4.4.2直方图均衡化
实现图4.8的直方图均衡化：先点“选取图像”选择一张图片，然后再点“直方图均衡化”实现的结果如图4.9，直方图对比如图4.10、4.11所示：
实现所对应的程序如下：
function pushbutton 10_Callback(hObject,eventdata,handles)
global img_src;
global IMAGE;
if img_src= =0
msgbox(‘请先打开一幅图像’，‘错误’，‘error’);
else
flag=isrgb(img_src);
if flag= =0;
I1=histeq(img_src);
figure;
subplot(221);imshow(img_src);title(‘原图像’)；subplot(222);imhist(img_src);title(‘原直方图’)；subplot(223);imshow（I1）;title(‘均衡化后的图像’)；subplot(224);imhist（I1）;title(‘均衡化后的直方图’)；else
IMAGE=rgb2gray(img_src);
I1=histeq(IMAGE);
figure;
subplot(221);imshow(IMAGE);title(‘原图像’)；
subplot(222);imhist(IMAGE);title(‘原直方图’)；
subplot(223);imshow（I1）;title(‘均衡化后的图像’)；
subplot(224);imhist（I1）;title(‘均衡化后的直方图’)；
end
end
4.4.3 直方图规定化
实现图4.8的直方图规定化：先点“选取图像”选择一张图片，然后再点“直方图规定化”实现的结果如图4.13，直方图对比如图4.14、4.15所示：
实现所对应的程序如下：
function pushbutton23_Callback(hObject,eventdata,handles)
global img_src;
global IMAGE;
if img_src= =0
msgbox(‘请先打开一幅图像’，‘错误’，‘error’); else
fl=isrgb(img_src);
if fl= =0;
I=img_src;
[M,N]=size(I);
for i=1:8:257
counts(i)=i;
end
Q=img_src;
N=histeq(Q,counts);
figure
subplot(221);imshow(img_src);title(‘原图像’)；subplot(222);imhist(img_src);title(‘原直方图’)；subplot(223);imshow（N）;title(‘均衡化后的图像’)；subplot(224);imhist（N）;title(‘均衡化后的直方图’)；axis([0 260 0 5000]);
else
IMAGE=rgb2gray(img_src);
I=IMAGE
[M,N]=size(I);
for i=1:8:257
counts(i)=i;
end
Q=IMAGE;
N=histeq(Q,counts);
figure
subplot(221);imshow(img_src);title(‘原图像’)；subplot(222);imhist(img_src);title(‘原直方图’)；subplot(223);imshow（N）;title(‘规定化后的图像’)；subplot(224);imhist（N）;title(‘规定化后的直方图’)；
end
end
4.4.4 灰度反转
实现图4.8的灰度反转：先点“选取图像”选择一张图片，然后再点“灰度反转”实现的结果对比如图4.16、4.17所示：
实现所对应的程序如下：
function pushbutton25_Callback (hObject,eventdata,handles)
global img_src;
global IMAGE;
IMAGE=double(img_src);
IMAGE=256_l_IMAGE;
IMAGE=uint8(IMAGE);
axes(handles.axes_dst);
imshow(IMAGE);
4.4.5 边缘提取
实现图4.8的边缘提取。先点“选取图像”选择一张图片，然后再点“边缘提取”实现的结果对比如图4.18所示：
实现所对应的程序如下：
function pushbutton19_Callback(hObject,eventdata,handles)
global img_src;
global IMAGE;
IMAGE=0;
if img_src= =0%
msgbox(‘请先打开一幅图像’‘错误’‘error’);
else
fl=isrgb(img_src);
if fl= =0;
IMAGE=edge(img_src, ‘sobel’) ;
axes(handles.axes_dst);
imshow(IMAGE);
else
IMAGE=edge(rgb2gray(img_src), ‘sobel’);
axes(handles.axes_dst);
imshow(IMAGE);
end
end
4.4.6 二值化
实现图4.8的二值化。先点“选取图像”选择一张图片，然后再点“二值化”实现的结果对比如图4.19所示：
实现所对应的程序如下：
function pushbutton21_Callback(hObject,eventdata,handles)
global img_src;
global IMAGE;
x=img_src;
if img_src= =0
msgbox(‘请先打开一幅图像’‘错误’‘error’)；
else
% p=input(‘input a num for 0_1’);
BW=im2bw(img_src,0.4);
imshow(img_src);
