数字图像处理图像增强.docx

1、数字图像处理图像增强图像增强1、实验目的1. 熟练掌握图像的灰度修正，平滑去燥，锐化增强处理的原理。2. 自如的应用MATLAB环境对图像进行灰度变换、直方图处理，平滑处理，锐化处理。2、实验原理 1. 灰度变换灰度变换是直接对像素进行处理，常用三种基本函数，线性函数、对数函数、幂函数。可以完成图像的反转、拉伸、校正等，改变图像对比度、增加灰度宽度。 灰度线性变换增强使用：J=imadjust(I,low high,bottom top,gamma); low high原图像要变换的灰度范围，bottom top指定的变换后的灰度范围，gamma为校正量，gamma1线性校正，gamma1抛物

2、线校正，gamma1三次曲线校正。newmap=imadjust(map,low high,bottom top,gamma)调整索引图像的调色板。2. 直方图校正 直方图是图像的灰度概率统计图，修改直方图可以改变图像灰度分布状态，从而改变图像对比度。直方图显示使用imhist(A),直方图均衡化使用J=histeq(I,n) n表示输出图像的灰度级数目，默认64；J,T=histeq(I,)表示I的直方图变成J的直方图T。直方图规定化使用J=histeq(I,n,hgram) hgram指定直方图向量。3. 图像滤波器 图像滤波器实质上是一种离散卷积处理，也叫掩膜操作。通过使用不同模板获得不

3、同结果。平滑模板使图像模糊但可消除噪声，锐化模板可以提高线、点的立体效果从而实现图像分割的功能。（1）建立滤波算子：h=fspecial (type); h=fspecial (type,para),其中type指定算子的类型，有：average均值滤波，参数hsize代表模板尺寸，默认为3,3；disk圆形区域的均值滤波，参数为radius代表区域半径,默认为5；gaussian为低通高斯滤波，参数hsize代表模板尺寸，默认为3,3，sigma是滤波的标准差/象素，默认为0.5；laplacian为拉普拉斯算子，参数alpha用于控制算子形状，取值0,1，默认为0.2；log为 拉普拉斯高

4、斯算子，参数hsize代表模板尺寸，默认为3,3，sigma是滤波的标准差/象素，默认为0.5；motion运动模糊算子，表示摄像物体逆时针方向以thera角度运动了hen个象素，len默认为9，thera默认为0；prewitt边缘增强,大小3,3；sobel边缘提取；unsharp对比度增强滤波，参数alpha用于控制滤波器的形状，取值0,1，默认为0.2。例如：用prewitt算子对图像滤波I=imread(saturn.tif);Subplot(1,2,1); imshow(I);H=fspecial(prewitt);blurred=imfilter(I,H);Subplot(1,2

5、,2); imshow(blurred);（2）filter2是基于卷积的图像滤波函数，J=filter2(h,I); J=filter2(h,I,shape); shape指定滤波器的卷积运算范围，shapefull,边界补零；shapesame，返回矩阵大小与I相同；shapevalid，不考虑边界补零，返回矩阵小于I。（3）加噪声使用J=imnoise(I,type,para), 其中type确定噪声的类型和参数。guassian高斯噪声，参数M代表均值，默认为0，V代表方差，默认为0.01;localvar均值为零、方差为V的高斯白噪声；poisson泊松噪声；salt&pepper椒

6、盐噪声，D为噪声强度，默认值为0.05；speckle 均值为零、方差为V的均匀随机分布噪声，V为0.04。默认类型，高斯噪声。（4）线形滤波，h=ones(3,3)/9;线性滤波模板，J=conv2(I,h)；卷积。（5）中值滤波jmedfilt2（I,m,n）,m,n）滤波器窗口的大小。J= medfilt2（I,m,n）,m,n , PADOPT), PADOPT边界处理方法，”symmetric”在边界处滤波器进行对称延拓，“indexed”图像为double型，用1填充边界，其它型用0填充边界。（6）自适应滤波，J=wiener2(I,m,n) ;m,n滤波器窗口大小。（7）J=ed

