直方图均衡化的matlab实现_数字图像处理课程论文
利用直方图均衡化和规定化进行图像增强的算法设计 数字图像处理毕业论文
目录第1章绪论 (1)1.1 数字图像处理的研究背景 (1)1.2 数字图像处理的研究内容 (1)1.3 DSP系统简介 (2)1.4 图像增强简介 (4)第2章DSP系统 (5)2.1 DSP芯片 (5)2.1.1 DSP芯片的特点 (6)2.1.2 图像处理系统中DSP芯片的选择 (7)2.2 基于DSP的图像处理系统 (8)第3章图像增强 (9)3.1 图像增强的基本概念 (9)3.2 图像增强的方法 (9)3.2.1 图像锐化 (10)3.2.1.1 图像锐化原理 (10)3.2.1.2 拉普拉斯算子 (11)3.2.1.3 基于DSP的算法实现 (12)3.2.1.4 图片锐化效果比较 (14)3.2.2 Sobel边缘检测算法 (16)3.2.2.1 Sobel边缘检测算法原理 (16)3.2.2.2 Sobel边缘检测算法的变异及实现 (16)3.2.3 直方图均衡化算法 (20)3.2.3.1 直方图均衡化 (20)3.2.3.2 直方图规定化 (21)3.2.3.3实验结果及分析 (23)第4章直方图均衡化和规定化算法的DSP实现 (25)4.1 算法的DSP实现与优化 (25)4.1.1 算法开发硬件平台选择 (25)4.1.2 算法的实现与优化 (26)4.2 实验及结果分析 (27)结论 (31)致谢 (32)参考文献 (33)第1章绪论1.1 数字图像处理的研究背景数字图像处理又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
图像处理的基本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。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
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。
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。
数字图像处理论文
江苏科技大学数字图像处理本科生课程论文论文题目：图像增强方法综述与matlab实现完成时间：___2016年6月2日________ 所在专业：____软件工程____________ ____ 所在年级：____13419042___________ __图像增强方法综述与matlab实现软件工程专业 1341904222 陆建伟摘要：本文介绍图像增强的内容，并就内部几种方法进行更深一步的探索，利用matlab 使得算法实现并对比。
关键词：图像增强；数字图像处理；灰度变换；直方图；matlab；一、研究背景1.1研究目的经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。
光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。
总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题。
通过本课题的研究能够使图像有更好的视觉感受效果，更能够满足社会生活和生产的需要是本文的最终目的。
1.2研究现状计算机图像处理的发展历史并不长,但是引起了人们的足够重视。
总体来说，图像处理技术的发展大致经历了初创期、发展期、普及期和实用化期4 个阶段。
随着对图像技术研究的不断深入和发展,新的图像增强方法不断出现。
图像作为自然界景物的客观反映是人类感知世界的视觉基础也是人类获取信息、表达信息和传递信息的重要手段。
二、主要理论概况图像增强是指根据特定的需要突出图像中的重要信息同时减弱或去除不需要的信息。
从不同的途径获取的图像通过进行适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域从而更加容易对图像中感兴趣的目标进行检测和测量。
处理后的图像是否保持原状已经是无关紧要的了不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
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。
MATLAB图像直方图及均衡化处理报告
