数字图像边缘化及灰度变化处理

甘肃政法学院本科生实验报告(一）姓名:学院:信息工程学院专业:计算机科学与技术班级:实验课程名称:数字图像处理及MATLAB实现实验日期:年月日开课时间：学年第一学期甘肃政法学院实验管理中心印制实验题目数字图像基本操作及灰度调整小组合作姓名班级学号一、实验目的及原理1)掌握读、写图像的基本方法。2)掌握MATLAB语言中图像数据与信息的读取方法。3)理解图像灰度变换处理在图像增强的作用。4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。二、实验原理1.灰度变换灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。1)图像反转灰度级范围为[0,L-1]的图像反转可由下式获得rLs12)对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换：s=clog(1+r)，c为常数，r≥03)幂次变换：0,0,ccrs4)对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：其对应的数学表达式为：2.直方图均衡化灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。依据定义，在离散形式下，用rk代表离散灰度级，用pr(rk)代表pr(r)，并且有下式成立：nnrPkkr)(1,,2,1,010lkrk式中：nk为图像中出现rk级灰度的像素数，n是图像像素总数，而nk/n即为频数。直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。假定变换函数为dprTsrr)()(0(a)Lena图像(b)Lena图像的直方图图1.2Lena图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即1,,1,010)(lkrnnrpkkkr式中：l是灰度级的总数目，pr(rk)是取第k级灰度值的概率，nk是图像中出现第k级灰度的次数，n是图像中像素总数。所以积分可以表示为下列累计分布函数(cumulativedistributionfunction,CDF)1,,1,010)()(00lkrrpnnrTsjkjjrkjjkk二．实验环境装有软件VS2015以及opencv的计算机一台三、实验内容与步骤1.图像数据读取，显示等基本函数特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。基本代码：#includecv.h#includehighgui.husingnamespacestd;intmain(){IplImage*test;test=cvLoadImage(D:\\lena图像.jpg);cvNamedWindow(test_demo,1);cvShowImage(test_demo,test);cvWaitKey(0);cvDestroyWindow(test_demo);cvReleaseImage(&test);return0;1.}图像灰度变换处理在图像增强的作用读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。图像灰度变换的基本代码：imagex=image;for(intj=0;jnl;j++){uchar*data=imagex.ptruchar(j);for(inti=0;inc;i++){data[i]=255-data[i];}}cv::imshow(反转后的图像,imagex);2.绘制图像灰度直方图的方法，对图像进行均衡化处理请自己编程和调用Matlab函数完成如下实验。1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用imadjust函数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰度直方图与原灰度直方图的区别。2)对B进行直方图均衡化处理，试比较与源图的异同。3)对B进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。图中对图像文件进行了基本的灰度变换，包括用式s=L–1–r得到的图像反转，对反转图像的求补，以及对数变换的采用。1.绘制图像灰度直方图的方法，对图像进行均衡化处理1)图像灰度直方图的显示与灰度调整i在原始图像中，直方图的组成成分集中在高灰度等级（亮）一侧，且图像灰度范围为[0,1]，故将灰度值调整到[0,1]间后直方图无明显变化。类似的，将灰度值调整到[0,0.5]时，整个图像变暗，直方图横向压缩1倍。2)对B进行直方图均衡化处理，试比较与原图的异同。原图像中目标物的灰度主要集中于高亮度部分，而且象素总数较多，所占的灰度等级较少。经过直方图均衡后，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。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。3)对B进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。通过在所关心范围内为所有灰度值指定一个较高值，而为其他灰度指定一个较低值，或将所需范围变亮，分段线性变换可提高图像中特定灰度范围的亮度，常用于图像特征值的提取。这里将原始图像位于[0.125,0.75]间的灰度值调低，放大其余的灰度值，突出显示图像低频域和高频域的部分。直方图的基本代码：#includeopencv2/opencv.hppusingnamespacecv;intmain(intargc,char**argv[]){MatsrcImage=imread(D:\\lena图像.jpg);MatsrcGray;imshow(1,srcImage);waitKey(1000);Matgrayimg;cvtColor(srcImage,srcGray,CV_RGB2GRAY);MatheqResult;equalizeHist(srcGray,heqResult);imshow(2,srcGray);waitKey(1000);imshow(直方图,heqResult);waitKey(0);}四、实验过程与分析原图像的读取图片的边缘检测图片的灰度处理以及直方图均衡化处理五、实验总结这是这门课的第一次实验报告，深深的感觉到自己编写与看老师的演示是不一样的，与其他的语言课程不同，我对这门课产生了很大的兴趣，在做实验的过程中也会有各种困难，会犯很多错误，但通过我的努力都一一克服了，看到自己的成果还是很有成就感的。这门课是一门很值得学习的课程，通过学习的过程中我学到了很多东西，再往后的学习与生活中有很大的使用价值，在接下来的学习中我也会努力认真的学习。