axes(handles.axes_dst);
imshow(BW);
end
4.4.7 几何变换
实现图4.8的图像的几何变换：先点“选取图像”选择一张图片，然后再点“几何变换”实现的结果对比如图4.20所示：
实现所对应的程序如下：
function pushbutton24_Callback(hObject,eventdata,handles)
global img_src;
global IMAGE;
% R=input(‘input a num 0~90’);
IMAGE=imrotate(img_src,35, ‘bilinear’);
J1=imrotate(IMAGE,35, ‘bilinear’‘crop’);
J2=imrotate(img_src,-90, ‘bilinear’); figure;
subplot(2,2,1),imshow(img_src);
subplot(2,2,2),imshow(j2);
subplot(2,2,3),imshow(IMAGE);
subplot(2,2,4),imshow(J1);
数字图像处理实验报告 实验名称：直方图均衡化 ： 班级： 学号： 专业：电子信息工程（2+2） 指导教师：华华 实验日期：2012年5月24日
直方图均衡化 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一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。直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 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围的均匀分布。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，使一定灰度围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。 缺点： 1）变换后图像的灰度级减少，某些细节消失； 2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。 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。 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围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。 (2)对于0≤f≤L-1有0≤g≤L-1，这个条件保证了变换前后灰度值动态围的一致性。 累积分布函数即可以满足上述两个条件，并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: gk = EQ(fk) = (ni/n) = pf(fi) ， (k=0，1，2，……，L-1) 上述求和区间为0到k，根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后，按照这个映射关系对
基于颜色直方图的图像检索 作者:吴亚平学号:200812017081203009 1.概述 在过去的十几年间，有许多知名机构都对图像检索系统进行了深入的研究，病开发出了相应的检索系统，例如IBM Almaden研究中心研制的QBIC系统，Virage公司研发的VIRAGE系统，麻省理工大学多媒体实验室研发的Photobook系统，哥伦比亚大学研发的VisualSeek系统，斯坦福大学研发的WBIIS系统，U.C.伯克利分校研发的Blobworld系统等等。 这些检索系统的基本特征都是基于图像像素值的特征提取相应的规则图像，例如形状、颜色、纹理等，并以此为依据对图像进行比较检索，在这篇论文中，系统采用了基于颜色特征提取的检索。基于直方图在两个颜色空间对图像特征进行判定检索。这两个颜色空间是RGB和HSV。通过对两副图像对应的RGB和HSV 值计算其距离，依据距离的远近来判断相似性，这种方法简单易行，由于丢弃了图像的形状、颜色、纹理等信息，判定的计算量相对较小。当然这也导致了两副图像之间的判定没有实际的语义上的关联，也就是说，距离相近的图像并不一定有事实上的相应联系。但是，经过试验的判定，这种基于直方图的图像检索系统能够为图片检索提供相对精确的检索结果。 2.相关知识 2.1. RGB颜色空间 RGB颜色模型中每种颜色都是由红绿蓝三种颜色组成。这种颜色模型在许多CRT显示器和彩色光栅图形设备中被广泛使用。这三种颜色被认为是其他颜色的
添加剂，对于所需要的颜色通过对这三种颜色进行不同的比例进行相加即可得到。RGB模型可以用如下的颜色坐标系表示。注意从（0，0，0）到（1，1，1）的对角线，白色代表了灰阶，RGB色彩模式俯视从白色开始的。 2.2. HSV颜色空间（也称HIS颜色空间） HSV字母分别代表了色度（Hue），饱和度（Saturation），色调。上面的锥形图说明HSV的颜色模型。Value代表了颜色的强度，他是从图像信息中分离出来，可以表示相关信息的部分。色度和饱和度代表了颜色在人眼中的生理特征。色度与红色等颜色从0到1的表示不同，色度是从红色通过黄，绿，青，蓝，洋红色，再回到红色。饱和度的区分是从0 到 1，他通过值大小来影响颜色的饱和度。对于色调，也是从0到1，随着他的增大，图像的颜色就会越来越亮。
实验一灰度图像直方图统计 一、实验目的 掌握灰度图像直方图的概念和计算方法，了解直方图的作用和用途。提高学生编程能力，巩固所学知识。 二、实验内容和要求 （1）用Photoshop显示、了解图像平均明暗度和对比度等信息； （2）用MatLab读取和显示一幅灰度图像； （3）用MatLab编写直方图统计的程序。 三、实验步骤 1. 使用Photoshop显示直方图： 1）点击文件→打开，打开一幅图像； 2）对图像做增强处理，例如选择图像→调整→自动对比度对图像进行灰度拉伸，观察图像进行对比度增强前后的视觉变化。 3）利用统计灰度图像直方图的程序分别针对灰度拉伸前后的灰度图像绘制其灰度直方图，观察其前后的直方图变化。 2．用MatLab读取和显示一幅灰度图像； 3. 绘制图像的灰度直方图； function Display_Histogram()
