图像直方图分析

实验二图像直方图分析

一．实验目的及要求

1．了解MATLAB的操作环境和基本功能。

2．掌握MATLAB中图像增强与平滑的函数的使用方法。

3．加深理解图像增强与平滑的算法原理。

二、实验内容

（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。（可将每段程序保存为一个.m文件）

1．直方图均衡化

clear all; close all % Clear the MATLAB workspace of any variables

% and close open figure windows.

I = imread('pout.tif'); % R eads the sample images ‘ pout.tif’, and stores it in

imshow(I) % an array named I.display the image

figure, imhist(I) % Create a histogram of the image and display it in

% a new figure window.

[I2,T] = histeq(I); % Histogram equalization.

figure, imshow(I2) % Display the new equalized image, I2, in a new figure window.

figure, imhist(I2) % Create a histogram of the equalized image I2.

figure,plot((0:255)/255,T); % plot the transformation curve.

imwrite (I2, 'pout2.png'); % Write the newly adjusted image I2 to a disk file named

% ‘pout2.png’.

imfinfo('pout2.png') % Check the contents of the newly written file

2．直接灰度变换

clear all; close all

I = imread('cameraman.tif'); J = imadjust(I,[0 0.2],[0.5 1]); imshow(I)

figure, imshow(J) 注意：imadjust()

功能：

调整图像灰度值或颜色映像表，也可实现伽马校正。

语法：

J = imadjust(I,[low_in high_in],[low_out high_out],gamma) newmap = imadjust(map,[low_in high_in],[low_out high_out],gamma) RGB2 = imadjust(RGB1,...)

[X,map] = imread('forest.tif');

figure,imshow(X,map)

I2 = ind2gray(X,map);

J2 = imadjust(I2,[],[],0.5);

figure,imshow(I2)

figure, imshow(J2)

J3 = imadjust(I2,[],[],1.5);

figure, imshow(J3)

help imadjust % Display the imadjust() function information.

3．空域平滑滤波（模糊、去噪）

clear all; close all

I = imread('eight.tif');

h1 = ones(3,3) / 9;

h2 = ones(5,5) / 25;

I1 = imfilter(I,h1);

I2 = imfilter(I,h2);

figure(1), imshow(I), title('Original Image');

figure(2), imshow(I1), title('Filtered Image With 3*3 ')

figure(3), imshow(I2), title('Filtered Image With 5*5 ')

% 加入Gaussian 噪声

J1 = imnoise(I,'gaussian',0,0.005);

% 加入椒盐噪声

J2 = imnoise(I,'salt & pepper',0.02);

% 对J1、J2进行平均值平滑滤波

K1 = imfilter(J1,fspecial('average',3));

K2 = imfilter(J2,fspecial('average',3));

figure(4);

subplot(2,2,1), imshow(J1) , title('gaussian');

subplot(2,2,2), imshow(J2), title('salt & pepper ');

subplot(2,2,3), imshow(K1), title('average ');

subplot(2,2,4), imshow(K2);

% 对J1、J2进行中值滤波

K3 = medfilt2(J1,[3 3]);

K4 = medfilt2(J2,[3 3]);

figure(5);

subplot(2,2,1), imshow(J1) , title('gaussian');

subplot(2,2,2), imshow(J2), title('salt & pepper ');

subplot(2,2,3), imshow(K3), title(' Median filtering ');

subplot(2,2,4), imshow(K4)

4．空域锐化滤波

clear all; close all

I = imread('moon.tif');

w=fspecial('laplacian',0)

w8=[1,1,1;1,-8,1;1,1,1]

I1= imfilter(I,w, 'replicate');

figure(1); imshow(I), title('Original Image');

figure(2), imshow(I1), title('Laplacian Image');

f = im2double(I);

f1= imfilter(f,w, 'replicate');

figure(3), imshow(f1,[]), title('Laplacian Image');

f2= imfilter(f,w8, 'replicate');

f4 = f-f1;

f8 = f-f2;

figure(4), imshow(f4);

figure(5), imshow(f8);

（二）采用MATLAB 底层函数编程实现

1．灰度变换之动态范围扩展

假定原图像f (x , y )的灰度范围为［a , b ］，希望变换后图像 g (x , y )的灰度范围扩展至［c , d ］，则线性变换可表示为：

c a y x f a

b c d y x g +---=]),([),( 用MA TLAB 底层函数编程实现上述变换函数。观察图像‘ pout.tif’的灰度直方图，选择合适的参数［a , b ］、［c , d ］对图像‘pout.tif ’进行灰度变换，以获得满意的视觉效果。

2．非锐化掩蔽和高斯滤波

从原图像中减去其非锐化（平滑过的）图像的过程称为非锐化掩蔽，其基本步骤为： ⑴对原图像进行平滑滤波得到模糊图像(,)f x y ；

⑵从原图像中减去模糊图像，产生的差值图像称为模板(,)mask g x y ；

⑶将模板加到原图像上，得到锐化后的图像(,)g x y 。 即，

(,)(,) - (,)mask g x y f x y f x y =

(,)(,)(,)1mask g x y f x y k g x y k =+*≥；

用MA TLAB 函数编程实现上述功能。

三、实验设备

1．计算机；

2．MATLAB6.5及以上；

四、预习与思考

1．预习实验内容，阅读教材熟悉实验原理；

2．查阅资料，熟悉MATLAB 的操作环境和基本功能。熟悉实验中涉及的有关函数。

3．利用课余时间，用MATLAB 底层函数编程实现实验内容（二）中的灰度线性变换。

4．你能否给出实现样例程序功能的其它方法？

五、实验报告要求

1. 简述试验的目的和试验原理；

2. 叙述各段程序功能，改变有关函数的参数，分析比较实验结果；

3. 打印出所编写的实验程序。

4. 写出本实验的心得体会及意见。

1．直方图均衡化

I = imread('pout.tif');

imshow(I)

figure, imhist(I)

[I2,T] = histeq(I);

figure, imshow(I2)

figure, imhist(I2)

figure,plot((0:255)/255,T);

imwrite (I2, 'pout2.png');

imfinfo('pout2.png')

2．直接灰度变换

clear all; close all

I = imread('cameraman.tif'); J = imadjust(I,[0 0.2],[0.5 1]); imshow(I)

figure, imshow(J)

[X,map] = imread('forest.tif'); figure,imshow(X,map)

I2 = ind2gray(X,map);

J2 = imadjust(I2,[],[],0.5); figure,imshow(I2)

figure, imshow(J2)

J3 = imadjust(I2,[],[],1.5); figure, imshow(J3)

help imadjust

注意：imadjust()

功能：

调整图像灰度值或颜色映像表，也可实现伽马校正。

语法：

J = imadjust(I,[low_in high_in],[low_out high_out],gamma) newmap = imadjust(map,[low_in high_in],[low_out high_out],gamma) RGB2 = imadjust(RGB1,...)

