数字图像处理综合作业Word格式文档下载.docx

数字图像处理综合作业Word格式文档下载.docx

《数字图像处理综合作业Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《数字图像处理综合作业Word格式文档下载.docx（34页珍藏版）》请在冰豆网上搜索。

1.1.2直方图均衡

在第三章的作业习题里，我们已经接触过直方图均衡，它是一种利用图像直方图对对比度进行调整的方法，也是图像增强常用的方法之一。

我们的编程思路是运用matlab中自带的一些函数对原图进行处理，具体程序见附录1.1.2，实验结果见图1.1.2。

1.1.2

由图1.1.2的对比，我们可以发现直方图均衡化后的图像整体变亮，图片中部分位置变得清晰一些，部分位置灰度值过高，图像有些发白，没有得到好的图像增强效果，甚至发白部位阻碍医生观察骨骼细节。

原因是因为这种方法对处理的数据不加选择，当原图的直方图有高峰时，经处理后对比度会不自然的过分增强。

1.2伪彩色增强

1.2.1等密度分割法

对图像中各像元亮度值进行统计，确定其最小值和最大值，确定分割的等级N，计算出分割的间隔再对输入图像的每一个像元进行亮度转换，为像元新值赋色。

（1）matlab自带函数grayslice（I，n）（源程序：

color1.m）

将灰度图X1均匀量化为n个等级，然后利用jet映射将其转化为伪彩色图像x。

程序见附录1.2.1

（1）

1.2.1（a）N=8

1.2.1（b）N=64

1.2.1（c）n=256

分析：

由上面三组图像可知，当分割等级越大，所呈现的效果越好。

（2）自编程序（源程序：

color2.m）

将图像X1按灰度分为11份

R=0：

256间隔为256/10

G=0到256再到0间隔为256/5

B=256：

0间隔为256/10

1.2.1（d）

从上面各图的分析我们知道n越大，效果越好。

但对比利用grayslice（I，n）函数n=8时的效果，自编程序n=11时的效果没有很好，可能是颜色映射不恰当，导致效果不好。

1.2.2多波段合成伪彩色显示

（源程序：

color.m）

对同一幅图像在不同波长获得多幅图像，可采用多种变换方式，最后合成R、G、B图像进而形成为彩色图像显示。

在这里使用分段线性映射法。

实验结果见1.2.2.程序见附录1.2.2.

1.2.2

对比利用密度分割法产生的效果，多波段合成伪彩色显示法的效果不是很好，反而将图像变得更加模糊。

通过对图像进行伪彩色处理，主要得出以下两点。

（1）对图像进行伪彩色处理时，不同的伪彩色处理方法有不同的效果，要选择合适的处理方法。

（2）不同的颜色映射法也有不同的效果，根据图像选择合适的颜色映射法。

2．对x2照片图像增强

2.1滤波

首先我们先分别观察一下X2的在MATLAB中的原始图像和频谱分布情况。

因为我们观察到X2是彩色图，所以我们需要利用rgb2gray函数将它转换成灰度图再进行处理。

X2的原始图像和频谱分布图如下图2.1所示：

2.1

我们观察到X2的灰度图存在较严重的椒盐噪声，其频谱图也存在一个十字叉的亮线，但是围绕中间亮点又有一个矩型噪声。

综上，X2存在明显的噪声近似于椒盐噪声，所以我们先采用“广撒网，捞大鱼”的方法进行筛选，尝试使用不同类型的滤波器对X2进行滤波处理，分析对比哪种滤波器的滤波效果最好，然后再选择滤波效果最好的滤波器进行各种参数设置，使其滤波效果最好。

2.1.1各种滤波器

在这里我们使用了高斯低通滤波器，均值滤波器，中值滤波器，自适应滤波器，二维统计顺序滤波器，二阶Butterworth滤波器分别对X2图像进行滤波。

程序见附录2.1.1

各种滤波结果如下图2.1.1所示：

高斯低通滤波均值滤波

中值滤波自适应滤波

二维统计顺序滤波二阶butterworth滤波

2.1.1

对比分析后我们发现，中值滤波对于去除噪声效果最好，第二好的是二阶butterworth滤波，而自适应滤波去除效果则较差。

所以接下来我们针对中值滤波器和二阶butterworth滤波器进行详细的参数设置，通过多次试验使其达到最好的效果。

2.1.2中值滤波

因为观察X2的原始图像和频谱分布图，我们发现X2存在很明显的椒盐噪声，所以我们可以预见到使用中值滤波对X2进行处理后会有明显的改善。

基本思路是先读入待处理图像，因为我们到观察X2是彩色图，所以我们需要利用rgb2gray函数先将它转换成灰度图，再利用中值滤波器对其进行平滑滤波，分别使用3*3窗口，5*5窗口，7*7窗口，11*11窗口进行处理，分析比较处理结果。

程序见附录2.1.2

X2的处理结果如下图2.1.2所示：

3*3窗口中值滤波7*7窗口中值滤波

11*11窗口中值滤波13*13窗口中值滤波

2.1.2

正如预想的那样，中值滤波对X2会产生明显的效果。

中值滤波对于去除椒盐噪声效果明显，是因为椒盐噪声只在画面上的部分点随机出现，而中值滤波根据数据排序，将未被污染的点代替噪声点的值的概率较大，所以抑制效果好。

但是当我们选择的窗口较小时噪声依然比较严重，当我们把窗口加到11*11时只存在少数噪声，当我们把窗口加到13*13时，噪声基本消除，虽然一些细节也模糊了，但是效果最好。