电信信息工程3班卢国梁200730213246 23 1、用matlab作出图像的直方图clear;I=imread('2222.jpg');I=rgb2gray(I);add=[];tab1=zeros(1,256);for n=0:255X=I==n;add=[add;sum(sum(X))]; end;[a,b]=size(I);final=add/(a*b);figure;stem(final,'Marker','none'); figure(2)imshow(I)2、用matlab实现图像的直方图均衡化均衡化前均衡化后程序：clear;I=imread('2222.jpg');I=rgb2gray(I);I2=I;add=[];add1=[];tab1=zeros(1,256);tab2=zeros(1,256);for n=0:255X=I==n;add=[add;sum(sum(X))]; end;[a,b]=size(I);final=add/(a*b);for n=1:256for i=1:ntab1(n)=tab1(n)+final(i);end;end;tab1=tab1*255;tab2=round(tab1); for n=1:afor m=1:bfor t=0:255if I(n,m)==tI2(n,m)=tab2(t+1);end;end;end;end;for n=0:255X1=I2==n;add1=[add1;sum(sum(X1))]; end;[a1,b1]=size(I2);final1=add1/(a1*b1);figure;stem(final,'Marker','none');figure(2)imshow(I2);figure(3)stem(final1,'Marker','none')均衡化后直方图实验心得体会：这次先是把老师的课件都看了一次，知道了各种方法，包括多幅图像去噪声啊，中值滤波啊等等，看了一些参考的程序，请教了同学，就写了这么几个程序，中间遇到了一些问题，比如在均衡化的时候判断的时候用错了序列，结果图像处理之后变得更加难看，思量着不可能越处理越糟糕，就里里外外看了好久的程序，毕竟是当局者，看不出来，请教了同学帮忙看错误，才找出了那个错误：if I(n,m)==add(t)；I2(n,m)=tab2(t+1);后来改为if I(n,m)==t；I2(n,m)=tab2(t+1)；图像也好看很多了！。
基于MATLAB的数字图像处理的设计与实现
基于MATLAB的数字图像处理的设计与实现摘要数字图像处理是一门新兴技术,随着计算机硬件的发展，数字图像的实时处理已经成可能，由于数字图像处理的各种算法的出现,使得其处理速度越来越快，能更好的为人们服务。
数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。
目的:改善医学图像质量，使图像得到增强。
方法：利用Matlab工具箱函数，采用灰度直方图均衡化和高通滤波的方法对一幅X线图像进行增强处理。
结果:用直方图均衡化的算法,将原始图像密集的灰度分布变得比较稀疏，处理后的图像视觉效果得以改善。
高通滤波对于局部细节增强显著,高通滤波后使不易观察到的细节变得清晰。
结论：使用Matlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台。
经过直方图均衡化和高通滤波处理后的医学图像，视觉效果得到改善。
关键词:MATLAB；直方图均衡化；高通滤波；图像增强AbstractDigital image processing is an emerging technology, with the development of computer hardware, real—time digital image processing has become possible due to digital image processing algorithms to appear，making it faster and faster processing speed，better for people services .Digital image processing is used by some algorithms computer graphics image pro cessing technology. Objective：To improve the quality of medical image by enhancing the details。
《数字图像处理(实验部分)》实验3点运算(直方图均衡化)
《数字图像处理（实验部分）》教案实验三：点运算（直方图均衡化）1．实验目的1．掌握MATLAB 的基本操作。
2．了解数字图像处理在MATLAB中的基本处理过程。
3．学习点运算的原理，观察算法处理结果2．实验设备2．1．PC 兼容机一台；操作系统为WindowsWindowsXP。
