数字图像图像增强实验报告.docx
《数字图像图像增强实验报告.docx》由会员分享,可在线阅读,更多相关《数字图像图像增强实验报告.docx(12页珍藏版)》请在冰豆网上搜索。
数字图像图像增强实验报告
实验:
图像增强
1.实验目的
(1)熟悉并学会使用MATLAB中图像增强的相关函数
(2)了解图像增强的办法、去噪的方法和效果。
2.实验主要仪器设备
(1)微型计算机:
IntelPentium及更高。
(2)MATLAB软件(含图像处理工具箱)。
(3)典型的灰度、彩色图像文件。
3.实验原理
(1)将一副图像视为一个二维矩阵,用MATLAB进行图像增强。
(2)利用MATLAB图像处理工具箱中的函数imread(读)、imshow(显示)、imnoise(加噪)、filter(滤波)对图像进行去噪处理。
(3)图像灰度修正:
灰度变换。
对不满意的图像通过线性或非线性灰度映射关系进行变换,其效果可以得到明显提高。
通过分析,会发现变换前后图像的直方图也发生相应的变化。
(4)图像平滑方法:
领域平均、中值滤波。
分析图像降质的性质,区分平稳性还是非平稳型、加性还是乘性等,采用合适的去噪方法,可以去除或降低噪声对图像的影响。
从频率域看,平均操作在降低噪声的同时衰减了图像的高频分量,会影响图像细节的重现。
中值滤波对某些信号具有不变形,适用于消除图像中的突发干扰,但如果图像含有丰富的细节,则不宜使用。
(5)图像锐化方法:
人眼对目标的边缘和轮廓较为敏感,对图像进行锐化,有助于突出图像的这些特征。
从频率域看,锐化提升了图像的高频分量。
4.实验容
(1)图像灰度修正。
(2)图像平滑方法。
(3)图像锐化方法。
5.实验步骤
(1)图像灰度修正。
读入一幅灰度级分布不协调的图像,分析其直方图。
根据直方图,设计灰度变换表达式,或调用imadjuct函数。
调整变换表达式的参数,直到显示图像的灰度级分布均衡为正。
(2)图像平滑方法。
对有噪声图像或人为加入噪声的图像进行平滑处理。
根据噪声的类型,选择不同的去噪方法,如领域平均、中值滤波等方法,调用filter2、medfilt2函数,选择不同的滤波模板和参数,观测和分析各种去噪方法对不同噪声图像处理的去噪或降噪效果。
(3)图像锐化方法。
读入一幅边缘模糊地图像,利用罗伯茨梯度对图像进行4种蜕化处理,比较各自效果。
。
1.图像灰度修正
img=imread('d:
\001.bmp');
figure();imshow(img);
I=double(img);
val=max(max(I));
a=log2(val);
b=round(a);
max_gray=2^b;
[H,W]=size(I);
J=zeros(H,W);
fori=1:
H
forj=1:
W
J(i,j)=max_gray-1-I(i,j);
end%endforj
end%endfori
img2=uint8(J);
subplot(1,2,1),imshow(img);title('原图');
subplot(1,2,2),imshow(img2);title('变换后');
imwrite(img2,'d:
\2.bmp');
实验截图:
2.1程序代码:
img=imread('d:
\LENA_8G_4bit.bmp');
figure();imshow(img);
subplot(2,1,1);imshow(img);
subplot(2,1,2);imshow(img);
I=double(img);%matlab不支持uint8类型数据的矩阵运算,因此首先要将图像数据转换为double类型,计算后再转换为uint8类型
[H,W]=size(I);
J=zeros(H,W);
fori=1:
H
forj=1:
W
J(i,j)=255.0/15.0*I(i,j);
end;%endforj
end;%endfori
img2=uint8(J);
subplot(1,2,1),imshow(img,[]);title('原图');
subplot(1,2,2),imshow(img2);title('变换后');
imwrite(img2,'d:
\LENA_255G.bmp');
实验截图:
2.2程序代码:
img=imread('d:
\LENA_255G.bmp');
figure();imshow(img);
subplot(2,1,1);imshow(img);
subplot(2,1,2);imshow(img);
I=double(img);%matlab不支持uint8类型数据的矩阵运算,因此首先要将图像数据转换为double类型,计算后再转换为uint8
[H,W]=size(I);
J=zeros(H,W);
fori=1:
H
forj=1:
W
ifI(i,j)<30
J(i,j)=I(i,j);
