数字图像处理------------直方图均衡化\规定化\相关和卷积的计算

1.自己假定图像，完成直方图均衡化计算。

什么是直方图均衡化,具体来说是一种用于增强图像对比度的方法，可以通过拉伸图像的灰度级分布来增加图像的动态范围。它的基本实现思想是将图像的灰度级分布拉伸到整个灰度级范围内，从而使图像中的细节更加清晰、对比度更加明显。

代码展示:

% 读取原始图像
originalImage = imread('C:/Users/86158/Desktop/matlab/by.jpeg');
% 将原始图像转换为灰度图像
grayImage = rgb2gray(originalImage);
% 对灰度图像进行直方图均衡化
equalizedImage = histeq(grayImage);
% 显示原始图像和均衡化后的图像
subplot(1, 2, 1);
imshow(grayImage);
title('原始图像');
subplot(1, 2, 2);
imshow(equalizedImage);
title('均衡化后的图像');

首先使用imread函数读取原始图像，然后使用rgb2gray函数将其转换为灰度图像。接下来，使用histeq函数对灰度图像进行直方图均衡化，得到均衡化后的图像。最后，使用subplot和imshow函数将原始图像和均衡化后的图像显示出来.

图片显示:

2.自己假定图像，完成直方图规定化计算。

什么是直方图规定化呢?顾名思义,就是在于规定。就是将一幅图像的直方图匹配到规定的目标直方图。可以通过调整图像的灰度级分布，使其与目标即规定直方图更加相似。

代码展示:

originalImage = imread('C:/Users/86158/Desktop/matlab/lxq.jpg');
targetImage = imread('C:/Users/86158/Desktop/matlab/by.jpeg');
% 将原始图像和目标图像转换为灰度图像
originalGray = rgb2gray(originalImage);
targetGray = rgb2gray(targetImage);
% 计算原始图像和目标图像的直方图
originalHist = imhist(originalGray);
targetHist = imhist(targetGray);
% 对原始图像进行直方图规定化
equalizedImage = histeq(originalGray, targetHist);
exHist = imhist(equalizedImage)
% 显示原始图像、目标图像和规定化后的图像
subplot(3, 2, 1);
imshow(originalGray);
title('原始图像');
subplot(3, 2, 3);
imshow(targetGray);
title('目标图像');
subplot(3, 2, 5);
imshow(equalizedImage);
title('规定化后的图像');
% 显示原始图像和规定化后的图像的直方图
subplot(3, 2, 2);
bar(originalHist);
title('原始直方图');
subplot(3, 2,4 );
bar(targetHist);
title('目标直方图');
subplot(3,2,6);
bar(exHist);
title('规定化的直方图')

首先使用imread函数读取原始图像和目标图像，然后使用rgb2gray函数将其转换为灰度图像。接下来，使用imhist函数计算原始图像和目标图像的直方图。然后，使用histeq函数对原始图像进行直方图规定化，其中第一个参数是原始图像，第二个参数是目标图像的直方图。最后，使用subplot和imshow函数将原始图像、目标图像和规定化后的图像显示出来，并使用imhist函数显示原始图像和规定化后的图像的直方图。

结果展示:

3.自己假定图像，完成相关和卷积的计算。

代码展示:

image= imread('C:/Users/86158/Desktop/matlab/lxq.jpg');
imageA = rgb2gray(image);
% 创建一个2D核作为滤波器
filter = [-1 0 -1; 0 4 0; -1 0 -1];

% 计算卷积
convolutionResult = conv2(double(imageA), double(filter));

% 显示输入图像、卷积结果
subplot(1, 2, 1);
imshow(imageA, 'InitialMagnification', 'fit');
title('输入图像');

subplot(1, 2, 2);
imshow(convolutionResult, 'InitialMagnification', 'fit');
title('卷积结果');

创建了一个2D核作为滤波器。(滤波器的作用就是将这个二维数组和图片像素去相乘,卷积呢,就是将相乘的结果相加)然后，使用conv2函数计算输入图像和滤波器之间的卷积结果。最后，我们使用subplot和imshow函数将输入图像、滤波器以及相关和卷积结果显示出来。

图片结果:

4.实验总结

直方图均衡化是一种用于增强图像对比度的方法，可以通过拉伸图像的灰度级分布来增加图像的动态范围。作用嘛就是可以使图像中的细节更加清晰、对比度更加明显

直方图规定化可以将一幅图像的灰度级分布调整为与目标图像相似，从而使两幅图像在视觉上更加一致。它可以用于多种应用，比如图像匹配、图像融合、图像转换等。

相关是一种计算两个信号或图像之间相似性的操作。在图像处理中，相关操作可以用于寻找图像中的特定模式或特征。

卷积是一种将两个函数或图像合并为一个新函数或图像的操作。在图像处理中，卷积操作可以用于平滑图像、边缘检测、特征提取等。