2．2．数字图像处理开发环境：MATLAB软件3．实验原理直方图均衡化的算法原理4．实验步骤.1 打开MA TLAB开发环境.2点击MA TLAB窗口上File菜单，选择New-〉M—File，在弹出的Edit编辑器内输入如下程序：%I=imread('pout.tif'); % 读取MA TLAB自带的potu.tif图像I=imread('IMG0050A.jpg'); % 可改为读取MATLAB自带的potu.tif图像I=rgb2gray(I);figure(1);subplot(2,3,1),imshow(I);title('原图');subplot(2,3,2),imhist(I);[J,T]=histeq(I,256); % 图像灰度扩展到0~255，有256个灰度级subplot(2,3,3),imshow(J);title('均衡1图');subplot(2,3,4),imhist(J);%figure,plot((0:255)/255,T); % 转移函数的变换曲线J=histeq(I,32);% 图像灰度扩展到0~255，但是只有32个灰度级subplot(2,3,5),imshow(J); title('均衡2图');subplot(2,3,6),imhist(J);.3将该程序保存，并点击工具栏中Run 按钮，程序会自动运行，并显示出结果。
广 .4 观察处理结果5． 实验结果 01002000010020000100200均衡2后图6．问题与思考总结MATLAB开发环境在使用上的特点，掌握其在实验中使用方法。
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。
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。
matlab论文
HU BEI WEN LI XUE YUAN 本学年Matlab 论文题目：matlab 环境下的图像处理院别：专业：指导教师：班级：姓名：学号：2012年12月12日摘要：数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。
数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。
数字图像处理技术已经在各个领域上都有了比较广泛的应用。
图像处理的信息量很大，对处理速度的要求也比较高。
MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。
本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。
主要论述了利用MATLAB实现图像增强、二值图像分析等图像处理。
关键词：新增功能、图像处理、压缩、色彩增强、灰度变换、滤波、二值分析。
引言：MATLAB由一系列工具组成。
这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。
包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间文件的浏览器。
随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。
而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。
一、新增功能1、桌面在MATLAB Desktop 中，工具条取代了菜单和工具栏，应用程序库收纳了MATLAB 产品系列的应用程序，单一文件应用程序打包为一个MATLAB 应用软件安装程序文件，包含在应用程序库中，重新设计的“帮助”改进了浏览、搜索和筛选功能·MATLAB R2012b 新界面通过点击选项卡来进行浏览，可同时查看多个文档页面，在命令行窗口中键入函数和变量出错时得到建议的更正，Mac 操作系统上的全屏查看模式2、语言和编程Abstract 属性可将MATLAB 类声明为抽象类，尝试创建抽象类的实例时出现的诊断消息得到了改进3、数学airy, psi 和Bessel 函数的性能得到改进，并实现多线程，ddensd 函数通过状态相关延迟可以求解中立型延迟微分方程4、数据导入和导出使用导入工具可从分隔符文本文件和固定宽度文本文件导入数据，使用导入工具以列向量的方式将电子表格中的数字、文本和日期单步导入audioread 和audioinfo 函数可用于读取MP3、MPEG-4 AAC、WAVE 和其他音频文件audiowrite 函数可用于写入MPEG-4 AAC、WAVE 和其他音频文件读写超过 4 GB 的BigTIFF 图像文件使用xlsread 函数在所有平台上读取XLSM、XLTX 和XLTM 文件。
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。
数字图像处理实验报告(matlab)
学院：自动化学院班级：电081班姓名：***学号：********2011年10月实验一直方图均衡化一、实验目的：1. 熟悉图像数据在计算机中的存储方式；2. 掌握图像直方图均衡化这一基本处理过程。