3．空域平滑滤波（模糊、去噪）

clear all; close all

I = imread('eight.tif');

h1 = ones(3,3) / 9;

h2 = ones(5,5) / 25;

I1 = imfilter(I,h1);

I2 = imfilter(I,h2);

figure(1), imshow(I), title('Original Image');

figure(2), imshow(I1), title('Filtered Image With 3*3 ') figure(3), imshow(I2), title('Filtered Image With 5*5 ') % 加入Gaussian 噪声

J1 = imnoise(I,'gaussian',0,0.005);

% 加入椒盐噪声

J2 = imnoise(I,'salt & pepper',0.02);

% 对J1、J2进行平均值平滑滤波

K1 = imfilter(J1,fspecial('average',3));

K2 = imfilter(J2,fspecial('average',3));

figure(4);

subplot(2,2,1), imshow(J1) , title('gaussian'); subplot(2,2,2), imshow(J2), title('salt & pepper '); subplot(2,2,3), imshow(K1), title('average '); subplot(2,2,4), imshow(K2);

% 对J1、J2进行中值滤波

K3 = medfilt2(J1,[3 3]);

K4 = medfilt2(J2,[3 3]);

figure(5);

subplot(2,2,1), imshow(J1) , title('gaussian'); subplot(2,2,2), imshow(J2), title('salt & pepper '); subplot(2,2,3), imshow(K3), title('Median filtering '); subplot(2,2,4), imshow(K4)

4．空域锐化滤波

clear all; close all

I = imread('moon.tif');

w=fspecial('laplacian',0)

w8=[1,1,1;1,-8,1;1,1,1]

I1= imfilter(I,w, 'replicate');

figure(1); imshow(I), title('Original Image'); figure(2), imshow(I1), title('Laplacian Image');

f = im2double(I);

f1= imfilter(f,w, 'replicate');

figure(3), imshow(f1,[]), title('Laplacian Image'); f2= imfilter(f,w8, 'replicate');

f4 = f-f1;

f8 = f-f2;

figure(4), imshow(f4);

figure(5), imshow(f8);

实验心得

通过本次试验了解和掌握了MATLAB的操作环境和最基本的功能。学习

到了如何在MATLAB中处理图像。初步掌握了图像的增强和函数的使用方法。通过实验加深了对算法的理解和掌握,许多程序算子都是系统自带的，我们最好深入学习一下吧。

基于颜色直方图的图像检索(实验分析)

基于颜色直方图的图像检索 作者:吴亚平学号:200812017081203009 1.概述 在过去的十几年间，有许多知名机构都对图像检索系统进行了深入的研究，病开发出了相应的检索系统，例如IBM Almaden研究中心研制的QBIC系统，Virage公司研发的VIRAGE系统，麻省理工大学多媒体实验室研发的Photobook 系统，哥伦比亚大学研发的VisualSeek系统，斯坦福大学研发的WBIIS系统，U.C.伯克利分校研发的Blobworld系统等等。 这些检索系统的基本特征都是基于图像像素值的特征提取相应的规则图像，例如形状、颜色、纹理等，并以此为依据对图像进行比较检索，在这篇论文中，系统采用了基于颜色特征提取的检索。基于直方图在两个颜色空间对图像特征进行判定检索。这两个颜色空间是RGB和HSV。通过对两副图像对应的RGB和HSV 值计算其距离，依据距离的远近来判断相似性，这种方法简单易行，由于丢弃了图像的形状、颜色、纹理等信息，判定的计算量相对较小。当然这也导致了两副图像之间的判定没有实际的语义上的关联，也就是说，距离相近的图像并不一定有事实上的相应联系。但是，经过试验的判定，这种基于直方图的图像检索系统能够为图片检索提供相对精确的检索结果。 2.相关知识 2.1.RGB颜色空间 RGB颜色模型中每种颜色都是由红绿蓝三种颜色组成。这种颜色模型在许多CRT显示器和彩色光栅图形设备中被广泛使用。这三种颜色被认为是其他颜色的添加剂，对于所需要的颜色通过对这三种颜色进行不同的比例进行相加即可得到。RGB模型可以用如下的颜色坐标系表示。注意从（0，0，0）到（1，1，1）

直方图(Histogram)

直方图(Histogram) 一、前言 现场工作人员经常都要面对许多的数据，这些数据均来自于生产过程中抽样或检查所得的某项产品的质量特性。如果我们应用统计绘图的方法，将这些数据加以整理，则生产过程中的质量散布的情形及问题点所在及过程、能力等，均可呈现在我们的眼前；我们即可利用这些信息来掌握问题点以采取改善对策。通常在生产现场最常利用的图表即为直方图。 二、直方图的定义 ⒈什么是直方图： 即使诸如长度、重量、硬度、时间等计量值的数值分配情形能容易地看出的图形。直方图是将所收集的测定值特性值或结果值，分为几个相等的区间作为横轴，并将各区间内所测定值依所出现的次数累积而成的面积，用柱子排起来的图形。因此，也叫做柱状图。 ⒉使用直方图的目的： ⑴了解分配的形态。 ⑵研究制程能力或计算制程能力。 ⑶过程分析与控制。 ⑷观察数据的真伪。 ⑸计算产品的不合格率。 ⑹求分配的平均值与标准差。 ⑺用以制定规格界限。 ⑻与规格或标准值比较。 ⑼调查是否混入两个以上的不同群体。 ⑽了解设计控制是否合乎过程控制。 116 品管七大手法 3.解释名词： ⑴次数分配

