本周實驗課主要內容一、數字圖像直方圖統計

1.什么是圖像和像素點

2.

什么是直方圖二、數字圖像直方圖均衡化增強1.什么是直方圖均衡化

2.

圖像增強的原理三、數字圖像邊緣檢測（Sobel算子）1.什么是圖像邊緣檢測2.Sobel算子的原理及實現方法本周實驗課主要內容一、數字圖像直方圖統計1實驗一數字圖像直方圖統計實驗一數字圖像直方圖統計2圖像和像素點

一幅圖像由若干個像素點組成。每個像素點的明暗程度/亮度信息都可以用灰度級（0~255）來表示。不同的明暗程度的若干個像素點就組成了一幅完整的圖像。如一張320*240的灰度圖像，表示該圖像有320行，每行有240個像素點。

（a）原始圖像（b）圖a局部放大（c）圖b局部放大

c語言中，用一個數組來保存一張圖像。如unsignedintdbimage[80*80]表示“一張6400（即80*80）個像素點的灰度圖像”。而數組元素dbimage[1]表示“第二個像素點的灰度級”。在.bmp文件中，開始1078個字節是用來設置“bmp格式”，1078個字節之后的數據才是圖像像素點的“灰度級”信息，并且先存圖片的最后一行，最后存圖片的第一行。

圖像和像素點一幅圖像由若干個像素點組成。每個像素點3

直方圖是圖像的一種統計表達，由一系列高度不等的縱向條紋表示數據分布的情況。

灰度直方圖是灰度級的函數，它表示圖象中具有每種灰度級的像素的個數，反映圖象中每種灰度出現的頻率。它描述了圖像中各種灰度（對于像素深度為8位的圖像共有0-255共256種取值）在整個圖像中占有的比例。

如下圖所示，灰度直方圖的橫坐標是灰度級，縱坐標是該灰度級出現的頻率（該灰度級的像素個數除以整幅圖片的像素個數）。灰度直方圖是圖象的最基本的統計特征。

直方圖直方圖是圖像的一種統計表達，由一系列高度不等的縱向條紋表4

直方圖

在c語言中，也用一個數組來存儲直方圖。如：floatfhistogram[256]；數組中的元素fhistogram[1]表示"灰度級為1的像素點的頻數"，即：

其中表示該圖片中有

個像素點的灰度級為k，n表示“該圖片中像素點的總個數”。

盡管灰度直方圖不能表示出某灰度值在什么位置，更不能直接顯示圖像內容，但是具有統計特性的直方圖卻能描述該圖像的灰度分布特性，使人們從中得到諸如總體明亮程度、對比度等與圖像質量有關的灰度分布概況，成為一些處理方法的重要依據。直方圖在c語言中，也用一個數組來存儲直方圖5

數字圖像直方圖統計選擇菜單View->Graph->Image，做如下設置：選擇菜單View->Graph->Time/Frequency，做如下設置數字圖像直方圖統計選擇菜單View->Graph->6數字圖像直方圖統計開始用不同參數調用構造圖像的函數產生圖像調用直方圖統計子程序統計直方圖循環重復五次直方圖統計子程序初始化直方圖統計數組(賦0值)統計圖像中各種灰度值(取值0-255)的像素個數計算各種灰度值的像素個數占全部圖像像素的百分比直方圖統計結束數字圖像直方圖統計開始用不同參數調用構造圖像的函數產生圖像調7實驗二數字圖像均衡化增強實驗二數字圖像均衡化增強8

直方圖均衡化圖像增強的原理

圖像增強處理技術是數字圖像處理的基本內容之一。圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時，削弱或去除某些不需要的信息的處理方法。

利用直方圖統計的結果，通過使圖像的直方圖均衡的方法稱為直方圖均衡化，直方圖均衡化可以達到增強圖像顯示效果的作用。其基本思想是把原始圖像的直方圖變換成均勻分布的形式，這樣就增加了像素灰度值的動態范圍，從而達到增強圖像整體對比度的效果。

通過直方圖統計，可以觀察出，圖像中各種亮度所占的比例大都分布不均勻，設法增加在直方圖統計中所占比例高的像素和其他占的比例少的像素之間的亮度差，可以提高圖像的顯示效果。簡單來說，直方圖增強的方法就是壓縮直方圖中比例少的像素所占用的灰度范圍，多出來的灰度空間按照統計比例分配給直方圖中比例高的像素使用。這種方法主要是針對人眼對灰度差別越大的圖像更容易分辨的特點而做的增強。

具體方法是：直方圖均衡化圖像增強的原理圖像增強處理技術是數字圖9

直方圖均衡化的原理

灰度直方圖的計算十分簡單，依據定義在離散形式下有下面的公式成立：

（1）

公式中：為圖像中出現灰度為k的像素數，n是圖像像素總數，而

即為頻數。（2）計算累積直方圖各項：

（3）取整擴展：

（4）映射對應關系：

直方圖均衡化的原理灰度直方圖的計算十10直方圖均衡化原理例如：如果原始圖像中某個像素點的灰度級為2，經過直方圖均衡化之后該像素點的灰度級就變成166。直方圖均衡化原理例如：如果原始圖像中某個像素點的灰度級為2，11