二、实验条件：PC微机一台和MATLAB软件。
三、实验内容：1.读入图像数据到内存中，并显示读入的图像；2.实现直方图均衡化处理，显示处理前后图像的直方图。
3.显示并保存处理结果。
四、实验步骤：1．打开Matlab编程环境；2．获取实验用图像。
用’imread’函数将图像读入Matlab；用’imshow’函数显示读入的图像。
3．获取输入图像的直方图：用’imhist’函数处理图像。
4．均衡化处理：用’histeq’函数处理图像即可。
5．获取均衡化后的直方图并显示图像：用’imhist’和’imshow’函数。
6．保存实验结果：用’imwrite’函数处理。
五、实验程序及结果：1、实验程序subplot(6,2,1);i=imread('test1-1.jpg');imhist(i);title('test1-1 hist');subplot(6,2,2);i=im2double(i);imshow(i);title('test1-1 Ô-ͼÏñ');subplot(6,2,3);s=histeq(i);imhist(s);title('test1-1 balancedhist');subplot(6,2,4);imshow(s);title('test1-1 ¾ùºâ»¯ºóµÄͼÏñ');subplot(6,2,5);i=imread('test1-2.jpg');imhist(i);title('test1-2 hist');subplot(6,2,6);i=im2double(i);imshow(i);title('test1-2 Ô-ͼÏñ');subplot(6,2,7);s=histeq(i);imhist(s);title('test1-2 balancedhist'); subplot(6,2,8);imshow(s);title('test1-2 ¾ùºâ»¯ºóµÄͼÏñ');subplot(6,2,9);i=imread('test1-3.jpg');imhist(i);title('test1-3 hist');subplot(6,2,10);i=im2double(i);imshow(i);title('test1-3 Ô-ͼÏñ');subplot(6,2,11);s=histeq(i);imhist(s);title('test1-3 balancedhist'); subplot(6,2,12);imshow(s);title('test1-3 ¾ùºâ»¯ºóµÄͼÏñ');2、实验结果test1-1 hist050100150200250test1-1 原图像test1-1 balancedhist00.10.20.30.40.50.60.70.80.91test1-1 均衡化后的图像test1-2 hist050100150200250test1-2 原图像test1-2 balancedhist00.10.20.30.40.50.60.70.80.91test1-2 均衡化后的图像0test1-3 hist050100150200250test1-3 原图像test1-3 balancedhist00.10.20.30.40.50.60.70.80.91test1-3 均衡化后的图像六、实验思考1.数字图像直方图均衡化之后直方图为什么不是绝对平坦的？答：直方图均衡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。
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
数字图像处理之均衡化课程设计
数字图像处理之均衡化课程设计数字图像处理课程设计报告图像的直⽅化处理图像的直⽅图均衡⼀. 课题⽬的与要求⽬的：理解图像的直⽅图均衡的原理。
要求：1. 以matlab函数形式（例如：myhisteq(f)给出图像的直⽅图均衡算法。
2. 与Matlab⼯具箱⾃带函数histeq( )函数的运⾏结果进⾏⽐较。
3. 应⽤imhist函数对图像进⾏规定化处理（⾃⼰设定规定化直⽅图）与matlab函数。
4. 主函数过程1) 输⼊灰度图像；2) 输出myhisteq直⽅图均衡化后的结果（图像和直⽅图对⽐显⽰）；⼆. 课题设计内容描述2.1 功能描述直⽅图均衡化通常⽤来增加许多图像的全局对⽐度，尤其是当图像的有⽤数据的对⽐度相当接近的时候。
通过这种⽅法，亮度可以更好地在直⽅图上分布。
这样就可以⽤于增强局部的对⽐度⽽不影响整体的对⽐度，直⽅图均衡化通过有效地扩展常⽤的亮度来实现这种功能。
这种⽅法对于背景和前景都太亮或者太暗的图像⾮常有⽤，这种⽅法尤其是可以带来X光图像中更好的⾻骼结构显⽰以及曝光过度或者曝光不⾜照⽚中更好的细节。
这种⽅法的⼀个主要优势是它是⼀个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直⽅图，并且计算量也不⼤。
