图像增强和边缘检测
实验内容
1）将Image1.jpg 转换为灰度图像A。

2）读懂文档（图像直方图均衡化.doc），利用里面的方法通过编程对图像A进行直方图均衡化处理，得到处理后的图像B。

显示图像A和B，以及各自对应的灰度直方图。

3）利用锐化方法（教材118－120页），编制程序，对图像A和B分别使用罗伯特梯度，索伯尔梯度，拉普拉斯方法，进行处理，比较哪种求边缘的方法好，以及进行图像的直方图均衡化后能否提高求边缘的精确度。

4）撰写报告书，说明实验的步骤和方法，实验的结果等。

5）提交报告书以及源程序
实验步骤和方法
1）调用rgb2gray()函数将Image1.jpg 转换为灰度图像A。

并将图像A保存到f和I1中。

2）统计图像A中的像素并进行均衡化处理并将结果保存到B，显示图像A和B；调用imhist()函数显示两图像的灰度直方图。

3）编制罗伯特锐化函数，设定两个模板t1=[1,0;0,-1] t2=[0,-1;1,0]，调用conv2()函数获得图像和两个模板的卷积并取绝对值相加获得罗伯特锐化结果，缩小结果图像。

4）编制索伯尔锐化函数，设定两个模板t1=[1,2,1;0,0,0;-1,-2,-1] t2=[-1,0,1;-2,0,2;-1,0,1] ,其余步骤与罗伯特锐化相似。

5）编制拉普拉斯锐化函数，设定模板t(m,n)=[0,1,0;1,-4,1;0,1,0]，将待处理图像与模板卷积，并用原图像的至减去模板运算结果的整数倍，将结果缩小化到原图像大小既得拉普拉斯锐化结果。

6）函数整合，将编制好的3）、4）、5）三个函数整合到2）的程序后面并加以调整，分别对图像A和B进行锐化，并将结果输出到2*4的图框中进行对比
实验结果
1）
2）
3）通过比较可以发现罗伯特算法要比索伯尔算法差一些，索伯尔算法可以使检测边界更加精确；拉普拉斯算法相对于索伯尔算法对比度更高一些边缘更加明显和精确。

通过对比AB 两图锐化后的结果可知无论使用那一种锐化算法，都是均衡化后的图像B的锐化结果更好一些，边缘更加明显，所以可以得出结论：直方图均衡化可以提高求边缘的精度。

思考题
尝试了几种方法，将图片锐化以后提取电力线都不理想，没有找到具体原因。

下图是利用MatLab自带函数Hough进行提取后的结果。