写的阿拉伯数字进行识别，主要步骤包括预处理模块（其中用到图像分割方法），特征提取和利用人工神经网络（具体运用BP 神经网络方法）进行数字的识别。
2.1图像分割：图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。
它是由图像处理到图像分析的关键步骤。
现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
2.1.1基于阈值的分割方法灰度阈值分割[1]法是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类。
阈值分割方法实际上是输入图像f到输出图像g的如下变换：其中，T为阈值，对于物体的图像元素g(i,j)=l，对于背景的图像元素g(i,j)=0。
由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。
阈值确定后，将阈值与像素点的灰度值比较和像素分割可对各像素并行地进行，分割的结果直接给出图像区域。
阈值分割的优点是计算简单、运算效率较高、速度快。
在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。
人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。
数字图像处理课程报告(matlab)
南京理工大学实验报告课程：数字图像处理学生姓名：周一鸣学号：912106840640实验摘要：输入一个图像和一个尺度小的水印图像，对两幅图像求加运算，设置不同透明度，显示加水印的图像。
关键字：图像相加、透明度。
一、实验目的：输入一幅图像，再输入一幅水印图像，水印图像尺寸较小。
之后将两幅图像相加，添加水印到第一幅图像中，之后设置水印图像的透明度，将水印图像显示出来。
二、基本原理：首先，将较小的水印图片进行重采样，使之尺寸与第一幅图像相同，之后两图相加，相加后得到添加水印后的图像，水印可以设置多种透明度。
重采样：水印与图像相加：三、实验算法流程图及算法简介：图像的显示：Matlab显示语句 imshow（I,[low high]） %图像正常显示I为要显示的图像矩阵。
,[low high]为指定显示灰度图像的灰度范围。
高于high 的像素被显示成白色；低于low的像素被显示成黑色；介于high和low之间的像素被按比例拉伸后显示为各种等级的灰色。
subplot(m,n,p)打开一个有m行n列图像位置的窗口，并将焦点位于第p个位置上。
获取图像的尺寸：[m,n]=size(IMG1);重新设置图像的尺寸：IMG2=imresize(IMG2,[m,n]);图像相加运算：IMG3(i,j,1) = IMG1(i,j,1)*ALPHA_PARAM + IMG2(i,j,1)*(1-ALPHA_PARAM);透明度设置：ALPHA_PARAM = 0.85;四、实验结果与分析（该部分是重点，1000字）过程1：程序代码：IMG1 = imread('F:\ronghe\1.jpg'); % 读取RGB文件，小姑娘IMG2 = imread('F:\ronghe\2.jpg'); % 读取RGB文件，水印logo结果：读取了原图像和水印图像。
过程2：程序代码：[m,n]=size(IMG1);IMG2=imresize(IMG2,[m,n]);结果：对较小的水印图片重采样，使之与原图像尺寸相同，才可以相加运算。
《数字图像处理技术课程设计报告》
《数字图像处理技术》课程设计报告设计题目：车牌识别系统班级：数媒姓名：学号：一、目的与要求1、提高分析图像处理问题的能力，进一步巩固在《数字图像处理技术》课程中所掌握的基本原理与方法。
2、掌握并使用一门计算机语言，进行数字图像处理的应用设计。
二、设计的内容1、主要功能：牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等。
2、系统工作的原理以及过程：（1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像；（2）由摄像机或CCD 摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等；（3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域；（4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。
三、总体方案设计车牌识别的最终目的就是对车牌上的文字进行识别。
主要应用的为模板匹配方法。
因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB及以上。
系统可以运行于Windows98、Windows2000或者Windows XP操作系统下，程序调试时使用matlab。
1、功能模块的划分：（1）预处理及边缘提取：图象的采集与转换，边缘提取。
（2）牌照的定位和分割：牌照区域的定位，牌照区域的分割，车牌进一步处理。
（3）字符的分割与归一化：字符分割，字符归一化。
（4）字符的识别2、具体功能实现的原理以及流程图：1、预处理及边缘提取预处理及边缘提取流程图（1）图象的采集与转换：考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色 B 通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。
数字图像处理课程设计报告
数字图像处理课程设计报告课设题目：运动目标的跟踪学院：信息科学与工程学院专业：电子与信息工程班级：0902501班姓名：学号：指导教师：赵占锋周志权于海雁哈尔滨工业大学（威海）2012 年11月12日目录一. 课程设计任务 (1)二. 课程设计原理及设计方案 (1)三. 课程设计的步骤和结果 (4)四. 课程设计总结 (8)五. 设计体会 (8)六. 参考文献 (10)一. 课程设计任务在很多应用中都要对运动目标进行跟踪。
比如激光制导中，弹载摄像机不断检测指向目标的激光束，根据激光光点的位置来修正飞行方向。
使用图像获取工具箱，从摄像机获取视频图像到matlab中，这些图像可以用来跟踪摄像机视场中的目标。
建立一个图像跟踪的演示程序，用于跟踪的目标可由一个激光笔产生的激光点代替。
