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:\flower.jpg'); %使用imread 函数将图像读入Matlab x=rgb2gray(x); %将彩色图像装换为灰度图像 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:\1.jpg'); %读入图像 >> x=rgb2gray(x); %将彩色图像装换为灰度图像 >> 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 =0.005 >> x1=imnoise(x,'gaussian',0,0.05); >> subplot(1,...
