数字图像处理实验报告--直方图均衡化

数字图像处理实验报告实验名称：直方图均衡化名称：类：学号：专业：电子信息工程(2 2)导师：陈华华实验日期：2012年5月24日直方图均衡化图像对比度增强方法可分为直接对比度增强方法两类：其他类是间接对比度增强方法。直方图均衡化是最常见的间接对比度增强方法。直方图均衡化使用累积函数“调整”灰度值以提高对比度。直方图均衡化处理的“中心思想”是将原始图像的灰色直方图从比较集的特定灰色间距更改为整个灰色范围内的均匀分布。直方图均衡化是对图像进行非线性拉伸，然后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。直方图均衡化是指将给定图像的直方图分布更改为“均匀”分布直方图分布。缺点：1)转换后，图像的灰度减少，某些细节消失。(2)一些处理后对比度不自然增加的图像，例如直方图的峰值。直方图均衡化是在图像处理区域中使用图像直方图调整对比度的方法。此方法通常用于增加许多图像的局部对比度，尤其是在图像有用数据的对比度相当接近的情况下，此方法可以使明度在直方图中分布得更好。这可以用于提高局部对比度而不影响总体对比度，直方图均衡化通过有效地扩展常用亮度来实现此功能。直方图均衡化的基本想法是将原始图的直方图转换为均匀分布的形式。这会增加像素灰度值的动态范围，从而获得提高图像整体对比度的效果。如果原始图像的灰度(x，y)为f，更改的图像为g，则图像增强方法是将灰度f从(x，y)映射到g。在灰度直方图均衡化过程中，图像的映射函数可以定义为EQ(f)必须满足两个条件(l是图像的灰度系列):的：g=EQ (f)(1)EQ(f)是范围0fL-1中的单值单增量函数。这是为了避免提高原始图像的灰度排序顺序，在变换后，原始图像的灰度保持从黑色到白色(或从白色到黑色)。(2) 0fL-1有0gL-1的情况下，此条件保证了变换前后灰度值动态范围的一致性。累积分布函数既可以满足上述两个条件，也可以通过此函数将原始图像f的分布转换为g的均匀分布。此时，直方图均衡化映射函数为：Gk=EQ(fk)=(ni/n)=pf(fi)，(k=0，1，2，L-1)上述总计间距介于0到k之间，根据源图像中的像素灰度值，可以在直方图均衡化后直接获得每个像素的灰度值。实际处理转换时，通常会统计分析原始图像的灰度情况，计算原始直方图分布，然后根据计算出的堆积直方图分布查找fk到GK的灰度映射关系。重复上述步骤，将源图像中的所有灰度映射到目标图像的灰度，然后将源图像中的每个点像素转换为灰度，完成源图像的直方图均衡化。首先，调用MATLAB系统函数(1)实验程序Clear allf=im read(camera man . TIF)；Figure(1)IMS how(f)；Figure(2)im hist(f)；绘制% image f的直方图Ylim(自动)；G=histeq(f，256)；% f的直方图均衡化，输出图像的灰色系列256Figure(3)im show(g)；Figure(4)im hist(g)；Ylim(自动)；(2)实验结果：图1:原始图23360原始直方图图3:后处理图4:后处理直方图第二：没有系统函数(1)实验程序：f=im read(camera man . TIF)；读取原始图像%m，n=size(f)；Figure(1)IMS how(f)；Gp=zeros(1，256)；创建%完整的0矩阵，1256，以计算每个灰度的发生概率For i=1:256Gp (I)=长度(find(f=(I-1)/(m * n)；EndFigure，bar (03336955，gp)；NewGp=zeros(1，256)；%计算新灰度出现的概率S1=zeros(1，256)；S2=zeros(1，256)；tmp=0；For i=1:256tmp=tmp gp(I)；S1(I)=tmp；%会话灰度的累计概率S2(I)=round(S1(I)* 256)；%将整个值存储在S2中EndFor i=1:256new gp(I)=sum(gp(find(S2=I)；EndFigure，bar (03336955，new gp)；For i=1:256new graypic(find(f=(I-1)=S2(I)；用新灰度填充%旧灰度值EndFigure，im show(new graypic)；(2)实验结果：图5:原始图6:原始图的直方图图7:后处理图8:后处理直方图第三：使用这两种方法比较效果的差异系统函数调用结果系统函数调用结果无即使两个直方图的统计方法不同，左侧是统计每个灰度值总和的像素，