数字图像处理图像增强

《数字图像处理图像增强》由会员分享，可在线阅读，更多相关《数字图像处理图像增强（18页珍藏版）》请在装配图网上搜索。

1、图像增强1、实验目的1. 熟练掌握图像的灰度修正，平滑去燥，锐化增强处理的原理。2. 自如的应用 MATLAB 环境对图像进行灰度变换、 直方图处理，平滑处理， 锐化处理。2、实验原理1. 灰度变换灰度变换是直接对像素进行处理， 常用三种基本函数， 线性函数、对数函数、 幕函数。可以完成图像的反转、拉伸、丫校正等，改变图像对比度、增加灰 度宽度。灰度线性变换增强使用： J=imadjust(I,low high,bottom top,gamma);low high 原图像要变换的灰度范围， bottom top 指定的变换后的灰度范 围，gamma为校正量，gamm;a1线性校正，gamma1

2、抛物线校正，gamma1 三次曲线校正。 newmap=imadjust(map,low high,bottom top,gamma) 调 整索引图像的调色板。2. 直方图校正 直方图是图像的灰度概率统计图，修改直方图可以改变图像灰度分布状态，从而改变图像对比度。直方图显示使用 imhist(A), 直方图均衡化使用 J=histeq(I,n) n 表示输出图像的灰度级数目，默认64; J,T=histeq(l, )表示I的直方图变成J的直方 图T。直方图规定化使用 J=histeq(l,n,hgram) hgram指定直方图向量。3. 图像滤波器 图像滤波器实质上是一种离散卷积处理，也叫掩膜

3、操作。通过使用不同模板获得不同结果。 平滑模板使图像模糊但可消除噪声， 锐化模板可以提高线、 点的 立体效果从而实现图像分割的功能。( 1)建立滤波算子： h=fspecial (type); h=fspecial (type,para), 其中 type指定算子的类型，有average 均值滤波，参数hsize代表模板尺寸， 默认为3,3 ； disk 圆形区域的均值滤波，参数为radius代表区域半径， 默认为 5；gaussian 为低通高斯滤波，参数 hsize 代表模板尺寸，默认为 3,3 ， sigma 是滤波的标准差 / 象素，默认为 0.5 ； laplacian 为拉普拉 斯

4、算子，参数 alpha 用于控制算子形状，取值 0,1 ，默认为 0.2 ；log 为 拉普拉斯高斯算子，参数 hsize 代表模板尺寸，默认为 3,3 ， sigma 是滤 波的标准差/象素，默认为0.5 ； motion 运动模糊算子，表示摄像物体逆 时针方向以 thera 角度运动了 hen 个象素， len 默认为 9， thera 默认为 0；prewitt 边缘增强，大小3,3 ； sobel 边缘提取；unsharp 对比度增 强滤波，参数 alpha 用于控制滤波器的形状，取值 0,1 ，默认为 0.2 。例如：用 prewitt 算子对图像滤波I=imread( saturn

5、.tif );Subplot(1,2,1); imshow(I);H=fspecial( prewitt );blurred=imfilter(I,H);Subplot(1,2,2); imshow(blurred);( 2 ) filter2 是 基 于 卷 积 的 图 像 滤 波 函 数 ， J=filter2(h,I);J=filter2(h,l,shape);shape 指定滤波器的卷积运算范围，shape full ,边界补零；shape same，返回矩阵大小与I相同；shape valid ，不 考虑边界补零，返回矩阵小于 l。( 3)加噪声使用 J=imnoise(I,type

6、,para), 其中 type 确定噪声的类型和参 数。guassian 高斯噪声，参数M代表均值，默认为0，V代表方差，默认为 0.01; localvar 均值为零、方差为 V 的高斯白噪声； poisson 泊松噪声；salt&pepper 椒盐噪声，D为噪声强度，默认值为0.05; speckle 均 值为零、方差为V的均匀随机分布噪声，V为0.04。默认类型，高斯噪声。(4) 线形滤波， h=ones(3,3)/9; 线性滤波模板， J=conv2(I,h) ；卷积。(5) 中值滤波 j medfilt2 (I,m,n ),m,n )滤波器窗口的大小。 J= medfilt2 (I,