Input=imread('timg.jpg'); figure(100); imshow(uint8(Input)); title('原始图像'); Input_Image=rgb2gray(Input); figure(200); imshow(uint8(Input_Image)); title('灰度图像'); sum=0; His_Image=zeros(1,256); [m,n]=size(Input_Image); for k=0:255 for I=1:m for j=1:n if Input_Image(I,j)==k His_Image(k+1)=His_Image(k+1)+1; end end end end figure(300); plot(His_Image); title('图像的灰度直方图'); 4.显示图像的灰度直方图。
数字图像处理 实验 实验四：图像增强—直方图变换学院：信息工程学院 姓名： 学号： 专业及班级： 指导教师：
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、实验内容 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。 直方图是多种空间城处理技术的基础。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。 三、实验具体实现 显示原图像的直方图和经过均衡化处理过的图像直方图： I=imread('1.jpg'); % 读入原图像 J=histeq(I); %对原图像进行直方图均衡化处理 subplot(2,2,1) ;imshow(I); %显示原图像 title('原图像'); %给原图像加标题名 %对原图像进行屏幕控制；显示直方图均衡化后的图像 subplot(2,2,2) ;imshow(J); %给直方图均衡化后的图像加标题名 title('直方图均衡化后的图像') ; %对直方图均衡化后图像进行屏幕控制；作一幅子图，并排两幅图的第1幅 subplot(2,2,3) ; imhist(I,64); %将原图像直方图显示为64级灰度 title('原图像直方图') ; %给原图像直方图加标题名
Computer Knowledge and Technology 电脑知识与技术第7卷第4期(2011年2月)直方图图像增强技术 龙清 （重庆广播电视集团（总台），重庆401147） 摘要：图像增强就是通过一定的方法对图像进行处理和变换，它能有效地改善图像整体质量和局部特征，是数字图像的预处理。基于直方图均衡化和规定化处理的图像增强技术，能有效地改善图像的对比度和灰度动态范围。实验结果表明，直方图均衡化和规定化处理确能有效地改善图像的对比度和灰度动态范围，从而改善图像的可视质量。 关键词：图像增强；直方图；均衡化；规定化；灰度级；MATLAB 中图分类号：TP391文献标识码：A 文章编号：1009-3044(2011)04-0883-04 The Image Enhancement Based on Histogram LONG Qing (Chongqing Radio &TV Group (Station),Chongqing 401147,China) Abstract:Image enhancement which is also called image pre-processing ,can improve the visual quality of the whole and partial image,by transforming the image's data according to some special methods.The image enchancement based on histogram equalization and specifica -tion can improve the contrast details and the dynamic range of gray level of the image.The MATLAB experiments demonstrate that the image enchancement based on histogram equalization and specification actually make the image better in vision. Key words:image enhancement;histogram;equalization;specification;gray level;MATLAB 在图像摄取、传输和变换过程中，由于受到系统噪声、曝光不足（或过量）以及相对运动等因素影响，获取的图像往往会与原始图像之间产生某些差异(称为降质或退化)。降质后的图像质量变差，从中提取的信息量减少，甚至出现错误信息。图像增强技术可以根据图像的模糊情况，采用各种特殊的技术手段来突出图像中的某些信息，削弱或消除无关信息，达到整体或局部改善图像质量的目的。目前，图像增强技术还没有统一的技术标准，采用的方法也有所不同，常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等方法。本文将着重分析基于直方图修改的图像增强技术。 