数字图象处理第二次作业

实验报告

实验名称 实验二 空间域数字图像增强 实验课程 数字图像处理

姓名 成绩

班级 学号

日期 2011年11月20日 地点 综合试验楼

1.实验目的

（1）了解空间域图像增强的各种方法（点处理、掩模处理）； （2）通过编写程序掌握采用直方图均衡化进行图像增强的方法；

（3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法） 消除噪声的原理；

（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。

2.实验环境（软件、硬件及条件）

Windws2000/XP 、MATLAB 6.x or above 、Visual C++、Visual Basic 或其它

3.实验方法

对如图所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img进行如下处理：

指纹图fing_128.img

显微医学图像cell_128.img

（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，

并回答为什么数字图像均衡化后其直方图并非完全均匀分布。

（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。

①不加门限； ②加门限T?121N2（其中f(m,n)?f(m,n)，

??f(i,j)ij）

4.实验分析

（1）直方图均衡化处理

本题的关键步骤在于对灰度出现频率的概率统计，利用如下函数实现：

for x=1:128

2

for y=1:128

q(f(x,y)+1)=q(f(x,y)+1)+1; end

end

在概率统计完成之后，做出其累计直方图： t(1)=s(1); for i=2:256

t(i)=t(i-1)+s(i); end

subplot(2,1,1);

bar(X,t');

然后用 t0=floor(255*t+0.5)函数将概率累计直方图变为对灰度级频数的累计，这样就得到了不同灰度级对应的不同的频数。

最后通过以下函数将概率分布均衡到各个不同的灰度级上去：原理为对于频数累计直方图变化的快慢分配给以不同的频率，在频数累计图变化慢的地方会分配给相对较多的频率，而对于频数累计直方图变化较快的地方则分配给较少的频率，这样便实现了直方图的均衡化。 t1=zeros(1,256); for i=1:256

t1(t0(i)+1)=s(i)+t1(t0(i)+1); end

(2)图像加入噪声及去噪

利用如下函数将噪声加入到原图像中： a=randn(128,128);

f=a*30+fg;

利用四邻域平滑法对图像进行平滑处理，并且不加门限： f0=f;

for x=2:127

for y=2:127

f0(x,y)=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4; end end

第二次平滑处理时加入门限，设定方法为：

t=0;

for x=1:128

for y=1:128 t=t+f0(x,y); end

end

T=t/(128^2*2);

利用如下的循环函数实现对图像的加门限平滑，注意的是x、y的起止范围，四周的点不作处理。 f1=f;

for x=2:127

for y=2:127

h=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;

3

if abs(f(x,y)-h)>T f1(x,y)=h; else

f1(x,y)=f(x,y); end end end

5.实验结果及结论

（1）直方图均衡化处理

原始图像及灰度级概率分布图

4

频率及频数统计分布直方图

图像均衡化之后的结果 实验结论：

由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较多，经过直方

5

图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。

原始图像及灰度级概率分布图

频率及频数统计分布直方图

6

图像均衡化之后的结果 实验结论：

由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较少，而所占的 灰度等级比较多，因此图像的对比度比较好，亮度比较大，整体图像清晰。经过直方图均 衡后，目标物的所占的灰度等级被压缩，对比度减弱，反而使目标物变的难以辨认。

数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等 级均为离散值；而且均衡化使灰度级并归，因此，均衡化后，其直方图并非完全均匀分布。

（2）图像加入噪声及去噪

7

原始图像、加噪图像、不加门限的平滑以及加入门限的平滑图像

原始图像、加噪图像、不加门限的平滑以及加入门限的平滑图像

实验结论：

8

可以看到，对加噪图像进行4-邻域平滑后，去处了大部分的噪声，但也使目标物边缘

变的模糊。加门限后，目标物的边缘得到加强。

附件：

（1）直方图均衡化处理源程序

clc;

fid=fopen('D:\\images\\fing_128.img','r'); f=fread(fid,[128,128],'uchar'); subplot(2,1,1); imshow(f,[0,255]); q=zeros(1,256); for x=1:128

for y=1:128

q(f(x,y)+1)=q(f(x,y)+1)+1; end end

s=q./(128*128); X=0:255;

subplot(2,1,2); bar(X,s','g'); figure;

t=zeros(1,256); t(1)=s(1);

for i=2:256

t(i)=t(i-1)+s(i); end

subplot(2,1,1); bar(X,t');

t0=floor(255*t+0.5); subplot(2,1,2); bar(X,t0'); figure;

t1=zeros(1,256); for i=1:256

t1(t0(i)+1)=s(i)+t1(t0(i)+1); end

subplot(2,1,2); bar(X,t1','g'); f1=zeros(128,128) for x=1:128

for y=1:128

f1(x,y)=t0(f(x,y)+1); end

end

subplot(2,1,1); imshow(f1,[0,255]);

9

（2）图像加入噪声及去噪的源程序

clc;

fid=fopen('D:\\images\\cell_128.img','r'); fg=fread(fid,[128,128],'uchar'); subplot(2,2,1); imshow(fg,[0,255]); a=randn(128,128); f=a*30+fg;

subplot(2,2,2); imshow(f,[0,255]); f0=f;

for x=2:127

for y=2:127

f0(x,y)=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4; end end

subplot(2,2,3); imshow(f0,[0,255]); t=0;

for x=1:128

for y=1:128 t=t+f0(x,y); end

end

T=t/(128^2*2); f1=f;

for x=2:127

for y=2:127

h=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4; if abs(f(x,y)-h)>T f1(x,y)=h; else

f1(x,y)=f(x,y); end end

end

subplot(2,2,4); imshow(f1,[0,255]);

10

本文来源：https://www.bwwdw.com/article/3dig.html