《数字图像处理》期末大作业大作业题目及要求：一、题目：本门课程的考核以作品形式进行。
作品必须用Matlab完成。
并提交相关文档。
二、作品要求：1、用Matlab设计实现图形化界面，调用后台函数完成设计，函数可以调用Matlab工具箱中的函数，也可以自己编写函数。
设计完成后，点击GUI图形界面上的菜单或者按钮，进行必要的交互式操作后，最终能显示运行结果。
2、要求实现以下功能：每个功能的演示窗口标题必须体现完成该功能的小组成员的学号和姓名。
1）对于打开的图像可以显示其灰度直方图，实现直方图均衡化。
2）实现灰度图像的对比度增强，要求实现线性变换和非线性变换（包括对数变换和指数变换）。
3）实现图像的缩放变换、旋转变换等。
4）图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理。
5）采用robert算子，prewitt算子，sobel算子，拉普拉斯算子对图像进行边缘提取。
6）读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标。
3、认真完成期末大作业报告的撰写，对各个算法的原理和实验结果务必进行仔细分析讨论。
报告采用A4纸打印并装订成册。
附录：报告模板《数字图像处理》期末大作业班级：计算机小组编号：第9组组长：王迪小组成员：吴佳达浙江万里学院计算机与信息学院2014年12月目录（自动生成）1 绘制灰度直方图，实现直方图均衡化 (5)1.1 算法原理 (5)1.2 算法设计 (5)1.3 实验结果及对比分析 (5)2 灰度图像的对比度增强 (5)2.1 算法原理 (5)2.2 算法设计 (5)2.3 实验结果及分析 (5)3 图像的几何变换 (5)3.1 算法原理 (5)3.2 算法设计 (5)3.3 实验结果及分析 (5)4 图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理 (5)4.1 算法原理 (5)4.2 算法设计 (6)4.3 实验结果及分析 (6)5 采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取 (6)5.1 算法原理 (6)5.2 算法设计 (6)5.3 实验结果及分析 (6)6 读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标 (6)6.1 算法原理 (6)6.2 算法设计 (6)6.3 实验结果及分析 (6)7 小结（感受和体会） (6)1 绘制灰度直方图，实现直方图均衡化1.1 算法原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。
直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。
直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。
直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。
灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。
直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
1.2 算法设计f=imread('medicine_pic.jpg');g=imhist(f,256); %显示其直方图g1=imadjust(f,[0 1],[1 0]); %灰度转换，实现明暗转换(负片图像)figure,imshow(g1)%将0.5到0.75的灰度级扩展到范围[0 1]g2=imadjust(f,[0.5 0.75],[0 1]);figure,imshow(g2)g=imread('point.jpg');h=log(1+double(g)); %对输入图像对数映射变换h=mat2gray(h); %将矩阵h转换为灰度图片h=im2uint8(h); %将灰度图转换为8位图figure,imshow(h) I=imread('camera.jpg'); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理imshow(I); %显示原图像title('原图像'); %给原图像加标题名%对原图像进行屏幕控制；显示直方图均衡化后的图像figure;imshow(J);%给直方图均衡化后的图像加标题名title('直方图均衡化后的图像') ;%对直方图均衡化后图像进行屏幕控制；作一幅子图，并排两幅图的第1幅figure; subplot(1,2,1) ;imhist(I,64); %将原图像直方图显示为64级灰度title('原图像直方图') ; %给原图像直方图加标题subplot(1,2,2); %作第2幅子图imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度title('均衡变换后的直方图') ; %给均衡化后图像直方图加标题名1.3 实验结果及对比分析图1 图2分析：直方图均衡化可以增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候，通过这种方法，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
2 灰度图像的对比度增强2.1 算法原理术语‘空间域’指的是图像平面本身，在空间与内处理图像的方法是直接对图像的像素进行处理。
空间域处理方法分为两种：灰度级变换、空间滤波。
空间域技术直接对像素进行操作其表达式为g(x,y)=T[f(x,y)]其中f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f进行处理的操作符，定义在点(x,y)的指定领域内。
定义点(x,y)的空间邻近区域的主要方法是，使用中心位于(x,y)的正方形或长方形区域，。
此区域的中心从原点(如左上角)开始逐像素点移动，在移动的同时，该区域会包含不同的领域。
T应用于每个位置(x,y)，以便在该位置得到输出图像g。
在计算(x,y)处的g 值时，只使用该领域的像素。
灰度变换T的最简单形式是使用领域大小为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为一个亮度或灰度级变化函数。
当处理单设(灰度)图像时，这两个术语可以互换。
由于亮度变换函数仅取决于亮度的值，而与(x,y)无关，所以亮度函数通常可写做如下所示的简单形式：s=T(r)其中，r表示图像f中相应点(x,y)的亮度，s表示图像g中相应点(x,y)的亮度。
2.2 算法设计f=imread('1.jpg');g=imhist(f,256); %显示其直方图g1=imadjust(f,[0 1],[1 0]); %灰度转换，实现明暗转换(负片图像)figure,imshow(g1)%将0.5到0.75的灰度级扩展到范围[0 1]g2=imadjust(f,[0.5 0.75],[0 1]);figure,imshow(g2)g=imread(2.jpg');h=log(1+double(g)); %对输入图像对数映射变换h=mat2gray(h); %将矩阵h转换为灰度图片h=im2uint8(h); %将灰度图转换为8位图figure,imshow(h)2.3 实验结果及分析通过图形灰度变换实验，了解掌握了一般图像处理所要到达的效果，明白了图像在生活中的作用，但是它只能处理一些黑白的图像，在实验中我用彩色图片就不行，心有余而力不足，很难解决更高层次的问题，所以还需要更多的图像处理方法来处理图像。
3 图像的几何变换3.1 算法原理3.2 算法设计3.3 实验结果及分析4 图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理4.1 算法原理a) 调入并显示原始图像Sample2-1.jpg 。
b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声c)利用预定义函数fspecial 命令产生平均(average)滤波器111191111---⎡⎤⎢⎥--⎢⎥⎢⎥---⎣⎦d ）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；e ）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。
f ）利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)g ）重复c)~ e ）的步骤h ）输出全部结果并进行讨论。
4.2 算法设计I=imread('3.jpg');imshow(I);J = imnoise(I,'gauss',0.02); %添加高斯噪声J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声figure,imshow(J);ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版K = filter2(ave1,J)/255; %均值滤波3×3 figure,imshow(K);L = filter2(ave2,J)/255; %均值滤波5×5 figure,imshow(L);M = medfilt2(J,[3 3]); %中值滤波3×3模板figure,imshow(M);N = medfilt2(J,[4 4]); %中值滤波4×4模板figure,imshow(N);4.3 实验结果及分析均值滤波对高斯噪声比对椒盐噪声有效，明显看到均值滤波器能很大程度上滤除高斯噪声，滤波后图像中的噪声残留不是很大，用均值滤波处理过后的图像显得有点模糊不清；中值滤波对于噪声离散度较小的高斯噪声无能为力，加入高斯噪声的图像经Butterworth低通滤波器滤波后，可以明显看出噪声已经得到了有效抑制，但是仍然和对椒盐噪声的滤除结果相似，图像中残留大量的噪声，图像质量改善程度不高显得模糊不清。