要求完成功能：1、对连接在计算机上的视频获取设备进行控制；2、显示动态视频画面；3、对画面中内容进行运动目标检测；4、输出检测到的激光点的位置信息；5、设计软件界面。
- 1 -二. 课程设计原理及设计方案2.1运动目标的检测运动目标检测的方法主要有三类:光流法、帧差法和背景差法。
光流法由于其计算量大,算法复杂,一般不被直接应用于实时视频监控场合。
帧差法实时性好,但对物体的运动速度有一定的要求。
背景差法,相对于其他方法而言简单易于实现,能够很精确地提取出运动对象,但是由于场景的复杂性、不可预知性、以及各种环境干扰和噪声的存在，如光照的突然变化、实际背景图像中有些物体的波动、摄像机的抖动、运动物体进出场景对原场景的影响等，使得背景的建模和模拟变得比较困难。
我选择了帧差法。
帧差法利用了视频序列相邻帧之间的强相关性进行变化检测。
连续帧之间利用两帧图像的灰度差分析视频图像序列的运动特性，通过比较目标在两个不同时刻的画面，识别由于物体运动而造成的区域差别。
在实际计算过程中，差分是指将两帧相邻目标图像逐点相减，形成差分图，在差分图中如果差分值大于给定的阀值，则相应的像素取，由此产生非零区，利用非零区就可以检测出运动目标。
数字图像处理课程设计报告
数字图像处理设计报告【设计目的】配合《数字图像处理》课程的教学，使学生能巩固和加深对数字图像处理基础理论和基本知识的理解；掌握使用图像处理软件处理图像基本思想和方法；提高学生对图像处理方面的实际问题的应对能力并将所学知识在实践中巩固。
【设计要求】1.按照题目的要求，简要介绍算法，并对算法进行分析；2.用MATLAB完成算法代码（不能利用MATLAB自身的图像处理函数完成具体算法，读写和显示可以利用MATLAB函数），注释要清晰；3.给出代码运行的结果，并对结论进行总结；4.每人可选一个给出的题目或自己感兴趣的题目，按照上面要求上交报告，内容不得少于5页A4纸。
【所选题目】用直方图均衡化一幅8位的灰度图像【设计环境】MATLAB7.1，所选图片为彩色动画图片，大小为1024*666*24b【算法介绍和分析】1、算法概述：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方法。
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
2、算法分析:直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。
设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。
在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数):(1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。
这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。
数字图像处理B课程报告--
数字图像处理(B)课程报告年月日实验一：直方图均衡化目标：选择图像并对其进行灰度直方图均衡化以增强图像显示效果原理：将原始图像的直方图变为均衡分布的形式，将一个已知灰度概率密度分布的图像经过变换得到一幅具有均匀概率密度分布的新图像，从而增强整个图像的对比度，提升图像的亮度。
代码：clear all;Image = imread('Lena.jpg');Image = rgb2gray(Image);figure(1),imshow(Image);[M,N]=size(Image);total = M*N;count=0;imshow(Image);%计算各个灰度级出现的机率Point = zeros(1,256);for i=0:255for j=1:Mfor k=1:Nif(Image(j,k)==i)count=count+1;endendendPoint(i+1)=count/total;count=0;endcount=0;figure(2),bar(0:255,Point,'g');title('原始图像直方图');xlabel('灰度值');ylabel('出现频率');%计算对应的Skpre=0;for i=1:256Point(i)=Point(i)+pre;pre=Point(i);endSk=round((Point*256));%使用均值化后的像素值代替原先图像中的像素值即可Image2 = Image;for i=0:255for j=1:Mfor k=1:Nif(Image(j,k)==i)Image2(j,k)=Sk(i);endendendendfigure(3),imshow(Image2);%重新计算各个灰度级出现的机率Last = zeros(1,256);for i=0:255for j=1:Mfor k=1:Nif(Image2(j,k)==i)count=count+1;endendendLast(i+1)=count/total;count=0;endfigure(4),bar(0:255,Last,'g');title('均衡后图像直方图');xlabel('灰度值');ylabel('出现频率');实验结果：原图与增强后图像直方图分布实验二：空间域方法滤波增强目标：选择图像并对使用空间域方法――均值滤波进行边缘增强原理：使用均值滤波对含有随机噪声的灰度图像进行平滑处理，采用窗口平移处理使用高频部分的信息被周围的像素点灰度值所制约，从而使高频部分的信息被消除，保留低频信息。
数字图像处理课程设计实验报告
江南大学《数字图像处理技术》课程设计报告设计题目：数字图像处理系统班级：数字媒体班姓名：学号：指导老师：日期：2013.7.2一、课程设计目的要求：1、提高分析图像处理问题的能力，进一步巩固在《数字图像处理技术》课程中所学的基本原理与方法。
2、掌握并使用一门计算机语言，进行数字图像处理的应用设计。
二、设计的内容：根据本次课设完成的系统的主要功能如下：利用matlab的GUI 程序设计一个简单的图像处理程序，含有如下基本功能：1、图像的读取、存储、剪切和粘贴2、图像转化为灰度图像3、图像大小的计算4、直方图均衡化规定化的计算5、图像求反、动态压缩6、直接灰度调整7、空域滤波（均值、中值、对比度增强滤波）8、非线性锐化滤波（log滤波、prewitt滤波、sobel卷积、sobel滤波）9、频域增强（高通、低通滤波）三、总体方案设计：（1）、软件的总体设计界面布局如下图：系统的总体设计界面主要分为2个区域：显示区域和操作区域。