这种⽅法的⼀个缺点是它对处理的数据不加选择，它可能会增加背景噪声的对⽐度并且降低有⽤信号的对⽐度。
2.2 原理和步骤2.2.1 直⽅图均衡化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。
这⾥增强函数需要满⾜条件两个：（1）它在0 f 范围内是1个单值单增函数，这是为了保证原图各灰度级在变换后仍然保持从⿊到⽩（或者从⽩到⿊）的排列次序；（2）对0 0，这个条件保证变换前后灰度值动态范围的⼀致性。
实质上，图像f(x,y)的GDF就是f(x,y)的累积直⽅图，其定义为1 k = 0,1,2,3,…,L-1 [1]2.2.2 直⽅图规定化能够⾃动的增强真个图像的对⽐度，主要有以下三个步骤：（1）对原始图像的直⽅图进⾏灰度均衡化（3）将第⼀个步骤得到的变换反转过来，即将原始直⽅图对应的映射到规定的直⽅图，也就是将所有的对应到中去。
数字图像处理实验报告(直方图均衡化、直方图匹配)
实验二报告一．实验内容：⑴直方图均衡化（Histogram equalization），⑵直方图匹配（Histogram matching），二．实验结果：1．将mountain.jpg图像文件读入Matlab，对其作直方图均衡化，结果如下：2、对mountain.jpg图像做直方图匹配运算3、利用mountain.jpg图像的直方图（imhist函数可生成），编写直方图均衡化函数。
function [ imeq ] = Fhisteq( space,h )%FHISTEQ 此处显示有关此函数的摘要% 此处显示详细说明% 原始图像space 必须是[0 1]之间的%直方图均衡化函数L=length(h);pdf=h/numel(space);cdf=cumsum(pdf);f=zeros(1,L);for i=1:Lf(i)=cdf(i)*255;end[dimx,dimy]=size(space);imeq=zeros(dimx,dimy);for i=1:dimxfor j=1:dimyimeq(i,j)=f(round(space(i,j)*255)+1);endendend结果如下：4、直方图均衡化分析：直方图均衡化就是一种能仅靠输入图像直方图信息自动达到这种效果的变换函数。
它的主要思想是扩展图像原有灰度级分布，使图像能够在更大的灰度级范围内分布，从而提高了对比度和灰度色调的变化，使图像更加清晰。
从上面的图像可以清楚的看到原有的mountain图像整体偏暗，直方图集中在灰度级偏小的一侧。
但是直方图均衡化后每个灰度级上的图像点数量有了明显提高，直方图中间部分的数值也有了明显的增强，图像的视觉效果也明显变好了。
而使用直方图匹配的算法则能够更好的让原有图像朝着我们预期的直方图分布去变换，这对于有特定的显示要求来说是一种比较好的选择。
数字图像直方图规定化处理实验(matlab)
.XX 大学实验报告学院：专业： 班级：~~~ 学号 ~~~~ 实验组 ~~~实验时间 ~~~~~指导教师~~~成绩实验项目名称实验二：数字图像的直方图规定化办理实验（一）掌握数字图像的直方图规定化办理的算法和方法。
目（二）熟习数字图像的直方图规定化办理的算法原理。
的 实验 依据实验内容及参照程序， 独立达成此次实验，记下不懂的知识点，查阅资料或许向老 要 师咨询。
求直方图规定化是用于产生办理后有特别直方图的图像方法。
令p r (r)和p z (z)分别为原始图像和希望图像的灰度概率密度函数。
对原始图像和希望图像均作直方图均衡化办理，应有：rz1p r (r)dr ，VG(Z)ST(r)p z (z)dz ，Z G (V)因为都是作直方图均衡化办理，所以办理后的原图像的灰度概率密度函数P S (S)及理实验 想图像的灰度概率密度函数P V (V)是相等的。
所以，能够用变换后的原始图像灰度级S原取代上式中的V ，即ZG1[T(r)]。
利用此式能够从原始图像获取希望的图像灰度级。
理 对失散图像，有n i，V ik1G 1(S i )G 1[T(r i )]P Z (Z i )G(Z i )P Z (Z i )，Z ini0综上所述，数字图像的直方图规定化就是将直方图均衡化后的结果映照到希望的理想直方图上，使图像按人的意向去变换。
数字图像的直方图规定的算法以下：（一）将原始图像作直方图均衡化办理，求出原图像中每一个灰度级r i 所对应的变.换函数S i。
（二）对给定直方图作近似计算，获取理想图像中每一个灰度级Z i所对应的变换函数V i。
（三）找出V i S i的点对，并映照到Z i。
（四）求出P i(Z i)。
实1.准备好的图片，并保留好或许选好MATLAB的工作路径验2.将参照程序稍做改正，并运转。
步3.结果分析。
