基于matlab的直方图均衡化讲解
用matlab 实现基于直方图均衡化的彩色图像增强
基于直方图均衡化的彩色图像增强研究报告Matlab程序如下：clc;RGB=imread('fruit.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);subplot(4,2,1),imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像'); %subplot(4,2,3),imshow(R);title('真彩色图像的红色分量');subplot(4,2,4), imhist(R);title('真彩色图像的红色分量直方图');subplot(4,2,5),imshow(G);title('真彩色图像的绿色分量');subplot(4,2,6), imhist(G);title('真彩色图像的绿色分量直方图');subplot(4,2,7),imshow(B);title('真彩色图像的蓝色分量');subplot(4,2,8), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure,subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure, %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：通过matlab仿真，比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。
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：代码Matlab下面的代码来自archiless，注释非常详细，适合初学。
利用Matlab进行图像去噪和图像增强
利用Matlab进行图像去噪和图像增强随着数字图像处理技术的不断发展和成熟，图像去噪和图像增强在各个领域都有广泛的应用。
而在数字图像处理的工具中，Matlab凭借其强大的功能和易于使用的特点，成为了许多研究者和工程师首选的软件之一。
本文将介绍如何利用Matlab进行图像去噪和图像增强的方法和技巧。
一、图像去噪图像去噪是指通过一系列算法和技术，将图像中的噪声信号去除或减弱，提高图像的质量和清晰度。
Matlab提供了多种去噪方法，其中最常用的方法之一是利用小波变换进行去噪。
1. 小波变换去噪小波变换是一种多尺度分析方法，能够对信号进行时频分析，通过将信号分解到不同的尺度上，实现对图像的去噪。
在Matlab中，可以使用"dwt"函数进行小波变换，将图像分解为低频和高频子带，然后通过对高频子带进行阈值处理，将噪声信号滤除。
最后通过逆小波变换将去噪后的图像重构出来。
这种方法能够有效抑制高频噪声，保留图像的细节信息。
2. 均值滤波去噪均值滤波是一种基于平均值的线性滤波方法，通过计算像素周围邻域内像素的平均值，替代原始像素的值来去除噪声。
在Matlab中，可以使用"imfilter"函数进行均值滤波，通过设置适当的滤波模板大小和滤波器系数，实现对图像的去噪。
二、图像增强图像增强是指通过一系列算法和技术，改善图像的质量、增强图像的细节和对比度，使图像更容易被观察和理解。
Matlab提供了多种图像增强方法，以下将介绍其中的两种常用方法。
1. 直方图均衡化直方图均衡化是一种通过对图像像素值的分布进行调整，增强图像对比度的方法。
在Matlab中，可以使用"histeq"函数进行直方图均衡化处理。
该函数能够将图像的像素值分布拉伸到整个灰度级范围内，提高图像的动态范围和对比度。
2. 锐化增强锐化增强是一种通过增强图像边缘和细节来改善图像质量的方法。
在Matlab中，可以使用"imsharpen"函数进行图像的锐化增强处理。
用MATLAB统计图像直方
02
imhist(I); % 计算并显示归一化直方图
03
```
04
直方图均衡化
直方图均衡化的定义
直方图均衡化是一种图像处理技术， 通过对图像的灰度直方图进行变换， 改善图像的对比度，增强图像的细节 和清晰度。
通过扩展图像的灰度级别范围，使得 图像的细节更加突出，提高图像的可 视化效果。
Matlab实现直方图均衡化
01 使用Matlab中的`histeq`函数，可以对图 像进行直方图均衡化处理。
02 首先，读取图像文件并将其转换为灰度图 像。
03
然后，使用`histeq`函数对灰度图像进行直 方图均衡化处理。
04
最后，显示处理后的图像。
直方图均衡化的效果
01
02
03
直方图均衡化可以显著 改善图像的对比度，增 强图像的细节和清晰度
彩色图像直方图
示例代码
1
```matlab
2
3
I = imread('image.jpg'); % 读取彩色图像
彩色图像直方图
imhist(I); % 计算并显示彩色直方图 ```
归一化直方图
归一化直方图
归一化直方图是一种将像素值范围限制在特定范围内的直方图，可以更好地反映图像的细节和特征。 在Matlab中，可以使用`imhist`函数计算归一化直方图。
直方图可以用于提取图像中的特征，如边缘、纹理等，也可以用于 图像分割，将图像划分为不同的区域。
直方图的计算方法
01
累积直方图
02
归一化直方图
首先计算原始直方图，然后将每个像 素强度值的频数累加起来，得到累积 直方图。累积直方图可以用于快速查 找特定像素强度值的范围。
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！。
图像直方图的均衡化处理图的均衡化