elseifI(i,j)<150
J(i,j)=170.0/120.0*(I(i,j)-30)+30;
else
J(i,j)=55.0/105.0*(I(i,j)-150)+200;
end;
end;%endforj
end;%endfori
img2=uint8(J);
subplot(1,2,1),imshow(img,[]);title('原图');
subplot(1,2,2),imshow(img2,[]);title('变换后');
imwrite(img2,'d:
\L.bmp');
实验截图:
3.1程序代码:
img=imread('d:
\GIRL_8G.bmp');
I=double(img);
[H,W]=size(I);
max_gray=max(max(I));
L=ceil(log2(max_gray));
gray=2^L-1;
x=0:
gray;
y=zeros(1,gray+1);
fori=1:
H
forj=1:
W
y(img(i,j)+1)=y(img(i,j)+1)+1;
end;
end;
y1=y/(H*W);
S=zeros(1,gray+1);
S
(1)=y1
(1);
fori=2:
length(S)S(i)=S(i-1)+y1(i);end;
S1=floor((S*gray)+0.5);
Z=zeros(H,W);
fori=1:
H
forj=1:
W
Z(i,j)=S1(img(i,j)+1);
end;
end;
img2=uint8(Z);
y2=zeros(1,gray+1);
fori=1:
H
forj=1:
W
y2(img2(i,j)+1)=y2(img2(i,j)+1)+1;
end;
end;
bar(x,y);%原直方图
bar(x,y2);%变换后直方图
subplot(1,2,1);imshow(img,[]);title('原图');
subplot(1,2,2);imshow(img2,[]);title('变换后');
实验截图:
原灰度直方图:
均衡后灰度直方图:
图像平滑和图像锐化
1.加入噪声
title('加入椒盐噪声的图像');
2.图像的平滑
邻域平均模板
加权平均模板
3.邻域平均
M1=(1/4)*[0,1,0;1,0,1;0,1,0];
M2=(1/8)*[1,1,1;1,0,1;1,1,1];
L=imfilter(J,M1);
G=imfilter(J,M2);
subplot(1,2,1);imshow(L);
title('4邻域平均')
subplot(1,2,2);imshow(G);
title('8邻域平均')
4.加权平均
M3=(1/5)*[0,1,0;1,1,1;0,1,0];
M4=(1/16)*[1,2,1;2,4,2;1,2,1];
L=imfilter(J,M3);
G=imfilter(J,M4);
subplot(1,2,1);imshow(L);
title('1/5加权平均')
subplot(1,2,2);imshow(G);
title('1/16加权平均')
图像的锐化
拉普拉斯模板
Laplacian锐化模板
I=imread('fabric.png');%读取图像
K=rgb2gray(I);
M1=[0,1,0;1,-4,1;0,1,0];
M2=[1,1,1;1,-8,1;1,1,1];
K=double(K);
J=conv2(K,M1,'same');%卷积
G=conv2(K,M2,'same');
F=K-J;
E=K-G;
figure,imshow(K,[]),
figure,imshow(J),
figure,imshow(G),
figure,imshow(F,[])
figure,imshow(E,[])
原图像
4-邻域
8-邻域
4-邻域锐化图像
8-邻域锐化图像
小结
∙平均滤波和加权滤波的效果都不怎么好,不能完全除去高斯噪声,它们对椒盐噪声的处理效果比较理想但仍旧存在提升的空间;另外,在对4邻域8邻域的比较以及1/5加权以及1/16加权平均的比较可以看出,多领域的处理效果比较好,但是它的缺点是会引起图像的模糊。
可以肯定的是不同的模版其效果不同,对特定的图像要使用特定的模版。
∙图像变模糊的原因一般为成像系统聚焦不好、信道过窄以及平均过积分运算。
图像的锐化使得目标物轮廓变模糊,细节轮廓不清晰,加重目标物轮廓,使模糊图像变清晰。
拉普拉斯算子是常用的边缘增强算子,拉普拉斯运算也是偏导数运算的线性组合运算,而且是一种各向同性(旋转不变性)的线性运算。
∙在比较4邻域以及8邻域的锐化图像我们可以发现,4邻域锐化在边缘以及与原图像的相似程度上都有比较满意的效果,8邻域锐化在灰度级对比上比4邻域更加优秀,但它的一个缺点是丢失了一部分图像细节,从而导致图片看起来变得“模糊”。