1图像增强 图像增强就是通过一定的方法给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，抑制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，不用分析图像降质的原因，处理后的图像不一定完全逼近原始图像。增强图像可以是一个失真的过程，其目的就是要改善图像的视觉效果。针对给定图像的应用场合，有目的地选择强调图像的整体特征或局部特征，将原来模糊的图像变得清晰，扩大图像中不同物体之间的特征差别，改善图像质量，丰富信息量，加强图像判读和识别效果，从而满足某些特殊分析的需要。 灰度是图像的一个重要技术指标，对图像灰度的研究有着广泛的代表意义，本文将以灰度图像作为研究对象。对于灰度图像来说，所有的像素都可以用灰度来表示，其图像灰度的亮度函数（阵列）大于零。 2灰度直方图 直方图又称柱状图，就是相对将一个变量的不同等级的频数用柱状线标绘的图表。灰度直方图反映了数字图像中每一灰度级与其出现频率之间的统计关系，可表达为： p(r k )=n k /n k=0,1,2…L-1 其中，n 为图像像素总数，r k 表示第k 个灰度级，n k 表示图像中灰度级r k 出现的像素的个数，p(r k )表示灰度级r k 出现的概率。灰度直方图是一个概率密度函数，如果图像的灰度级都集中在很窄的灰度范围内，则表明该图像的灰度取值动态范围小，相应的图像对比度较低；如果图像的灰度级比较均匀地分布在较大的灰度范围内，则表明该图像具有较大的灰度动态范围，相应的图像具有较大的对比度。灰度直方图给出了关于图像概貌的一个总体描述，从灰度图中可以知道图像的灰度范围、每个灰度级的出现频率、灰度级的分布、整幅图像的平均明暗和对比度等情况，为进一步处理图像提供了重要的依据。通过有针对性地改变直方图的灰度分布状况，使灰度均匀地或按预期目标分布于整个灰度范围，从而达到增强图像的效果。3直方图均衡化 3.1整体直方图均衡化 直方图均衡化就是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像。它以收稿日期：2011-01-18 作者简介：龙清（1966-），男，重庆广播电视集团（总台）高级工程师，硕士，曾在《电视技术》、《光通信技术》等杂志上发表过文章。E-mail:eduf@https://www.doczj.com/doc/4013631903.html, https://www.doczj.com/doc/4013631903.html, Tel:+86-551-56909635690964ISSN 1009-3044Computer Knowledge and Technology 电脑知识与技术Vol.7,No.4,February 2011,pp.883-886
作者简介：刘计平（１９６８－），女，河北省平山县人，讲师，硕士。 收稿日期：２００７－０８－１４；修回日期：２００７－１２－２５ ０引言 这里讨论空间域直接对像素操作的图象增强，重点研究分析了用直方图增强图像的简便处理算法。图像增强是用来提高图像的视觉效果或将图像转换成适于人眼、机器分析形式的一门技术。用直方图变换方法进行图像增强技术是以概率论为基础的。具体讲直方图就是图像的每一级灰度所占的像素数目。对一幅灰度图像直方图给出了一幅图像所有灰度值的整体描述。可用直方图均衡化和规定化处理增强图像。 １直方图均衡化的图象增强 绘制直方图，横轴代表灰度级，纵轴代表每一灰度 级所占像素个数如图１。用以下公式可表示直方图： ｐ（ｓｋ）＝ｎｋ／ｎ，ｋ＝０，１……，Ｌ－１，其中ｓｋ表示图像第Ｋ 级灰度值，ｎｋ对应Ｋ值灰度级的像素数，ｎ是图像的像素总数，Ｌ表示图像的灰度级总数如Ｌ＝２５６等，通过直方图图１可看出图象具有各灰度级的像素分布以及动态范围。 直方图均衡化的算法，这里以２５６级灰度图像为例，说明如下：１）统计原始灰度图的直方图的各灰度 级ｓｋ的像素ｎｋ（ｋ＝０，１，２，…，２５５）；２）用ｐｓ!" ｓ＝ｎ ｋｎ ；０≤ｓｋ≤２５５，ｋ＝０，１，…，２５５计算原始直方图，计算量 大。３）用２）中的结果来计算累计直方图ｔｋ＝２５５ ｋ＝０ $ ｎｋ ｎ（ｋ＝０，１，２，…，２５５），计算量大。４）取整扩展ｔｋ＝ｉｎｔ［（Ｎ－１）ｔｋ＋０５］，其中（ｋ＝０，１，２，…，２５５，Ｎ＝２５６）。５）由４）计算结果， 建立映射对应关系（ｓｋ→ｔｋ），即将原始灰度图中灰度为ｓ ｋ 的替换成新直方图中灰度为ｔｋ（ｋ＝０，１，２，…，２５５），如ｔ０ ＝１，则ｓ０＝＞ｔ１＝１或０灰度级＝＞１灰度级。６）统计新直方 图各灰度级象素ｎｋ，注意几个原始灰度级映射到同一个新直方图灰度级时，此新直方图灰度级像素是几个原始灰度级象素的和。如：３＝＞６，４＝＞６，则ｎ６＝ｎ３＋ｎ４。７）用ｐ ｓ!"ｓ＝ ｎ ｋｎ 计算新直方图或均衡化后的直方图，可知新直方图灰度级减少，各灰度级概率突出和增大拉宽，结果是增强了图像的对比度以及增加了原灰度值的动态范围，把原始图像的直方图变成均匀分布的形式。 ２直方图规定化的图象增强 直方图均衡化处理方法的效果还是很不错的，从 实现算法上也可以看出其优点主要在于能自动增强整幅图像的对比度，但具体的增强效果也因此不易控制，只能得到全局均衡化处理的直方图［１－２］。在实际应用中，往往要根据不同的要求得到特定形状的直方图分布，以有选择的对某灰度范围进行局部范围内的对比度增强，此时可以采用对直方图的规定化处理。直方图的规定化处理主要有三个步骤（以１幅６４×６４，８ｂｉｔ灰度图象为例说明）： 基于图像增强直方图 刘计平 （山西太原市交通职业技术学院，山西 太原 ０３００３１） 【摘要】图像增强是数字图像的预处理，对图像整体和局部特征都能有效地进行改善。文章主要研究比较了直方 图的均衡化和规定化方法的图像增强的基本原理和算法，以及能改进灰度图像的对比度和灰度级动态范围的处理，为更好的快速掌握和应用直方图增强图像技术提供了好的指导和参考资料。