多款主流紧凑车型悬挂优缺点对比.doc

多款主流紧凑车型悬挂优缺点对比.doc数字图像处理实验报告实验一绘制直方图学号姓名日期 实验一绘制直方图一、实验内容 1、编程绘制数字图像的直方图。 2、直方图均衡处理。二、实验步骤 1、设计思想或者流程图。直方图均衡化是灰度变换的一个重要应用,它高效且易于实现,广泛应用于图像增强处理中。图像的像素灰度变化是随机的,直方图的图形高低不齐,直方图均衡化就是用一定的算法使直方图大致平和。均衡化处理后的图象只能是近似均匀分布。均衡化图象的动态范围扩大了,但其本质是扩大了量化间隔,而量化级别反而减少了,因此,原来灰度不同的象素经处理后可能变的相同,形成了一片的相同灰度的区域,各区域之间有明显的边界,从而出现了伪轮廓。如果原始图像对比度本来就很高,如果再均衡化则灰度调和,对比度降低。在泛白缓和的图像中,均衡化会合并一些象素灰度,从而增大对比度。均衡化后的图片如果再对其均衡化,则图像不会有任何变化灰度直方图均衡化的算法,简单地说,就是把直方图的每个灰度级进行归一化处理,求每种灰度的累积分布,得到一个映射的灰度映射表,然后根据相应的灰度值来修正原图中的每个像素。 2、源程序并附上注释。 clear all %一,图像的预处理,读入彩色图像将其灰度化 PS=imread(''); %读入 JPG 彩色图像文件 imshow(PS) %显示出来 title(' 输入的彩色 JPG 图像') imwrite(rgb2gray(PS),''); % 将彩色图片灰度化并保存PS=rgb2gray(PS); % 灰度化后的数据存入数组%二,绘制直方图[m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); % 预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(PS==k))/(m*n); % 计算每级灰度出现的概率, 将其存入 GP中相应位置 end figure,bar(0:255,GP,'g') %绘制直方图 title(' 原图像直方图') xlabel(' 灰度值') ylabel(' 出现概率') %三,直方图均衡化 S1=zeros(1,256); for i=1:256 for j=1:i S1(i)=GP(j)+S1(i); %计算 Sk end end S2=round((S1*256)+); %将Sk 归到相近级的灰度for i=1:256 GPeq(i)=su