收藏
下载资源下载资源 加入VIP,免费下载

数字图像处理上机图像平滑锐化教材.docx

上传人：b****8 文档编号：9963937 上传时间：2023-02-07 格式：DOCX 页数：20 大小：1.19MB
下载 相关 举报
数字图像处理上机图像平滑锐化教材.docx_第1页
第1页 / 共20页
数字图像处理上机图像平滑锐化教材.docx_第2页
第2页 / 共20页
数字图像处理上机图像平滑锐化教材.docx_第3页
第3页 / 共20页
数字图像处理上机图像平滑锐化教材.docx_第4页
第4页 / 共20页
数字图像处理上机图像平滑锐化教材.docx_第5页
第5页 / 共20页
点击查看更多>>
下载资源
资源描述

数字图像处理上机图像平滑锐化教材.docx

《数字图像处理上机图像平滑锐化教材.docx》由会员分享，可在线阅读，更多相关《数字图像处理上机图像平滑锐化教材.docx（20页珍藏版）》请在冰豆网上搜索。

数字图像处理上机图像平滑锐化教材.docx

数字图像处理上机图像平滑锐化教材

中国地质大学（武汉）

数字图像处理上机实习

（第二专题）

学生姓名：

班级：

学号：

指导老师：

实验题目

一、图象灰度变换

0,显示灰度图象p02-01~p02-06及直方图；

1，对灰度图象p02-04的灰度范围进行适当展宽；

二、图象平滑

4，对p02-04jy、p02-04gs进行5*5方形窗口的最大均匀性平滑滤波，并比较其效果；

三、图象锐化

4，利用3*3的Krisch算子对p02-04实施图象锐化，二维梯度模板为：

H1=

，H2=

H3=

，H4=

实验内容

一图象灰度变换

要求（1-0）显示灰度图象p02-01~p02-06及直方图；

1.程序代码

I=imread（'D:

\matlab2011\work\p02-01.bmp'）;

subplot（621）

imshow（I）

title（'图像'）

subplot（622）,imhist（I,256）

title（'图像直方图'）

I=imread（'D:

\matlab2011\work\p02-02.tif'）;

subplot（623）

imshow（I）

subplot（624）,imhist（I,256）

I=imread（'D:

\matlab2011\work\p02-03.tif'）;

subplot（625）

imshow（I）

subplot（626）,imhist（I,256）

I=imread（'D:

\matlab2011\work\p02-04.tif'）;

subplot（6,2,7）

imshow（I）

subplot（6,2,8）,imhist（I,256）

I=imread（'D:

\matlab2011\work\p02-05.bmp'）;

subplot（6,2,9）

imshow（I）

subplot（6,2,10）,imhist（I,256）

I=imread（'D:

\matlab2011\work\p02-06.tif'）;

subplot（6,2,11）

imshow（I）

subplot（6,2,12）,imhist（I,256）

所用函数：

I=imread（‘path’）：

函数imread用于读取图片文件中的数据，path为图像文件存放路径。

figure（'Name','图像'）：

打开一个命名为“图像显示类”图表显示图片。

subplot（m,n,p）：

subplot是将多个图画到一个平面上的工具。

其中，m表示是图排成m行，n表示图排成n列，也就是整个figure中有n个图是排成一行的，一共m行，如果m=2就是表示2行图。

p表示图所在的位置，p=1表示从左到右从上到下的第一个位置。

本程序中为6行2列。

imshow（I）：

imshow是matlab中显示图像的函数，I为图像中的信息。

其调用方式有很多，比如imshow（BW）;imshow（I,[lowhigh]）等。

imhist（I,256）:

n为灰度图像灰度级，I为灰度图像，缺省值为256。

2.运行结果

要求（1-4）对灰度图象p02-04的灰度范围进行适当展宽

1.程序代码

J=imread（'D:

\matlab2011\work\p02-04.tif'）;

subplot（131）

imshow（J,[100,150]）;

title（'灰度范围100-150'）

J=imread（'D:

\matlab2011\work\p02-04.tif'）;

subplot（132）

imshow（J,[50,200]）;

title（'灰度范围50-200'）

J=imread（'D:

\matlab2011\work\p02-04.tif'）;

subplot（133）

imshow（J,[0,255]）;

title（'灰度范围0-255'）

相关函数：

imshow（J,[50,200]）:

J代表所显示图像的灰度矩阵，[50,200]为图像数据的值域。

2.运行结果

二图象平滑

要求（2-2）对p02-02jy、p02-02gs进行3*3方形窗口的灰度最相近的K个邻点平均法滤波

1.程序代码

A=imread（'D:

\matlab2011\work\p02-04.tif'）;

figure（'Name','图像显示'）;

subplot（3,2,1）;

imshow（A）;%显示灰度图像

title（'原图象P01-01'）;

J1=imnoise（A,'salt&pepper',0.02）;%加均值为0，方差为0.02的椒盐噪声

subplot（3,2,3）;

imshow（J1）;%显示灰度图像

title（'椒盐噪声图象'）;

K1=filter2（fspecial（'average',3）,J1）/255;

subplot（3,2,4）;

imshow（K1）;%显示灰度图像

title（'椒盐噪声平滑图象'）;

J2=imnoise（A,'gaussian',0.02）;%加均值为0，方差为0.02的高斯噪声。

subplot（3,2,5）;

imshow（J1）;%显示灰度图像

title（'高斯噪声图象'）;

K2=filter2（fspecial（'average',3）,J1）/255;

subplot（3,2,6）;

imshow（K2）;%显示灰度图像

title（'高斯噪声平滑图象'）;

2.运行结果

对p02-02jy、p02-02gs进行3*3方形窗口的灰度最相近的K个邻点平均法滤波，滤波后椒盐噪声和高斯噪声均减少，但图像变得模糊。

 

要求（2-4）对p02-04jy、p02-04gs进行方形窗口的最大均匀性平滑滤波

1.算法设计

为避免消除噪声时引起边缘模糊，最大均匀性平滑算法先找出环绕每像素的灰度最均匀窗口，然后用该窗口的灰度均值代替该像素原来的灰度值。

具体来说，对图像中任一像素（x,y）的5个有重叠的3*3邻域，用梯度衡量它们的灰度变换大小。

把其中灰度变换最小的邻域作为最均匀的窗口，用其平均灰度代替像素（x,y）的灰度值。

2.程序代码

A=imread（'D:

\matlab2011\work\p02-04.tif'）;

J1=imnoise（A,'salt&pepper',0.01）;%加椒盐噪声

G1=imnoise（A,'gaussian',0.01）;%加高斯噪声

subplot（2,2,1）;

imshow（J1）;

title（'p02-04jy'）;

subplot（2,2,3）;

imshow（G1）;

title（'p02-04gs'）;

%%%%%%%%%%%3*3最大均匀性平滑滤波%%%%%%%%%%%%

[W,L]=size（J1）;

J2=double（J1）;

G2=double（G1）;

G3=double（G1）;

J3=double（J1）;

Com=zeros（1,5）;

COM=double（Com）;

COM1=double（Com）;

%%%%%%%%%%%%%%%%计算梯度%%%%%%%%%%%%%%%

fori=3:

L-2

forj=3:

W-2

COM

（1）=abs（J2（i-2,j-2）-J2（i,j））+abs（J2（i-2,j-1）-J2（i,j））+abs（J2（i-2,j）-J2（i,j））+abs（J2（i-1,j-2）-J2（i,j））+abs（J2（i-1,j-1）-J2（i,j））+abs（J2（i-1,j）-J2（i,j））+abs（J2（i,j-2）-J2（i,j））+abs（J2（i,j-1）-J2（i,j））;

