实验名称： 数字图像增强与分割技术实验分析
实验人员： [你的姓名/学号]
实验日期： 2024年5月20日
一、实验目的
本次实验主要为了掌握灰度变换、直方图均衡化、空间域滤波及阈值分割等基本数字图像处理技术的原理与实现方法，并通过实际操作分析不同处理技术对图像视觉效果和信息提取的影响。
二、实验环境与数据
实验软件采用MATLAB R2023a，操作系统为Windows 11。实验数据为三幅标准测试图像：“cameraman.tif”（灰度）、“pout.tif”（低对比度灰度）及“rice.png”（灰度目标图像）。
三、实验内容与步骤分析
1. 图像灰度变换对比：对“pout.tif”分别进行线性对比度拉伸和对数变换。线性拉伸直接扩展了灰度动态范围，使得原本模糊的人脸细节如五官轮廓变得清晰。对数变换则对暗部区域的拉伸效果更显著，整体图像亮度提升明显，但高光部分细节有损失。对比发现，针对低对比度图像，线性变换更利于全局细节均衡化。
2. 直方图均衡化效果评估：对“cameraman.tif”进行直方图均衡化。处理后的图像直方图分布更均匀，背景墙壁纹理和相机支架的对比度增强，但同时也放大了原图暗区域的噪声，人物夹克部分出现过度增强导致的色块感。这说明均衡化在提升整体对比度时可能牺牲局部区域的自然度。
3. 空间域滤波去噪实验：为“cameraman.tif”添加椒盐噪声，分别使用3×3中值滤波器和均值滤波器处理。中值滤波能有效去除孤立的噪点且边缘保持较好，相机轮廓依然锐利。均值滤波虽也能去噪，但导致图像整体模糊，细节如草坪纹理变得平滑。实验证明中值滤波在应对脉冲噪声方面更具优势。
4. 全局阈值分割实践：对“rice.png”使用最大类间方差法（OTSU）自动获取全局阈值进行二值化分割。该方法能有效将米粒目标与背景分离，但部分粘连的米粒被识别为同一区域，且左下角光照不均处的背景被误判为目标。这表明全局阈值对光照不均匀或目标粘连复杂的图像适应性有限。
四、关键技术要点总结
灰度变换的核心在于映射函数的选择，直接影响不同灰度级的拉伸程度。直方图均衡化是自动寻找变换函数的一种方法，但需警惕噪声放大。空间域滤波中，滤波器尺寸和类型的选择需在去噪和保细节之间权衡。阈值分割的效果高度依赖于图像灰度分布的峰谷特性，对于复杂场景，需考虑采用自适应阈值或更高级的分割算法。
五、实验结论
通过本系列实验，验证了灰度变换能有效改善图像对比度，直方图均衡化是一把双刃剑，空间域滤波算法需针对噪声特性择优选用，而简单的全局阈值分割在处理不均匀光照图像时存在局限。这些基础技术的综合理解与恰当应用，是进行后续复杂图像处理与分析的必要基础。
报告人： [你的姓名]
日期： 2024年5月20日