文档介绍：。
《图像处理与机器视觉》
作业
姓名：
学号：
专业：测试计量技术及仪器
时间：2016 年 4 月
-可编辑修改-
。
作业一：图像增强
1、图像灰度变换。
对图像（见图 1）进行对比度拉伸，通过直方图获取灰度分布的最小、最大值。
图 1 灰度拉伸
算法描述：
直方图均衡化是灰度变换的一个重要应用，它广泛应用在图像增强处理中。
可以产生一幅灰度级分布具有均匀概率密度的图像，扩展了像素取值的动态范
围。由于许多图像的灰度值是非均匀分布的，而且灰度值集中在一个小区间内的
图像也是很常见的。直方图均衡化就是一种通过重新均匀地分布各灰度值来增强
图像对比度的方法。直方图均衡化处理是以累积分布函数（Cumulative
Distri-bution Function- CDF ）为基础的直方图修改法。直方图均衡化的目
的是将原始图像的直方图变为均衡分布的形式，即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。
源程序：
clear;clc;close;
I=imread('E:\学习\图像处理与机器视觉\');%读取图像
[m,n,o]=size(I);
grayPic=rgb2gray(I);
figure,imshow(I);
figure,imshow(grayPic);
gp=zeros(1,256); %计算各灰度出现的概率
for i=1:256
gp(i)=length(find(grayPic==(i-1)))/(m*n);
end
figure,bar(0:255,gp);
title('原图像直方图');
xlabel('灰度值');
ylabel('出现概率');
-可编辑修改-
。
newGp=zeros(1,256); %计算新的各灰度出现的概率
S1=zeros(1,256);
S2=zeros(1,256);
tmp=0;
for i=1:256
tmp=tmp+gp(i);
S1(i)=tmp;
S2(i)=round(S1(i)*256);
end
for i=1:256
newGp(i)=sum(gp(find(S2==i)));
end
figure,bar(0:255,newGp);
title('均衡化后的直方图');
xlabel('灰度值');
ylabel('出现概率');
newGrayPic=grayPic; %填充各像素点新的灰度值
for i=1:256
newGrayPic(find(grayPic==(i-1)))=S2(i);
end
figure,imshow(newGrayPic);
处理结果及分析：
运行以上代码后，：
原图像及其直方图
-可编辑修改-
。
图直方图均衡化后的图像及其直方图
从上图中可以看出，图像灰度的最大值为 250，最小为 0，用直方图均衡化
后，图像的直方图的灰度间隔被拉大了，均衡化的图像的一些细节显示了出来，
这有利于图像的分析和识别。直方图均衡化就是通过变换函数 histeq 将原图的
直方图调整为具有“平坦”倾向的直方图，然后用均衡直方图校正图像。
2、（选作）设计 K 近邻均值（中值）滤波器，给出图像（见图）处理结果。
1) 以待处理像素为中心，作一个 m*m 的作用模板。
2）在模板中，选择 K 个与待处理像素的灰度差为最小的像素。
3）将这 K 个像素的灰度均值（中值）替换掉原来的像素