COM

（2）=abs（J2（i+2,j-2）-J2（i,j））+abs（J2（i+2,j-1）-J2（i,j））+abs（J2（i+2,j）-J2（i,j））+abs（J2（i+1,j-2）-J2（i,j））+abs（J2（i+1,j-1）-J2（i,j））+abs（J2（i+1,j）-J2（i,j））+abs（J2（i,j-2）-J2（i,j））+abs（J2（i,j-1）-J2（i,j））;

COM（3）=abs（J2（i-2,j+2）-J2（i,j））+abs（J2（i-2,j+1）-J2（i,j））+abs（J2（i-2,j）-J2（i,j））+abs（J2（i-1,j+2）-J2（i,j））+abs（J2（i-1,j+1）-J2（i,j））+abs（J2（i-1,j）-J2（i,j））+abs（J2（i,j+2）-J2（i,j））+abs（J2（i,j+1）-J2（i,j））;

COM（4）=abs（J2（i+2,j+2）-J2（i,j））+abs（J2（i+2,j+1）-J2（i,j））+abs（J2（i+2,j）-J2（i,j））+abs（J2（i+1,j+2）-J2（i,j））+abs（J2（i+1,j+1）-J2（i,j））+abs（J2（i+1,j）-J2（i,j））+abs（J2（i,j+2）-J2（i,j））+abs（J2（i,j+1）-J2（i,j））;

COM（5）=abs（J2（i-1,j-1）-J2（i,j））+abs（J2（i-1,j）-J2（i,j））+abs（J2（i-1,j+1）-J2（i,j））+abs（J2（i,j+1）-J2（i,j））+abs（J2（i,j-1）-J2（i,j））+abs（J2（i+1,j-1）-J2（i,j））+abs（J2（i+1,j）-J2（i,j））+abs（J2（i+1,j+1）-J2（i,j））;

COM1

（1）=abs（G2（i-2,j-2）-G2（i,j））+abs（G2（i-2,j-1）-G2（i,j））+abs（G2（i-2,j）-G2（i,j））+abs（G2（i-1,j-2）-G2（i,j））+abs（G2（i-1,j-1）-G2（i,j））+abs（G2（i-1,j）-G2（i,j））+abs（G2（i,j-2）-G2（i,j））+abs（G2（i,j-1）-G2（i,j））;

COM1

（2）=abs（G2（i+2,j-2）-G2（i,j））+abs（G2（i+2,j-1）-G2（i,j））+abs（G2（i+2,j）-G2（i,j））+abs（G2（i+1,j-2）-G2（i,j））+abs（G2（i+1,j-1）-G2（i,j））+abs（G2（i+1,j）-G2（i,j））+abs（G2（i,j-2）-G2（i,j））+abs（G2（i,j-1）-G2（i,j））;

COM1（3）=abs（G2（i-2,j+2）-G2（i,j））+abs（G2（i-2,j+1）-G2（i,j））+abs（G2（i-2,j）-G2（i,j））+abs（G2（i-1,j+2）-G2（i,j））+abs（G2（i-1,j+1）-G2（i,j））+abs（G2（i-1,j）-G2（i,j））+abs（G2（i,j+2）-G2（i,j））+abs（G2（i,j+1）-G2（i,j））;

COM1（4）=abs（G2（i+2,j+2）-G2（i,j））+abs（G2（i+2,j+1）-G2（i,j））+abs（G2（i+2,j）-G2（i,j））+abs（G2（i+1,j+2）-G2（i,j））+abs（G2（i+1,j+1）-G2（i,j））+abs（G2（i+1,j）-G2（i,j））+abs（G2（i,j+2）-G2（i,j））+abs（G2（i,j+1）-G2（i,j））;

COM1（5）=abs（G2（i-1,j-1）-G2（i,j））+abs（G2（i-1,j）-G2（i,j））+abs（G2（i-1,j+1）-G2（i,j））+abs（G2（i,j+1）-G2（i,j））+abs（G2（i,j-1）-G2（i,j））+abs（G2（i+1,j-1）-G2（i,j））+abs（G2（i+1,j）-G2（i,j））+abs（G2（i+1,j+1）-G2（i,j））;