骤程序以下：1.文件名：fc.mA=imread('123.jpg');I=rgb2gray(A);J=histeq(I);figure,imshow(A)figure,imshow(I);title('原灰色图像');figure,imhist(I);title('原图像的灰度直方图');实figure,imhist(J);title('均衡化图像的直方图');验figure,imshow(J);内title('均衡化图像');容2.文件名：ff.mI=imread('tire.tif');J=histeq(I,32);[counts,x]=imhist(J);Q=imread('123.jpg');figure;imshow(Q);title('原图像');A=rgb2gray(Q);figure;imhist(A);title('原图像直方图');M=histeq(A,counts);.figure;imshow(M);title('直方图规定化后的图像');figure;imhist(M);title('规定直方图');实验数据将上程序稍做变动后所得结果加：Figure;subplot(1,2,1);imhist(I,64);subplot(1,2,2);imhist(J,64);得图：.2...实验1.对程序要充分的认识，合适变动程序，比较程序和直方图之间的关系。
- 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)。
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。
在matlab中，在imhist函数的返回值中，counts保存了落入每个区间的像素的个数，通过计算counts与图像中像素总数的商可以得到归一化的直方图。
3.直方图均衡化很多原始的灰度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变换。
3.1 直方图均衡化的概念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。
这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过这种方法，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
3.2 直方图均衡化理论考虑连续灰度值，并用变量r 表示待处理图像的灰度，假设日取值范围为[0，L-1]，且r=0表示黑色，r=L-1表示白色，用S 分别表示输出图像灰度值。
在r 满足这些条件的情况下，有S=T（r），0≤r≤L-1，T（r ）为变换函数。
对于输入图像中每个具有r 值的像素值产生一个输出灰度值S 。
假设T （r ）满足下列条件：（a ） 在0≤r≤L-1 上是单调递增函数；（b ） 当0≤r≤L-1时，0≤T （r ）≤L-1。
条件(a)中要求T （r ）为单调递增函数是为了保证输出灰度值不少于相应的输入值，防止灰度反变换时产生人为缺陷。
条件（b ）保证输出灰度的范围与输入灰度的范围相同。
从S 到r 的反变换关系为 r= T-1（S ），T-1（S ）对r 同样满足上述条件。
由概率论知，若Pr （r ）和变换函数S=T （r ）已知，T-1（S ）是单值单调增加函数，则变换后的概率密度函数Ps （S ）如下式所示：Ps(S)=[Pr(r)|dr/dS|]=1/（L-1），0≤S≤L -1 （3.2-1）在图像处理中特别重要的变换函数有如下形式：S=T(r)=（L-1）⎰rP r (w)dw （3.2-2）上式（3.2-2）中变换的离散形式为直方图的均衡变换：其中 k=0,1,2，…，L-1 （3.2-3）matlab 图像处理工具箱提供了用于直方图均衡化的函数histeq ，调用语法为：[J, T] = histeq(I)，其中，I 是原始图像，J 是经过直方图均衡化的输出图像，T 是变换矩阵4.举例用实验来阐述直方图均衡化在matlab 中实现的过程4.1在matlab 中绘制归一化直方图在imhist 函数的返回值中，counts 保存了落入每个区间的像素的个数，通过计算counts 与图像中像素总数的商可以得到归一化的直方图。
