直方图均衡化的matlab实现-数字图像处理课程论文.doc

直方图均衡化的 Matlab 实现 - 数字图像处理课程论文 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的图像增强方法。为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的。本文采用直方图均衡化的图像增强的基本理论原理，在 Matlab 环境下，对数字图像进行直方图均衡化处理。 图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。 图像增强技术根据增强处理过程所在的空间不同，可分为基于空间域的算法和基于频率域的算法两大类。基于空间域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图均衡化等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。直方图均衡化能够增强整个图像的对比度，提高图像的辨析程度，增强效果好。 直方图均衡化的 Matlab 实现中，首先需要了解直方图理论。灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像元的个数。确定图像像元的灰度值范围，以适当的灰度间隔为单位将其划分为若干等级，以横轴表示灰度级，以纵轴表示每一灰度级具有的像元数或该像元数占总像元数的比例值，做出的条形统计图即为灰度直方图。在 Matlab 中，在 imhist 函数的返回值中，counts 保存了落入每个区间的像素的个数，通过计算 counts 与图像中像素总数的商可以得到归一化的直方图。 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 在直方图均衡化的 Matlab 实现中，需要考虑连续灰度值，并用变量 r 表示待处理图像的灰度，假设日取值范围为[0，L-1]，且 r=0 表示黑色，r=L-1 表示白色，用 S 分别表示输出图像灰度值。在 r 满足这些条件的情况下，有 S=T（r），0≤r≤L-1，T（r）为变换函数。对于直方图均衡化的 matlab 实现，输入图像中每个具有 r 值的像素值产生一个输出灰度值 S 。 假设 T（r）满足下列条件：（a） 在 0≤r≤L-1 上是单调递增函数；（b） 当 0≤r≤L-1 时，0≤T（r）≤L-1。条件（a）中要求 T（r）为单调递增函数是为了保证输出灰度值不少于相应的输入值，防止灰度反变换时产生人为缺陷。条件（b）保证输出灰度的范围与输入灰度的范围相同。 从 S 到 r 的反变换关系为 r=T-1（S），T-1（S）对 r 同样满足上述条件。由概率论知，若 Pr（r）和变换函数 S=T（r）已知，T-1（S）是单值单调增加函数，则变换后的概率密度函数 Ps（S）如下式所示： Ps(S)=[Pr(r) \* abs(dr/dS)] 因此，通过对直方图均衡化的 Matlab 实现，可以实现图像的对比度增强，从而提高图像的质量。 本文对直方图均衡化的 Matlab 实现进行了详细的分析和讨论，并对其在数字图像处理课程论文中的应用进行了探讨。通过本文的研究，可以更好地理解直方图均衡化在图像处理领域中的应用价值。