显示区域：在原始图像的基础上显示效果图。
操作区域：通过功能菜单实现图像的各种处理。
设计完成后运行的软件界面如下：（2）、功能模块的划分：1、图像的读取、存储、退出2、编辑（还原、剪切、粘贴）3、图像（图像大小的计算、旋转、直方图均衡化规定化的计算、图像求反、动态压缩）4、滤波（直接灰度调整、空域滤波、非线性锐化滤波、频域增强）（3）、系统运行环境：Windows 7 or SP1、Windows Vista SP2、Windows XP SP3、Windows XP x64 Edition SP2、Windows Server 2008 SP2 or R2、Windows Server 2003 R2 ，CPU要求：X86架构且支持SSE2指令集，硬盘空间：典型安装需要3-4G，内存：最低1G，推荐2G。
（4）、选用的工具：matlab7.0，win7X64（5）、主要实现功能的原理：直方图均衡化方法的基本思想是，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。
《数字图像处理》课程学习报告
《数字图像处理》课程学习报告1.“绪论”学习总结本章节主要学习了图像、像素和数字图像处理的基本概念，了解了自然界中图像的亮度、色彩和空间分布等指标都是以模拟形式出现，模拟图像可以利用光学和电子两种方式进行处理。
图像是由许多个大小和形状一致的像素组成，分辨率可以用单位长度的像素点数表示，也可以用行数×列数来表示图像的大小和分辨率。
利用计算机或者数字设备对图像进行加工分析以满足需求的操作叫做图像处理。
数字图像处理的发展是从20世纪20年代首次实现了图像压缩技术开始，数字图像处理技术最开始应用在航天领域，随着科技发展逐渐扩展到人们生活的各个领域之中。
数字图像处理的目的、任务与特点。
图像处理的目的包含了提高图像的视觉质量、提取图像中某些特征、对图像和视频信息进行压缩、信息可视化和信息安全需要。
图像处理的任务是获取客观世界的景象并转换成数字图像，进行一定的技术手段使其转化成具有新意义的图像。
数字图像处理具有精度高、重现性能好、灵活性高、处理结果可供人观察、技术适用面宽等特点。
数字图像处理主要应用领域有航空航天、生物医学工程、通讯工程、工业自动化和机器人、军事公安、材料科学、生活娱乐以及智能交通。
涉及图像处理的相关技术包括视频、计算机图形、动画、VR、AR等。
2.“图像处理基本知识”学习总结本章节主要学习了人类视觉与色度学基础。
眼睛是人类重要和敏感的感觉器官，人类视觉对颜色的主观感觉可以直观的用色调、色饱和度和亮度来表达。
学习了三基色原理对光通量、发光强度、视敏度、亮度、照度等光度学基本知识有了全面了解。
图像处理硬件和图像处理软件组成了计算机或专用数字设备对图像信息进行处理的系统叫做数字图像处理系统。
学习了数字图像的图像大小、灰度平均值、协方差、灰度标准差以及图像的相关系数统计特征表达算式。
3.“图像的数字化与显示”学习总结本章在了解了图像数字化的基本过程前提下，主要学习了图像数字化的方法，尤其是图像量化中的标量量化和向量量化方法，标量量化的特点是每次只量化一个采样，前后采样间的量化互相独立，向量量化是将一组采样的信号幅度向量在容许的误差范围内用更少的离散向量替代。
图像处理课程设计报告
摘要：MATLAB和Mathematica、Maple并称为三大数学软件。
它在数学类科技应用软件在数值计算方面首屈一指。
MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。
数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
关键词：MA TLAB，数字图像处理一．课程设计目的1、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
2、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计二. 课程设计的内容MATLAB GUI程序设计，利用MATLAB图像处理工具箱。
要求：按照软件工程方法，根据需求进行程序的功能分析和界面设计，给出设计详细说明。
然后按照自己拟定的功能要求进行程序设计和调试。
以下几点是程序实现的功能。
1）能对图像文件（bmp、jpg、tiff、gif等）进行打开、保存、另存、打印、退出等功能操作。
（2）能对图像进行直方图统计，包括R直方图，直方图统计，直放图均衡，周长和面积计算，区域图面积统计。
（3）能对图像进行图像变化处理，包括小波变换，傅里叶变换，快速傅里叶变化，快速逆变换，傅里叶逆变换，离散余弦变换。
（4）能对图像进行滤波处理，包括低通滤波，平滑滤波，自适应滤波。
（5）能对图像进行频域增强处理，包括同态滤波，高频锐化。
（6）能对图像进行噪声添加处理，包括椒盐噪声，加性噪声，高斯噪声。
（7）能对图像进行图像滤波器处理，包括高通滤波器，低通滤波器。
数字图像处理课程设计报告
本科综合课程设计报告题 目 ____________________________指导教师__________________________辅导教师__________________________ 学生姓名__________________________ 学生学号_________________________________________________________院（部）____________________________专业________________班___2008___年 _12__月 _30__日数字图像处理演示系统信息科学与技术学院 通信工程 0521 主要内容1.1数字图像处理背景及应用数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。
因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。
本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。
图像处理演示系统设计要求能加载和显示原始图像，显示和输出处理后的图像；系统要便于维护和具备可扩展性；界面友好便于操作；图像处理演示系统设计任务数字图像处理演示系统应该具备图像的几何变换（平移、缩放、旋转、翻转）、图像增强（空间域的平滑滤波与锐化滤波）的简单处理功能。