數字圖像直方圖均衡化增強選擇菜單View->Graph->Image，做如下設置:選擇菜單View->Graph->Image，做如下設置:選擇菜單View->Graph->Image，做如下設置:數字圖像直方圖均衡化增強選擇菜單View->Graph-12

數字圖像直方圖均衡化增強數字圖像直方圖均衡化增強13實驗三數字圖像邊緣檢測實驗三數字圖像邊緣檢測14邊緣檢測

邊緣能勾劃出目標物體，使觀察者一目了然，邊緣蘊含豐富的內在信息(方向、階躍性質和形狀等)。從本質上說，圖像邊緣是圖像局部特征不連續性(灰度突變、顏色突變和紋理結構突變等)的反映，它標志著一個區域的終結和另一個區域的開始。邊緣提取首先檢測出圖像局部特征的不連續性，然后再將這些不連續的邊緣像素連成完備的邊界。邊緣的特征是沿邊緣走向的像素變化平緩，而垂直于邊緣方向的像素變化劇烈，所以，從這個意義上說，提取邊緣的算法就是檢測出符合邊緣特性的邊緣像素的算子。目前提取邊緣常采用邊緣算子法、曲面擬合法和模板匹配法等方法。兩個具有不同灰度值的相鄰區域之間總存在邊緣，邊緣是灰度值不連續的結果，這種不連續性通常可以利用求導數的方法方便地檢測到，一般常用一階導數和二階導數來檢測邊緣。邊緣檢測的基本思想是首先利用邊緣增強算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強度”，通過設置門限的方法提取邊緣點集。常用的邊緣檢測算子有Robert算子、Sobel算子、LOG算子和Canny算子。邊緣檢測邊緣能勾劃出目標物體，使觀察者一目了然，15梯度算子

梯度算子是一階導數算子。對于圖像函數f(x,y)，它的梯度定義為一個向量：

向量幅度值為

向量方向角為

由于數字圖像是離散的，計算偏導數Gx和Gy時，常用差分來代替微分，為計算方便，常用小區域模板和圖像卷積來近似計算梯度值，采用不同的模板計算Gx和Gy可產生不同的邊緣檢測算子，常用的邊緣檢測算子有Robert算子、Sobel算子。梯度算子梯度算子是一階導數算子。對于圖像函數f(x16Sobel邊緣檢測算子

Sobel邊緣檢測算子用下圖所示模板來近似計算圖像函數f(x,y)對x和y的偏導數：計算出Gx和Gy的值后，用下式計算(x,y)點處的梯度值

計算出給點處的梯度值后，設定一個合適的閾值T，如果(x,y)處的g≥T則認為該點是邊緣點。Sobel邊緣檢測算子Sobel邊緣檢測算17選擇菜單View->Graph->Image，做如下設置:選擇菜單View->Graph->Image，做如下設置:選擇菜單View->Graph->Image，做如下設置:18精品課件！精品課件！19精品課件！精品課件！20程序流程圖：程序流程圖：21本周實驗課主要內容一、數字圖像直方圖統計

1.什么是圖像和像素點

2.

什么是直方圖二、數字圖像直方圖均衡化增強1.什么是直方圖均衡化

2.

圖像增強的原理三、數字圖像邊緣檢測（Sobel算子）1.什么是圖像邊緣檢測2.Sobel算子的原理及實現方法本周實驗課主要內容一、數字圖像直方圖統計22實驗一數字圖像直方圖統計實驗一數字圖像直方圖統計23圖像和像素點

一幅圖像由若干個像素點組成。每個像素點的明暗程度/亮度信息都可以用灰度級（0~255）來表示。不同的明暗程度的若干個像素點就組成了一幅完整的圖像。如一張320*240的灰度圖像，表示該圖像有320行，每行有240個像素點。

（a）原始圖像（b）圖a局部放大（c）圖b局部放大

c語言中，用一個數組來保存一張圖像。如unsignedintdbimage[80*80]表示“一張6400（即80*80）個像素點的灰度圖像”。而數組元素dbimage[1]表示“第二個像素點的灰度級”。在.bmp文件中，開始1078個字節是用來設置“bmp格式”，1078個字節之后的數據才是圖像像素點的“灰度級”信息，并且先存圖片的最后一行，最后存圖片的第一行。

圖像和像素點一幅圖像由若干個像素點組成。每個像素點24

直方圖是圖像的一種統計表達，由一系列高度不等的縱向條紋表示數據分布的情況。

灰度直方圖是灰度級的函數，它表示圖象中具有每種灰度級的像素的個數，反映圖象中每種灰度出現的頻率。它描述了圖像中各種灰度（對于像素深度為8位的圖像共有0-255共256種取值）在整個圖像中占有的比例。

