【数字图像处理】是计算机科学领域的一个重要分支，主要研究如何获取、表示、分析和处理图像数据。在本实验中，我们重点探讨了几个关键概念和技术，包括伽马曲线、图像亮度调整、对比度增强以及直方图分析。
1) **伽马曲线**：伽马曲线是一种非线性变换，常用于图像的亮度调整。在实验中，我们绘制了不同幂次的伽马变换曲线，例如0.04、0.1、0.2等。随着幂次的增加，曲线变得更加陡峭，这意味着图像的亮部和暗部会经历更显著的变化。伽马曲线常用于模拟显示器的非线性响应，以及优化图像的视觉效果。
2) **图像亮度增强和降低**：实验中通过直接修改像素值实现了图像亮度的增减。例如，增加每个像素值25使得图像变亮，而减少像素值35则使图像变暗。这里需要注意，为了避免像素值超出0-255的范围，当增加使得像素值超过255时，我们将其设为255；同理，减少导致像素值小于0时，设为0。
3) **对比度调整**：对比度可以通过伽马变换来改变。低幂次（如0.6）会导致图像对比度降低，使图像颜色趋于均匀；高幂次（如2）则会提高对比度，使图像色彩层次更加鲜明。在实验中，我们使用归一化处理后的图像进行伽马变换，直观展示了对比度的变化。
4) **直方图分析**：直方图可以反映图像中像素值的分布情况。对于灰度图像，我们统计每个灰度级的像素数量，并绘制出直方图。RGB图像的直方图则是分别对红、绿、蓝三个通道进行统计。比较RGB直方图和灰度直方图，我们可以观察到颜色信息如何转化为单一亮度值，以及颜色分布对图像整体特征的影响。
总结来说，这个实验涵盖了数字图像处理的基础操作，包括图像的非线性变换、亮度与对比度的调整，以及直方图作为图像统计特性的直观表示。这些技术在图像处理、计算机视觉以及图像分析等领域都有着广泛的应用。通过实验，学生能够深入理解这些概念，并掌握在MATLAB中实现这些操作的方法。
