实验报告直方图均衡化.doc

刚刚好够好看好看更快更好看个好看过后vbn感到孤独 实验报告——直方图均衡化 课程名称：数字图像处理 实验编号：Project 03_02 第X小组： 姓名 学号 姓名 学号 姓名 学号 姓名 学号 实验开始时间： 年 月 日 提交日期： 年 月 日 摘要：本实验探讨了灰度图像直方图均衡化的技术，并加以实现（分别用Matlab和VC＋＋实现），通过实验发现直方图均衡化在某些情况下对图像的增强结果并不理想，甚至变得更糟糕。本报告中分别给出了好的处理结果，以及差的处理结果，并讨论了其中的原因。 技术讨论 本实验所用的技术是对图像的直方图均衡化，先算出一幅图像中各个灰度级rk(k=0,1,2,…,L-1)出现的概率： Pk(rk) = k=0,1,2,…,L-1 n是图像中象素的总和，nk是灰度级为rk的象素个数，L为图像中灰度级别的总数。这也是我们绘制原始图像直方图的依据。 直方图均衡化的变换函数： Sk=T(rk)= = k=0,1,2,…,L-1 其中Sk为原灰度级为rk的像素经直方图均衡化变换后的灰度。 实验结果及讨论 下面是一些直方图均衡化的处理结果: (a) (b) (d) 图1 （a）为原图，（b）是（a）的直方图，（c）为（a）图直方图均衡化后的结果，（d）为（c）的直方图。 (a) (b) (c) (d) 图2 （a）为原图，（b）是（a）的直方图，（c）为（a）图直方图均衡化后的结果，（d）为（c）的直方图。 (a) (b) (d) 图3 （a）为原图，（b）是（a）的直方图，（c）为（a）图直方图均衡化后的结果，（d）为（c）的直方图。 通过原始图像和经直方图均衡化后所得到的图像对比，我们发现直方图均衡化是一种比较好的自动化的图像对比度增强方法，如图1和图2所示，处理结果明显比原图对比度增强。 但直方图均衡化并不适用于所有图像，如图3所示并没有达到良好的效果，图像被漂白了，而且产生了噪音，再者从前后两个直方图可以看出，经直方图均衡化后，图像灰度发生了大量的合并，使得增强后的图像灰度取值量减少，主要集中在高端，可见直方图均衡化在这里并不适用。 发生此种情况的原因主要是原始图像中存在大量的灰度级为0或接近0的像素。 附录：（C＋＋源代码） void CMyImage::HistEq(void) { int nSizeImage, i, j; BYTE newPixel; //像素点灰度级 //图像每一行的字节数 int nRowBytes = GetPitch(); int nHeight = GetHeight(); int nWidth = GetWidth(); LPBYTE p = (LPBYTE)GetBits(); nSizeImage = nWidth * nHeight; int n[256]; // 各灰度级的像素个数 double s[256]; //初始化 for(i = 0; i 256; i++) { n[i] = 0; s[i] = 0.0; } //求n[i], i = 0, 1, 2, ..., 255 for(i = 0; i nHeight; i++) { for(j = 0; j nWidth; j++) { n[p[j]] += 1; } p += nRowBytes; } //求s[i], i = 0 --- 255, 即灰度级不大于i的概率 s[0] = n[0] / (double)nSizeImage; for( i = 1; i 256; i++) { s[i] = s[i -1] + n[i] / (double)nSizeImage; } //将转化后的数据写入图像 p = (LPBYTE)GetBits(); for(i = 0; i nHeight; i++) { for(j = 0; j nWidth; j++) { newPixel = (BYTE)(255 * s[p[j]]); p[j] = newPixel; } p += nRowBytes; } return; }