【关键词】图像增强；直方图；均衡化；规定化；算法【中图分类号】ＴＨ８６ 【文献标识码】Ｂ 【文章编号】１００３－７７３Ｘ（２００８）０２－０１６４－０３ ＢａｓｅｄｏｎＩｍａｇｅＥｎｈａｎｃｅｍｅｎｔｏｆＨｉｓｔｏｇｒａｍｓ ＬＩＵＪｉ－ｐｉｎｇ （ＳｃｈｏｏｌｏｆＪｉａｏｔｏｎｇＶｏｃａｔｉｏｎａｌＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００３１，Ｓｈａｎｘｉ，Ｃｈｉｎａ） 〔Ａｂｓｔｒａｃｔ〕Ｉｍａｇｅｅｎｈａｎｃｅｍｎｔｗｈｉｃｈｉｓａｌｓｏｃａｌｌｅｄｐｒｅ－ｐｒｏｃｅｓｓｉｎｇｐｌａｙｓａｎｉｎｄｉｓｐｅｎｓａｂｌｅｒｏｌｅｉｎｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇ．Ｔｈｉｓａｒｔｉｃｌｅｉｎｔｒｏｄｕｃｅｓｔｗｏｋｉｎｄｓｏｆａｌｇｏｒｉｔｈｍ，ｈｉｓｔｏｇｒａｍｅｑｕａｌｉｚａｔｉｏｎａｎｄｓｐｅｃｉｆｉｃａｔｉｏｎｓ，ｗｈｉｃｈｃａｎｉｍｐｒｏｖｅｔｈｅｃｏｎｔｒａｓｔｄｅｔａｉｌｓａｎｄｅｑｕａｌｉｚｅｔｈｅｄｙｎａｍｉｃｒａｎｇｅｏｆｉｍａｇｅｇｒａｙｌｅｖｅｌ，ｗｈｉｃｈｐｒｏｖｉｄｅｇｏｏｄｄｉｒｅｃｔｉｏｎａｎｄｒｅｆｅｒｅｎｃｅｆｏｒｂｅｔｔｅｒａｎｄｒａｐｉｄｍａｓｔｅｒｉｎｇａｎｄｕｔｉｌｉｚｉｎｇｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｏｌｏｇｙｏｆｈｉｓｔｏｇｒａｍｓ．〔Ｋｅｙｗｏｒｄｓ〕Ｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔ；Ｈｉｓｔｏｇｒａｍ；Ｅｑｕａｌｉｚａｔｉｏｎ；Ｓｐｅｃｉｆｉｃａｔｉｏｎ；Ａｌｇｏｒｉｔｈｍ 第２４卷第２期（总第１０１期）机械管理开发 ２００８年４月Ｖｏｌ．２４Ｎｏ．２（ＳＵＭＮｏ．１０１）ＭＥＣＨＡＮＩＣＡＬＭＡＮＡＧＥＭＥＮＴＡＮＤＤＥＶＥＬＯＰＭＥＮＴ Ａｐｒ．２００８ 图１ 直方图
图像增强是数字图像处理的基本内容。遥感图像增强是为特定目的，突出遥感图像中的某些信息，削弱或除去某些不需要的信息，使图像更易判读。图像增强的实质是增强感兴趣目标和周围背景图像间的反差。它不能增加原始图像的信息，有时反而会损失一些信息。它也是计算机自动分类一种预处理方法。 目前常用的图像增强处理技术可以分为两 大类：空间域和频率域的处理。主要内容包括基于直方图的处理、图像平滑以及图像锐化等。空间域处理是指直接对图像进行各种运算以得到需要的增强结果。频率域处理是指先将空间域图像变换成频率域图像，然后在频率域中对图像的频谱进行处理，以达到增强图像的目的。 6.2.1 图像灰度的直方图 图像灰度直方图反映了一幅图像中灰度级 与其出现概率之间的关系。对于数字图像，由于图像空间坐标和灰度值都已离散化，可以统计出灰度等级的分布状况。数字图像的
灰度编码从0，1，2，…，2n－1（n为图像量化时的比特数），每一个灰度级的像元个数mi可以从图像中统计出来，整幅图像的像元数为M，则任意灰度级出现的频率为： （6－20） （6－21） 由2n个P值即可绘制出数字图像的灰度直方图，如图6－5。图像直方图随图像不同而不同，不同图像有不同的直方图。 图6－5数字图像直方图 灰度直方图可以看成是一个随机分布密度函数，其分布状态用灰度均值和标准差两个参数来衡量。灰度均值为： (6－22)
式中：为整幅图像灰度平均值； X ij为（i,j）处像元的灰度值； R为图像行数； L为图像列数； M=R*L为图像像元总数； 标准差： Xi：i处像元的灰度值 直方图分布状态不同，图像特征不同，如图6－6所示。
基于容的图像检索——累加直方图算法 摘要 随着多媒体、网络技术的迅速发展，图像信息的应用日益广泛，对规模越来越大的图像数据库、可视信息进行有效的管理成为迫切需要解决的问题，灵活、高效、准确的图像检索策略是解决这一问题的关键技术之一。因此，基于容的图像检索已成为国外学者研究的主要热点问题，并取得了不少的成果。 本文主要对当今热门的基于容的图像检索技术进行了研究，重点对它的算法进行研究。在半年的时间里，通过查阅很多相关的资料，并认真学习了基于容的图像检索的基本理论，特别是深入研究了颜色直方图理论和累加直方图算法，最后在MATLAB平台下编程实现此系统，该系统可以实现基本图像检索的功能，根据用户输入的样本图像来与图像库中的图像进行特征匹配，然后找出与样本图像距离比较小的若干幅图像，并按照图像之间的距离由小到大的顺序显示给用户。 经过对该系统进行反复的调试运行后，该系统所实现的功能基本达到了设计目标，并且运行良好。当用户提供出所要查询的关键图后，系统就可以从用户提供的图像库中检索到与关键图相似的图片并排序返回给用户，达到了预期效果。 关键词：图像检索累加直方图颜色特征 MATLAB
目次 1 绪论 (1) 1.1 国外的研究现状 (1) 1.2 选题意义及本文研究的容 (3) 2 基于容的图像检索的简介 (4) 2.1 基于容的图像检索技术的概述 (4) 2.2 基于容的图像检索的关键技术 (5) 3 基于容的图像检索原理和特点 (6) 3.1 基于容的图像检索的原理及处理过程 (6) 3.2 基于容图像检索的特点 (8) 4 颜色特征理论 (8) 4.1 颜色模型 (9) 4.2 颜色特征提取 (10) 5 直方图理论 (12) 5.1 颜色直方图 (12) 5.2 直方图的矩 (13) 5.3 直方图均衡化算法 (14) 5.4 基于直方图的图像检索技术分析 (14) 6 累加直方图算法 (16) 6.1 累加直方图 (16) 6.2 算法实现 (18) 6.3 改进的局部累加直方图算法 (18)