7、m,n ),m,n , PADOPT), PADOPT 边界处理方法，” symmetric ”在边界处滤波器进行对称延拓， “indexed ”图像为 double 型，用 1 填充边界，其它型 用 0 填充边界。( 6)自适应滤波， J=wiener2(I,m,n) ;m,n滤波器窗口大小。( 7) J=edge(I, roberts )3、实验内容 ( 包括实验程序、实验图片、实验数据、实验结果分析 )(1) %对已知图像作灰度变换增强，设计程序求出已知图像的直方图， %分别将原图亮度提高 20和降低 40后，再作直方图， %在同一画面输出。分析比较处理前后的图像统计特征参数。 clc;

8、clear;A=imread(C:UsersAdministratorDesktopsy3_1.jpg); A=rgb2gray(A);subplot(4,2,1),imshow(A),title( subplot(4,2,2),imhist(A),title( B=imadjust(A,0.2 0.8,0 1);subplot(4,2,3),imshow(B),title( subplot(4,2,4),imhist(B),title( C=(A+20);subplot(4,2,5),imshow(C),title( subplot(4,2,6),imhist(C),title(+20 D=

9、(A-40);原图灰度图 ) 原图灰度图直方图 )增强图像 );增强图像直方图 )亮度提高 20);直方图)亮度降低 40); 直方图)subplot(4,2,7),imshow(D),title( subplot(4,2,8),imhist(D),title(-40燉1割臭Lt 18立上團+2Q 7： “I(2) %故出已知图像的直方图，对图像进行直方图均衡化修正，规定化修正, 分析修正结果。%分析比较处理前后的图像统计特征参数。clc;clear;A=imread(C:UsersAdmi nistratorDesktopsy3_1.jpg);原图灰度图);原图灰度图直方图)均衡化图像)；

10、均衡化图像直方图);B=rgb2gray(A); subplot(321),imshow(B),title( subplot(322),imhist(B),title( C=histeq(B);subplot(323),imshow(C),title( subplot(324),imhist(C),title(D=histeq(B,0,20,30,40,70,80,90,100,110,120,130,140,145,150,155,160,1规定化图像)； 规定化图像直方图);70,180,210,256) subplot(325),imshow(D),title( subplot(326)

11、,imhist(D),title(1000 -gnow41X1a 711 - P; V：沖左化国毎0SO 100 TSO 2M 2他(3) %用线性函数、对数函数、幕函数对图像进行处理，%分析不同变换函数对同一图像处理的结果，分析比较处理前后的图像统计特征 参数。clc;clear;l=imread(C:UsersAdmi nistratorDesktopsy3_1.jpg);I=rgb2gray(I); subplot(221),imshow(l),title( A=1.3*l+1 subplot(222),imshow(A),title( r=mat2gray(double(I);原图灰度

12、图)线性函数处理)B=log(1+2*r)subplot(223),imshow(B),title(对数函数处理)对故函数处埋(4) %对图像进行灰度或色彩反转、灰度拉伸、丫校正等处理，9分析几种不同处理的结果，分析比较处理前后的图像统计特征参数。 clc;clear;A=imread(C:UsersAdmi nistratorDesktopsy3_1.jpg);A=rgb2gray(A);subplot(221),imshow(A),title(B=(255-A)subplot(222),imshow(B),title(C=imadjust(A,0.2 0.8,0.8)subplot(223

13、),imshow(C),title(原图灰度图)灰度反转图)灰度拉伸图)除图次度图块度珀伸圏(5) 液计程序将已知图像分别添加椒盐、高斯、泊松噪声，%分别莺均匀滤波、高斯滤波和中值滤波处理，与原图像在同一画面输出， %分析比较处理前后的图像统计特征参数，对处理后的图像的质量进行评价 % clc;clear;A=imread(C:UsersAdmin istratorDesktopsy3_1.jpg);A=rgb2gray(A);subplot(231),imshow(A),title( 原图灰度图);%加椒盐噪声% J=imnoise(A,salt & pepper,0.04);% subpl