将许多的复杂数据按其差异的大小分成若干组，在各组内填入测定值的出现次数，即为次数分配。 ⑵相对次数 在各组出现的次数除以全部的次数，即为相对次数。 ⑶累积次数(f) 自次数分配的测定值较小的一端将其次数累积计算，即为累积次数。 ⑷极差(R) 在所有数据中最大值和最小值的差，即为极差。 ⑸组距(h) 极差/组数=组距 ⑹算数平均数(X) 数据的总和除以数据总数，通常一X （X-bar ）表示。 ⑺中位数(X) 将数据由大至小按顺序排列，居于中央的数据为中位数。若遇偶位数时，则取中间两数据的平均值。 ⑻各组中点的简化值(μ) ⑼众数(M) 次数分配中出现次数最多组的值。 例： ⑽组中点(m) 一组数据中最大值与最小值的平均值， （上组界+下组界）÷ 2=组中点 第八章 直方图 117 X= X 1+X 2+ …… +X n n X= ∑μf n X 0 +h ~ μ= , X i - X 0 组距(h) X 0=次数最多一组的组中点 X i =各组组中点 n Xi n i ∑=1=

数字图像处理实验四

数字图像处理 实验 实验四：图像增强—直方图变换学院：信息工程学院 姓名： 学号： 专业及班级： 指导教师：

一、实验目的 1．掌握灰度直方图的概念及其计算方法； 2．熟练掌握直力图均衡化和直方图规定化的计算过程； 3．熟练掌握空域滤波中常用的平滑和锐化滤波器； 4．掌握色彩直方图的概念和计算方法； 5．利用MATLAB程序进行图像增强。 二、实验内容 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。 三、实验具体实现 显示原图像的直方图和经过均衡化处理过的图像直方图： I=imread('1.jpg'); % 读入原图像 J=histeq(I); %对原图像进行直方图均衡化处理 subplot(2,2,1) ;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 subplot(2,2,2) ;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 subplot(2,2,3) ; 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名

基于固定宽度直方图的分布估计算法的一种改进

五、结论经过研究表明：早期干预调查问卷有较好的信度与效度；现有的家庭支持模式是以家庭为中心，经济支持、 情感支持、群体支持、治疗支持、政策支持、专业支持等 环绕在周围的呈放射状；早期干预与社会支持有显著关 联，但关系比较复杂，与主观支持的关联大于客观支持 与对支持的利用度。参考文献： [1]Dunst C J,Johanson C,Trivette C M,Hamby D.Fami －ly -oriented early intervention policies and practices:Family centered or not?[J].Exceptional Children 1991，（2）：115-126. [2]刘霞.早期干预对高危儿童发育的影响[J].医学信息: F2 F3 F4 F5 F6 F1 0.046 0.099 0.208** 0.381** -0.024 0.112 0.212** 0.095 0.222** F2 -0.193** -0.133 0.089 0.131 0.033 -0.062 -0.246** -0.100 F3 0.385** 0.374** 0.154* -0.027 0.149* 0.082 0.124 F4 0.371** 0.269** 0.194** 0.343** 0.201** 0.376** F5 0.224** 0.103 0.255** 0.113 0.256** F6 0.089 0.157* -0.086 0.126 附表各因子间的相关统计 （上旬刊），2011，(03):216-217.[3]王杏宇，孙贵玉，解传桃.牟平地区3-6岁正常儿童经早期干预后体格发育指标分析[J].中国中医药咨 讯，2011，（9）：60-61.[4]王琳玲,张合霓,陆园美.学龄前残疾儿童康复教育的公共政策保障[J].重庆行政（公共论坛），2010，(05)：106-108. [5]刘胜林.听觉障碍儿童的家庭应对和以家庭为中心的早期干预[J].中国特殊教育，2010，（1）：19-24. [6]龚建华， 彭中华,李文婕．深圳市罗湖区4-5岁儿童行为问题早期干预研究[J].中国儿童保健杂志,2010， （10）：807-809. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! ２０１２ 年 第·８期太原城市职业技术学院学报 Journal of TaiYuan Urban Vocational college 期 总第133期 Ａｕｇ２０１２ ［摘要］基于固定宽度直方图分布的分布估计算法（ＦＷＨ），提出一个改进方案，即在ＦＷＨ算法中加入 概率阈值的要素，不使用改变区间长度的更新方式，保证区间个数不增加，并在更新候选解步骤中加入模式搜索法（Ｈｏｏｋｅ－Ｊｅｅｖｅｓ方法），构造出一种改进的优化算法（ＨＪ－ＦＷＨ）。数值实验结果表明，改进后的算法在最优解精度和收敛速度方面均有了较大的提高。 [关键词]分布估计算法； 模式搜索法；直方图；概率模型［中图分类号］O ［文献标识码］Ａ［文章编号］１６７３－００４６（２０１２）８－０１４７－０３基于固定宽度直方图的分布估计算法的一种改进 刘建军，韩 帅，石定元，武国宁 （中国石油大学理学院，北京１０２２４９） 分布估计算法（ＥＤＡｓ：ＥｓｔｉｍａｔｉｏｎｏｆＤｉｓｔｒｉｂｕｔｉｏｎＡｌ－ｇｏｒｉｔｈｍｓ）是进化计算领域新近兴起的一类随机优化算法，它将传统的遗传算法的思想和统计学的概率模型结合起来，形成一种全新的智能优化计算模式。 分布估计算法可以按照概率模型的复杂程度进行 分类，包括变量无关的ＰＢＩＬ、 ＵＭＤＡ和ｃＧＡ算法；双变量相关的ＭＩＭＩＣ、ＢＭＤＡ算法以及多变量相关的ＥＣ－ＧＡ、ＦＤＡ、ＢＯＡ等算法。美国卡耐基梅隆大学的Ｂａｌｕｊａ 在１９９４年提出ＰＢＩＬ算法，是用来解决二进制编码的优 化问题，虽然当时还没有提出分布估计算法的概念，但是ＰＢＩＬ算法被公认为最早的分布估计算法模型。 直到１９９６年，分布估计算法的概念才第一次提出。其中ＵＭＤＡ算法由德国学者Ｍｕｈｌｅｎｂｅｉｎ于同年提出， 它与其他算法不同在于其概率向量的更新方式。 之后的ＭＩＭＩＣ算法，是由美国ＭＩＴ人工智能实验室的ＤｅＢｏｎｅｔ等人于１９９７年提出的一种启发式优化算法，此算法是 147··

