图像增强图像滤波边缘检测的MATLAB实现Word文档格式.docx
《图像增强图像滤波边缘检测的MATLAB实现Word文档格式.docx》由会员分享,可在线阅读,更多相关《图像增强图像滤波边缘检测的MATLAB实现Word文档格式.docx(8页珍藏版)》请在冰豆网上搜索。
J=histeq(I);
%将灰度图像转换成具有64(默认)个离散灰度级的灰度图像
imshow(I)
)
figure,imshow(J)
直方图均衡化后的图像'
figure
(1)
subplot(121);
imhist(I,64)
原始图像的直方图'
subplot(122);
imhist(J,64)
均衡化的直方图'
(请自己运行查看)
分析:
从上图中可以看出,用直方图均衡化后,图像的直方图的灰度间隔被拉大了,均衡化的图像的一些细节显示了出来,这有利于图像的分析和识别。
直方图均衡化就是通过变换函数histeq将原图的直方图调整为具有“平坦”倾向的直方图,然后用均衡直方图校正图像。
下面利用直方图规定化对图像进行增强:
figure,imshow(I);
hgram=50:
2:
250;
%规定化函数
J=histeq(I,hgram);
figure,imshow(J);
直方图规定化后的图像'
figure,imhist(I,64);
figure,imhist(J,64);
直方图规定化后的直方图'
运行结果:
变换灰度间隔后的图像和直方图:
1:
hgram=50:
5:
3
图像滤波的Matlab实现
3.1conv2函数
功能:
计算二维卷积
格式:
C=conv2(A,B)
C=conv2(Hcol,Hrow,A)
C=conv2(...,'
shape'
说明:
对于C=conv2(A,B),conv2的算矩阵A和B的卷积,若[Ma,Na]=size(A),[Mb,Nb]=size(B),则size(C)=[Ma+Mb-1,Na+Nb-1];
C=conv2(Hcol,Hrow,A)中,矩阵A分别与Hcol向量在列方向和Hrow向量在行方向上进行卷积;
C=conv2(...,'
)用来指定conv2
返回二维卷积结果部分,参数shape可取值如下:
》full为缺省值,返回二维卷积的全部结果;
》same返回二维卷积结果中与A大小相同的中间部分;
valid返回在卷积过程中,未使用边缘补0部分进行计算的卷积结果部分,当size(A)>
size(B)时,size(C)=[Ma-Mb+1,Na-Nb+1]。
3.2conv函数
计算多维卷积
与conv2函数相同
3.3filter2函数
计算二维线型数字滤波,它与函数fspecial连用
Y=filter2(B,X)
Y=filter2(B,X,'
对于Y=filter2(B,X),filter2使用矩阵B中的二维FIR滤波器对数据X进行滤波,结果Y是通过二维互相关计算出来的,其大
小与X一样;
对于Y=filter2(B,X,'
),filter2返回的Y是通过二维互相关计算出来的,其大小由参数shape确定,其取值如下
:
》full返回二维相关的全部结果,size(Y)>
size(X);
》same返回二维互相关结果的中间部分,Y与X大小相同;
》valid返回在二维互相关过程中,未使用边缘补0部分进行计算的结果部分,有size(Y)<
size(X)。
3.4fspecial函数
产生预定义滤波器
H=fspecial(type)
H=fspecial('
gaussian'
n,sigma)
高斯低通滤波器
sobel'
)
Sobel水平边缘增强滤波器
prewitt'
Prewitt水平边缘增强滤波器
laplacian'
alpha)
近似二维拉普拉斯运算滤波器
log'
高斯拉普拉斯(LoG)运算滤波器
average'
n)
均值滤波器
unsharp'
模糊对比增强滤波器
对于形式H=fspecial(type),fspecial函数产生一个由type指定的二维滤波器H,返回的H常与其它滤波器搭配使用。
4.滤波
4.1目的
运用中值滤波克服线性滤波器所带来的图像细节模糊。
4.2使用设备
PC兼容机一台,操作系统为Windows2000(或Windows98,WindowsXP,以下默认为Windows2000)
4.3使用滤波对图像进行增强
4.3.1线性滤波(邻域平均)
线性低通滤波器最常用的是线性平滑滤波器,这种滤波器的所有系数都是正的,也称邻域平均。
邻域平均减弱或消除了傅立叶变换的高频分量,对噪声的消除有所增强,但是由于平均而使图像变得更为模糊,细节的锐化程度逐渐减弱。
下面使用不同的平滑模板对图像进行滤波:
(二维线性滤波fliter2)
J=imnoise(I,'
salt&
pepper'
%添加盐椒噪声,噪声密度为默认值0.05
添加盐椒噪声后的图像'
K1=filter2(fspecial('
3),J)/255;
%应用3×
3邻域窗口法
figure,imshow(K1)
3×
3窗的邻域平均滤波图像'
K2=filter2(fspecial('
7),J)/255;
%应用7×
7邻域窗口法
figure,imshow(K2)
7×
7窗的邻域平均滤波图像'