实验1 点运算和直方图处理 一、实验目的 1. 掌握利用Matlab图像工具箱显示直方图的方法 2. 掌握运用点操作进行图像处理的基本原理。 3. 进一步理解利用点操作这一方法进行图像处理的特点。 4. 掌握利用Matlab图像工具箱进行直方图均衡化的基本方法。 二、实验的硬件、软件平台 硬件：计算机 软件：操作系统：WINDOWS 7 应用软件：MATLAB 三、实验内容及步骤 1. 了解Matlab图像工具箱的使用。 2. 利用Matlab图像工具箱对图像进行点操作，要求完成下列3个题目中 的至少2个。 ⑴图1灰度范围偏小，且灰度偏低，改正之。 ⑵图2暗处细节分辨不清，使其能看清楚。 ⑶图3亮处细节分辨不清，使其能看清楚。 图1 图2 图3 3. 给出处理前后图像的直方图。 4. 利用MatLab图像处理工具箱中函数对以上图像进行直方图均衡化操 作，观察结果。 四、思考题 1. 点操作能完成哪些图像增强功能？ 2. 直方图均衡化后直方图为何并不平坦？为何灰度级会减少？ 五、实验报告要求
1．对点操作的原理进行说明。 2．给出程序清单和注释。 3．对处理过程和结果进行分析（包括对处理前后图像的直方图的分析）。 实验代码以及解读 点操作： I = imread('POINT1.BMP')。 %读入图像 j=rgb2gray(I)。%将图像转为灰度图像 INFO=IMFINFO('POINT1.BMP') %获取图片的格式、尺寸、颜色数量、修改时间等信息[l,r]=size(j)。%图片大小 figure。%建立一个图形框 subplot(221) imshow(j) %在两行两列的第一个位置放置图片j title('POINT1.BMP') %给该图片加上标题POINT1.BMP for m=1:l for n=1:r %从第一个像素循环到最后一个像素p1(m,n)=j(m,n)*1.2。%把各点乘上1.2得到p1图 end end for m=1:l for n=1:r p2(m,n)=j(m,n)*2。%%把各点乘上2得到p2图 end end for m=1:l for n=1:r p3(m,n)=j(m,n)*2+50。%把各点乘上2再加50得到p2图 end end subplot(222) imshow(p1) title('j(m,n)*1.2') %p1图放在第二个位置且冠名j(m,n)*1.2 subplot(223) imshow(p2) title('j(m,n)*2') %p1图放在第三个位置且冠名j(m,n)* 2 subplot(224) imshow(p3) title('j(m,n)*2+50') %p1图放在第四个位置且冠名j(m,n)*2+50 figure。%建立一个新的窗口并且依次显示以上四个图的直方图
基于直方图均衡化的彩色图像增强 摘要：现实生活中经常遇到所照图片清晰度不好，亮度不够，能辨率低，这样就需要将图像进行处理以得到清晰度和亮度更好的图像。文章首先介绍彩色图像和图像增强的定义与方法，以及彩色图像转换为灰度图像的方法，然后对直方图均衡化作出解释，最后通过实验先将彩色图像转换为hsi 图像，并对hsi 图像中的i分量的灰度图像进行直方图均衡化的处理，再将经过处理后的hsi 图像还原成彩色图像，即可得到增强的彩色图像效果图。实现了通过直方图均衡化的处理得到彩色图像的增强。 关键词：彩色图像；灰度图像；图像增强；直方图均衡化；hsi 图像 中图分类号：tp751 文献标识码：a 文章编号：1009-3044（2013）04-0833-03 color image enhancement based on histogram equalization jiang dong-qin，li ming-dong （computer department， china west normal university，nanchong 637009，china） abstract： in the real world， the photographs that were took， which are lack of clarity and brightness， and visibilities are low. so there is need to deal with these photographs to get better clarity and brightness of pictures. in the article， at first， recommending the definitions and
题目：图像的基本处理班级：2011级软件2班姓名：刘磊磊 时间：20130907
摘要：随着数字化与多媒体时代的来临，数字图像处理已经成为必备的基础知识。全国各大专院校的计算机、电子、通信、医学、光学及许多相关专业都开设了与数字图像预处理相关的课程。数字图像二值化是图像预处理中的一项重要技术，其在模式识别、光学字符识别、医学成像等方面都有着重要应用。本论文主要为大家介绍24位真彩图像的灰度、二值处理以及图像的一些简单的打开和保存和如何画直方图，还有一些通过这次小学期学到的一些知识。 关键字：灰度处理，二值化 图像的打开 void CText1Dlg::ShowPic() { if(m_path =="") //判断图片路径是否存在 { return; } hwnd = GetDlgItem(IDC_pic); hDesDC = hwnd->GetDC()->m_hDC; hSrcDC = CreateCompatibleDC(hDesDC); hBitmap=(HBITMAP)LoadImage(AfxGetInstanceHandle(),m_path,IMAGE_BITMAP,0,0, LR_LOADFROMFILE|LR_CREATEDIBSECTION); GetObject(hBitmap, sizeof(BITMAP), &bm); SelectObject(hSrcDC, hBitmap); hwnd->GetClientRect(&rect); ::SetStretchBltMode(hDesDC,COLORONCOLOR); ::StretchBlt(hDesDC, rect.left, rect.top, rect.right, rect.bottom, hSrcDC, 0, 0, bm.bmWidth, bm.bmHeight,+SRCCOPY); UpdateData(false);