几何变换几何变换又称为几何运算，它是图像处理和图像分析的重要内容之一。
通过几何运算，可以根据应用的需要使原图像产生大小、形状、和位置等各方面的变化。
简单的说，几何变换可以改变像素点所在的几何位置，以及图像中各物体之间的空间位置关系，这种运算可以被看成是将各物体在图像内移动，特别是图像具有一定的规律性时，一个图像可以由另外一个图像通过几何变换来产生。
数字图像处理--图像处理课程设计 报告
《数字图像处理》课程设计1、课程设计目的1、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
2、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
2、课程设计要求1、要充分认识课程设计对培养自己的重要性，认真做好设计前的各项准备工作。
尤其是对编程软件的使用有基本的认识。
2、既要虚心接受老师的指导，又要充分发挥主观能动性。
结合课题，独立思考，努力钻研，勤于实践，勇于创新。
3、独立按时完成规定的工作任务，不得弄虚作假，不准抄袭他人内容，否则成绩以不及格计。
4、在设计过程中，要严格要求自己，树立严肃、严密、严谨的科学态度，必须按时、按质、按量完成课程设计。
5.2实施要求1、理解各种图像处理方法确切意义。
2、独立进行方案的制定，系统结构设计要合理。
3、在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。
如果使用matlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。
4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。
用图像平均的方法消除噪声编程：J=imread('1036032.jpg');I = rgb2gray(J);[m,n]=size(I);II1=zeros(m,n);for i=1:16II(:,:,i)=imnoise(I,'gaussian',0,0.01);II1=II1+double(II(:,:,i));if or(or(i==1,i==4),or(i==8,i==16));figure;imshow(uint8(II1/i));endend迭加零均值高斯随机噪声图像4幅同类图像加平均8幅同类图像加平均16幅同类图像加平均用平滑滤波方法消除噪声编程：I=imread('001122.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.02);subplot(231),imshow(I);title('原图像');subplot(232),imshow(J);title('添加高斯噪声图像');k1=filter2(fspecial('average',3),J);k2=filter2(fspecial('average',5),J);k3=filter2(fspecial('average',7),J);k4=filter2(fspecial('average',9),J);subplot(233),imshow(uint8(k1));title('3*3模板平滑滤波'); subplot(234),imshow(uint8(k2));title('5*5模板平滑滤波'); subplot(235),imshow(uint8(k3));title('7*7模板平滑滤波'); subplot(236),imshow(uint8(k4));title('9*9模板平滑滤波');用中值滤波方法消除噪声编程：I=imread('1036032.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.01);subplot(231),imshow(I);title('原图像');subplot(232),imshow(J);title('添加高斯白噪声图像');k1=medfilt2(J);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);k4=medfilt2(J,[9 9]);subplot(233),imshow(k1);title('3×3模板中值滤波') subplot(234),imshow(k2);title('5×5模板中值滤波') subplot(235),imshow(k3);title('7×7模板中值滤波') subplot(236),imshow(k4);title('9×9模板中值滤波')用理想低通滤波方法消除噪声编程：I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=5;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(333);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=15;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(334);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=45;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(335);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=65;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(336);imshow(g);用巴特沃斯低通滤波方法消除噪声I=imread('001122.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.04); subplot(121);imshow(J);title('高斯白噪声图像');J=double(J);f=fft2(J);g=fftshift(f);[M,N]=size(f);n=3;d0=20;n1=floor(M/2);n2=floor(N/2);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); h=1/(1+(d/d0)^(2*n));g(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(122);imshow(g);title('巴特沃斯低通滤波');峰值信噪比PSNR程序：function result=psnr(in1,in2)in1=imread('a.jpg'); %a为原图像%in2=imread('b.jpg'); %b为调制之后的图像% z=mse(in1,in2);result=10*log10(255.