2.1.3二阶butterworth滤波

基本步骤与中值滤波相似，这里不再赘述。

但是，我们认为二阶butterworth滤波应该达不到中值滤波的效果。

另外，二阶butterworth滤波需要修改与原点的距离d0,来实现最优效果,下图2.1.3分别展示了在d0=10，12,14,16,18,20时的情况。

程序见附录2.1.3

d0=10d0=12

d0=14d0=16

d0=18d0=20

2.1.3

显而易见，无论我们怎么修改参数d0，其结果始终没有中值滤波好。

同时，我们发现就X2图像而言，当d0=14左右时，二阶butterworth滤波器的效果是最好的。

因此，为了达到对X2图像最好的处理效果，我们选择了中值滤波器进行滤波处理。

2.2直方图增强

由于在之前1.1的

（1）中，我们发现通过直方图拉伸来增加对比度的方法几乎没有任何作用，所以对X2不再重复。

因为x2明显存在噪声，所以我们对2.1中去噪后的图进行直方图均衡化处理，具体程序见附录2.2，实验结果见图2.2。

2.2

观察并对比图2.2，我们发现，中值滤波去噪后的图像再做均衡化处理，泛白情况非常严重，严重损害了图像质量，所以直方图均衡的方法不能用于x2图像的增强。

3．边缘提取及增强

图像的边缘部分对应图像上灰度变化剧烈的区域。

图像的边缘提取有多种方法，可以采用一阶微分算子，如sobel算子，Roberts算子，Prewitt算子，Canny算子。

也可以采用二阶微分算子，如Laplacian算子。

各种算子都有对应的优缺点，Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，但Sobel算子对边缘定位不是很准确，图像的边缘不止一个像素。

Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。

Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。

但边缘较宽，而且间断点多。

Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。

Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。

优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像，它是目前边缘检测最常用的算法，效果也是最理想的。

3.1对x1边缘提取及复合

3.1.1对x1边缘提取

根据上述对边缘提取的分析，我们编写了各个边缘提取的程序，希望找到一个最好的边缘提取函数，进而得到最好的图像增强效果。

X1的具体程序见附录3.1.1，实验结果见图3.1.1。

3.1.1

观察对比图3.1.1，可以很明显地发现Canny方法提取的边缘效果最好，这个结果符合我们之前的分析，所以接下来的复合边缘，我们都采取Canny方法。

3.1.2对x1边缘复合

因为对x1做直方图均衡化后，部分图像由于对比度过高而泛白，不但没有增强图像，还损害了图像的部分细节，所以复合时不再考虑叠加均衡化后的图，所以我们的思路是将canny边缘提取图叠加在原图上，进行边缘复合。

具体程序见附录3.1.2，实验结果见图3.1.2。

3.1.2

观察并分析3.1.2，利用canny算子提取边缘后的图像与原图进行叠加，复合后的图像轮廓更加清晰，对比度明显增强，达到了图像增强的效果。

但是提取的边缘过多，很多细节被模糊了，总体效果不是很理想，这是我们需要解决的问题，但是目前还没找到更好的办法。

3.2对x2边缘提取及复合

3.2.1直接对原图x2边缘提取

因为x2是彩色图，所以要对其进行灰度转化，其他操作思路同x1。

x2的具体程序见附录3.2.1，实验结果见图3.2.1。

3.2.1

观察对比图3.2.1，同图3.1.1一样，也可以很明显地发现Canny方法提取的边缘效果最好，所以接下来的复合边缘，我们也就只采取Canny方法进行图像增强。

此外，我们还发现，在提取边缘的同时，我们把噪声也当边缘提取了。

这是因为原图X2有明显的噪声存在，我们在提取边缘时，是提取图像上灰度变化剧烈的区域，自然就会把噪声也提取出来，这是我们不希望看到的，所以在提取边缘之前需要对输入图像X2进行消除噪声的处理。

3.2.2去噪后边缘提取

具体的思路是：

前面我们已经对x2滤波进行去噪处理，发现13*13的中值滤波器具有最好的效果，而且canny算子具有最好的边缘提取效果。

所以我们将采用该尺寸的中值滤波器，对滤波后所得的图，进行canny边缘提取。

具体程序见附录3.2.2，实验结果见图3.2.2。

3.2.2

观察对比图3.2.2，很明显，去噪后得到的边缘图就是我们所需要的。

3.2.3对x2边缘复合

因为直方图均衡不仅不能增强x2,反而由于对比度过高，损害了图像细节，所以复合时，不再考虑叠加直方均衡图。

在前面，我们成功的得到了中值滤波去噪后的图和去噪后的边缘提取图，接下来我们的思路是将这两幅图叠加，来增强图像。

具体程序见附录3.2.3，实验结果见图3.2.3。

3.2.3

观察对比图3.2.3，利用canny算子提取边缘后的图像与原图进行叠加，复合后的图像轮廓更加清晰，很多原来模糊的细节可被肉眼直接观察，比如复合后的图像中指甲也清晰可见。

但是手腕关节处的骨骼由于过多的细节提取被掩盖。

不过总体效果比较理想，图像的对比度明显增强。

作业合作说明

我们三个（厉宏兰，徐节速，李倩）都来自南京天光所，但是之前从未接触过MATLAB