直方图讲解

[转贴]相机直方图的解析！！！！ 认识直方图，很重要！！！直方图在数码摄影当中的前期拍摄和后期处理过程中，极具实用价值。简单说说基本识别内容。p01 是一个比较好的直方图例子。这可以看作是一个坐标系。纵坐标（由A向上代表像素的量），横坐标（由A到B）表示亮度的级别。亮度分成了256个级别。大致分成几个区域“暗调、阴影、中间调、亮调和高光”。从直方图可以看出各个色调所具有的像素数量（相对而言）。这么说还是抽象，看图解释。 p01 p02 这个图像发灰，从直方图上看，暗调像素缺乏，亮调像素缺乏。 p03 直方图的像素偏向左边暗调，右侧空缺，说明亮调曝光的像素太少。

p04 像素又都堆积到了直方图右侧，左侧缺乏，这是曝光过度。 p05 这种情况非常重要：像素曲线在左右两侧分别顶到了头儿，甚至拐向上方。这就是“高光溢出（有翻译成剪切）”和“阴影溢出”。溢出的区域分别以红色和蓝色代表（在一些调整软件中，就有这样的溢出警告）。溢出，就是常说的“死白”或“死黑”——无层次白和无层次黑。一般在正常调图的时候应避免，这也是一个衡量后期处理的一个指标，最暗区域和最亮区域仍旧能够保留层次，俗语讲，直方图上两头儿不撞墙（上面曝光不足和曝光过度的两张图片两头儿都贴“墙”上了）。

p06 这是一个比较“好看”的直方图所代表的图象。 p07 这是上面灰调图像经调整后的效果，直方图被拉开。这也是前贴中运用的“色阶寻找黑白场”的过程。

p08 这是曝光不足的调整后效果。 直方图在拍摄过程中保证曝光合适的重要观察点：暗处和亮处（AB两点）没有溢出。很多朋友拍完一张就看回放，或者拍之前也看液晶屏。呵呵，我嫌太累。开玩笑。后期调整，不管是jpeg格式还是raw格式，开始调整的依据就是看直方图填补两头的空缺。如果两头儿没有空缺，片子也是灰蒙蒙不透彻，那就要调整反差了。 需要说明的是，可以依据直方图结合实际图片判断实际问题，但是不能仅仅依据直方图不看图片就说图片有问题。个性化的高调和低调图片、特殊照明条件下的图片，直方图都很特别。 以上说的仅仅是如何识别直方图。大致讲讲基本原理，不够严谨。

实验-数字图像的直方图统计

实验二数字图像的直方图统计 一、实验目的 1．了解对灰度图像进行直方图统计的基本原理； 2．掌握用VC编程实现直方图统计的方法； 3．在微机上调试程序； 5. 分析数字图像直方图的特点。 二、实验原理 图像的直方图 图像的（灰度统计）直方图是一个一维的离散函数。它的定义为： 设s k为图像f(x,y)的第k级灰度值，n k是f(x,y)中具有灰度值s k的象素的个数，n是图像象素总数，则： p s(s k)= n k/n k=0，1， ，L-1 称为图像f(x,y)的直方图。 这里p s(s k)代表原始图中第k个灰度级的出现概率。以n k为自变量，以p s(s k)为函数，得到的曲线就是图像的直方图，在实际中常常直接将对第k个灰度级的统计值n k作为图像的直方图。 它提供了原图灰度值的分布情况，也可以说给出了一幅图所有灰度值的整体描述。 对灰度图像进行直方图统计的程序流程图如图2-1所示。 图2-1 灰度图像直方图统计流程 三、实验前准备 1．预习本实验中关于数字图像直方图统计的有关内容； 2. 预习VC中添加对话框的步骤和方法； 3．了解本实验的目的和实验内容。 四、实验内容 1．在实验一的基础上读入并显示一幅数字图像； 2．编写对灰度图像进行直方图统计的程序，并将结果显示在屏幕上。 五、实验报告要求 1．总结对灰度图像进行直方图统计的过程，比较不同的图像其直方图特性；

2．对实验结果进行分析。 六、参考步骤和程序 在实验一的基础上，进行如下操作： 1、点击ResourceView，右键点击Dialog，选Insert Dialog 在属性对话框中将ID改为 ID_HIST，对话框名称改为“直方图” 2、在工具栏中点“插入”－“新建类”，输入类名，并选Base Class为CDialog，Dialog ID为 ID_HIST。这样就将对话框和类联系起来了，在该对话框中拖入一Edit控件，将其ID 设为IDC_HISTSHOW； 3、快捷键“Ctrl＋W”，出现MFC ClassWizard对话框，在Messages栏中分别选 WM_INITDIALOG和WM_Paint，再点击“Add Function”，即将对话框初始化和画图函数加入对话框类之中。 4、在Hist.h文件“public:”下面输入如下变量定义： LONG m_lCount[256]; char* m_lpDIBBits; LONG m_lWidth; LONG m_lHeight; int m_iIsDraging; CDlgIntensity(CWnd* pParent = NULL); 5、打开Hist.cpp程序，在CHist::OnInitDialog()函数中“// TODO: Add extra initialization here” 前将如下代码拷贝进去： unsigned char* lpSrc; LONG i; LONG j; 6、在“// TODO: Add extra initialization here”后将如下代码拷贝进去： CWnd* pWnd=GetDlgItem(IDC_HISTSHOW); pWnd->GetClientRect(m_MouseRect); pWnd->ClientToScreen(&m_MouseRect); CRect rect; GetClientRect(rect); ClientToScreen(&rect); m_MouseRect.top-=rect.top; m_MouseRect.left-=rect.left; m_MouseRect.top+=25; m_MouseRect.left+=10; m_MouseRect.bottom=m_MouseRect.top+255; m_MouseRect.right=m_MouseRect.left+256; for(i=0;i<256;i++) { m_lCount[i]=0;

