Matlab分水岭分割算法.pdf

本文主要介绍的是利用MATLAB进行数字图像处理中的一个重要操作——直方图均衡化，以及与之相关的图像灰度化。直方图均衡化是一种增强图像对比度的技术，通过改变图像的灰度级分布，使得图像的灰度直方图更加均匀，从而提高图像的视觉效果。 程序从给定的JPG格式彩色图像文件“PicSample.jpg”开始，通过`imread`函数读取图像，并使用`rgb2gray`函数将彩色图像转换为灰度图像。转换后的图像被保存为“PicSampleGray.bmp”，同时在MATLAB的工作空间中存储了灰度图像数据。在第1个图形窗口中，原彩色图像被展示，标题为“输入的彩色 JPG 图像”。 接着，程序对灰度图像的直方图进行了绘制。通过`size`函数获取图像的尺寸参数，然后创建一个长度为256的零向量`GP`，用于存储每个灰度级出现的概率。遍历灰度值，计算每个灰度级出现的频率并存储在`GP`中。在第3个图形窗口中，显示了原始图像的直方图，横坐标表示灰度值，纵坐标表示出现概率。 接下来是直方图均衡化的关键步骤。程序首先初始化两个向量`S1`和`S2`，分别用于存储累积分布函数(CDF)的近似值和归一化后的灰度值。通过双重循环计算累积概率`S1`，然后将`S1`乘以256并四舍五入得到`S2`，这样可以将每个原始灰度级映射到新的灰度级。计算得到的每个新灰度级的概率存储在向量`GPeq`中，这代表了均衡化后的直方图。在第4个图形窗口中，展示了均衡化后的直方图。 程序对原始图像的每个像素进行处理，根据`S2`将原始灰度值映射到新的灰度级，得到均衡化后的图像，并在第6个图形窗口中显示。此外，还保存了均衡化后的图像为“PicEqual.bmp”。在第5个图形窗口中，显示了灰度变化曲线，横坐标为原始图像的灰度级，纵坐标为均衡化后的灰度级，有助于直观理解灰度变换过程。 这段MATLAB代码演示了如何使用直方图均衡化技术提高图像的对比度，这对于图像处理、分析和识别等应用非常重要。它涉及到了图像的灰度化、直方图分析、概率计算以及像素级别的灰度映射等基本概念，是数字图像处理中的核心技能之一。