^2/z);function z=mse(x,y)x=double(x);y=double(y);[m,n]=size(x);z=0;for i=1:mfor j=1:nz=z+(x(i,j)-y(i,j)).^2;endendz=z/(m*n);方法一图像平均的方法处理得到信噪比分别如下：ans =7.1689ans =7.2601ans =7.2789ans =7.2876方法二平滑滤波方法处理得到信噪比分别如下：ans =6.0426ans =6.0713ans =6.0955ans =6.1052方法三中值滤波方法处理得到信噪比分别如下：ans =7.1708ans =7.2487ans =7.2830ans =7.3065ans =7.3290方法四理想低通滤波方法处理得到的信噪比：ans =5.9024ans =6.3146ans =6.1266ans =6.0586ans =6.0479方法五巴特沃斯低通滤波方法处理得到的信噪比：ans =5.9042ans =6.2459。
数字图像处理课程设计报告matlab
数字图像处理课程设计报告姓名：学号：班级：.net设计题目：图像处理教师：赵哲老师提交日期：12 月 29 日一、设计内容：主题：《图像处理》详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等），二、涉及知识内容：1、二值化2、各种滤波3、算法等三、设计流程图插入图片对图片进行处理二值化处理重复输出两幅图结束四、实例分析及截图效果：运行效果截图：第一步：读取原图 , 并显示close all;clear;clc;% 清楚工作窗口clc清空变量clear关闭打开的窗口close all I=imread('1.jpg');%插入图片 1.jpg赋给Iimshow(I);% 输出图II1=rgb2gray(I);%图片变灰度图figure%新建窗口subplot(321);% 3 行 2 列第一幅图imhist(I1);%输出图片title(' 原图直方图 ' ); %图片名称一，图像处理模糊H=fspecial('motion',40);%% 滤波算子模糊程度40 motion运动q=imfilter(I,H,'replicate'); %imfilter实现线性空间滤波函数，I 图经过 H 滤波处理， replicate反复复制q1=rgb2gray(q);imhist(q1);title(' 模糊图直方图' );二，图像处理锐化H=fspecial('unsharp'); %锐化滤波算子，unsharp不清晰的qq=imfilter(I,H,'replicate');qq1=rgb2gray(qq);imhist(qq1);title(' 锐化图直方图' );三，图像处理浮雕 ( 来源网络 )%浮雕图l=imread('1.jpg');f0=rgb2gray(l);%变灰度图f1=imnoise(f0,'speckle',0.01);%高斯噪声加入密度为0.01的高斯乘性噪声imnoise噪声污染图像函数speckle斑点f1=im2double(f1); %把图像数据类型转换为双精度浮点类型h3=1/9.*[1 1 1;1 1 1;1 1 1];%采用 h3 对图像f2 进行卷积滤波f4=conv2(f1,h3,'same' );%进行 sobel滤波h2=fspecial('sobel');g3=filter2(h2,f1,'same' ); %卷积和多项式相乘same相同的k=mat2gray(g3);% 实现图像矩阵的归一化操作四，图像处理素描 ( 来源网络 )f=imread('1.jpg');[VG,A,PPG] = colorgrad(f);ppg = im2uint8(PPG);ppgf = 255 - ppg;[M,N] = size(ppgf);T=200;ppgf1 = zeros(M,N);for ii = 1:Mfor jj = 1:Nif ppgf(ii,jj)<Tppgf1(ii,jj)=0;elseppgf1(ii,jj)=235/(255-T)*(ppgf(ii,jj)-T);endendendppgf1 = uint8(ppgf1);H=fspecial('unsharp');Motionblur=imfilter(ppgf1,H,'replicate');figure;imshow(ppgf1);调用function[VG, A, PPG] = colorgrad(f, T)if (ndims(f)~=3) || (size(f,3)~=3)error('Input image must be RGB');endsh = fspecial('sobel');sv = sh';Rx = imfilter(double(f(:,:,1)), sh,'replicate'); Ry = imfilter(double(f(:,:,1)), sv,'replicate'); Gx = imfilter(double(f(:,:,2)), sh,'replicate'); Gy = imfilter(double(f(:,:,2)), sv,'replicate'); Bx = imfilter(double(f(:,:,3)), sh,'replicate'); By = imfilter(double(f(:,:,3)), sv,'replicate');gxx = Rx.^2 + Gx.^2 + Bx.^2;gyy = Ry.^2 + Gy.^2 + By.^2;gxy = Rx.*Ry + Gx.*Gy + Bx.*By;A = 0.5*(atan(2*gxy./(gxx-gyy+eps)));G1 = 0.5*((gxx+gyy) + (gxx-gyy).*cos(2*A) + 2*gxy.*sin(2*A));A = A + pi/2;G2 = 0.5*((gxx+gyy) + (gxx-gyy).