实验一图像增强.docx

实验一图像增强.docx

《实验一图像增强.docx》由会员分享，可在线阅读，更多相关《实验一图像增强.docx（13页珍藏版）》请在冰豆网上搜索。

实验一图像增强

实验报告

实验课程:

光电图像处理

姓名：

xxxx

学号：

xxxxxxxxxxxx

实验地点：

xxxxxxx

指导老师：

xxx

实验时间：

xxxx年x月xx日

一．实验名称：

空间图像增强

（一）

二．实验目的

1．熟悉和掌握利用matlab工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。

2．熟练掌握各种空间域图像增强的基本原理及方法。

3．熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。

4．熟悉直方图均衡化的基本原理、方法和实现。

三．实验原理

（一）数字图像的灰度变换

1、线性灰度变换

1）当图像成像过程曝光不足或过度,或由于成像设备的非线性和图像记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图像中的细节分辨不清。

这时可将灰度范围进行线性扩展/压缩，这种处理过程被称为图像的线性灰度变换。

设f（x,y）灰度范围为[a,b]，g（x,y）灰度范围为[c,d]，则有：

2）分段处理：

将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域。

设f（x,y）灰度范围为[0,Mf]，g（x,y）灰度范围为[0,Mg],则有：

2、非线性灰度变换（对数变换或幂律变换选作其一）

1）对数变换

其中，f为输入灰度级,g为变换后的灰度级，c为一个比例因子。

2）幂律（伽马）变换

其中，f为输入灰度级,g为变换后的灰度级，c为一个比例因子。

g为一

个幂指数，不同的取值范围，将产生不同的变换效果。

（二）直方图处理

1）定义（两种）：

a）一幅灰度级范围在[0,L-1]的数字图像的直方图定义为以下离散函数，即：

其中，

是图像中灰度级为

的像素个数。

是第k个灰度级，k=0,1,2,…,L-1。

这里，直方图表示图像中不同灰度级像素出现的次数，或者不同灰度级的像素数目。

b）一幅灰度级范围在[0,L-1]的数字图像的直方图定义为以下离散函数，即：

其中,n是图像的像素总数,nk是图像中灰度级为rk的像素个数;rk是第k个灰度级,k=0,1,2,…,L-1。

此处，直方图表示图像中不同灰度级像素出现的概率。

四．实验步骤

（一）数字图像的灰度变换

1、线性灰度变换

1）读取一幅对比度低的灰度图像，并显示。

2）以m文件形式编写matlab代码，实现数字图像的灰度范围由[a,b]到[c,d]的线性拉伸，以便于提升原图像的对比度。

线性灰度变换公式如下：

（1）

其中，f（x,y）为原始图像，灰度范围为[a,b]，g（x,y）为增强后的数字图像，灰度范围为[c,d]。

3）显示经过线性灰度变换后的图像及变换曲线图。

4）以另一个文件名形式保存灰度变换后的图像。

程序设计流程图：

图1

2、非线性灰度变换（对数变换或幂律变换选作其一）

1）读取一幅灰度图像，并显示。

2）进行对数变换或伽马变换

3）显示变换后的图像，并利用matlab工具画出对数或幂律变换曲线。

4）以另一个文件名形式保存变换后的图像。

程序设计流程图：

（这里以对数变换为例）

图2

（二）直方图处理

1）读取一幅灰度图像，并显示原始图像。

2）编写m文件实现对输入图像2种定义下的直方图统计统计（即各个灰度级出现的次数及概率分布），并分别画出两种定义下的直方图。

3）对输入灰度图像进行直方图均衡化处理，分别显示均衡处理前后的图像和对应的直方图。

图3

程序流程图：

五．实验结果及分析

（一）数字图像的灰度变换

实验结果：

1、线性灰度变换

图4

图5

2、非线性灰度变换（对数变换或幂律变换选作其一）

图6

（二）直方图处理

图7

实验分析：

1.对于对比度低的图像，对其进行线性灰度变换拉升处理，可使处理后的图像对比度极大增强。

从图5中可看到，处理后的图像明显变亮，且更加清晰。

2.非线性灰度变换：

从图6中的对比中可以看出

a）在对数变换中，低灰度区扩展，高灰度区压缩。

b）在伽马变换中，低灰度区压缩，高灰度区扩展。

（前提：

）

3.直方图均衡化处理，将原来较为狭窄的灰度区间均匀拉伸，使图像对比度增大，图像看起来就更清晰了，利于观察。

它实质上是通过减少图像的灰度级以换取对比度的增大

六.实验心得体会和建议

心得体会：

通过本次实验，巩固和加深了对空域图像增强相关理论知识的理解，同时还学习到了matlab中关于如何读取图像，转化图像，显示图像的技术，并且熟悉了直方图均衡化的相关算法，使我不仅对matlab有了深一步的认识，同时对图像处理产生了浓厚的兴趣，收益匪浅。

建议：

在进行非线性灰度变化时，对于对数变换可以分别使用不同的c值，对于伽马变换可以有规律的改变c值及γ值，通过多次的测量，绘图可以深入理解非线性图像变换的作用。

在进行图像的均衡化处理时，有余力的话可以自行使用histeq（）函数再次处理原图像，与之前的均衡化处理进行对比，观察不同，找出各自的优缺点。

七.程序源代码

（一）数字图像的灰度变换

1、线性灰度变换

%读取图像并转化为灰度图

I1=imread（'E:

\学科\光电图像处理\实验\1.jpg'）;

