非線性圖像分段變化：

先窗體打開圖片

對數非線性變化：

結果圖像的亮度/對比度顯著增加

log_image(Image,LogImag1,'e')

參數1：輸入圖像

參數2： 輸出圖像

參數3：底數

log_image(Image,LogImage2,0.1)

圖像結果亮度和對比度比較平緩

指數非線性變化：

pow_image (Image, PowImage, 0.1)

參數3：指數,0-1 增強高灰度值對比度,大于等于1增強低灰度值的對比度

直方圖：

打開窗體展示text文本'直方圖'

特征：1. 沒有位置信息2. 與圖像之間為一對多的映射關系，任意一幅圖像都有唯一確定的一個直方圖與之對應，但不同的圖像可能有相同的直方圖3. 可疊加性，各個子區域之和等于該圖像全圖的直方圖

獲取圖像的灰度值直方圖：

gray_histo(Image, Image, AbsoluteHisto, RelativeHisto)

參數1?計算的區域

參數2?輸入的圖像

參數3?AbsoluteHisto絕對分布

參數4?RelativeHisto 相對分布

將灰度直方圖繪制出來：

gen_region_histo(Region,AbsoluteHisto,255,255,1)

參數1:繪制之后的區域輸出的

參數2:對相對分布繪制直方圖

參數3,4:xy的坐標

參數5:高度的縮放比例

將灰度直方圖繪制出來

gen_region_histo(Region,AbsoluteHisto,255,255,1)

圓直圖均衡化：

將密集的灰度值進行拉開

有蒙層的圖片，把蒙層去掉

直方圖均衡化

equ_histo_image (Image, ImageEquHisto)

均值濾波：

均值濾波的主要目的是消除高斯噪聲：

均值濾波的原理就是將像素灰度值與其鄰域內的像素灰度值相加取平均值，該濾波器區域就如同一個小的“窗口”，在圖像上從左上角開始滑動，將該“窗口”內的像素灰度值相加并取平均值,然后將該灰度值賦值給“窗口”中的中心像素。

均值濾波優點：對圖像內部的噪聲及模糊圖像有很好的作用

均值濾波缺點：使用均值濾波計算均值會將圖像中的邊緣信息與特征信息“模糊”掉，丟失很多特征。

創建一個高斯噪聲點 值越大 噪聲越明顯

gauss_distribution (100, Distribution)

將噪聲添加到指定圖像上，并且生成一個噪聲圖

add_noise_distribution (Image, ImageNoise, Distribution)
dev_display (ImageNoise)

mean 平均值 使用均值濾波進行消除噪聲(9*9 就是濾波核)

mean_image (ImageNoise, ImageMean,3, 3)

中值濾波：

簡介：主要目的是消除椒鹽噪聲：中值濾波的原理與均值濾波相似，不同的是，它以像素為中心，取一個指定形狀的鄰域作為濾波器，該形狀可以是正方形，也可以是圓形，然后將該區域內的像素灰度值進行排序，以排序結果的中間值作為灰度計算結果賦值給該區域內的像素。

優點：對單個噪聲有很好的平滑作用，尤其是椒鹽噪聲。

創建椒鹽聲

sp_distribution (5, 5, Distribution)

?參數1 白色的噪聲的比例

參數2 椒鹽聲的比例

添加椒鹽噪聲

add_noise_distribution (Image, ImageNoise, Distribution)

消除椒鹽噪聲

median_image (ImageNoise, ImageMedian, 'circle', 3, 'mirrored')

參數1 噪聲圖片

參數2 消除的噪聲的圖片

參數3 濾波器的采用形狀 優先采用circle

參數4 濾波器尺寸 建設值設置為3

參數5 邊界的處理方式

原理：

????????將圖像視為循環延拓的（即假設圖像上下左右首尾相連）。超出邊界的像素值從對側獲取。