*cos(2*A) + 2*gxy.*sin(2*A));G1 = G1.^0.5;G2 = G2.^0.5;VG = mat2gray(max(G1, G2));RG = sqrt(Rx.^2 + Ry.^2);GG= sqrt(Gx.^2 + Gy.^2);BG = sqrt(Bx.^2 + By.^2);PPG = mat2gray(RG + GG + BG);if nargin ==2VG = (VG>T).*VG;PPG = (PPG>T).*PPG;endf1=rgb2gray(f);imhist(f1);title(' 素描图直方图' );五，图像处理实色混合(来源网络) %实色混合I(I<=127)=0;%对像素进行处理，若值小于等于127 ，置0 I(I>127)=255;%对像素进行处理，若值大于127 ，置 255 imshow(I);title(' 像素图 ' );I1=rgb2gray(f);imhist(I1);title(' 像素图直方图' );六，图像处理反色图f=imread('1.jpg');q=255-q;imshow(q);title(' 反色图 ' );imhist(q1);title(' 反色图直方图' );七，图像处理上下对称A=imread('1.jpg');B=A;[a,b,c]=size(A);a1=floor(a/2); b1=floor(b/2); c1=floor(c/2); B(1:a1,1:b,1:c)=A(a:-1:a-a1+1,1:b,1:c); figureimshow(B)title(' 上下对称 ' );A=rgb2gray(A);figureimhist(A)title(' 上下对称直方图' );八，图像处理类左右对称C=imread('1.jpg');A=C;C(1:a,1:b1,1:c)=A(1:a,b:-1:b+1-b1,1:c); figureimshow(C)title(' 左右对称 ' );A=rgb2gray(A);figureimhist(A)；title(' 左右对称直方图' );九，图像处理单双色显示a=imread('1.jpg');a1=a(:,:,1);a2=a(:,:,2); a3=a(:,:,3);aa=rgb2gray(a);a4=cat(3,a1,aa,aa); a5=cat(3,a1,a2,aa); figuresubplot(121);imshow(a4);title(' 单色显示 ' );subplot(122);imshow(a5);title(' 双色显示 ' );a4=rgb2gray(a4);a5=rgb2gray(a5);figuresubplot(121);imhist(a4);title(' 单色显示直方图' ); subplot(122);imhist(a5);title(' 双色显示直方图' );十，图像处理亮暗度调整a=imread('1.jpg');a1=0.8*a;a2=2*a;figuresubplot(121);imshow(a1);title(' 暗图 ' );subplot(122);imshow(a2);title(' 亮图 ' )q3=rgb2gray(a1);q4=rgb2gray(a2);figuresubplot(121);mhist(q3);title(' 暗图直方图 ' ) subplot(122);imhist(q4);title(' 亮图直方图 ' )十一，图像处理雾化处理q=imread('1.jpg');m=size(q,1);n=size(q,2);r=q(:,:,1);g=q(:,:,2);b=q(:,:,3);for i=2:m-10for j=2:n-10k=rand(1)*10;%产生一个随机数作为半径di=i+round(mod(k,33));%得到随机横坐标dj=j+round(mod(k,33));%得到随机纵坐标r(i,j)=r(di,dj);%将原像素点用随机像素点代替g(i,j)=g(di,dj);b(i,j)=b(di,dj);endenda(:,:,1)=r;a(:,:,2)=g;a(:,:,3)=b;imshow(a)title(' 雾化处理图 ' );q=rgb2gray(a);figureimhist(q);title(' 雾化处理图直方图' );十二，图像处理高斯滤波I = imread('1.jpg');G =fspecial('gaussian', [5 5], 2); % fspecial生成一个高斯滤波器Ig =imfilter(I,G,'same' );%imfilter使用该滤波器处理图片imshow(Ig);title(' 高斯滤波 ' );I1=rgb2gray(Ig);figureimhist(I1);title(' 高斯滤波直方图' );十三，图像处理色彩平衡（来自网络）im=imread('1.jpg');im2=im; %存储元图像im1=rgb2ycbcr(im);%将 im RGB 图像转换为YCbCr 空间。
数字图像处理课设报告
数字图像处理课设报告 Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998数字图像处理课程设计报告细胞识别目录第一部分1、实验课题名称----------------------------------------------------------------------------------32、实验目的----------------------------------------------------------------------------------------33、实验内容概要----------------------------------------------------------------------------------3第二部分1、建立工程文件----------------------------------------------------------------------------------32、图像信息获取----------------------------------------------------------------------------------43、如何建立下拉菜单----------------------------------------------------