线性、非线性增强及直方均衡化.docVIP

问题一 内容 图像线性对比度增强，测试图Fig69.bmp 2、原理 通过进行像素点对点的，灰度级的线性映射，来抑制不重要的部分，扩展关心的部分的对比度。 根据Fig69.bmp的灰度图（图1）可知应主要扩展低灰度区。原理如图2 图1 图2 得到较为合理的映射方程： 3、方法及程序 clear all; A=imread(Fig69.bmp); [row,col]=size(A); A1=double(A); fmax=max(max(A1)); fmin=min(min(A1)); for i=1:row for j=1:col if A(i,j)75 B(i,j)=(200/75)*A(i,j); elseif A(i,j)200 B(i,j)=(20/125)*A(i,j)+208; else B(i,j)=(35/55)*A(i,j)+127.73; end end end %B=uint8(B); subplot(2,2,1),imshow(A),title(原图); subplot(2,2,2),imshow(B),title(线性对比度增强灰度图); subplot(2,2,3),imhist(A),title(原图灰度图); subplot(2,2,4),imhist(B),title(线性对比度增强灰度图); 4、结果（截图说明） 可以看出改进出对比度提升了不少。从灰度图也可看出低灰度区得到了不小的扩展。 5、存在问题及分析 高灰度区有一定程度的损失。且映射不够光滑。 问题二 内容 图像非线性调整（对数，指数），分别用Fig69.bmp， Fig61.bmp测试。 2、原理 对数变换扩展原图灰度级低的部分，抑制灰度级高的部分；指数变换反之。 3、方法及程序 对数： clear all; A=imread(Fig69.bmp); [row,col]=size(A); A=double(A); c=256/log(255); B=c*(log(A+1)); B=uint8(B); A=uint8(A); subplot(2,2,1),imshow(A),title(原图); subplot(2,2,2),imshow(B),title(非线性对比度增强灰度图); subplot(2,2,3),imhist(A),title(原图灰度图); subplot(2,2,4),imhist(B),title(非线性对比度增强灰度图); 指数： clear all; A=imread(Fig69.bmp); [row,col]=size(A); A=double(A); for i=1:row for j=1:col B(i,j)=1.07^(2*(A(i,j)-1))-1; end end B=uint8(B); A=uint8(A); subplot(2,2,1),imshow(A),title(原图); subplot(2,2,2),imshow(B),title(非线性对比度增强灰度图); subplot(2,2,3),imhist(A),title(原图灰度图); subplot(2,2,4),imhist(B),title(非线性对比度增强灰度图); 4、结果（截图说明） （1）对数： Fig69： Fig61： （2）指数 Fig69： Fig61： 5、存在问题及分析 使用非线性变换得到的结果相较于线性变换更为连续，但是对比度比不上后者。 问题三 内容 图像直方图均衡化，分别用Fig69.bmp， Fig61.bmp测试 2、原理 直方图均衡化是将原图像的直方图通过变换函数修正为均匀的直方图，然后按均衡直方图修正原图像。 图像均衡化处理后，图像的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。 主要分为五个步骤： （1）求灰度直方图h （2）求灰度概率分布函数（PDF） （3）求灰度累积分布函数（CDF） （4）求新旧灰度映射 （5）求新图灰度分布B（i,j） clear all; close all; A=imread(Fig69.bmp); [row,col]=size(A); A=double(A); hf=zeros(1,256); hp=zeros(1,256); newhf=zeros(1,256); newhp=zeros(1