如下圖所示，灰度直方圖的橫坐標是灰度級，縱坐標是該灰度級出現的頻率（該灰度級的像素個數除以整幅圖片的像素個數）。灰度直方圖是圖象的最基本的統計特征。

直方圖直方圖是圖像的一種統計表達，由一系列高度不等的縱向條紋表25

直方圖

在c語言中，也用一個數組來存儲直方圖。如：floatfhistogram[256]；數組中的元素fhistogram[1]表示"灰度級為1的像素點的頻數"，即：

其中表示該圖片中有

個像素點的灰度級為k，n表示“該圖片中像素點的總個數”。

盡管灰度直方圖不能表示出某灰度值在什么位置，更不能直接顯示圖像內容，但是具有統計特性的直方圖卻能描述該圖像的灰度分布特性，使人們從中得到諸如總體明亮程度、對比度等與圖像質量有關的灰度分布概況，成為一些處理方法的重要依據。直方圖在c語言中，也用一個數組來存儲直方圖26

數字圖像直方圖統計選擇菜單View->Graph->Image，做如下設置：選擇菜單View->Graph->Time/Frequency，做如下設置數字圖像直方圖統計選擇菜單View->Graph->27數字圖像直方圖統計開始用不同參數調用構造圖像的函數產生圖像調用直方圖統計子程序統計直方圖循環重復五次直方圖統計子程序初始化直方圖統計數組(賦0值)統計圖像中各種灰度值(取值0-255)的像素個數計算各種灰度值的像素個數占全部圖像像素的百分比直方圖統計結束數字圖像直方圖統計開始用不同參數調用構造圖像的函數產生圖像調28實驗二數字圖像均衡化增強實驗二數字圖像均衡化增強29

直方圖均衡化圖像增強的原理

圖像增強處理技術是數字圖像處理的基本內容之一。圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時，削弱或去除某些不需要的信息的處理方法。

利用直方圖統計的結果，通過使圖像的直方圖均衡的方法稱為直方圖均衡化，直方圖均衡化可以達到增強圖像顯示效果的作用。其基本思想是把原始圖像的直方圖變換成均勻分布的形式，這樣就增加了像素灰度值的動態范圍，從而達到增強圖像整體對比度的效果。

通過直方圖統計，可以觀察出，圖像中各種亮度所占的比例大都分布不均勻，設法增加在直方圖統計中所占比例高的像素和其他占的比例少的像素之間的亮度差，可以提高圖像的顯示效果。簡單來說，直方圖增強的方法就是壓縮直方圖中比例少的像素所占用的灰度范圍，多出來的灰度空間按照統計比例分配給直方圖中比例高的像素使用。這種方法主要是針對人眼對灰度差別越大的圖像更容易分辨的特點而做的增強。

具體方法是：直方圖均衡化圖像增強的原理圖像增強處理技術是數字圖30

直方圖均衡化的原理

灰度直方圖的計算十分簡單，依據定義在離散形式下有下面的公式成立：

（1）

公式中：為圖像中出現灰度為k的像素數，n是圖像像素總數，而

即為頻數。（2）計算累積直方圖各項：

（3）取整擴展：

（4）映射對應關系：

直方圖均衡化的原理灰度直方圖的計算十31直方圖均衡化原理例如：如果原始圖像中某個像素點的灰度級為2，經過直方圖均衡化之后該像素點的灰度級就變成166。直方圖均衡化原理例如：如果原始圖像中某個像素點的灰度級為2，32

數字圖像直方圖均衡化增強選擇菜單View->Graph->Image，做如下設置:選擇菜單View->Graph->Image，做如下設置:選擇菜單View->Graph->Image，做如下設置:數字圖像直方圖均衡化增強選擇菜單View->Graph-33

數字圖像直方圖均衡化增強數字圖像直方圖均衡化增強34實驗三數字圖像邊緣檢測實驗三數字圖像邊緣檢測35邊緣檢測

邊緣能勾劃出目標物體，使觀察者一目了然，邊緣蘊含豐富的內在信息(方向、階躍性質和形狀等)。從本質上說，圖像邊緣是圖像局部特征不連續性(灰度突變、顏色突變和紋理結構突變等)的反映，它標志著一個區域的終結和另一個區域的開始。邊緣提取首先檢測出圖像局部特征的不連續性，然后再將這些不連續的邊緣像素連成完備的邊界。邊緣的特征是沿邊緣走向的像素變化平緩，而垂直于邊緣方向的像素變化劇烈，所以，從這個意義上說，提取邊緣的算法就是檢測出符合邊緣特性的邊緣像素的算子。目前提取邊緣常采用邊緣算子法、曲面擬合法和模板匹配法等方法。兩個具有不同灰度值的相鄰區域之間總存在邊緣，邊緣是灰度值不連續的結果，這種不連續性通常可以利用求導數的方法