------------------------64、标记Mark点------------------------------------------------------------------------------------65、二值化---------------------------------------------------------------------------------------------96、填洞------------------------------------------------------------------------------------------------97、收缩------------------------------------------------------------------------------------------------108、获取中心点--------------------------------------------------------------------------------------119、细胞计数-----------------------------------------------------------------------------------------1310、All-steps-----------------------------------------------------------------------------------------1311、扩展功能---------------------------------------------------------------------------------------14第三部分12、各步骤结果和错误举例--------------------------------------------------------------------16第四部分13、心得体会----------------------------------------------------------------------------------------22第一部分1、实验课题：细胞识别2、实验目的：对血液细胞切片图片进行各种处理，最终得出细胞的数目、面积等信息。
数字图像处理课设报告
第一章引言随着数字水印技术的发展，数字水印的应用领域也得到了扩展，数字水印的基本应用领域是版权保护、隐藏标识、认证和安全不可见通信。
当数字水印应用于版权保护时，潜在的应用市场在于电子商务、在线或离线地分发多媒体内容以及大规模的广播服务。
数字水印用于隐藏标识时，可在医学、制图、数字成像、数字图像监控、多媒体索引和基于内容的检索等领域得到应用。
数字水印的认证方面主要ID卡、信用卡、ATM卡等上面数字水印的安全不可见通信将在国防和情报部门得到广泛的应用。
随着信息时代的到来，特别是Internet的普及，信息的安全保护问题日益突出。
当前的信息安全技术基本上都以密码学理论为基础，无论是采用传统的密钥系统还是公钥系统，其保护方式都是控制文件的存取，即将文件加密成密文，使非法用户不能解读。
但随着计算机处理能力的快速提高，这种通过不断增加密钥长度来提高系统密级的方法变得越来越不安全。
另一方面，多媒体技术已被广泛应用，需要进行加密、认证和版权保护的声像数据也越来越多。
数字化的声像数据从本质上说就是数字信号，如果对这类数据也采用密码加密方式，则其本身的信号属性就被忽略了。
最近几年，许多研究人员放弃了传统密码学的技术路线，尝试用各种信号处理方法对声像数据进行隐藏加密，并将该技术用于制作多媒体的“数字水印”。
随着信息技术和计算机网络的飞速发展，数字式多媒体信息（图象、文本、音频、视频）的存储、复制与传播变得非常方便。
人们不但可以通过互联网络和CD-ROM方便快捷地获得多媒体信息，还可以得到与原始数据完全相同的复制品。
但是由此引发的盗版问题和版权纷争已成为日益严重的社会问题。
传统的加密方法对多媒体内容的保护和完整性认证也具有一定的局限性。
首先，加密方法只用在通信的信道中，一旦被解密，则信息就完全变成明文；另外，密码学中的完整性认证是通过数字签名方式实现的，它并不是直接嵌到多媒体信息之中，因此无法察觉信息在经过加密系统之后的再次传播与内容的改变。
- 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)。
西安工业大学信息与计算科学《数字图像处理》课程设计报告班级： 081001 姓名：高辉学号：081001105指导教师：史延新完成日期： 2011/12/211.题目图像变换和图像增强2.实验目的2.1进一步深入理解数字图像处理的基本概念、基础理论以及解决问题的基本思想方法，掌握基本的处理技术。
2.2培养我们了解处理技术相关的应用领域，阅读各类图像处理文献的能力。
2.3能够运用一门高级语言编写简单的图像处理软件，实现对图像进行的基本处理。
2.4了解与课程有关的工程技术规范，能正确解释和分析实验结果。
2.5图像变换1)了解图像变换的意义和手段；2)熟悉离散傅里叶变换、离散余弦变换、离散小波变换的基本性质；3)熟练掌握图像变换的方法及应用；4)通过实验了解二维频谱的分布特点；5)通过本实验掌握利用MATLAB编程实现数字图像的变换。
2.6图像增强1)掌握灰度直方图的概念及其计算方法；2)熟练掌握直方图均衡化和直方图规定化的计算过程；3)熟练掌握空间域滤波中常用的平滑和锐化滤波器；4)掌握色彩直方图的概念和计算方法；5)利用MATLAB程序进行图像增强。
3.实验原理3.1图像变换图像二维DFT的MATLAB实现MATLAB 提供了 fft 函数、fft2 函数和 fftn 函数分别用于进行一维DFT、二维 DFT 和 n维 DFT 的快速傅立叶变换, ifft 函数、ifft2 函数和ifftn 函数分别用于进行一维 DFT、二维 DFT和 n 维 DFT 的快速傅立叶反变换。
快速傅立叶变换的算法思想：1)首先将原图像进行转置；2)按行对转置后的图像矩阵做一维FFT，将变换后的中间矩阵再转置；3)对转置后的中间矩阵做一维 FFT，最后得到的就是二维 FFT。
步骤：1）对f进行二维快速傅立叶变换2）对上述二维快速傅立叶变换提高分辨率N=300 400 800 1000时，的结论从傅立叶变换的频谱图中可以看出，提高分辨率以后，其边缘更加平滑，锯齿状明显减弱。