%%%%%%%%%%%%%%找出梯度值最小的3*3邻域（灰度变换最小的邻域）%%%%%%%%%%

temp=min（COM）;

fork=1:

5

iftemp==（COM（k））t=k;

end

end

%%%%%%%%%%%%%%%%%计算该邻域平均灰度%%%%%%%%%%%%%%%

if（k==1）

J3（i,j）=J2（i-2,j-2）/9+J2（i-2,j-1）/9+J2（i-2,j）/9+J2（i-1,j-2）/9+J2（i-1,j-1）/9+J2（i-1,j）/9+J2（i,j-2）/9+J2（i,j-1）/9+J2（i,j-2）/9;

end

if（k==2）

J3（i,j）=J2（i+2,j-2）/9+J2（i+2,j-1）/9+J2（i+2,j）/9+J2（i+1,j-2）/9+J2（i+1,j-1）/9+J2（i+1,j）/9+J2（i,j-2）/9+J2（i,j-1）/9+J2（i,j-2）/9;

end

if（k==3）

J3（i,j）=J2（i-2,j+2）/9+J2（i-2,j+1）/9+J2（i-2,j）/9+J2（i-1,j+2）/9+J2（i-1,j+1）/9+J2（i-1,j）/9+J2（i,j+2）/9+J2（i,j+1）/9+J2（i,j+2）/9;

end

if（k==4）

J3（i,j）=J2（i+2,j+2）/9+J2（i+2,j+1）/9+J2（i+2,j）/9+J2（i+1,j+2）/9+J2（i+1,j+1）/9+J2（i+1,j）/9+J2（i,j+2）/9+J2（i,j+1）/9+J2（i,j+2）/9;

end

if（k==5）

J3（i,j）=J2（i-1,j-1）/9+J2（i,j-1）/9+J2（i+1,j-1）/9+J2（i-1,j）/9+J2（i,j）/9+J2（i+1,j）/9+J2（i-1,j+1）/9+J2（i,j+1）/9+J2（i+1,j+1）/9;

end

temp=min（COM1）;

fork=1:

5

iftemp==（COM1（k））t=k;

end

end

if（k==1）

G3（i,j）=G2（i-2,j-2）/9+G2（i-2,j-1）/9+G2（i-2,j）/9+G2（i-1,j-2）/9+G2（i-1,j-1）/9+G2（i-1,j）/9+G2（i,j-2）/9+G2（i,j-1）/9+G2（i,j-2）/9;

end

if（k==2）

G3（i,j）=G2（i+2,j-2）/9+G2（i+2,j-1）/9+G2（i+2,j）/9+G2（i+1,j-2）/9+G2（i+1,j-1）/9+G2（i+1,j）/9+G2（i,j-2）/9+G2（i,j-1）/9+G2（i,j-2）/9;

end

if（k==3）

G3（i,j）=G2（i-2,j+2）/9+G2（i-2,j+1）/9+G2（i-2,j）/9+G2（i-1,j+2）/9+G2（i-1,j+1）/9+G2（i-1,j）/9+G2（i,j+2）/9+G2（i,j+1）/9+G2（i,j+2）/9;

end

if（k==4）

G3（i,j）=G2（i+2,j+2）/9+G2（i+2,j+1）/9+G2（i+2,j）/9+G2（i+1,j+2）/9+G2（i+1,j+1）/9+G2（i+1,j）/9+G2（i,j+2）/9+G2（i,j+1）/9+G2（i,j+2）/9;

end

if（k==5）

G3（i,j）=G2（i-1,j-1）/9+G2（i,j-1）/9+G2（i+1,j-1）/9+G2（i-1,j）/9+G2（i,j）/9+G2（i+1,j）/9+G2（i-1,j+1）/9+G2（i,j+1）/9+G2（i+1,j+1）/9;

end

end

end;

subplot（2,2,2）;

imshow（uint8（J3））;

title（'jy经3*3最大均匀滤波'）;

subplot（2,2,4）;

imshow（uint8（G3））;

title（'gs经3*3最大均匀滤波'）;

