MatLab学习作业之数字图像处理上（台大郭彦甫）

最新推荐文章于 2023-07-04 17:33:25 发布

原创

最新推荐文章于 2023-07-04 17:33:25 发布 · 812 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #作业

这篇博客介绍了如何使用MatLab进行数字图像处理，包括调整图像的亮度和对比度，以及实现自定义的直方图均衡化算法。作者展示了如何读取图像，通过增加灰度值改变亮度，乘以系数增强对比度，并绘制了处理前后的直方图。此外，还详细讲解了直方图均衡化的步骤，包括计算概率密度函数、分布函数，最后实现了将原始灰度值映射到扩展后的灰度级，以达到熵最大化的均衡效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Practice
一：Adjust the “brightness” and “contrast” of rice.png and display it on the screen（改变米图的亮度与对比度并展示）
%亮度的改变通过增加灰度图的值
%对比度的增加可以共同乘一个大于1的数值
%使用两个for循环，可以提前建立两个zeros矩阵可减少运算时间
I=imread（‘rice.png’）;
subplot(1,3,1);imshow(I)%显示原图
for i=size(I,1)
for j=size(I,2)
I1(i,j)=I(i,j)+50;%增加亮度
I2(i,j)=I(i,j).*1.3;%增加对比度
end
end
subplot(1,3,2);imshow(I1)%绘制增加亮度后的图
subplot(1,3,3);imshow(I2)%绘制增加对比度后的图
二：Plot the histograms of the images before and after the “brightness” and “contrast” adjustment for rice.png（绘制原图直方图与增加对比度与亮度后的直方图）
%直接使用MATLAB内置的function：imhist（）即可
imhist（I）;
imhist（I1）;
imhist（I2）;
三：Write your own equalization function, try it on pout.tif, and display it on the screen（书写自己的直方图均衡化算法，将图片均衡化后显示）
%直方图均衡化的核心即为将pixels的分布扩展既符合它本身的分布函数又扩展到整个histogram上
%因此首先求出其密度函数与分布函数，然后将分布函数乘256，这样就为扩展后的灰度值分布，再找到每个灰度值代表数为多少，一一对应过来（此处使用https://blog.youkuaiyun.com/yutong5818/article/details/80304012中的方法，因为本人写不出来，也是学习的）