图像直⽅图的均衡化处理图的均衡化图像直⽅图的均衡化处理⼀，技术要求1.1，利⽤matlab提供的函数处理 (2)1.2，利⽤matlab⾃⾏编辑代码处理 (3)⼆，基本原理 (3)2.1，直⽅图的均衡化 (3)2.2，直⽅图的标准化 (3)三，建⽴模型描述 ......................................................................... 3~43.1，利⽤matlab提供的函数处理 (4)3.2，利⽤matlab⾃⾏编辑代码 (4)四，源程序代码 ............................................................................. 5~64.1，绘制图像直⽅图的代码 (5)4.2，绘制图像均衡化后直⽅图的代码 (5)4.3，显⽰均衡化后图像的代码 (6)五，调试过程及结论 ..................................................................... 6~85.1，在编辑窗⼝键⼊绘制直⽅图的源代码得到的输出结果为图2 (6)5.2，利⽤matlab函数绘制的图像直⽅图标准化的输出结果如图3..75.3，直⽅图均衡化输出结果如图4所⽰。
(8)六，⼼得体会 (9)七，参考⽂献 (9)图像直⽅图的均衡化处理⼀，技术要求1.1，利⽤matlab提供的函数处理利⽤matlab提供的函数画出⼀幅图像的直⽅图，对其进⾏均衡化和标准化处理，并⽐较均衡化（标准化）后图像和原图像的区别。
1.2，利⽤matlab⾃⾏编辑代码处理利⽤matlab⾃⾏编辑代码，实现⼀幅图像的直⽅图显⽰和均衡化的处理，同样⽐较处理前后两幅图像的区别，了解图像均衡化的效果和实际运⽤。
⼆，基本原理直⽅图是多种空域处理技术的基础。
它能有效的⽤于图像增强。
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。
彩色图像的直方图均衡化matlab代码
for i = 1 : 256 f(k, i) = cnt(k, i) / (R * C);
end end
% 求累计概率，得到累计直方图 for k = 1 : K
for i = 2 : 256 f(k, i) = f(k, i - 1) + f(k, i);
end end
% 输出 RGB = uint8(RGB); subplot(122); imshow(RGB); title('处理后');
Matlab 直方图均衡化 - CSDN博客 https:///acmore_xiong/article/details/53183131
end end
% 用f数组实现像素值[0,255]的映射。 for k = 1 : K
for i = 1 : 256 f(k, i) = f(k, i) * 255;
end end
% 完成每个像素点的映射 RGB = double(RGB); for i = 1 : R
for j = 1 : C for k = 1 : K RGB(i, j, k) = f(k, RGB(i, j, k) + 1); end
% 统计每个像素值出现次数 cnt = zeros(K, 256); for i = 1 : R
for j = 1 : C for k = 1 : K cnt(k, RGB(i, j, k) + 1) = cnt(k, RGB(i, j, k) + 1) + 1; end
end end
f = zeros(3, 256); f = double(f); cnt = double(cnt);
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。
用MATLAB实现直方图均衡化和中值滤波
一、直方图均衡化1.直方图均衡化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．Matlab中直方图均衡化程序clear all ;close all ;tuu=imread('picture1.JPG');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)+1))=graydis(1,(tu(x,y)+1))+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(255*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)+1);endendfigure,imshow(tu,[]);title('原图');figure,imshow(new_tu,[]);title('直方图均衡化后的图');3．程序运行结果图1 原始图像图2 直方图均衡化后的图从图1和图2中明显可以看出，原始图像中树下的暗区几乎看不清有什么，而经过直方图均衡化以后可以看到有两只猴子，不但如此，均衡化后的途中树枝和树干也变得更加清晰。
matlab 直方图均衡实验报告
基于直方图的灰度级修正班级：电子信息科学与技术0901班姓名：学号:设计时间： 2012年5月24日一 设计课题：基于直方图的灰度级修正二 设计内容及要求：实验原理： 1．直方图均衡化处理技术是用累积分布函数作变换函数的直方图修正方法；2.用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的图像。
均衡步骤：1、统计原始图像的直方图，求出)(k r r P ；2、用累积分布函数作变换∑==kj j r k r P s 0)( ，求变换后的新灰度；3、用新灰度代替旧灰度，求出)(k s s P ，这一步是近似的，力求合理，同时把灰度相等的或相近的合在一起。
