1、一、亮圖像和暗圖像的直方圖均衡化原理及應(yīng)用由于許多原始圖像的灰度經(jīng)常分布在一個(gè)小范圍內(nèi)，不易觀察分辨，通過直方圖均衡化使圖像灰度均勻分布，使一定范圍內(nèi)象元值的數(shù)量大致相等，以此加強(qiáng)細(xì)節(jié)，提高圖像的清晰度,便于觀察以及計(jì)算機(jī)進(jìn)行分析處理代碼；%讀入圖像%轉(zhuǎn)換為灰度圖像%直方圖均衡化，指定灰度級數(shù)n,缺省為64%顯示圖像clear;I=imread(F:matlabp1.jpg)I=rgb2gray(I);high=histeq(I);subplot(2,2,1),imshow(I);subplot(2,2,2),imshow(high);subplot(2,2,3),imhist(I);subp

2、lot(2,2,4),imhist(high);代碼結(jié)果圖1亮圖像均衡化前后對比圖2暗圖像直方圖均衡化前后對比二、用頻域高斯低通、高斯高通濾波器分別對圖像進(jìn)行平滑和銳化。原理：高斯濾波器是一類根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器，它用像素鄰域的加權(quán)均值來代替該點(diǎn)的像素值，通過一系列傅里葉變換達(dá)到平滑或者銳化的效果。代碼：clear;clcI=imread(p3.jpg);%讀取圖像J=rgb2gray(I);%將圖像變?yōu)槎S灰度圖象f=double(J);%MATLAB的矩陣運(yùn)算中要求所有的運(yùn)算變量為double型f=fft2(f);%二維的傅里葉變換f=fftshift(f);%將中

3、心從矩陣的原點(diǎn)移到矩陣的中心row,col=size(f);d0=60;%截止頻率為60,數(shù)值越小越平滑row1=fix(row/2);col1=fix(col/2);fori=1:row%d0為60的高斯低通濾波器forj=1:cold=sqrt(i-row1)入2+(j-col1)入2);h(i,j)=exp(-d2/(2*d0A2);%若為高斯高通濾波器，達(dá)到銳化效果則h(i,j)=1-exp(-d入2/(2*d0入2);g(i,j)=h(i,j)*f(i,j);endendg=ifftshift(g);%對圖像進(jìn)行反FFT移動(dòng)g=ifft2(g);%進(jìn)行二維傅立葉反變換K=uint8(

4、real(g);subplot(1,2,1),imshow(J);subplot(1,2,2),imshow(K);代碼結(jié)果圖3高斯低通濾波器（平滑）前后對比圖4高斯高通濾波器（銳化）前后對比3.對該圖RGB三個(gè)通道進(jìn)行g(shù)ama變換增強(qiáng)，寫上變換公式，代碼和效果圖。原理：gama變換增強(qiáng)是對圖像進(jìn)行亮度變換的方法，可以用imadjust函數(shù)實(shí)現(xiàn)，使對比度增強(qiáng)，更加便于人眼的觀察格式：J=imadjust(I,lowinhighin,lowouthighout,gamma)說明：其中g(shù)amma為校正量r，它指定了映射曲線的形狀，lowinhighout為原圖像中要變換的灰度范圍，lowouthi

5、ghout指定了變換后的灰度范圍，即將lowin至highin之間的值映射到lowout至highout，lowin以下與highout以上的值被“剪切”掉。代碼clear;clcgamma=0.2I=imread(p4.bmp);I(:,:,2)=0;%得到RGB中R圖像I(:,:,3)=0;R=I;Rl=imadjust(R,0.50.8,01,gamma);%用imadjust函數(shù)進(jìn)行g(shù)ama變換增強(qiáng)subplot(3,2,1);imshow(R);subplot(3,2,2);imshow(R1);I=imread(p4.bmp);I(:,:,1)=0;%得到RGB中G圖像I(:,:,

