图像处理与机器视觉培训资料VIP免费

图 像 处 理 与 机 器 视 觉《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;学习 图像处理与机器视觉灰度变换 .bmp');% 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 '); 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， matlab 出来的图像如下图 1.1 和图1.2 所示：图1.1 原图像及其直方图图 1.2 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...