设计要求：1. 利用fopen 等函数打开*.dat 文件，采用for 循环统计图像里各灰度级的个数，并用换图函数表示出来。
2. 将打开的图像，采用直方图均衡对原始图像进行灰度级转换，并绘出其灰度直方图。
三 程序设计及其说明：本程序采用matlab GUI 绘图来实现，操作界面、菜单内容如下：图1 操作界面图2 菜单内容程序特色：1.原始图像灰度直方图统计算法一for l=0:255for i=1:rowif fid(i,1)==lh(l+1)=h(l+1)+1;endendend2. 原始图像灰度直方图统计算法二for i=1:rowh(fid(i)+1)=h(fid(i)+1)+1;end由主要代码部分可以看出：算法二算法复杂度很小，这是利用fopen打开文件的特色来决定的，它读入数组时是m行1列。
四实验结果及分析：灰度直方图统计：原始图像与均衡后图像灰度直方图（以LENA女孩图像为例）不同亮度图像直方图均衡效果显示1. LENA 图像 （1）正常图5 LENA 正常 原始及均衡后图像显示（2）高亮度图3 原始图像直方图图4 图像均衡后直方图图6 LENA高光原始及均衡后图像显示（3）偏暗图7 LENA偏暗原始及均衡后图像显示2.couple图像（1）正常图8 couple正常原始及均衡后图像显示图9 couple高亮原始及均衡后图像显示（3）偏暗图10 couple偏暗原始及均衡后图像显示3.NBA图像（1）正常图11 NBA正常原始及均衡后图像显示（3）偏暗图13 NBA偏暗原始及均衡后图像显示不同亮度的原始图像与均衡后图像灰度直方图1. LENA图像（1）正常（2）高亮度（3）偏暗图16 原始图像直方图图17 图像均衡后直方图图14 原始图像直方图图15 图像均衡后直方图2. couple 图像 （1）正常（2）高亮度图20 原始图像直方图图21 图像均衡后直方图图18 原始图像直方图图19 图像均衡后直方图（3）偏暗3. NBA 图像 （1）正常图24 原始图像直方图图25 图像均衡后直方图图22 原始图像直方图图23 图像均衡后直方图（2）高亮度（3）偏暗图28 原始图像直方图图29 图像均衡后直方图图26 原始图像直方图图27 图像均衡后直方图结果分析：通过几个图像显示结果可以看出：直方图均衡结果使图像亮度有所提高，所以它对比较暗的图像显示的更加清晰，而太亮的图像或曝光过度的图像，经过直方图均衡，效果不是很好，但是轮廓勾画的会明显些。
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
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的直方图均衡化
课程设计报告学生姓名：学生学号：系别：专业：届别：指导教师：电气信息工程学院制指导老师：马立宪电气工程学院：电子信息工程关键词：图像增强 直方图 均衡化Matlaba. 在0≤r≤1 区间内是单值单调增加函数；b. 对于0≤r≤1，有0≤T（r）≤1。
由概率论知，若Pr（r）和变换函数S=T（r）已知，T （S）是单值单调增-1P (S)=[P (r)dr/dS] =T (S)-13.2 直方图均衡化理论>> clear allPS=imread('E:\My Douments\2.jpg'); imshow(PS)[m,n]=size(PS);GP=zeros(1,256);%预创建存放灰度出现概率的向量for k=0:255GP(k+1)=length(find(PS==k))/(m*n);概率，将其存入GP中相应位置endfigure,bar(0:255,GP,'g')title('原图像直方图')xlabel('灰度值')ylabel('出现概率')原图像直方图end图3 直方图均衡化后的直方图PA(find(PS==i))=S2(i+1);将各个像素归一化后的灰度值赋给这个像素end显示均衡化后的图像- 7->> x=linspace(0,1,256);>> xlabel('输入亮度值','fontsize',20)>> ylabel('输出亮度值','fontsize',20)>> text(0.18,0.5,'变换函数','fontsize',20)图5变换函数[1]章毓晋.图像处理和分析教程[M].北京：人民邮电出版社，2009.11[2]王家文，曹宇.图形图像处理[M].北京：国防工业出版社,2004.5[3]杨杰.黄朝兵.数字图像处理及MATLAB实现电子工业出版社附录:仿真总图。
直方图均衡化matlab代码
图片采用了维基百科直方图均衡化中的图片保存为文件名test0.jpg直方图均衡化的原理参考《数字图像处理第三版（冈萨雷斯）》第75页公式3.3-8（主要就是一个公式）代码如下：imgdat0=imread('test0.jpg');%读图[r,c]=size(imgdat0);%图像尺寸PixelNum=r*c;%图像尺寸distribute=zeros(1,256);%原始直方图统计for i=1:PixelNumpos=imgdat0(i)+1;%加1是因为matlab索引从1开始而不是从0开始distribute(pos)=distribute(pos)+1;%pos为像素值，范围0-255/1-256enddistribute=distribute/PixelNum;%原始直方图统计convertarray=zeros(1,256);%像素转换对应tempadd=0;%累加计算使用for i=1:255%计算像素转换对应公式tempadd=tempadd+distribute(i);convertarray(i)=uint8(255*tempadd);endrimgdat0=uint8(zeros(r,c));%计算结果图像for i=1:PixelNumrimgdat0(i)=convertarray(imgdat0(i));%像素值转换end%显示figureimshow(imgdat0)figureimshow(rimgdat0)figurebar(distribute)rdistribute=zeros(1,256);%计算结果直方图统计for i=1:PixelNumpos=rimgdat0(i)+1;rdistribute(pos)=rdistribute(pos)+1;endfigurebar(rdistribute)原图结果图计算前后的直方图。