K3=filter2(fspecial('
9),J)/255;
%应用9×
9邻域窗口法
figure,imshow(K3)
9×
9窗的邻域平均滤波图像'
K4=filter2(fspecial('
11),J)/255;
%应用11×
11邻域窗口法
figure,imshow(K4)
11×
11窗的邻域平均滤波图像'
4.3.2中值滤波
中值滤波可以保留目标边缘,这是中值滤波器相对于均值滤波器的最大优势。
中值滤波具有去噪的性能,可以消除孤立的噪声点,可以用来减弱随机干扰和脉冲干扰,但是边缘不模糊。
0.02);
%添加盐椒噪声,噪声密度为0.02
)
K1=medfilt2(J);
%在默认的3×
3的邻域窗中进行中值滤波
默认的3×
3的邻域窗的中值滤波图像'
K2=medfilt2(J,[55]);
%在5×
5的邻域窗中进行中值滤波
5×
5的邻域窗的中值滤波图像'
从上可见,中值滤波的效果要比邻域平均的低通滤波效果好,中值滤波以后的图像的轮廓比较清晰,而且使用较小的模板得到的视觉效果反而好一些。
4.3.3锐化滤波
图像锐化处理的目的是使模糊图像变得清晰,锐化滤波器减弱或消除了傅立叶空间的低频分量,保留高频分量,从而加强了图像的轮廓,使图像看起来比较清晰。
下面应用Laplacian算子对图像进行锐化处理:
Laplacian算子是线性二次微分算子,其格式为:
h=fspecial('
alpha),返回一个3×
3的滤波器来近似二维Laplacian算子的形状,参数alpha决定了Laplacian算子的形状,alpha的取值范围为0.0~1.0,默认的值为0.2。
%应用Laplacian算子对图像进行锐化
H=fspecial('
%应用laplacian算子滤波锐化图像
laplacianH=filter2(H,I);
figure,imshow(laplacianH)
laplacian算子锐化后的图像'
由图可以看出,应用了Laplacian算子对图像锐化以后,将图像区域的边缘轮廓勾划了出来,因此Laplacian算子对于边缘检测也具有很好的功效。
5.边缘检测
下面利用sobel算子对图像进行边缘检测:
使用edge函数实现图像的边缘检测,其调用格式为:
BW=edge(I,'
thresh,direction)
根据指定的敏感阈值thresh用Sobel算子对图像进行边缘检测,edge函数忽略了所有小于阈值的边缘,如果没有指定阈值thresh或为空,函数自动选择参数值,direction指定Sobel算子边缘检测的方向,其参数值为'
horizontal'
,'
vertical'
或'
both'
(默认)。
BW=edge(I,'
%以自动域值选择法对图像进行Sobel算子边缘检测
figure,imshow(BW);
自动域值的Sobel算子边缘检测'
[BW,thresh]=edge(I,'
%返回当前Sobel算子边缘检测的阈值
disp('
sobel算子自动选择的阈值为:
'
disp(thresh)
BW1=edge(I,'
0.02,'
%以域值为0.02水平方向对图像进行Sobel算子边缘检测
figure,imshow(BW1)
域值为0.02的水平方向的sobel算子检测'
BW2=edge(I,'
%以域值为0.02垂直方向对图像进行Sobel算子边缘检测
figure,imshow(BW2)
域值为0.02的垂直方向的sobel算子检测'
BW3=edge(I,'
0.05,'
%以域值为0.05水平方向对图像进行Sobel算子边缘检测
figure,imshow(BW3)
域值为0.05的水平方向的sobel算子检测'
BW4=edge(I,'
%以域值为0.05垂直方向对图像进行Sobel算子边缘检测
figure,imshow(BW4)
域值为0.05的垂直方向的sobel算子检测'
测试结果图:
sobel算子自动选择的阈值为:
0.1433
由图可以看出,在采用水平和垂直方向的Sobel算子对图像进行边缘检测时,分别对应的水平和垂直方向上的边缘有较强的响应,阈值越小,检测的图像的边缘细节数越多,而增大阈值时,有些轮廓则未能检测出。
其用法和Sobel算子类似。
其调用格式为:
thresh,direction)根据指定的敏感阈值thresh用Prewitt算子对图像进行边缘检测。
%以自动域值选择法对图像进行Prewitt算子边缘检测
自动域值的prewitt算子边缘检测'
%返回当前Prewitt算子边缘检测的阈值
prewitt算子自动选择的阈值为:
%以域值为0.02水平方向对图像进行Prewitt算子边缘检测
域值为0.02的水平方向的prewitt算子检测'
%以域值为0.02垂直方向对图像进行Prewitt算子边缘检测
域值为0.02的垂直方向的prewitt算子检测'
%以域值为0.05水平方向对图像进行Prewitt算子边缘检测
域值为0.05的水平方向的prewitt算子检测'
%以域值为0.05垂直方向对图像进行Prewitt算子边缘检测
域值为0.05的垂直方向的prewitt算子检测'
测试结果:
0.1399
(本资料素材和资料部分来自网络,仅供参考。
请预览后才下载,期待您的好评与关注!