14、ot(232),imshow(J),title( %加咼斯噪声% J=i mno ise(A);% subplot(232),imshow(J),title(%加泊松噪声J=imno ise(A,poiss on);subplot(232),imshow(J),title( %H仁fspecial (average);B=imfilter(J,H1);加椒盐噪声后的图像);加高斯噪声后的图像);加泊松噪声后的图像);均值滤波后图像);高斯滤波后图像);中值滤波后图像);subplot(235),imshow(B),title(H2=fspecial (gaussia n);C=imfilter

15、(J,H2);subplot(234),imshow(C),title( D=medfilt2(J);subplot(236),imshow(D),title(原图灰度图加擲盐嗪冷后的图锲离斯滤波后圏像均值滤玻后图像中伉滤波后图虑原曙坝J国加高斯噪声后的圈像离斯滤波禹图像旳值滤被恬圈像中值需波后图像原图决喪国轮廓图百期滤谊后图像均值像 :1.,.,!.1|1 rHk原图决喪国轮廓图原图决喪国轮廓图(6) 液计程序将求出已知图像中目标物的轮廓与原图像在同一画面输出 clc;clear;A=imread(C:UsersAdmi nistratorDesktopsy3_1.jpg);A=rgb2gr

16、ay(A); subplot(121),imshow(A),title(原图灰度图);B=edge(A,prewitt,0.05); subplot(122),imshow(B),title(轮廓图)(7) %对图像进行锐化处理，%分别使用log、prewitt、sobel、roborts 模板进行锐化,%设计评价参数对处理方式进项评价。%A=imread(C:UsersAdmi nistratorDesktopsy3_1.jpg);B=rgb2gray(A);subplot(321),imshow(B),title(原图灰度图);%C=edge(B,log,0.004);subplot(32

17、3),imshow(C),title(log锐化图);%K=edge(B,prewitt,0.05);subplot(325),imshow(K),title(prewitt锐化图);%D=edge(B,sobel,0.05); subplot(326),imshow(D),title(sobel锐化图);%J=edge(B,roberts,0.05); subplot(324),imshow(J),title(roberts锐化图);robcrtsi l- !：pfpwitli ! |T即hn|，；|(8) %分别对两幅不同的图像进行加减乘除运算，分析结果 clc;clear;A=imrea

18、d(C:UsersAdmi nistratorDesktopsy3_1.jpg);B=imread(C:UsersAdmi nistratorDesktopsy3_2.jpg);subplot(2,2,1),imshow(A),title( subplot(2,2,2),imshow(B),title( %图一) 图二)ADD=A+B subplot(2,2,3),imshow(ADD),title( DEC=B-A subplot(2,2,4),imshow(DEC),title(%MUL=immultiply(A,0.5);subplot(3,2,5),imshow(MUL),title(

19、力)减)乘)backgro un d=imope n( B,strel(disk,20);DIV=imdivide(A,backgro un d);分析：1. 直方图增强处理，由实验结果可知：变换后直方图趋向平坦，灰度级减少，灰度合并；有展开输入图像直方图的 一般趋势，直方图均衡化后的图像灰度级能跨越更大范围， 实际视觉能够接收的 信息量大大的增强了；直方图均衡化能自动确定变换函数， 该函数寻求产生有均 匀直方图的输出图像，得到的结果可预知，操作简单2. 图像平滑四邻域平均平滑不加门限：这种算法简单，但它的主要缺点是在降低噪声的同时 使图像模糊，特别实在边缘和细节处。而且邻域越大在去噪能力增强

20、的同时模糊程度越严 重。四邻域平均加门限，即超像素平滑法：对边缘和细节处的模糊有改善，主要是这种算法的出发点是集中在在如何选择邻域的大小、形状和方向，参加平均的点数及邻域各点的权重系数等。3.图像锐化.图像锐化的目的是增强图像的边缘和轮廓，可通过微分使图像边缘突出、清晰，可以 通过Laplacian算子，Roberts、Prewitt和Sobel边缘检测算子等方法达到增强效果。4、实验结论通过这次实验，学习了图像的灰度修正，平滑去燥，锐化增强处理的原理，也学习了使用matlab环境对图像的灰度变换、直方图处理，以及平滑处理，掌握了一些图像处理技巧，以及matlab函数的使用，加深了对 图像处理的理解，也巩固了所学知识。