数字图像处理实验四
桂 林 理 工 大 学
实 验 报 告
班级 软件15-1班 学号3152012011124 姓名 周奎良 同组实验者 实验名称 实验四 图像增强 日期 2018年 11月18 日
一、 实验目的
1掌握灰度直方图的概念及其计算方法；
2熟练掌握直力图均衡化和直方图规定化的计算过程； 3熟练掌握空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。
二、 实验原理
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，削弱或去除某些不需要的信息的处理方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。
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。除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。处理后的图像直方图分布更均匀了，图像在每个灰度级上都有像素点。从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。
三、 实验步骤
1. 显示一幅图像的直方图和经过均衡化处理过的图像直方图，进行观察对比。 相应的代码：
x1=imread('lenna.bmp'); %读原图 x2=rgb2gray(x1); %转换为灰度图像 imshow(x2);
figure,imhist(x2);
数字图像处理实验四
x3=histeq(x2);%均衡化 figure,imshow(x3); 显示的结果：
直方图：
均衡化后的图像：
2. 给一幅图像分别加入高斯噪声和椒盐噪声，使用中值滤波（窗口3*3, 5*5）对其进行平滑，显示平滑结果，并进行观察对比。 源代码：
I=imread('lenna.bmp'); %读原图 j=rgb2gray(I); %转换为灰度图像
J1=imnoise(j,'salt & pepper',0.02); %加均值为0，方差为0.02的椒盐噪声 J2=imnoise(j,'gaussian',0.02); %加均值为0，方差为0.02的高斯噪声。 subplot(2,2,1),imshow(J1); %显示有椒盐噪声图像 subplot(2,2,2),imshow(J2); %显示有高斯噪声图像
I1= medfilt2(J1,[3,3]); %对有椒盐噪声图像进行3*3方形窗口中值滤波
I2= medfilt2(J2,[5,5]); %对有高斯噪声图像进行5*5方形窗口中值滤波
subplot(2,2,3),imshow(I1); %显示有椒盐噪声图像的滤波结果
数字图像处理实验四
subplot(2,2,4),imshow(I2); 结果比对
3、用拉普拉斯算子对图像进行锐化处理 源代码：
I=imread('lenna.bmp'); j=rgb2gray(I); imshow(j);
h=[0 -1 0;-1 4 -1;0 -1 0]; J=imfilter(j,h); figure,imshow(J); 结果： 原图像：
锐化后：
数字图像处理实验四
四、 心得体会
实验中遇到的问题有：初期对图像在频域空间的滤波不太了解，不懂得如何利用傅立叶变换进行频域滤波；解决的方法：通过参考课本中例题及参考程序，逐步分析，加深理解。
通过此次试验，初步掌握图像空域增强算法的基本原理并能在实际应用及MATLAB中实现；通过熟悉各类滤波器对图像处理的应用；加深对图像增强的感性认识，巩固所学理论知识。