3.运行结果

 

三图象锐化

要求（3-4）利用3*3的Krisch算子对p02-04实施图象锐化

1.算法设计

1971年，R.Kirsch提出了一种能检测边缘方向的Kirsch算子新方法：

它使用了8个模板来确定梯度幅度值和梯度的方向。

算法流程图

读入图像，对边界点赋值，再利用krisch算子算出每个像素点梯度值，找出最大的梯度值并保存。

算出梯度后，根据需要生成三种不同的增强图像。

 

2.程序代码

A=imread（'D:

\matlab2011\work\p02-04.tif'）;

figure（'Name','图像显示'）;

subplot（2,2,1）;

imshow（A）;%显示灰度图像

f=im2double（A）;%类型转换

title（'原图象P02-04'）;

B=imkrisch（f,0.7,0）

subplot（2,2,2）;

imshow（B）;%显示灰度图像

title（'锐化图象1P02-04'）;

B=imkrisch（f,0.7,1）

subplot（2,2,3）;

imshow（B）;%显示灰度图像

title（'锐化图象2P02-04'）;

B=imkrisch（f,0.7,2）

subplot（2,2,4）;

imshow（B）;%显示灰度图像

title（'锐化图象3P02-04'）;

相关函数：

function[g]=imkrisch（f,T,way）

%用imkrisch算子进行图像锐化

%f为输入图像

%T为比较的阈值

%way为算子的输出方式

%way0、1、2

in=nargin;

ifin<3

error（'Notenoughinputargument'）;

end

fs=size（f）;

m=fs（1,1）;

n=fs（1,2）;

if（m<=1）||（n<=1）

g=f;

return;

end

%直接对整个图像赋值，简化算法

g=f;

fori=2:

m-1

forj=2:

n-1

m_krisch=[f（i-1,j-1）,f（i-1,j）,f（i-1,j+1）,f（i,j-1）,...

f（i,j+1）,f（i+1,j-1）,f（i+1,j）,f（i+1,j+1）];

w_krisch=[5,5,5,-3,-3,-3,-3,-3;...

-3,-3,5,-3,5,-3,-3,5;...

-3,-3,-3,-3,-3,5,5,5;...

5,-3,-3,5,-3,5,-3,-3];

con=abs（m_krisch*（w_krisch'））;

g（i,j）=max（con）;

end

end

%判定输出的形式

%使用4.3.9公式大于T:

g小于T：

0黑

ifway==2

fori=1:

m-1

forj=1:

n-1

ifg（i,j）>T

g（i,j）=g（i,j）;

else

g（i,j）=0;

%g（i,j）=g（i,j）;

end

end

end

end

%else%使用4.3.8公式大于T:

g小于T：

f

ifway==1

fori=1:

m-1

forj=1:

n-1

ifg（i,j）

g（i,j）=f（i,j）;

end

end

end

end

ifway==0

fori=1:

m-1

forj=1:

n-1

ifg（i,j）>T

g（i,j）=g（i,j）;

else

g（i,j）=g（i,j）;

end

end

end

end

end

3.运行结果及分析

（1）采用Krisch算子，采用三种不同的增强图像方法

锐化图像1：

使原图像各点（x,y）的灰度g（x,y）等于梯度，即：

g（x,y）=grad（x,y）

此法的缺点是增强的图像仅显示灰度变化比较陡的边缘轮廓，而灰度变化比较平缓或均匀的区域呈黑色。

锐化图像2：

T为阈值。

适当选取T，可使边缘轮廓突出，又不会破坏原来灰度变化计较平缓的背景

锐化图像3：

T为阈值，适当选取T。

背景用固定灰度级表示，便于观察边缘灰度变化。

（2）采用Krisch算子，采用增强图像方法一，阈值分别设置为0.4、0.7、0.95

 

 

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置：首页 > 农林牧渔 > 林学

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1