00(1)()(1)()kk k k r j j j j L s T r L p r n MN ==-==-=∑∑pout.tif原图为：（图4.1-1）在matlab中输入下列语句绘制直方图I = imread('pout.tif'); % 读取图像pout.tiffigure; % 打开一个新窗口[M,N] = size(I); %计算图像大小[counts,x]=imhist(I,32); % 计算有32个小区间的灰度直方图counts = counts/M/N; % 计算归一化灰度直方图各区间的值stem(x,counts); % 绘制归一化直方图得到输出直方图为：（图4.1-2）4.2在matlab中实现直方图均衡化4.2.1输入以下语句，显示灰度原图像I = imshow('pout.tif'); % 显示图像pout.tif（图4.2-1）4.2.2 输入以下语句显示（图4.2-1）的直方图I = imread('pout.tif'); % 读取图像pout.tiffigure; % 打开一个新窗口[M,N] = size(I); %计算图像大小[counts,x]=imhist(I,32); % 计算有32个小区间的灰度直方图counts = counts/M/N; % 计算归一化灰度直方图各区间的值stem(x,counts); % 绘制归一化直方图（图4.2-2）由（图4.2-1）显示的图像及其直方图（图4.2-2）可知这幅图像最为突出的特点是较暗且动态范围较低。
直方图的宽度相对于整个灰度范围来说是相对狭窄的，图像质量比较差。
4.2.3对原图像进行线性变换，得到四幅新图像和新图的直方图线性变换参数如下：fa=2，fb=-55，增加对比度fa =0.5，fb=-55，减小对比度fa =1，fb=55，线性平移增加亮度fa =1，fb=-55，线性平移减小亮度读入pout.tif图像，分布进行增加对比度，减小对比度，线性增加亮度和线性减小亮度的处理I=imread('pout.tif');I=im2double(I);I1=2*I-55/255; subplot(4,2,1); imshow(I1); subplot(4,2,2); imhist(I1);I2=0.5*I-55/255; subplot(4,2,3); imshow(I2); subplot(4,2,4); imhist(I2);I3=1*I+55/255; subplot(4,2,5); imshow(I3); subplot(4,2,6); imhist(I3);I4=1*I-55/255; subplot(4,2,7); imshow(I4); subplot(4,2,8); imhist(I4);（图4.2-3）4.2.4 对4.2.3中四幅新图进行直方图均衡化后得到的的图像及其直方图matlab图像处理工具箱提供了用于直方图均衡化的函数histeq，调用语法为：[J, T] = histeq(I)I是原始图像J是经过直方图均衡化的输出图像T是变换矩阵输入下列语句，在同一窗口中显示16幅图像，一行4幅，每一行分别是线性变换后的图像及其直方图，均衡后的图像及其直方图I=imread('pout.tif');I=im2double(I);subplot(4,4,1); imshow(I1); subplot(4,4,2); imhist(I1); subplot(4,4,3); imshow(histeq(I1)); subplot(4,4,4); imhist(histeq(I1));I2=0.5*I-55/255; subplot(4,4,5); imshow(I2); subplot(4,4,6); imhist(I2); subplot(4,4,7); imshow(histeq(I2)); subplot(4,4,8); imhist(histeq(I2));I3=1*I+55/255; subplot(4,4,9); imshow(I3); subplot(4,4,10); imhist(I3); subplot(4,4,11); imshow(histeq(I3)); subplot(4,4,12); imhist(histeq(I3));subplot(4,4,13);imshow(I4);subplot(4,4,14);imhist(I4);subplot(4,4,15);imshow(histeq(I4));subplot(4,4,16);imhist(histeq(I4));（图4.2-4）通过上述举例的实验，得到了实验结果，可以看出直方图均衡化在matlab 中就得到了实现5. 对第4部分中的直方图均衡化在matlab中得到了实现的实验结果进行比较分析在第4部分中得到了几个结果，分别是原灰度图像：（图4.2-1）对原图像分别进行增加对比度，减小对比度，线性增加亮度和线性减小亮度的处理的得到四幅新图及其直方图：（图4.2-3）在同一窗口中显示16幅图像，一行4幅，每一行分别是线性变换后的图像及其直方图，均衡后的图像及其直方图：（图4.2-4）直方图均衡化是图像增强技术的基本算法，本文分析了这种处理方法的基本理论，并用matlab进行实验。
将图 4.2-4 中均衡后的图像及其直方图与均衡前的进行对比分析可知直方图均衡化的特点是：直方图均衡化在一定程度上改善了图像的对比度差和灰度动态范围，增强了图像的可读性；直方图均衡化是把原始图的直方图变换为均匀分布的形式，增加像素灰度值的动态范围以达到增图像整体对比度的效果，使图像更加明亮，更加清晰。