1、精選優質文檔-傾情為你奉上專業綜合課程設計任務書學生姓名: 呂義斌 專業班級: 電信 1102 班 指導教師: 李達 工作單位: 信息工程學院 題 目1:圖像直方圖均衡化的程序設計初始條件:（1） 提供實驗室機房及其matlab軟件；（2） 數字圖像處理的基本理論學習。 要求完成的主要任務:(包括課程設計工作量及其技術要求,以及說明書撰寫等具體要求):（1）選擇并讀取一幅256級的灰度圖像，利用matlab設計程序；（2）設計計算該圖像的直方圖的程序（不能用matlab提供的庫函數），并顯示直方圖圖形；（3）根據圖像直方圖的均衡化原理編寫圖像直方圖均衡化程序（不能使用matlab的庫函數），保

2、存變換后的圖像，并顯示均衡化后的直方圖；（4）用matlab庫函數對該圖像進行直方圖均衡化，并顯示均衡化后的直方圖；（5）對兩種不同方法所得到的直方圖均衡化的結果進行分析；（6）要求閱讀相關參考文獻不少于5篇；（7）根據課程設計有關規范，按時、獨立完成課程設計說明書。時間安排: (1) 布置課程設計任務,查閱資料,確定方案 四天； (2) 進行編程設計 一周； (3) 完成課程設計報告書 三天；指導教師簽名: 年 月 日系主任(或責任教師)簽名: 年 月 日專心-專注-專業目錄1.概述圖像對比度增強的方法可以分成兩類:一類是直接增強方法;另一類是間接對比度增強方法。直方圖拉伸和是兩種最常見的間

3、接對比度增強方法。拉伸是通過對比度拉伸對直方圖進行調整，從而“擴大”前景和背景灰度的差別，以達到增強對比度的目的，這種方法可以利用線性或非線性的方法來實現;則通過使用累積函數對灰度值進行“調整”以實現對比度的增強。直方圖均衡化（Histogram Equalization）是領域中利用圖像直方圖對對比度進行調整的方法。這種方法通常用來增加許多圖像的局部對比度，尤其是當圖像的有用數據的對比度相當接近的時候。通過這種方法，亮度可以更好地在上分布。這樣就可以用于增強局部的對比度而不影響整體的對比度，通過有效地擴展常用的亮度來實現這種功能。2.灰度級直方圖及直方圖均衡化2.1直方圖定義灰度級直方圖是圖

4、像的一種統計表達，它反映了圖像中不同灰度級出現的統計概率。灰度級0,L-1范圍的數字圖像的直方圖具有如下離散函數： (2.1)式中，是級灰度，是圖像中灰度級為的像素個數。進行歸一化，則概率，為圖像中像素的總數。由于圖像的視覺效果與直方圖有對應關系，即直方圖的形狀和改變對視覺的感知影響很大，因此采用直方圖變換的方式可以增強圖像。2.2直方圖均衡化思想方法圖像直方圖描述圖像中各灰度級出現的相對頻率，基于直方圖的灰度變換，可以調整圖像直方圖到一個預定的形狀。處理的“中心思想”是把原始圖像的灰度從比較集中的某個灰度區間變成在全部灰度范圍內的均勻分布。就是對進行非線性拉伸，重新分配圖像像素值，使一定灰度

5、范圍內的像素數量大致相同。就是把給定圖像的直方圖分布改變成“均勻”分布直方圖分布。一些圖像由于其灰度分布集中在較窄的區間，對比度很弱，圖像細節看不清楚。此時，可采用圖像灰度直方圖均衡化處理，使得圖像的灰度分布趨向均勻，圖像所占有的像素灰度間距拉大，進而加大圖像反差，改善視覺效果，達到增強的目的。從人的視覺特性來考慮，一幅圖像的直方圖如果是均勻分布的，該圖像色調給人的感覺會比較協調。假定原始圖像灰度級歸一化在01之間，即。為原始圖像灰度分布的概率密度函數，直方圖均衡化處理實際上就是尋找一個灰度變換函數T，使得變換后的灰度值滿足，其中，歸一化為，建立r與s之間的映射關系，要求處理后圖像灰度分布的概

6、率密度函數，即變換后概率密度為上的均勻分布，期望所有灰度級出現概率相同。直方圖均衡變換函數如圖2.1所示。圖2.1 直方圖均衡變換函數從圖2.1中可以看出在灰度變換的和區間內，像素點個數是不變的，因此有： (2.2)當，略去下標j ，有 。由于 ， ，則 ，最終得到直方圖均衡化的灰度變換函數為： (2.3)式（2.3）是原始圖像灰度r的累積分布函數。對于數字圖像離散情況，其直方圖均衡化處理的計算步驟如下：1） 統計原始圖像的直方圖， ，是歸一化的輸入圖像灰度級。2） 計算直方圖累積分布函數曲線， 。3） 用累積分布函數作為變換函數進行圖像灰度變換。根據就計算得到的累積分布函數，建立輸入圖像與輸