直方图 知识讲解

直方图知识讲解 责编：康红梅 【学习目标】 1. 会制作频数分布表，理解频数分布表的意义和作用； 2. 会画频数分布直方图，理解频数分布直方图的意义和作用. 【要点梳理】 要点一、组距、频数与频数分布表的概念 1．组距：每个小组的两个端点之间的距离（组内数据的取值范围）． 2．频数：落在各小组内数据的个数． 3．频数分布表：把各个类别及其对应的频数用表格的形式表示出来，所得表格就是频数分布表．要点诠释： （1）求频数分布表的一般步骤：①计算最大值与最小值的差；②决定组距和组数； ③确定分点；④列频数分布表； （2）频数之和等于样本容量． （3）频数分布表能清楚、确切地反映一组数据的大小分布情况，将一批数据分组，一般数据越多，分的组也越多，当数据在100个以内时，按数据的多少，常分成5～12组，在分组时，要灵活确定 组距，使所分组数合适，一般组数为最大值-最小值 组距 的整数部分+1． 要点二、频数分布直方图 1．频数分布直方图：是以小长方形的面积来反映数据落在各个小组内的频数的大小，直方图由横轴、纵轴、条形图三部分组成． (1)横轴：直方图的横轴表示分组的情况(数据分组)； (2)纵轴：直方图的纵轴表示频数； (3)条形图：直方图的主体部分是条形图，每一条是立于横轴之上的一个长方形、底边长是这个组的组距，高为频数． 2．作直方图的步骤： (1)计算最大值与最小值的差； (2)决定组距与组数； (3)列频数分布表； (4)画频数分布直方图． 要点诠释：(1)频数分布直方图简称直方图，它是条形统计图的一种． (2)频数分布直方图用小长方形的面积来表示各组的频数分布，对于等距分组的数据，可以用小长方形的高直接表示频数的分布． 【高清课堂：数据的描述 369923 直方图和条形图的联系与区别：】 3.直方图和条形图的联系与区别： （1）联系：它们都是用矩形来表示数据分布情况的；当矩形的宽度相等时，都是用矩形的高来表示数据分布情况的； （2）区别：由于分组数据具有连续性，直方图中各矩形之间通常是连续排列，中间没有空隙，而条形图中各矩形是分开排列，中间有一定的间隔；直方图是用面积表示各组频数的多少，而条形图是用矩形的高表示频数. 要点三、频数分布折线图 频数分布折线图的制作一般都是在频数分布直方图的基础上得到的，具体步骤是：首先取直方图中每一个长方形上边的中点；然后再在横轴上取两个频数为0的点(直方图最左及最右两边各取一个，它们分别与直方图左右相距半个组距)；最后再将这些点用线段依次连接起来，就得到了频

数字图像处理点运算和直方图处理

实验1 点运算和直方图处理 一、实验目的 1. 掌握利用Matlab图像工具箱显示直方图的方法 2. 掌握运用点操作进行图像处理的基本原理。 3. 进一步理解利用点操作这一方法进行图像处理的特点。 4. 掌握利用Matlab图像工具箱进行直方图均衡化的基本方法。 二、实验的硬件、软件平台 硬件：计算机 软件：操作系统：WINDOWS 7 应用软件：MATLAB 三、实验内容及步骤 1. 了解Matlab图像工具箱的使用。 2. 利用Matlab图像工具箱对图像进行点操作，要求完成下列3个题目中 的至少2个。 ⑴图1灰度范围偏小，且灰度偏低，改正之。 ⑵图2暗处细节分辨不清，使其能看清楚。 ⑶图3亮处细节分辨不清，使其能看清楚。 图1 图2 图3 3. 给出处理前后图像的直方图。 4. 利用MatLab图像处理工具箱中函数对以上图像进行直方图均衡化操 作，观察结果。 四、思考题 1. 点操作能完成哪些图像增强功能？ 2. 直方图均衡化后直方图为何并不平坦？为何灰度级会减少？ 五、实验报告要求

1．对点操作的原理进行说明。 2．给出程序清单和注释。 3．对处理过程和结果进行分析（包括对处理前后图像的直方图的分析）。 实验代码以及解读 点操作： I = imread('POINT1.BMP')。 %读入图像 j=rgb2gray(I)。%将图像转为灰度图像 INFO=IMFINFO('POINT1.BMP') %获取图片的格式、尺寸、颜色数量、修改时间等信息[l,r]=size(j)。%图片大小 figure。%建立一个图形框 subplot(221) imshow(j) %在两行两列的第一个位置放置图片j title('POINT1.BMP') %给该图片加上标题POINT1.BMP for m=1:l for n=1:r %从第一个像素循环到最后一个像素p1(m,n)=j(m,n)*1.2。%把各点乘上1.2得到p1图 end end for m=1:l for n=1:r p2(m,n)=j(m,n)*2。%%把各点乘上2得到p2图 end end for m=1:l for n=1:r p3(m,n)=j(m,n)*2+50。%把各点乘上2再加50得到p2图 end end subplot(222) imshow(p1) title('j(m,n)*1.2') %p1图放在第二个位置且冠名j(m,n)*1.2 subplot(223) imshow(p2) title('j(m,n)*2') %p1图放在第三个位置且冠名j(m,n)* 2 subplot(224) imshow(p3) title('j(m,n)*2+50') %p1图放在第四个位置且冠名j(m,n)*2+50 figure。%建立一个新的窗口并且依次显示以上四个图的直方图