四、灰度直方图是数字图像处理的重要工作。请简述灰度直方图规定化、均衡化的基本原理。并以分辨率为5*4，图像的深度6bit 的图像为例，自举例说明直方图均衡化的计算过程。 解答： 数字图像的直方图是作为图像每一个灰度级的统计概率分布"它提供了图像灰度分布的概貌,直方图增强技术正是利用修改给定图像直方图的方法来增强图像的,最后得到的图像增强程度取决于我们所采用的直方图。令变量r 和s 分别代表图像增强前后的像素灰度级，相应灰度级分布的概率密度分别为()r P r 和()s P s 。 为讨论方便，假设像素灰度值已经归一化在区间[0，1]，在灰度级坐标中r=0表示黑，r=1表示白。对区间[0，1]内任一个r 值按变换函数： s = T(r) （1） 进行变换，T （r ）满足两个条件：（1）单值单调递增函数；(2) 0≤T （r ）≤1。 条件（1）使灰度级保持从黑到白的次序，条件（2）保证映射变换后像素灰度值在允许的范围内。从s 到r 的反变换为：1()r T s -=，0≤s ≤1。 （2） 同样，规定变量s 也满足条件（1）和（2）。由概率理论知，若()r P r 和变换函数s = T(r) 已知，1()r T s -=是单值单调增加函数，则有： 1() ()[P () ]s r r T s dr P s r ds -== （3） 直方图增强技术就是通过变换函数T （r ）控制图像灰度级的概率密度函数而改变图像的外貌。 对于连续图像，变换函数为： ()(),01r r s T r P r dr r ==≤≤? （4） 此式右边为累积分布函数（CDF ），由该式对r 求导有： ()r ds P r dr = (5) 代入（3）得到: 1()1 ()[() ]1,01() r r T s r P s P r s P r -===≤≤ （6） 这说明，在变换后变量s 在定义域内, ()s P s 是均匀概率密度。在图像增强意义上，这 相当于像素的动态范围增加。 对于离散图像，灰度级k r 的概率值为： (),01,0,1,2, (1) r k k n P r r k L n = ≤≤=- （7） 其中，n 表示图像中像素的总数，k n 是在图像中出现这种灰度级的次数，L 表示灰度级
一、亮图像和暗图像的直方图均衡化 原理及应用 由于许多原始图像的灰度经常分布在一个小范围内，不易观察分辨，通过直方图均衡化使图像灰度均匀分布，使一定范围内象元值的数量大致相等，以此加强细节，提高图像的清晰度，便于观察以及计算机进行分析处理 代码 clear; I=imread('F:\matlab\p1.jpg'); %读入图像 I=rgb2gray(I); %转换为灰度图像 high=histeq(I); %直方图均衡化,指定灰度级数n，缺省为64 subplot(2,2,1),imshow(I); %显示图像 subplot(2,2,2),imshow(high); subplot(2,2,3),imhist(I); subplot(2,2,4),imhist(high); 代码结果 图1 亮图像均衡化前后对比
图2 暗图像直方图均衡化前后对比 二、用频域高斯低通、高斯高通滤波器分别对图像进行平滑和锐化。 原理： 高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器，它用像素邻域的加权均值来代替该点的像素值，通过一系列傅里叶变换达到平滑或者锐化的效果。 代码： clear; clc I=imread('p3.jpg'); %读取图像 J=rgb2gray(I); %将图像变为二维灰度图象 f=double(J); %MATLAB的矩阵运算中要求所有的运算变量为double型 f=fft2(f);%二维的傅里叶变换 f=fftshift(f);%将中心从矩阵的原点移到矩阵的中心 [row,col]=size(f); d0=60; %截止频率为60，数值越小越平滑 row1=fix(row/2); col1=fix(col/2); for i=1:row %d0为60的高斯低通滤波器 for j=1:col d=sqrt((i-row1)^2+(j-col1)^2); h(i,j)=exp(-d^2/(2*d0^2)); % 若为高斯高通滤波器，达到锐化效果则h(i,j)=1-exp(-d^2/(2*d0^2)); g(i,j)=h(i,j)*f(i,j); end end
研究生课程 数字图像处理Digital Image Processing 彭宇新 北京大学计算机科学技术研究所E_mail:pengyuxin@https://www.doczj.com/doc/4013631903.html,
基于内容的图像检索 ●为什么需要基于内容的图像检索? ●查询方式，查询demo，现有系统简介●具体内容 ?特征提取 ?相似度匹配 ?相关反馈 ?索引结构 ●MPEG-7介绍：性能评价等 ●思考的几个问题？
为什么需要基于内容的图像检索? ●当前图像内容的特征 ?海量的图像内容出现 人类已有的：历史、地理、军事、医学… 每天新增的：数码相机、互联网?图像内容的特征：没有索引、目录或摘要 ?怎样找到需要的图像？
●基于文字描述的图像检索 ?丰富的图像内容很难用文字来全面描述 ?文字的选取因人而异，带有很大的主观性 ?耗费大量的人力和时间 ●结论：对于海量的图像，基于人工标注文字的检索已不可能 ●问题：目前搜索引擎提供的基于文字的图像检索，能够解决问题吗？解决得好吗？为什么需要基于内容的图像检索?
●为什么需要基于内容的图像检索(CBIR)? ?提供图像的检索功能 ?不需要人手工标注，计算机自动分析和检索，节省人力和时间 ?使海量图像的管理和索引成为可能 ?存在的问题： 人类高级语义特征与计算机底层特征表示的矛盾 查询方式问题 为什么需要基于内容的图像检索?
