文档介绍：报告一直方图均衡化一、目的 1. 改善图像的视觉,提高清晰度; 2. 增强人们感兴趣部分,到视觉效果更好的图像,以提高图像的可懂度。二、主要内容 1 .读入图像数据到内存中,并显示读入的图像; 2 .实现直方图均衡化处理,显示处理前后图像的直方图; 3 .显示并保存处理结果。三、具体步骤 1. 打开 Matlab 编程环境。 2. 获取试验用图像: 使用 imread 函数将图像读入 Matlab , 并用 inshow 函数显示读入的图像。 3. 获取输入图像的直方图:使用 inhist 函数处理图像。 4. 均衡化处理:使用 histeq 函数处理图像。 5. 获取均衡化后的直方图并显示图像:使用 inhist 和 histeq 函数。 6. 保存结果。四、实验程序及结果 1 、实验程序 x=imread('f:\'); % 使用 imread 函数将图像读入 Matlab x=rgb2gray(x); % 将彩***像装换为灰度图像 figure(1); subplot(2,2,1); imshow(x); % 显示图像 title('(a) 原图像') subplot(2,2,2); imhist(x) % 求图像直方图 axis off; title('(b) 原图像的直方图') x1=histeq(x); % 对图像进行均衡化处理 subplot(2,2,3); imshow(x1); title('(c) 直方图均衡化后的图像') subplot(2,2,4); imhist(x1) % 均衡化处理后的图像的直方图 axis off; title('(d) 均衡化后的直方图') 2 、实验结果五、结果分析从上面的两幅图我们可以很明显的看到,没有经过均衡化处理的原图像灰度值较为集中, 背景颜色全为白色; 而经过均衡化处理的图像灰度值分布近似服从均匀分布, 背景颜色有了由灰到白的渐变,尤其是花朵的绿叶部分的均衡效果较为明显。报告二图像平滑一、目的去除或衰减图像中的噪声和虚假轮廓。二、实现方法减少噪声的方法可以在空间域或在频率域处理, 在空间域中进行时, 基本方法就是求像素的平均值或中值; 在频域中则运用低通滤波技术。因其算法简单且处理速度快, 在此我们使用空域法。三、操作步骤 1 、选择一副图像,加入高斯白噪声; 2 、分别进行 4 领域和 8 领域处理并对两种方法进行对比分析; 3 、保存实验结果并给予分析。四、实验程序及结果 1 、实验程序>> x=imread('f:\'); % 读入图像>> x=rgb2gray(x); % 将彩***像装换为灰度图像>> subplot(1,4,1); >> imshow(x); >> xlabel('(a) 原图像'); >>% 图像加噪并显示加噪图像,高斯白噪声 m=0, σ= >> x1=imnoise(x,'gaussian',0,); >> subplot(1,4,2); >> imshow(x1); >> xlabel('(b) 加噪图像'); >>% 使用 4 领域模板>> h1=[0 1 0;1 1 1;0 1 0]/5; >> x2=imfilter(x1,h1); >> subplot(1,4,3); >> imshow(x2); >> xlabel('(c)4 领域平均滤波'); >>% 使用 8 领域模板>> h2=[1 1 1;1 1 1;1 1 1]/8; >> x3=imfilter(x1,h2); >> subplot(1,4,4); >> imshow(x3); >> xlabel('(d)8 领域平均滤波');^ 2 、实验结果五、结果分析从以上四幅图的比较当中我们可以看到,领域平均法对图像中的噪声进行了一定程度上的衰减, 同时可以看到 8 领域平均法比 4 领域平均法滤除噪声效果要好, 但同时也使图像中目标景物的轮廓或细节变的更模糊,这也正是领域平均法的一个弊端所在。报告三图像锐化一、主要目的突出图像中的细节,增强图像的边缘、轮廓以及灰度突变部分。二、实现方法图像的模糊实质是因为图像受到平均或积分运算,为此对其进行逆运算如微分运算、梯度运算,就可以使图像清晰。从频谱角度来分析,图像模糊的实质是其高频分量被衰减,因而也可以通过高通滤波操作来清晰图像。锐化滤波有两种方法: 一种是空间域法, 另外一种是频域中的高通滤波法。下面使用的是空域锐化方法,分别进行模板系数 a=1 和 a=2 的锐化处理,并对结果进行分析。三、实验程序及结果 1 、实验程序 x=imread('f:\'); % 读入第一幅图像 x=rgb2gray(x); subplot(2,3,1); imshow(x); a=