利用matlab對圖像進行增強處理畢業(yè)論文-資料下載頁
2025-06-24 22:39本頁面
【正文】 。直方圖均衡化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。 主要缺點：變換后圖像的灰度級減少，某些細節(jié)消失；某些圖像，如直方圖有高峰，經(jīng)處理后對比度不自然的過分增強。算法如下：為討論方便，以r和s分別表示歸一化了的原圖像灰度和經(jīng)直方圖修正后的圖像灰度。即在[0,1]內(nèi)設(shè)有變換S=T(r)且該函數(shù)單調(diào)遞增，,于是有反變換有概率論知，如果已知隨即變量r的概率密度,而隨機變量s是r的函數(shù)。則s的概率密度可以有求出。從上式可以看出通過變換函數(shù)可以控制圖像灰度級的概率密度函數(shù)，從而改變圖像灰度層次，這就是直方圖修正技術(shù)的基礎(chǔ)。因為歸一化規(guī)定 有1式有 兩邊積分得 上式就是所求得的變換函數(shù)。它表明當變換函數(shù)是原圖像直方圖累積分布函數(shù)時，能達到直方圖均衡化的目的。離散形式可表示為：可見均衡后的各像素的灰度值可直接由原圖像的直方圖算出。 在實際處理變換時，一般先對原始圖像的灰度情況進行統(tǒng)計分析，并計算出原始直方圖分布，然后根據(jù)計算出的累計直方圖分布求出到的灰度映射關(guān)系。在重復上述步驟得到源圖像所有灰度級到目標圖像灰度級的映射關(guān)系后，按照這個映射關(guān)系對源圖像各點像素進行灰度轉(zhuǎn)換，即可完成對源圖的直方圖均衡化。源代碼如下：Clear。A=imread(‘’)。B=imadjust(A)。imwrite(B,39。E:\39。)。 %圖像保存subplot(2,2,1)。 imshow(A)。 %顯示調(diào)整前后圖像及其直方圖subplot(2,2,2)。 imhist(A)。subplot(2,2,3)。 imshow(B)。subplot(2,2,4)。 imhist(B)。 利用直方圖規(guī)定化對圖像進行增強 在實際應(yīng)用中，希望能夠有目的地增強某個灰度區(qū)間的圖像， 即能夠人為地修正直方圖的形狀， 使之與期望的形狀相匹配，這就是直方圖規(guī)定化的基本思想。換句話說，希望可以人為地改變直方圖形狀，使之成為某個特定的形狀，直方圖規(guī)定化就是針對上述要求提出來的一種增強技術(shù)，它可以按照預先設(shè)定的某個形狀來調(diào)整圖像的直方圖。直方圖規(guī)定化是在運用均衡化原理的基礎(chǔ)上，通過建立原始圖像和期望圖像之間的關(guān)系，選擇地控制直方圖，使原始圖像的直方圖變成規(guī)定的形狀，從而彌補了直方圖均衡不具備交互作用的特性。直方圖規(guī)定化就是針對上述思想提出來的。 其增強原理及步驟如下：先對原始的直方圖均衡化：同時對規(guī)定的直方圖均衡化：由于都是均衡化，故令，則：。源代碼如下：Clear。A=imread(‘E:\’,’tif’)。 %讀入待處理圖像B=imread(‘’)。 %讀入規(guī)定圖像[count,hagram]=imhist(B)。C=imadjust(A, hagram)。 %直方圖規(guī)定化imwrite(C,39。E:\39。)。 %圖像保存subplot(3,2,1)。 imshow(A)。 %顯示調(diào)整前后圖像及其直方圖subplot(3,2,2)。 imhist(A)。subplot(3,2,3)。 imshow(B)。subplot(3,2,4)。 imhist(B)。subplot(3,2,3)。 imshow(C)。subplot(3,2,4)。 imhist(C)。 5 參考文獻[J].,3汪志云. 基于直方圖的圖像增強及其MATLAB實現(xiàn)[J].,2賈永紅. 數(shù)字圖像處理[M].,9
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1