运算的可以很自然地扩展到图像处理应用领域。在中推出了功能更强大的适应于图像处理的工具箱，常用的有图像处理工具箱小波工具箱及数字信号处理工具箱。利用如此多的工具，我们可以方便地从各个方面对图像的性质进行深入的研究。图像处理工具箱几乎包括了经典图像处理的所有方面，从基本的图像增强到图像分割，都提供了简便的函数调用来实现许多经典图像处理方法，同时，还提供了对多种图像文件格式如，等读写和显示的支持，这使得在的集成环境中进行图像处理的实验模拟非常方便。下面就在图像处理中各方面的应用分别进行介绍。图像处理的基本运算提供了图像的和差等线性运算，以及卷积相关滤波等非线性运算。例如实现，两幅图像的卷积，将数字图像的平滑技术划分为两类。类是全局处理，即对噪声图像的整体或大的块进行校正以得到平滑的图像。例如在变换域中使用滤波最小二乘法滤波等。使用这些技术需要知道信号和噪声的统计模型。但去噪图像在生成和传输过程中常受到各种噪声的干扰和影响，使图像质量下降。为了达到系统的要求，就要抑制噪声，改善图像质量，也就是对图像进行平滑去噪处理。对于滤除图像中的噪声，人们已经提出了很多的方法。通常方法主要有三个步骤对原始图像的直方图进行灰度均衡化规定所需要的直方图，并计算能使规定的直方图均衡化的变换将第步得到的变换翻转过来，也就是将原始图像对应映射到规定的直方图上。图像平滑时需要变换直方图使之成为个特定的形状，从而有选择地增强个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化方法。般来说正确地选择规定化地函数有可能获得比直方图均衡化更好地效果。直方图规定化的象素数最后计算新的直方图。直方图规定化直方图均衡化的优点是能自动地增强整个图像的对比度，但它的具体增强效果不易控制，处理的结果总是得到全局均衡化的直方图。实际中有图计算原始图像的累计直方图为其中对取整运算定义映射关系统计新直方图各灰度级直方图规定化两类。直方图均衡化这个方法的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而达到增强图像整体对比度的效果。具体方法是根据上式计算出原始图像的直方示为这里代表原始图第个灰度级的出现概率。以为自变量，以为函数得到的曲线就是图像的直方图。直方图修整法通常有直方图均衡化和理的重要依据。自然图像由于其灰度通常分布在较窄的区间，引起图像细节不清楚。采用直方图修整后可使图像的灰度间距拉开或者使灰度分布均匀，从而增大反差，使图像细节清晰，达到图像增强的目的。我们将灰度直方图表了。直方图处理直方图表示数字图像中每个灰度与其出现频度间的统计关系。直方图能给出该图像的概貌性描述，例如图像的灰度范围每个灰度级的频度和灰度的分布整幅图像的平均明暗和对比度等，由此可得出进步处级太接近，称为灰度压缩，即相互之间灰度差远小于人的视觉对灰度分辨能力的限制。这种图像视觉效果差，人会感觉模糊。我们可以用映射的方法，把原来压缩的直方图分开些，也就是灰度拉伸，得到的图像自然会清晰的多原图灰度值翻转，简单说来就是使黑变白，使白变黑。当被显示图像在低灰度区间呈现高度非线性时，此变换能使原图像低灰度区间的细节转换到高灰度区间。图像灰度拉伸般，图像看不清楚，多数是由于图像相邻像元的灰度也会得到不同的结果。选择灰度变换函数应该根据图像的性质和处理目的来决定。选择的标准是经过灰度变换后，像素动态范围增加，图像的对比度扩展，使图像变得更加清晰细腻，容易识别。图像灰度求反对图像求反是将。函数称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。旦灰度变换函数确定，则确定了个具体的灰度增强方法。图像中每点的运算就被完全确定下来。灰度变换函数不同，即使是同图像原图像的灰度值，，处理后图像像素的灰度值为，，则灰度增强可表示为式或式要求和都在图像的灰度范围之内原图像中每个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。灰度变换有时又被称为图像的对比度增强或对比度拉伸。从图像输入装置得到的图像数据，以浓淡表示，每个像素与灰度值相对应。设，达到系统的要求。图像的灰度变换处理是图像增强处理技术中种非常基础直接的空间域图像处理方法，也是图像数字化软件和图像显示软件的个重要组成部分。灰度变换是指根据种目标条件按定变换关系逐点改变原，达到系统的要求。图像的灰度变换处理是图像增强处理技术中种非常基础直接的空间域图像处理方法，也是图像数字化软件和图像显示软件的个重要组成部分。灰度变换是指根据种目标条件按定变换关系逐点改变原图像中每个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。灰度变换有时又被称为图像的对比度增强或对比度拉伸。