图像的直方图是图像的重要统计特征

图像的直方图是图像的重要统计特征，它可以认为是图像灰度密度函数的近似。直方图虽然不能直接反映出图像内容，但对它进行分析可以得出图像的一些有用特征，这些特征能反映出图像的特点。当图像对比度较小时，它的灰度直方图只在灰度轴上较小的一段区间上非零，较暗的图像由于较多的像素灰度值低，因此它的直方图的主体出现在低值灰度区间上，其在高值灰度区间上的幅度较小或为零，而较亮的图像情况正好相反。通常一幅均匀量化的自然图像的灰度直方图在低值灰度区间上频率较大，这样的图像较暗区域中的细节常常看不清楚。为使图像变清晰，可以通过变换使图像的灰度动态范围变大，并且让灰度频率较小的灰度级经变换后，其频率变得大一些，使变换后的图像灰度直方图在较大的动态范围内趋于均化。事实证明，通过图像直方图修改进行图像增强是一种有效的方法。 均匀量化的自然图像的灰度直方图通常在低值灰度区间上频率较大，使得图像中较暗区域中的细节常常看不清楚。为了使图像清晰，可将图像的灰度范围拉开，并且让灰度频率较小的灰度级变大，即让灰度直方图在较大的动态范围内趋于一致。 前面介绍的直方图均衡化处理方法从实验效果看还是很不错的，从实现算法上也可以看出其优点主要在于能自动整幅图像的对比度，但具体的增强效果也因此不易控制，只能得到全局均衡化处理的直方图。在科研和工程应用中往往要根据不同的要求得到特定形状的直方图分布以有选择的对某灰度范围进行局部的对比度增强，此时可以采用对直方图的规定化处理，通过选择合适的规定化函数取得期望的效果。 a=imread('花.jpg'); subplot(2,2,1); imshow(a); title('原始图像'); subplot(2,2,2); a=rgb2gray(a); imhist(a); title('原始图像直方图'); subplot(2,2,3);

基于matlab的直方图均衡化讲解

课程设计报告 题目基于matlab的直方图均衡化程序设计 学生姓名： 学生学号： 系别： 专业： 届别： 指导教师： 电气信息工程学院制

目录 1、引言·······················································································- 2 - 2、直方图基础 ···············································································- 2 - 3、直方图均衡化············································································- 3 -3.1 直方图均衡化的概念·····················································································- 3 -3.2 直方图均衡化理论························································································- 4 - 3.3 Matlab 实现······························································································- 4 - 4、结论 ······················································································- 10 - 5、心得体会················································································- 10 -参考文献·····················································································- 10 - 基于matlab的直方图均衡化程序设计

直方图图像处理实验报告

数字图像处理实验 实验一 直方图处理 实验目的 ● 理解图像直方图的概念，掌握图像直方图的绘制方法 ● 掌握直方图均衡化的原理，并会用直方图均衡化对图像进行处理。 实验要求 1.读入图像，可使用imread 。 2.输出图像，可使用imshow 。 3.绘制图像pout.tif 的归一化的直方图，可使用IPT 函数imhist 。 4.对图像进行直方图均衡化，可使用IPT 函数histeq ，对均衡化前后的图像以及直方图进行对比。 实验原理 一幅数字图像在范围[0, G ]内共有L 个灰度等级，其直方图定义为离散函数 k k n r h =)( 其中r k 是区间[0, G ]内的第k 级亮度，n k 是灰度级为r k 的图像中的像素数。 通常，我们会用到归一化直方图，即使所用所有元素h (r k )除以图像中的像素总数n 所得到的图形： n n n r h r p k k k ==)()( 其中k =1,2,…,L 。 Matlab 中提供了IPT 函数imhist 来绘制图像的直方图，但是除此之外绘制直方图的方法还有很多，可以通过条形图、杆状图等方式来表示直方图。 直方图均衡化主要用于增强动态范围偏小的图像的反差。该方法的基本思想是把原始的直方图变换为均匀分布的形状，这样就增加了像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。 直方图均衡化一般采用原始图的累计分布函数作为变换函数。假设灰度级归一化至范围[0, 1]内，p r (r )表示给定图像中的灰度级的概率密度函数，对于离散的灰度级，均衡化变换为： ∑ ∑=====k j j k j j r k k n n r p r T s 1 1 )()( 式中k =1,2,…,L ，s k 是输出图像中的亮度值，它对应于出入图像中的亮度值r k 。 实验心得： 1. matlab 的函数的功能很强大，一个简单的函数调用就可以解决复杂的问题。这样，就需要在函数调用时注意函数的参数，否则很容易出错。比如函数 histeq(a,n)，就要注意其中的n 为灰度值的个数。 2. 对于自己编写函数实现某些特定的功能时，需要对原理掌握清楚，如实验二中需自己编写函数实现图像的均衡，就要求对直方图的均衡原理掌握到位。

直方图

(三)直方图的观察与分析 1.观察直方图的形状、判断质量分布状态 作完直方图后，首先要认真观察直方图的整体形状，看其是否是属于正常型直方图。正常型直方图就是中间高，两侧底，左右接近对称的图形，如图2(a)所示。 出现非正常型直方图时，表明生产过程或收集数据作图有问题。这就要求进一步分析判断，找出原因，从而采取措施加以纠正。凡属非正常型直方图，其图形分布有各种不同缺陷，归纳起来一般有五种类型，如图8所示。 (1) 折齿型（图2(b)），是由于分组组数不当或者组距确定不当出现的直方图。 (2) 左(或右)缓坡型（图2(c)），主要是由于操作中对上限（或下限）控制太严造成的。 (3) 孤岛型（图2(d))，是原材料发生变化，或者临时他人顶班作业造成的。 (4) 双峰型（图2(e))，是由于用两种不同方法或两台设备或两组工人进行生产，然后把两方面数据混在一起整理产生的。 (5) 绝壁型（图2(f))，是由于数据收集不正常，可能有意识地去掉下限以下的数据，或是在检测过程中存在某种人为因素所造成的。 工程质量控制的统计分析方法-直方图法 图2常见的直方图图形 (a)正常型;（b)折齿型；（C)左缓坡型;（d）孤岛型(e)双峰型；（f)绝壁型 2.将直方图与质量标准比较，判断实际生产过程能力 作出直方图后，除了观察直方图形状，分析质量分布状态外，再将正常型直方图与质量标准比较，从而判断实际生产过程能力。正常型直方图与质量标准相比较，一般有如图3所示六种情况。图3中： T--表示质量标准要求界限; B—表示实际质量特征分布范围。 工程质量控制的统计分析方法-直方图法 图3实际质量分析与标准比较 (1) 图3( a),B在T中间，质量分布中心x与质量标准中心M重合，实际数据分布与质量标准相比较两边还有一定余地。这样的生产过程质量是很理想的，说明生产过程处于正常的稳定状态。在这种情况下生产出来的产品可认为全都是合格品。 (2) 图3(b)，B虽然落在T内，但质量分布中x与T的中心M不重合，偏向一边。这样如果生产状态一旦发生变化，就可能超出质量标准下限而出现不合格品。出现这样情况时应迅速采取措施，使直方图移到中间来。 (3) 图3(c)，B在T中间，且B的范围接近T的范围，没有余地，生产过程一旦发生小的变化，产品的质量特性值就可能超出质量标准。出现这种情况时，必须立即采取措施，以缩小质量分布范围。 (4) 图3( d)，B在T中间，但两边余地太大，说明加工过于精细，不经济。在这种情况下，可以对原材料、设备、工艺、操作等控制要求适当放宽些，有目的地使B扩大，从而有利于降低成本。 (5) 图3(e)，质量分布范围B已超出标准下限之外，说明已出现不合格品。此时必须采取措施进行调整，使质量分布位于标准之内。 (6) 图3(f)，质量分布范围完全超出了质量标准上、下界限，散差太大，产生许多废品，说明过程能力不足，应提高过程能力，使质量分布范围B缩小。

