天津科技大学数字图像处理-数字图像处理实验报告.pdf

【数字图像处理实验】 在数字图像处理领域，平滑和直方图均衡化是两种重要的预处理技术。实验三和实验四分别关注了图像的平滑处理和直方图均衡化，这两种技术对于改善图像质量和增强视觉效果至关重要。 **实验三：图像的平滑** 平滑处理主要用于去除图像中的噪声，提高图像的整体质量。实验中涉及了两种主要的平滑滤波技术：均值平滑和中值滤波。 1. **均值平滑**：通过计算像素邻域内的平均值来替换该像素的值。在实验中，使用了不同大小的模板（3x3、5x5、7x7和9x9）进行平滑处理，这有助于减少高斯噪声的影响。`filter2`函数结合`fspecial('average',n)`生成了不同大小的平均滤波模板，并应用到图像上。较大的模板可以更有效地平滑噪声，但可能会导致图像边缘模糊。 2. **中值滤波**：中值滤波是一种非线性滤波方法，特别适用于去除椒盐噪声。它将像素邻域内的灰度值替换为中间值，因此对边缘保持较好。在实验中，自编的`mid_filter`函数实现了这一过程，通过计算邻域的中值并赋值给中心像素，有效地去除了椒盐噪声。 实验心得表明，选择合适的平滑方法取决于图像中的噪声类型。对于高斯噪声，均值滤波效果较好，而椒盐噪声则更适合用中值滤波处理。 **实验四：图像的直方图均衡化** 直方图均衡化是一种提升图像对比度的技术，通过改变图像的灰度分布，使图像的灰度层次更加丰富。实验步骤包括： 1. 计算原始图像的直方图，即每个灰度级出现的频率。 2. 计算累计分布函数（CDF），即每个灰度级的累积频率。 3. 构造灰度值映射表，将原始灰度级映射到新的灰度级，确保新灰度级的分布更均匀。 4. 应用映射表，将图像的每个像素灰度值转换为新的灰度值。 5. 计算并分析转换后的图像直方图，以验证均衡化效果。 源代码中展示了C++版本的直方图均衡化实现，使用OpenCV库进行操作。`HDIM`定义为256，表示灰度级的总数。通过这种方法，可以显著提高图像的视觉效果，特别是在图像对比度较低的情况下。 总结来说，这两个实验揭示了数字图像处理中平滑和直方图均衡化的重要性。平滑处理帮助去除噪声，而直方图均衡化则可以增强图像的视觉对比度。理解并灵活运用这些技术，对于图像分析、识别和增强至关重要，尤其是在计算机视觉、医学影像和遥感等领域。