从图像输入装置得到的图像数据，以浓淡表示，每个像素与灰度值相对应。设原图像的灰度值，，处理后图像像素的灰度值为，，则灰度增强可表示为式或式要求和都在图像的灰度范围之内。函数称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。旦灰度变换函数确定，则确定了个具体的灰度增强方法。图像中每点的运算就被完全确定下来。灰度变换函数不同，即使是同图像也会得到不同的结果。选择灰度变换函数应该根据图像的性质和处理目的来决定。选择的标准是经过灰度变换后，像素动态范围增加，图像的对比度扩展，使图像变得更加清晰细腻，容易识别。图像灰度求反对图像求反是将原图灰度值翻转，简单说来就是使黑变白，使白变黑。当被显示图像在低灰度区间呈现高度非线性时，此变换能使原图像低灰度区间的细节转换到高灰度区间。图像灰度拉伸般，图像看不清楚，多数是由于图像相邻像元的灰度级太接近，称为灰度压缩，即相互之间灰度差远小于人的视觉对灰度分辨能力的限制。这种图像视觉效果差，人会感觉模糊。我们可以用映射的方法，把原来压缩的直方图分开些，也就是灰度拉伸，得到的图像自然会清晰的多了。直方图处理直方图表示数字图像中每个灰度与其出现频度间的统计关系。直方图能给出该图像的概貌性描述，例如图像的灰度范围每个灰度级的频度和灰度的分布整幅图像的平均明暗和对比度等，由此可得出进步处理的重要依据。自然图像由于其灰度通常分布在较窄的区间，引起图像细节不清楚。采用直方图修整后可使图像的灰度间距拉开或者使灰度分布均匀，从而增大反差，使图像细节清晰，达到图像增强的目的。我们将灰度直方图表示为这里代表原始图第个灰度级的出现概率。以为自变量，以为函数得到的曲线就是图像的直方图。直方图修整法通常有直方图均衡化和直方图规定化两类。直方图均衡化这个方法的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而达到增强图像整体对比度的效果。具体方法是根据上式计算出原始图像的直方图计算原始图像的累计直方图为其中对取整运算定义映射关系统计新直方图各灰度级的象素数最后计算新的直方图。直方图规定化直方图均衡化的优点是能自动地增强整个图像的对比度，但它的具体增强效果不易控制，处理的结果总是得到全局均衡化的直方图。实际中有时需要变换直方图使之成为个特定的形状，从而有选择地增强个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化方法。般来说正确地选择规定化地函数有可能获得比直方图均衡化更好地效果。直方图规定化方法主要有三个步骤对原始图像的直方图进行灰度均衡化规定所需要的直方图，并计算能使规定的直方图均衡化的变换将第步得到的变换翻转过来，也就是将原始图像对应映射到规定的直方图上。图像平滑去噪图像在生成和传输过程中常受到各种噪声的干扰和影响，使图像质量下降。为了达到系统的要求，就要抑制噪声，改善图像质量，也就是对图像进行平滑去噪处理。对于滤除图像中的噪声，人们已经提出了很多的方法。通常，将数字图像的平滑技术划分为两类。类是全局处理，即对噪声图像的整体或大的块进行校正以得到平滑的图像。例如在变换域中使用滤波最小二乘法滤波等。使用这些技术需要知道信号和噪声的统计模型。但对大多数图像而言，人们不知道或不可能用简单的随机过程精确地描述统计模型，而且，这些技术的计算量也相当大。另类平滑技术是对噪声图像使用局部算子。当对像素进行平滑处理时，仅对它的局部小邻域的些像素加以运算，其优点是计算效率高，而且可以多个像素并行处理。因此可实现实时或者准实时处理。均值滤波设，为给定的含有噪声的图像，经过简单领域平均处理为在数学上可表现为式，式中是所取邻域中的各邻近像素的坐标，是领域中包含的邻近像素的个数。可以这样说明，在，上按行或列对每个像素选取定尺寸的邻域，并用邻域中邻近像素的平均灰度来置换这二维图像作为二维矩阵来研究，基于矩阵运算的可以很自然地扩展到图像处理应用领域。在中推出了功能更强大的适应于图像处理的工具箱，常用的有图像处理工具箱小波工具箱及数字信号处理工具箱。利用如此多的工具，我们可以方便地从各个方面对图像的性质进行深入的研究。图像处理工具箱几乎包括了经典图像处理的所有方面，从基本的图像增强到图像分割，都提供了简便的函数调用来实现许多经典图像处理方法，同时，还提供了对多种图像文件格式如，等读写和显示的支持，这使得在的集成环境中进行图像处理的实验模拟非常方便。下面就在图像处理中各方面的应用分别进行介绍。图像处理的基本运算提供了图像的和差等线性运算，以及卷积相关滤波等非线性运算。例如实现，两幅图像的卷积图像的时域分析这里包括了图像统计特征的计算图像增强工具，包括较正直方图均衡中值滤波自适应滤波等边缘检测算子，如算子算子算子算子等等。例如显示图像的直方图，计算时图像的算子边缘