Matlab图像处理系列1———线性变换和直方图均衡

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

注：本系列来自于图像处理课程实验，用Matlab实现最主要的图像处理算法

图像点处理是图像处理系列的基础，主要用于让我们熟悉Matlab图像处理的编程环境。灰度线性变换和灰度拉伸是对像素灰度值的变换操作，直方图是对像素灰度值的统计，直方图均衡是对灰度值分布的变换。

1.灰度线性变换

（1）线性变换函数

原图向灰度值为g。通过线性函数f(x)=kx+b转换为f(g)得到灰度的线性变换。

（2）代码实现

Matlab中支持矩阵作为函数參数传入。定义一个线性转换函数，利用Matlab矩阵操作，用一行代码就可以对整个二维图像矩阵中所有点的灰度进行线性变换：

function [ new ] = LinearTransformFunc( original, k, d ) new = original * k + d; end

当中k和d是线性函数的斜率和截距。由用户输入指定，用户输入为空时赋予默认值：

input函数获取用户输入
isempty推断用户输入是否为空：

k = input('please input the slope(k) of grayscale linear transformation function:\n');b = input('please input the intercept(b) of grayscale linear transformation function:\n');if isempty(k) k = 1; endif isempty(b) b = 0; end

变换图像名也能够由用户input指定。默觉得lena图:

imread读出图片。返回值第一个是我们须要的灰度图（二维矩阵）
对变换后的灰度图，用imshow在figure中显示图像

name = input('please input the name of image:\n');if isempty(name) name = 'lena'; endoriginal = imread(strcat('../exp/', name, '.bmp'));transformed = LinearTransformFunc(original, k, b);figure imshow(transformed)

在这个实验的操作中说明怎样读入、显示，后面实验不在赘述

（3）执行结果

利用subplot作图，把原图和线性变换后的图像对照，线性变换函数是f(x)=2x+10:

左图是原图像，右图是线性变换后图像。

2.灰度拉伸变换

（1）灰度拉伸变换和线性分段函数

灰度拉伸变换和线性变换类似，仅仅是是将灰度值做分段线性变换。分段函数控制点(x1,y1)和(x2,y2)：

（2）代码实现

整个程序用户接口和流程和线性变换相同，仅仅是须要用户输入两个控制点，并传入下面的分段线性变换函数：

function [ new ] = StretchFunc(original, x1, y1, x2, y2 ) new = original; w = size(new, 1); h = size(new, 2); k1 = y1 / x1; dk1 = (y2 - y1) / (x2 - x1); dk2 = (255 - y2) / (255 - x2); for i = 1 : w for j = 1 : h x = new(i, j); if x < x1 new(i, j) = k1 * x; elseif x < x2 new(i, j) = dk1 * (x - x1) + y1; else new(i, j) = dk2 * (x - x2) + y2; end end end end

这里不可避免要使用到for循环。

（3）执行结果

相同对照原图。默认控制点选取(-100,20)和(100,180)

3.灰度直方图

（1）灰度直方图

灰度直方图就是对图像中每一个像素点的灰度值出现的频数或频率（归一化）的统计，那么我们直接遍历整个图像统计出每一个灰度值出现次数再做对应处理就可以。

（2）代码实现

首先须要遍历统计灰度，我在GrayScaleStatistic函数里完毕统计，区间[low, high]是目标灰度统计区间，默认是[0,255]：

function [ result ] = GrayScaleStatistic( original, low, high ) w = size(original, 1); h = size(original, 2); result = zeros(1, high - low + 1); for i = 1 : w for j = 1 : h g = original(i, j); if g >= low && g <= high g = g - low + 1; result(g) = result(g) + 1; end end endend

然后就使用Matlab条形图作图函数bar完毕灰度图作图：

y = GrayScaleStatistic(original, low, high); x = low : 1 : high; bar(x, y)

对于题目要求的可输入灰度区间显示，我们要么不统计区间[low, high]以外的灰度值。要么直接所有统计但在作图时用xlim函数限制x轴取值范围：

xlim([low, high])

（3）执行结果

对照Matlab标准直方图作图函数histogram，结果例如以下：

也能够通过input输入限定区间。这里是[20,150]区间的灰度直方图：

左右对照，效果一致。

4.直方图均衡化

（1）直方图均衡算法

直方图均衡主要用于增强动态范围偏小的图像的反差，其基本思想是把原始图像的直方图变换为均匀分布，从而增强灰度值的动态范围，以达到增强对照度的效果。

直方图均衡化算法例如以下

归一化灰度频数直方图。得到频率直方图sk
用sk计算频率累计直方图tk。
tk做取整扩展：tk = int[(L - 1) * tk + 0.5]。将直方图灰度映射尽量满整个灰度取值空间L
确定变换映射关系k->tk
依据映射关系变换图像灰度值

（2）代码实现

在脚本中调用Normalize函数直接得到均衡化后的图像。再统计直方图并显示。

Normalize函数例如以下：

function [ new ] = Normalize( original, v ) s = sum(v); tv = v / s; l = length(v); for i = 2 : l tv(i) = tv(i) + tv(i - 1); end tk = uint8(255 * tv + 0.5); w = size(original, 1); h = size(original, 2); new = original; for i = 1 : w for j = 1 : h new(i, j) = tk(original(i, j) + 1); end endend

说明：