7、出圖像灰度級之間的對應關系，即重新定位累積分布函數（與歸一化灰度等級比較，尋找最接近的一個作為原灰度級k變換后的新灰度級）。2.3直方圖均衡化算法直方圖均衡化算法將原圖像的直方圖改變為在整個灰度范圍內基本均勻地分布的形式，由此擴大了像素灰度的動態范圍，從而增強了圖像的對比度。直方圖均衡化算法步驟為：1) 給出原始圖像的所有灰度級2) 統計原始圖像各灰度級的像素數。3) 根據原圖像，計算灰度直方圖： (2.4) 式中,為總像素數,為灰度級的像素數。4) 計算原始圖像的累積直方圖： (2.5)5) 取整計算： (2.6)6) 確定映射關系： 7) 統計新直方圖各灰度級的像素數目。8) 計算新的直方

8、圖： (2.7)3. Matlab 程序實現選擇一幅256級的灰度圖像，計算該圖像的直方圖，得到其直方圖圖形，根據圖像直方圖的均衡化原理進行直方圖均衡化。根據計算圖像的直方圖原理及圖像直方圖的均衡化原理編寫Matlab程序代碼（不用matlab提供的庫函數）如下：I=imread('village.bmp');figure;I=rgb2gray(I);Ps=double(I);m,n=size(I);GP=zeros(1,256);for k=0:255 GP(k+1)=length(find(Ps=k)/(m*n);endsubplot(2,2,1),imshow(I);ti

9、tle('原圖');subplot(2,2,2),bar(0:255,GP,'g')title('原圖像直方圖')xlabel('灰度值')ylabel('出現概率')S1=zeros(1,256);for i=1:256 for j=1:i S1(i)=GP(j)+S1(i); endendS2=round(S1*256)+0.5);I1=I;for i=0:255 I1(find(I=i)=S2(i+1);endsubplot(2,2,3),imshow(I1)title('均衡化后圖像')fo

10、r i=1:256 GPeq(i)=sum(GP(find(S2=i);endsubplot(2,2,4),bar(0:255,GPeq,'g')title('均衡化后的直方圖')xlabel('灰度值')ylabel('出現概率')imwrite(I1,'countryside.bmp');程序運行后得到的圖像及其直方圖結果如圖3.1所示。圖3.1 圖像及直方圖用matlab庫函數對該圖像進行直方圖均衡化，并顯示均衡化后的直方圖，程序代碼如下：I=imread('village.bmp');fig

11、ure;I=rgb2gray(I);subplot(2,2,1),imshow(I);title('原圖');subplot(2,2,2),imhist(I);title('原圖像直方圖');J,T=histeq(I,256);subplot(2,2,3),imshow(J);title('均衡化后圖像');subplot(2,2,4),imhist(J);title('均衡化后的直方圖');程序運行后得到圖像及直方圖結果如下圖3.2所示。圖3.2圖像及直方圖結果4.結果分析由圖3.1和圖3.2所示，原圖顯示的圖像及其直方圖可知這

12、幅圖像最為突出的特點是較模糊且動態范圍較低。直方圖的寬度相對于整個灰度范圍來說非常狹窄，圖像質量比較差，地物可分性較差；在Matlab 環境下進行直方圖的均衡化，對圖像的亮度范圍進行拉伸，以提高對比度。經過直方圖均衡化，圖像的對比度明顯提高，直方圖在整個亮度標度上顯著擴展，圖像質量提高。將兩幅結果圖進行對比可發現，用matlab庫函數對該圖像進行直方圖均衡化的效果明顯高于用均衡化原理編寫的程序對該圖像進行直方圖均衡化的效果。灰度級圖像直方圖均衡化對于背景和前景都太亮或者太暗的圖像非常有用，這種方法尤其是可以帶來X光圖像中更好的骨骼結構顯示以及或者曝光不足照片中更好的細節。這種方法的一個主要優勢

13、是它是一個相當直觀的技術并且是可逆操作，如果已知均衡化函數，那么就可以恢復原始的，并且計算量也不大。這種方法的一個缺點是它對處理的數據不加選擇，它可能會增加背景雜訊的對比度并且降低有用信號的對比度；變換后圖像的灰度級減少，某些細節消失；某些圖像，如有高峰，經處理后對比度不自然的過分增強。5.心得體會直方圖均衡化是圖像增強技術的基本方法，本文分析了這種處理方法的基本理論，并用MATLAB進行實驗，結果表明，直方圖均衡化在一定程度上改善了圖像的對比度差和灰度動態范圍，增強了圖像的可讀性，提高了地物的可分性，有利于進行遙感圖像的目視解譯。該算法簡單，是一種行之有效的圖像增強算法。 通過近一周的課程設計，我們學到了很多東西，對如何獲得知識也有了一定的感知。首先，對這個設計題目，要做好充分的準備工作，經過在圖書館查找一些相關的資料，上網搜索一些相關的知識后，我們終于對需要的流程有了一定的規劃。其次，在實際設計過程中，我們充分地利用課本上和老師提過的一些知識、思路。同時與組內同學認真交談，相互領會對方的思路和方法，提高自己處理問題的能力。再次，通過對此設計，我們對圖像處理的知識有了更加深入的了解，