实验1 图像直方图分析

实验1 图像直方图分析 模式识别与智能系统王衍平 2010043003 1 实验目的 本试验通过MATLAB编程，获取一幅RGB图像的灰度直方图信息，并根据灰度直方图获得图像中的像素亮度的分布情况。 2 实验步骤 （1）使用imread函数读取一幅RGB图像，并输出显示该图像； （2）使用size函数获取该图像的大小，然后分离三个颜色通道； （3）分别输出显示R、G、B三个颜色通道的图像； （4）分别绘制R、G、B三个颜色通道的灰度直方图； （5）绘制RGB三个颜色通道的灰度直方图于一幅图像中。 3 MATLAB程序代码 I=imread('D:\数字图像处理实验\001.bmp'); % 若果不是RGB图像，报错 if(size(I,3)~=3) error('rgbhist:numberOfSamples','Input image must be RGB.') end figure(1),imshow(I); title('原RGB图像'); S=size(I); % Size of array file. H=reshape(I,S(1)*S(2),S(3)); % 将每个颜色通道变为一列 H=double(H); % Convert to double precision. nHist=2^8-1; figure(2),imshow(I(:,:,1)); % 显示R通道上的图像 title('R通道上的图像'); figure(3),imshow(I(:,:,2)); % 显示G通道上的图像 title('G通道上的图像'); figure(4),imshow(I(:,:,3)); % 显示B通道上的图像 title('B通道上的图像'); figure(5),imhist(I(:,:,1),nHist); % 绘制图像R通道上的灰度直方图 title('R通道上的灰度直方图'); figure(6),imhist(I(:,:,2),nHist); % 绘制图像R通道上的灰度直方图 title('G通道上的灰度直方图'); figure(7),imhist(I(:,:,3),nHist); % 绘制图像R通道上的灰度直方图 title('B通道上的灰度直方图');

直方图制作步骤详细讲解

直方图制作步骤 1）定义：直方图是数据分布形态分析的工具。 在质量管理中，如何预测并监控产品质量状况？如何对质量波动进行分析？直方图就是一目了然的把这些图表化处理的工具。它通过对收集到的貌似无序的数据进行处理，来反映产品质量的分布情况，判断和预测产品质量及不合格率。直方图是针对某产品或过程的特性值，把50个以上的数据进行分组，并算出每组出现的次数，画成以组距为底边，以频数为高度的一系列连接起来的直方矩形图。 2）直方图制作步骤 ①收集数据：收集数据时，对于抽样分布必须特别注意，不可取部分样品，应全部均匀的加以随机抽样，所收集的数据个数应大于50以上。 例:某厂成品尺寸规格为130~160mm，按随机抽样方式抽取60个样本，其测定值如下： 单位：mm 138142148145140141 139140141138138139 144138139136137137 131127138137137133 140130136128138132 125141135131136131 134136137133134132 135134132134121129 137132130135135134 136131131139136135 ②找出每组数据中最大值（L），与最小值（S） A B C D E F 138142148145140141 139140141138138139 144138139136137137 131127138137137133 140130136128138132 145141135131136131 134136137133134132 135134132134121129 137132130135135134 136131131139136135 ③求全部数据中的最大值和最小值 A L1=145S1=131 B L2=142S2=127

摄像头编程并且对图像的处理以及直方图的算法

题目：图像的基本处理班级：2011级软件2班姓名：刘磊磊 时间：20130907

摘要：随着数字化与多媒体时代的来临，数字图像处理已经成为必备的基础知识。全国各大专院校的计算机、电子、通信、医学、光学及许多相关专业都开设了与数字图像预处理相关的课程。数字图像二值化是图像预处理中的一项重要技术，其在模式识别、光学字符识别、医学成像等方面都有着重要应用。本论文主要为大家介绍24位真彩图像的灰度、二值处理以及图像的一些简单的打开和保存和如何画直方图，还有一些通过这次小学期学到的一些知识。 关键字：灰度处理，二值化 图像的打开 void CText1Dlg::ShowPic() { if(m_path =="") //判断图片路径是否存在 { return; } hwnd = GetDlgItem(IDC_pic); hDesDC = hwnd->GetDC()->m_hDC; hSrcDC = CreateCompatibleDC(hDesDC); hBitmap=(HBITMAP)LoadImage(AfxGetInstanceHandle(),m_path,IMAGE_BITMAP,0,0, LR_LOADFROMFILE|LR_CREATEDIBSECTION); GetObject(hBitmap, sizeof(BITMAP), &bm); SelectObject(hSrcDC, hBitmap); hwnd->GetClientRect(&rect); ::SetStretchBltMode(hDesDC,COLORONCOLOR); ::StretchBlt(hDesDC, rect.left, rect.top, rect.right, rect.bottom, hSrcDC, 0, 0, bm.bmWidth, bm.bmHeight,+SRCCOPY); UpdateData(false);