3-Matlab自带函数和自编写的函数对图像直方图均衡化对比
%函数功能，画出图像的直方图，并对图像进行直方图均衡%图像增强clear allclose allimage=imread('sea.jpg'); %读入图片tu=rgb2gray(image);% %将彩色图片转换为灰度图240*497 元素取值0-255J=histeq(tu);perGray=zeros(1,256); %设置矩阵大小原直方图各灰度级个数perGray perGrayPro=zeros(1,256); %原直方图累计灰度级个数new_perGray=zeros(1,256);new_perGrayPro=zeros(1,256);[h w]=size(tu);% 240*497new_tu=zeros(h,w);%计算原始直方图各灰度级像素个数perGrayfor x=1:hfor y=1:wperGray(1,tu(x,y))=perGray(1,tu(x,y))+1;%endend%计算原始直方图perGrayPro，原直方图各灰度级像素个数归一化perGrayPro=perGray./sum(perGray);%将原图个各灰度级的频数归一化作为频率subplot(1,2,1);plot(perGrayPro);title('原图的灰度直方图');xlabel('灰度值');ylabel('像素的概率密度');subplot(1,2,2);imhist(tu);title('hist得到的原始图像的直方图') ;axis([0 255 0 2500]);%%%计算原始累计直方图%利用累积分布函数作为映射关系，建立原图到新图的映射for i=2:256perGrayPro(1,i)=perGrayPro(1,i)+perGrayPro(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%重点步骤for i=1:256t(1,i)=floor(254*perGrayPro(1,i)+0.5); %将原图累计直方图元素化为0-255作为新图的像素值end%%%统计新直方图各灰度级像素个数new_perGrayfor i=1:256new_perGray(1,t(1,i)+1)=new_perGray(1,t(1,i)+1)+perGray(1,i);end%计算新的灰度直方图new_perGrayPronew_perGrayPro=new_perGray./sum(new_perGray);figure();subplot(1,2,1);plot(new_perGrayPro);title('均衡化后的灰度直方图');xlabel('灰度值');ylabel('像素的概率密度');subplot(1,2,2);imhist(J);title('用histeq得到的均衡化的的直方图'); axis([0 255 0 2500]); %%%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));endend%%%输出原图和均衡后的图像figure();subplot(3,1,1);imshow(tu,[]);title('原图灰度图');subplot(3,1,2);imshow(new_tu,[]);title('直方图均衡化后的图');subplot(3,1,3);imshow(J);title('用histeq得到的均衡化的图像')。
- 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)。
课程设计报告题目基于matlab的直方图均衡化程序设计学生姓名：学生学号：系别：专业：届别：指导教师：电气信息工程学院制目录1、引言·······················································································- 2 -2、直方图基础 ···············································································- 2 -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 ······················································································- 10 -5、心得体会················································································- 10 -参考文献·····················································································- 10 -基于matlab的直方图均衡化程序设计指导老师：马立宪电气工程学院：电子信息工程摘要：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。