I1=rgb2gray（I1）;

%读取灰度图最值,并进行线性变换

a=min（min（I1））;b=max（max（I1））;

c=0;d=255;

I2=（（d-c）/（b-a））*（I1-a）+c;

%显示灰度变换曲线图

x=[a:

b];

y=（（d-c）/（b-a））*（x-a）+c;

plot（x,y）,title（'LinearTransformationCurve'）,xlabel（'x'）,ylabel（'y'）

%显示原图

figure,subplot（2,2,1）;

imshow（I1）,title（'Originalimage'）;

%显示变换后的图

subplot（2,2,2）;

imshow（I2）,title（'LinearTransformationimage'）

%显示原图直方图

subplot（2,2,3）

imhist（I1）,title（'OriginalHistogram'）,xlabel（{'';'Graylevel'}）,ylabel（'Number'）

%显示变换后图像直方图并保存

subplot（2,2,4）

imhist（I2）,title（'LinearTransformationHistogram'）

xlabel（{'';'Graylevel'}）;ylabel（'Number'）

imwrite（I2,'E:

\学科\光电图像处理\实验\1.1.jpg','jpg'）

2、非线性灰度变换（对数变换或幂律变换选作其一）

%读取原图像并转为灰度图

I1=imread（'E:

\学科\光电图像处理\实验\3.jpg'）;

I1=rgb2gray（I1）;

%显示原图像

subplot（2,3,1）

imshow（I1）,title（'Originalimage'）

%进行对数和伽玛变换

c1=80;c2=1.2;gamma=1.5;

I2=c1*log（1+double（I1））;

I3=c2*（double（I1）.^gamma）;

%分别显示对数和伽玛变换后的图像

subplot（2,3,2）imshow（uint8（I2））,title（'LogTransformationImage'）

subplot（2,3,3）

imshow（uint8（I3））,title（'GammaTransformationImage'）

%计算相关变换的曲线

a=min（min（I1））;b=max（max（I1））;

x=0:

255;

x=[double（a）:

0.2:

double（b）];

y1=c1*log（1+x）;

y2=c2*（x.^gamma）;

%分别画出对数和伽玛变换后的曲线

subplot（2,3,5）

plot（x,y1）,title（'LogTransformationCurve'）,xlabel（'x'）,ylabel（'y'）

subplot（2,3,6）

plot（x,y2）,title（'GammaTransformationCurve'）,xlabel（'x'）,ylabel（'y'）

%保存灰度图

imwrite（I2,'E:

\学科\光电图像处理\实验\3.1.jpg','jpg'）

imwrite（I3,'E:

\学科\光电图像处理\实验\3.2.jpg','jpg'）

（二）直方图处理

%读图并显示

I1=imread（'pout.tif'）;

subplot（231）,imshow（I1）,title（'Originalimage'）

%统计每一灰度级出现次数

h1=zeros（1,256）;

fork=1:

256

h1（k）=length（find（I1==k-1））;

end

%画出两种定义下的直方图

r=0:

255;

subplot（232）,bar（r,h1）,title（'OriginalHistogram'）

xlim（[0,255]）,xlabel（'Graylevel'）,ylabel（'Number'）

[m,n]=size（I1）;

p=h1/（m*n）;

subplot（233）,bar（r,p）,title（'OriginalProbabilityHistogram'）

xlim（[0,255]）,xlabel（'Graylevel'）,ylabel（'Probability'）

%直方图均衡化并显示出均衡后的图像

p1=p;

p1

（1）=p

（1）;

fori=2:

256;

p1（i）=p（i）+p1（i-1）;

end

I2=round（p1*256）;

I3=I1;

fori=1:

m

forj=1:

n

I3（i,j）=I2（I1（i,j）+1）;

end

end

subplot（234）,imshow（I3）,title（'Equalizedimage'）

%统计均衡图中的两种定义下的直方图并显示

fork=1:

256

h2（k）=length（find（I3==k））;

end

subplot（235）,bar（r,h2）,title（'EqualizedHistogram'）

xlim（[0,255]）,xlabel（'Graylevel'）,ylabel（'Number'）

p2=h2/（m*n）;

subplot（236）,bar（r,p2）,title（'EqualizedProbabilityHistogram'）

xlim（[0,255]）,xlabel（'Graylevel'）,ylabel（'Probability'）

八.思考题

1.为了扩展一幅图像的灰度，使其最低灰度为C、最高灰度为L-1，试给出一个单调的灰度变换函数。

答：

不妨设原图像f（x,y）的灰度最小值为a，最大值为b。

变换后的图像为g（x,y），则有：

上式即为给出的单调灰度变换函数。

2.数字图像经过对数变换与幂律变换后，变换结果有什么差异？

请按不同参数的取值范围进行具体分析。

答：

对数变换：

对数变换的底数越大，对低灰度区扩展和高灰度区压缩就越强，而c则将其倍数放大。

伽马变换：

当

时，伽马变换的作用与对数变换相近，

当

时，γ越大，对低灰度区压缩和高灰度区扩展也就越强。

3.从连续函数的概率分布来分析，直方图均衡处理可以使得各个灰度级分布变为均匀分布，即拉平直方图。

而对实际数字图像的处理结果却是一种近似平直，而不是严格意义上的均匀直方图，试说明其理由。

答：

由于图像的灰度值是离散的，并不是从0-255连续变化。

在均衡化处理时，会由于四舍五入的关系，拉直图像时为近似拉直，无法做到完全均匀。

报告评分：

指导教师签字：