6、3)=0;G=I;G1=imadjust(G,0.20.5,01,gamma);%用imadjust函數(shù)進(jìn)行g(shù)ama變換增強(qiáng)subplot(3,2,3);imshow(G);subplot(3,2,4);imshow(G1);I=imread(p4.bmp);I(:,:,1)=0;%得到RGB中B圖像I(:,:,2)=0;B=I;B1=imadjust(B,01,01,gamma);%用imadjust函數(shù)進(jìn)行g(shù)ama變換增強(qiáng)subplot(3,2,5);imshow(B);subplot(3,2,6);imshow(B1);代碼結(jié)果圖5使用三組不同的域值，在RGB三個(gè)通道變化前后對比4.對L

7、ENA圖像進(jìn)行基于DCT壓縮,a)在YUV模型空間做，Y通道DCT系數(shù)小于10的為0,UV通道DCT系數(shù)小于20的為0。進(jìn)行反DCT變換。轉(zhuǎn)換成RGB空間，保存成bmp格式。比較壓縮前后的質(zhì)量變換，計(jì)算PSNR的值。原理：DCT即離散余弦變換，其編碼原理為：首先子塊劃分f(x,y),再正變換到F(x,y),樣本選擇，量化編碼，經(jīng)過信道傳輸，要解壓時(shí)通過譯碼器，反變化后重建圖像。DCT變換的實(shí)現(xiàn)方法有兩種:一種基于FFT的快速算法，由dct2實(shí)現(xiàn);另一種是DCT變換矩陣的方法,由函數(shù)dctmtr實(shí)現(xiàn)。本實(shí)驗(yàn)采用基于FFT的快速算法，通過dct2函數(shù)實(shí)現(xiàn).。由于壓縮引起的失真，有必要對測量原始信號

8、與處理信號的差別制定客觀評價(jià)標(biāo)準(zhǔn)。這非常重要，采用峰值信噪比（peaksignal-to-noiseratio,PSNR，單位dB）作為視頻處理后質(zhì)量測量標(biāo)準(zhǔn)。代碼clear;clcRGB=imread（lena.bmp）;YUV=rgb2ycbcr(RGB);Y=YUV(:,:,1);Y=dct2(Y);Y(abs(Y)10)=0;Y2=idct2(Y)/255;%轉(zhuǎn)換到Y(jié)UV通道%Y的分量矩陣%進(jìn)行二維DCT變換%DCT系數(shù)小于10,除掉值小于10的數(shù)據(jù)（壓縮）%dct反變換U=YUV(:,:,2);U=dct2(U);U(abs(U)20)=0;U2=idct2(U)/255;%U的分量

9、矩陣%DCT系數(shù)小于20,除掉值小于20的數(shù)據(jù)（壓縮）%dct反變換V=YUV(:,:,3);V=dct2(V);V(abs(V)20)=0;V2=idct2(V)/255;%V的分量矩陣%DCT系數(shù)小于20,除掉值小于20的數(shù)據(jù)（壓縮）%dct反變換figure;subplot(1,3,1),imshow(log(abs(Y),);%顯示圖像處理結(jié)果subplot(1,3,2),imshow(log(abs(U),);subplot(1,3,3),imshow(log(abs(V),);figure;subplot(1,3,1),imshow(Y2);subplot(1,3,2),imsho

10、w(U2);subplot(1,3,3),imshow(V2);YUV1=cat(3,Y2,U2,V2);RGBl=ycbcr2rgb(YUVl);%轉(zhuǎn)化為RGB圖像figure;subplot(2,1,1),imshow(RGB);subplot(2,1,2),imshow(RGBl);imwrite(RGBl,lenacompress.bmp);%比較壓縮前后的質(zhì)量變換，計(jì)算PSNR的值Lena=double(RGB);%讀取原圖像x,y,z=size(Lena);%原圖像行數(shù)LenaCompress=double(RGBl);%壓縮后圖像%計(jì)算信噪比sum=0;fork=1:zfori=1:xforj=1:ysum=sum+(Lena(i,j,k)-LenaCompress(i,j,k)入2;endendendMSE=sum/(x*y*3);psnr=10*log10(1/MSE);sprintf(PSNR=%5.2fdB,psnr)程序結(jié)果圖6三個(gè)通道Y、U、V的DCT變換左上角圖像較亮,能量密度大.圖7三個(gè)通道Y、U、V