数字图像处理 实验一：图像灰度级修正

DIP实验1：图像灰度级修正

实验目的

掌握常用的图像灰度级修正方法（灰度变换法和直方图均衡化），加深对直方图的理解。观察图像的增强效果，对灰度级修正前后的图像加以比较。

实验内容

1）编程实现图像的灰度变换，改变图像的输入、输出映射参数范围（线性拉伸和反比）；
2）修改参数$\gamma$值（大于、小于、等于1），观察处理结果；
3）对图像直方图作均衡化处理，显示均衡前后的图像及其直方图。

附：可供参考的Matlab函数有imread、imadjust、imhist、stretchlim、histeq、imshow、axis

输出图像排列格式如下：

原图像	线性拉伸图	反比图像
$\gamma$>1	$\gamma$=1	$\gamma$<1
原图像直方图	均衡后的图像	均衡图像的直方图

---

参考代码

1、调用Matlab自带函数编写

% 调用系统函数
org_img = imread('lena.bmp');   %original picture

figure('NumberTitle', 'off', 'Name', '实验1：图像灰度级修正'); 

subplot(3,3,1);
imshow(org_img);
title('原图像');

subplot(3,3,2);
linear_img = imadjust(org_img,[0.2 0.5],[0 1]);  
imshow(linear_img);
title('线性拉伸图像');

subplot(3,3,3);
inv_img = imadjust(org_img,[0 1],[1 0]);  
imshow(inv_img);
title('反比图像');

subplot(3,3,4);
gmbig = imadjust(org_img,[ ],[ ],2);  
imshow(gmbig);
title('\gamma > 1');

subplot(3,3,5);
gmeq = imadjust(org_img,[ ],[ ],1);  
imshow(gmeq);
title('\gamma = 1');

subplot(3,3,6);
gmsmall = imadjust(org_img,[ ],[ ],0.5);  
imshow(gmsmall);
title('\gamma < 1');

subplot(3,3,7);
imhist(org_img);
title('原图像直方图');

subplot(3,3,8);
adh_img = histeq(org_img);  
imshow(adh_img); 
title('均衡后的图像');  
% histeq adapthisteq ?

subplot(3,3,9);  
imhist(adh_img);
title('均衡图像的直方图');  

2、使用自己编写的线性拉伸函数、幂律变换函数、绘制直方图函数、均衡函数

figure('NumberTitle', 'off', 'Name', '实验1：图像灰度级修正'); 
OrgImg = imread('lena.bmp');   % 原始图像读取

subplot(3,3,1);
imshow(OrgImg);
title('原图像');

subplot(3,3,2);
LinearImg = LinearEnhance (OrgImg, [0.5 0.8], [0 1]);   
imshow(LinearImg);
title('线性拉伸图像');

subplot(3,3,3);
InverseImg = LinearEnhance (OrgImg, [0 1], [1 0]);
imshow(InverseImg);
title('反比图像');

subplot(3,3,4);
PowerLaw1 = PowerLawTrans (OrgImg, 1, 2);
imshow(PowerLaw1);
title('\gamma > 1');

subplot(3,3,5);
PowerLaw2 = PowerLawTrans (OrgImg, 1, 1);
imshow(PowerLaw2);
title('\gamma = 1');

subplot(3,3,6);
PowerLaw3 = PowerLawTrans (OrgImg, 1, 0.5);
imshow(PowerLaw3);
title('\gamma < 1');

subplot(3,3,7);
OrgHist = Histo(OrgImg);
bar(0:255, OrgHist, 'b'); 
title('原图像直方图');

subplot(3,3,8);
EquImg = Equalization(OrgImg, OrgHist);
imshow(EquImg); 
title('均衡后的图像');  

subplot(3,3,9);  
OrgHist2 = Histo(EquImg);
bar(0:255, OrgHist2, 'b'); 
title('均衡图像的直方图');  


% 线性拉伸函数 LinearEnhance
function TransImg = LinearEnhance (OrgImg, RangeIn, RangeOut)
    % OrgImg 原始图像
    % RangeIn 图像的输入参数范围，a、b介于0和1之间
    % RangeOut 图像的输出参数范围，c、d，介于0和1之间
    a = RangeIn(1);
    b = RangeIn(2);
    c = RangeOut(1);
    d = RangeOut(2); 
    if (a < 0 || b > 1 || c < 0 || d > 1)   % 防错误输入
        error('变换范围输入有误');
    end
    img = im2double(OrgImg);    
    k = (d - c) / (b - a);   % 变换函数斜率
%     a = min(img(:));
%     b = max(img(:));
    TransImg = ones(256);
    for i = 1 : 256
        for j = 1 : 256
            if (img(i,j) < a)
                TransImg(i,j) = c;
            elseif (img(i,j) >= a && img(i,j) < b)
                TransImg(i,j) = k * img(i,j) + c;
            else 
                TransImg(i,j) = d;
            end
        end
    end
    TransImg = mat2gray(TransImg);
end


% 幂律变换函数 PowerLawTrans
function TransImg = PowerLawTrans (OrgImg, c, gamma)
    % OrgImg 原始图像
    img = im2double(OrgImg);
    TransImg = c * (img .^ gamma) ;
    TransImg = mat2gray(TransImg);
end

% 绘制直方图函数 Histo
function TransImg = Histo(Img)
    TransImg = zeros(1,256);  
    for i = 0: 255
        TransImg(i + 1) = length(find(Img == i)) / (256 * 256);  
    end
end

% 均衡函数 Equalization
function TransImg = Equalization(Img, p)
    % p     原始直方图
    s = zeros(1,256);
    for i = 1 : 256  
        for j = 1: i  
             s(i) = p(j) + s(i);                
        end  
    end  
    a = round(s * 255);     % round 四舍五入
    TransImg = Img;
    for i = 0 : 255  
        TransImg(find(Img == i)) = a(i+1);                
    end  
end

实验结果