但其傅立叶变换后的图像没有明显改变。
3）DC系数移动其系数移动以后，频谱分量都集中到了频谱的中间。
4）滤波器频率响应3.2图像增强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。
其主要目的是使处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理、和彩色处理技术等。
图像增强有图像对比度增强、亮度增强，轮廓增强等等。
1）图像直方图使图像的重要统计特征。
表示了数字图像中每一个灰度级与该灰度级出现的频率的统计。
若一幅图像其像素占有全部可能的灰度级，且均匀分布，则这样对的图像有高对比度和和多变的灰度色调，从而现实出一幅灰度级丰富切动态范围大的图像，其基本思想是将原始图像不均匀的直方图变换为均匀的分布方式，这样可加大会灰度的动态范范围，从而达到增强整体灰度对比的效果。
2）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方法。
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
3）直方图规定化，就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。
所以，直方图修正的关键就是灰度映像函数。
4.实验步骤4.1图像变换（采用二维快速傅立叶变换）1)fft2 函数计算二维快速傅立叶变换，语法格式为：B=fft2(I)B=fft2(I,m,n), 通过对图像I 剪切或补零，按用户指定的点数计算fft。
2)fftn 函数计算n维fft，语法格式同fft23)fftshift 函数将变换后的图像频谱移到中心。
语法格式为：B=fftshift(I)4)ifft2 函数计算二维傅立叶反变换，语法格式同 fft2。
5)ifftn 函数计算n维傅立叶反变换。
4.2图像增强灰度直方图变换的步骤:第一，统计每种灰度值出现的次数，记为Nk；第二，计算概率Sk,Sk=Nk/N；第三，求其密度分布函数Sk’=P(R0)+ P(R1)+ P(R2)……+ P(Rk)，p 实际上是图像的直方图，归一化到 0——1；第四，利用迭代方案对每一个sk值预计算值；第五，对于原始图像的每个像素，若像素值为rk，将该值映射到其对应的灰度级sk，然后映射到最终灰度级zk。
在均衡化过程中可以对每一象素映射到新的实际灰度值sk*255，就实现了图像的变换（严格理论中应该是灰度正规化到[0,1]区间，然后均衡化后的sk还要量化到原始的正规灰度以实现灰度合并）5. 实验结果5.1图像变换1) 对f进行二维快速傅立叶变换原图像f立体网状图（灰度图像）傅立叶变换后的频谱图（如下图所示）2)对上述二维快速傅立叶变换提高分辨率，即是N=300,400，…，800，…，1000采样点数N（N=300）二维快速傅立叶变换后的图像傅立叶变换后的频谱图采样点数N（N=400）二维快速傅立叶变换后的图像傅立叶变换后的频谱图结论：从傅立叶变换的频谱图中可以看出，提高分辨率以后，其边缘更加平滑，锯齿状明显减弱。
但其傅立叶变换后的图像没有明显改变。
3) DC系数移动DC系数移动（使用函数fftshift）N=200二维快速傅立叶变换后的图像(如上图)4) 滤波器频率响应傅立叶变换后的频谱图结论：其系数移动以后，频谱分量都集中到了频谱的中间。
立体网状图(将图形对象的色度改为灰度图像)5.2图像增强（一）利用直方图统计算法对灰度图像进行增强clear allI=imread('cameraman.tif');subplot(121)imshow(I);title('原始图像');subplot(122)imhist(I,64) %imhist(I,256)%绘制图像的直方图，n=64为灰度图像灰度级，若I为灰度图像，默认n=256；%若I为二值图像，默认n=2。
title('图像的直方图');绘制图像的直方图，n=64为灰度图像灰度级I为灰度图像，默认n=256（如下图所示）（二）利用直方图均衡化增强图像的对比度clear allI=imread('cameraman.tif');J=histeq(I);%将灰度图像转换成具有64（默认）个离散灰度级的灰度图像imshow(I)title('原始图像')figure,imshow(J)title('直方图均衡化后的图像')figure(1)subplot(121);imhist(I,64)title('原始图像的直方图')subplot(122);imhist(J,64)title('均衡化的直方图')原始图像：原始的直方图与均衡化的直方图直方图均衡化后的图像对比效果如下图所示：结论：从上图中可以看出，用直方图均衡化后，图像的直方图的灰度间隔被拉大了，均衡化的图像的一些细节显示了出来，这有利于图像的分析和识别。
直方图均衡化就是通过变换函数histeq将原图的直方图调整为具有“平坦”倾向的直方图，然后用均衡直方图校正图像。
（三）下面利用直方图规定化对图像进行增强clear all%下面利用直方图规定化对图像进行增强：I=imread('cameraman.tif');figure,imshow(I);title('原始图像');hgram=50:2:250; %规定化函数J=histeq(I,hgram);figure,imshow(J);title('直方图规定化后的图像');figure,imhist(I,64);title('原始图像的直方图');figure,imhist(J,64);title('直方图规定化后的直方图');(原始图像)原始图像与直方图规定化的图像对比如下：变换灰度间隔后的图像和直方图：若hgram=50:1:250时,结果如图所示：若hgram=50:5:250时，如图所示：结论：从上图中可以看出，用直方图规定化后，图像的直方图的灰度间隔被拉大了，规定化的图像的一些细节显示不出来，这不利于图像的分析和识别。
直方图规定化，就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。
所以，直方图修正的关键就是灰度映像函数。
6．参考文献《数字图像处理（第二版）》冈萨雷斯著,阮秋琦译 电子工业出版社 2003年3月《图像处理和分析》章毓晋 清华大学出版社，2000年6月《MATLAB 图形图像处理》王家文 国防工业出版社 2004年5月。