基于直方图的图像增强技术的研

包头师范学院 本科毕业论文 题目：基于直方图的图像增强技术的研究学生姓名：赵良良 学院：信息科学与技术院系 专业：电子信息科学与技术 班级：07级本科 指导教师：刘晓虹 二〇一一年五月

摘要 图像增强是数字图像处理过程中经常采用的一种方法，图像增强的主要目的就是要使增强后的图像具有更好的视觉效果，更合适于对图像进行后续的分析和处理。灰度直方图概括了图像中各灰度级的含量，提供了原图的灰度值分布情况，灰度直方图是图像增强的最好的研究内容。通过采取适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图片处理成清楚、明晰的富含大量有用信息的可使用图像。本文主要研究了在MATLAB环境下，通过直方图的均衡化对图像进行增强处理。 关键词：图像增强；直方图；MATLAB

ABSTRACT Image enhancement is a kind of method in the digital image processing，its purpose is that visual effects of enhancement image is better and appropriate to continue analyzing and processing image. Histogram shows all gray scales of image and distribution of image. Histogram is the best contents of image enhancement for study. The blurry and undistinguished image can be processed to clear and useful image. This paper studies image enhancement by histogram balance in MATLAB. Key words：Image enhancement; Image Histogram; MATLAB

人教版七年级数学下册直方图检测题2

人教版七年级数学下册直方图检测 题2 ◆知能点分类训练 知能点1 用直方图描述数据 1．七年二班50名同学的一次考试成绩频数分布直方图如图所示，则71～90?分之间有_________人． 2．某校为了了解九年级学生的体能情况，随机抽查了其中30名学生，测试了他们做1min 仰卧起坐的次数，并制成了如图所示的频数分布直方图，根据图示计算仰卧起坐次数在25～30次的频率是〖〗． A．0.1 B．0.2 C．0.3 D．0.4 3．如图是某校七年一班全班同学1min心跳次数频数直方图，?那么，?心跳次数在_______之间的学生最多，占统计人数的_____%．〖精确到1%〗 4．如图是某单位职工的年龄〖取正整数〗的频率分布直方图，?根据图中提供的信息，回答下列问题： 〖1〗该单位共有职工多少人？ 〖2〗不小于38岁但小于44岁的职工人数占职工总人数的百分比是多少？ 〖3〗如果42岁的职工有4人，那么年龄在42岁以上的职工有几人？

知能点2 绘制频数分布直方图 5．已知一个样本，27，23，25，27，29，31，27，30，32，31，28，26，27，29，28，?24，?26，27，28，30，以2为组距画出频数分布直方图． 6．为了增强学生的身体素质，某校坚持常年的全员体育锻炼，并定期进行体能测试．下面将某班学生立定跳远成绩〖精确到0．1m〗进行整理后，分成5组〖含低值不含高值〗： 1.60～1.80，1.80～ 2.00，2.00～2.20，2.20～2.40，2.40～2.60，已知前4个小组的 频率分别是0.05，0.15，0.30，0.35，第五个小组的频数是9． 〖1〗该班参加这项测试的人数是多少人？ 〖2〗请画出频数分布直方图． 〖3〗成绩在2.00米以上〖含2.00米〗为合格，则该班成绩的合格率是多少？ ◆综合应用提高 7．某小区便民超市为了了解顾客的消费情况，在该小区居民中进行调查，询问每户人家每周到超市的次数，下图是根据调查结果绘制的，请问： 〖1〗这种统计图通常被称为什么统计图？〖2〗此次调查共询问了多少户人家？ 〖3〗超过半数的居民每周去多少次超市？〖4〗请将这幅图改为扇形统计图．

编程实现计算图像直方图、图像熵解析

数字图像处理实验报告——图像常用格式及显示 武汉大学 2016.04

1 实验内容 本实验报告主要介绍 主要内容 1. 理解灰度映射原理； 2. 掌握灰度映射计算方法； 3. 理解图像直方图的定义； 4. 理解图像直方图的作用； 5. 理解图像熵的定义及作用; 6. 掌握图像直方图计算方法； 7. 掌握图像熵的计算方法； 8. 进一步熟悉图像文件256色、24位真彩色BMP图像格式； 9. 进一步熟悉Visual C＋＋ 6.0编程界面，及使用方法； 10. 熟悉Visual C＋＋中绘图函数方法； 11. 编程完成计算图像几种灰度映射； 12. 编程实现计算图像直方图、图像熵； 13. 编程绘制图像直方图； 14. 根据不通灰度映射处理观察图像直方图变化； 15. 总结实验过程（实验报告）：编程、调试、结果、分析、结论。 主要目的 1. 建立相关实验环境：从指定服务器指定位置拷贝实验相关材料，包括：实验要求，实例程序，示例图像，VC＋＋6.0程序，实验相关幻灯片； 2. 使用实验一建立的简单多文档应用程序框架及、图像夺取和显示功能，进一步熟悉图像的格式及显示，熟悉图像的组织和存储方式。 3. 编写图像线性灰度映射： 4. 编写图像直方图统计程序： 5. 观察图像直方图 主要函数说明 1.void CZhangyanImageView::OnProcessZhifangtu() 函数目的：在用户界面中添加直方图处理，并添加函数在.cpp文件中 函数参数说明：建立直方图处理函数 2.void CZhangyanImageView::OnProcessLinetran() 函数目的：在用户界面中添加灰度变换处理，并添加函数在.cpp文件中函数参数说明：建立灰度变换处理函数 主要代码注释 1.灰度变换函数代码 CZhangyanImageDoc* pDoc = GetDocument();//定义引用doc的指针ASSERT_V ALID(pDoc); unsigned char * pBits=pDoc->m_pBits;//把文件中的m_pBits赋予pBits int nWidth=pDoc->imageWidth; int nHeight=pDoc->imageHeight;//定义整形的image图片宽和高