直方图均衡化和直方图规定化-实验报告.pdf

一、实验目的

掌握直方图均衡化和直方图规定化的图像增强方法

掌握图像平滑滤波和锐化滤波的模板计算方法

二、实验内容：

1.使用IPT中imhist，histeq函数进行直方图的均衡化和规定化，并显示结果

2.编写myhisteq函数实现直方图均衡化，与1中结果进行对比

3.给读取的图像叠加椒盐噪音(imnoise)，分别使用均值滤波和中值滤波进行去噪，并

对比图像处理的结果(使用IPT函数）

4.自定义3*3模板矩阵F，编写myfilter函数实现模板和图像的卷积运算，设计模板矩

阵，实现图像的平滑和锐化。

三、实验代码及结果

(1)直方图的均衡化和规定化

clc;

clear;clear;

I=rgb2gray(I);%将图像转换为灰度图像

J=histeq(I);%对I进行直方图均衡化

figure,subplot(2,2,1),imshow(I),title(原始图像);

subplot(2,2,2),imshow(J),title(直方图均衡化后的图像);

subplot(2,2,3),imhist(I,64),title(原始的直方图);

subplot(2,2,4),imhist(J,64),title(均衡化后的直方图);

clc;

clear;clear;

I=rgb2gray(I);%将图像转换为灰度图像

h=0:255;h=1-h/255;

J=histeq(I,h);

figure,subplot(2,3,1),imshow(I),title(原图像);

subplot(2,3,2),imhist(I,64),title(原图像的直方图);

subplot(2,3,3),stem(h),title(目标直方图);

subplot(2,3,4),imshow(I,64),title(规定化后的图像);

subplot(2,3,5),imhist(J,64),title(规定化后的直方图);

二、myhisteq函数实现直方图均衡化

I=rgb2gray(I);

[height,width]=size(I);

figure

subplot(2,2,1)

imshow(I)%显示原始图像

title(原图像);

subplot(2,2,2)

imhist(I)%显示原始图像直方图

title(原图像直方图);

%进行像素灰度统计;

s=zeros(1,256);%统计各灰度数目，共256个灰度级

fori=1:height

forj=1:width

s(I(i,j)+1)=s(I(i,j)+1)+1;%对应灰度值像素点数量增加一

end

end

%计算灰度分布密度

p=zeros(1,256);

fori=1:256

p(i)=s(i)/(height*width*1.0);

end

%计算累计直方图分布

c=zeros(1,256);

c(1)=p(1);

fori=2:256

c(i)=c(i-1)+p(i);

end

%累计分布取整,将其数值归一化为1~256

c=uint8(255.*c+0.5);

%对图像进行均衡化

fori=1:height

forj=1:width

I(i,j)=c(I(i,j)+1);

end

end

subplot(2,2,3)

imshow(I)%显示均衡化后的图像

title(均衡化后图像);

subplot(2,2,4)

imhist(I)%显显示均衡化后的图像的直方图

title(均衡化后图像的直方图);

三、使用均值滤波和中值滤波进行去噪

I=rgb2gray(I);%将图像转换为灰度图像

I1=imnoise(I,saltpepper,0.02);%0.02是噪声强度，其值越大噪声越多

h=fspecial(average,5);

J1=filter2(h,I1,valid);

J2=imfilter(I1,h,full);

figure,subplot(3,3,1),imshow(I1);title(