基于内容的图像检索 ●为什么需要基于内容的图像检索? ●查询方式，查询demo，现有系统简介●具体内容 ?特征提取 ?相似度匹配 ?相关反馈 ?索引结构 ●MPEG-7介绍：性能评价等 ●思考的几个问题？
数字图像处理实验 实验一 直方图处理 实验目的 ● 理解图像直方图的概念，掌握图像直方图的绘制方法 ● 掌握直方图均衡化的原理，并会用直方图均衡化对图像进行处理。 实验要求 1.读入图像，可使用imread 。 2.输出图像，可使用imshow 。 3.绘制图像pout.tif 的归一化的直方图，可使用IPT 函数imhist 。 4.对图像进行直方图均衡化，可使用IPT 函数histeq ，对均衡化前后的图像以及直方图进行对比。 实验原理 一幅数字图像在范围[0, G ]内共有L 个灰度等级，其直方图定义为离散函数 k k n r h =)( 其中r k 是区间[0, G ]内的第k 级亮度，n k 是灰度级为r k 的图像中的像素数。 通常，我们会用到归一化直方图，即使所用所有元素h (r k )除以图像中的像素总数n 所得到的图形： n n n r h r p k k k ==)()( 其中k =1,2,…,L 。 Matlab 中提供了IPT 函数imhist 来绘制图像的直方图，但是除此之外绘制直方图的方法还有很多，可以通过条形图、杆状图等方式来表示直方图。 直方图均衡化主要用于增强动态范围偏小的图像的反差。该方法的基本思想是把原始的直方图变换为均匀分布的形状，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。 直方图均衡化一般采用原始图的累计分布函数作为变换函数。假设灰度级归一化至范围[0, 1]内，p r (r )表示给定图像中的灰度级的概率密度函数，对于离散的灰度级，均衡化变换为： ∑ ∑=====k j j k j j r k k n n r p r T s 1 1 )()( 式中k =1,2,…,L ，s k 是输出图像中的亮度值，它对应于出入图像中的亮度值r k 。 实验心得： 1. matlab 的函数的功能很强大，一个简单的函数调用就可以解决复杂的问题。这样，就需要在函数调用时注意函数的参数，否则很容易出错。比如函数 histeq(a,n)，就要注意其中的n 为灰度值的个数。 2. 对于自己编写函数实现某些特定的功能时，需要对原理掌握清楚，如实验二中需自己编写函数实现图像的均衡，就要求对直方图的均衡原理掌握到位。
基于直方图均衡的图像质量改善 摘要：为了解决灰度图像的灰度值分布集中在较窄的范围内，图像的细节不够清晰，对比度较低的问题。通过直方图均衡化使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像的细节清晰，以达到增强目的，直方图均衡化可得到任意的均匀直方图灰度图像。直方图均衡化是一种行之有效的图像增强方法，直方图均衡化是将原灰度图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。基于Matlab编程和工具箱的使用，实现图像直方图均衡化的图像仿真。 关键词：直方图均衡化；图像增强；Matlab Abstract:In order to solve the gray image gray value distribution concentrated in a narrow range of image detail is not clear enough, the problem of low contrast. Gray histogram equalization range so that the gradation image or pulled evenly distributed, thereby increasing the contrast, so that a clear image detail, in order to achieve the purpose of enhancing, histogram equalization histogram obtained arbitrary uniform gray image . Histogram equalization is an effective method for image enhancement, histogram equalization is the histogram of the original gray-scale image by histogram transformation function becomes uniform, a uniform histogram modification then the original image, thereby obtaining aa gray uniform distribution of the new image. Matlab toolbox based programming and the use of image histogram equalization image simulation. Keywords: histogram equalization; image enhancement; Matlab 引言
基于HSI颜色空间统计直方图的图像检索 摘要: 给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法，主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理，包括：图像的滤波、目标图像的定位等；然后采取了相应的图像颜色空间和识别算法，包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明，该算法可行，并取得了较好的效果。 关键词：颜色空间；颜色量化；特征提取；识别算法 Abstract：This article provides a approach that can extracte, analyse and identify a certain shape and color differences for the image features, the main purpose is to extract the color changement of image. The first step is the pre-processing of the collected color image, including: image filtering, target image positioning. What follows is signal image recognition, including: transformation of image color space, color quantization, image feature extraction, recogonition algorithm and the algorithm implementation. Finally, get the recognition results. Keywords:color space; color quantization; feature extraction; recognition algorithm 1引言 当今是一个信息肆意滋生的互联网时代，要想有效利用网上的这些信息，就需要将这些杂乱的信息梳理成可以查询的数据，这就必然要使用信息检索。图像检索是信息检索的重要组成部分，常用的百度、谷歌、雅虎等搜索引擎均提供图像检索，它的重要性正逐渐增加。我们正处于一个视觉的时代，几乎人人都有成百上千的数字图片想要发布到互联网上，这正是图像检索的意义所在。 图像检索是计算机视觉中非常重要的部分,其目的是构造自动处理某些信息的机器系统，用以代替人类完成分类和辨别的任务。目前图像识别检索的研究主要涉及物体表面形状检索、尺寸与面积的检测以及色彩的检索等方面。颜色是物体重要的外在特性，具有对物体本身的尺寸、方向、视角等依赖性小、鲁棒性高等优点，因而在图像识别中占有重要地位，对彩色图像的处理己经成为当前图像处理领域重要的研究课题[1]，如：近年来，国内外对农产品品质自动检索、彩色印刷及纺织品中的彩色图样的检索研究中，都采用了基于图像的颜色检索技术。