7、ge(I,roberts)3、实验内容(包括实验程序、实验图片、实验数据、实验结果分析) （1）%对已知图像作灰度变换增强，设计程序求出已知图像的直方图，%分别将原图亮度提高20和降低40后，再作直方图，%在同一画面输出。分析比较处理前后的图像统计特征参数。clc;clear;A=imread(C:UsersAdministratorDesktopsy3_1.jpg);A=rgb2gray(A);subplot(4,2,1),imshow(A),title(原图灰度图)subplot(4,2,2),imhist(A),title(原图灰度图直方图)B=imadjust(A,0.2 0.8,0

8、1);subplot(4,2,3),imshow(B),title(增强图像);subplot(4,2,4),imhist(B),title(增强图像直方图)C=(A+20);subplot(4,2,5),imshow(C),title(亮度提高20);subplot(4,2,6),imhist(C),title(+20直方图)D=(A-40);subplot(4,2,7),imshow(D),title(亮度降低40);subplot(4,2,8),imhist(D),title(-40直方图) （2）%做出已知图像的直方图，对图像进行直方图均衡化修正，规定化修正，分析修正结果。%分析比较处

9、理前后的图像统计特征参数。clc;clear;A=imread(C:UsersAdministratorDesktopsy3_1.jpg);B=rgb2gray(A);subplot(321),imshow(B),title(原图灰度图);subplot(322),imhist(B),title(原图灰度图直方图)C=histeq(B);subplot(323),imshow(C),title(均衡化图像);subplot(324),imhist(C),title(均衡化图像直方图);D=histeq(B,0,20,30,40,70,80,90,100,110,120,130,140,145,

10、150,155,160,170,180,210,256)subplot(325),imshow(D),title(规定化图像);subplot(326),imhist(D),title(规定化图像直方图); （3）%利用线性函数、对数函数、幂函数对图像进行处理，%分析不同变换函数对同一图像处理的结果，分析比较处理前后的图像统计特征参数。clc;clear;I=imread(C:UsersAdministratorDesktopsy3_1.jpg);I=rgb2gray(I);subplot(221),imshow(I),title(原图灰度图)A=1.3*I+1subplot(222),ims

11、how(A),title(线性函数处理)r=mat2gray(double(I);B=log(1+2*r)subplot(223),imshow(B),title(对数函数处理) （4）%对图像进行灰度或色彩反转、灰度拉伸、校正等处理，%分析几种不同处理的结果，分析比较处理前后的图像统计特征参数。clc;clear;A=imread(C:UsersAdministratorDesktopsy3_1.jpg);A=rgb2gray(A);subplot(221),imshow(A),title(原图灰度图)B=(255-A)subplot(222),imshow(B),title(灰度反转图)C

12、=imadjust(A,0.2 0.8,0.8)subplot(223),imshow(C),title(灰度拉伸图) （5）%设计程序将已知图像分别添加椒盐、高斯、泊松噪声，%分别莺均匀滤波、高斯滤波和中值滤波处理，与原图像在同一画面输出，%分析比较处理前后的图像统计特征参数，对处理后的图像的质量进行评价。%clc;clear;A=imread(C:UsersAdministratorDesktopsy3_1.jpg);A=rgb2gray(A);subplot(231),imshow(A),title(原图灰度图);%加椒盐噪声% J=imnoise(A,salt & pepper,0.0

13、4);% subplot(232),imshow(J),title(加椒盐噪声后的图像);%加高斯噪声% J=imnoise(A);% subplot(232),imshow(J),title(加高斯噪声后的图像);%加泊松噪声J=imnoise(A,poisson);subplot(232),imshow(J),title(加泊松噪声后的图像);%H1=fspecial (average);B=imfilter(J,H1);subplot(235),imshow(B),title(均值滤波后图像);H2=fspecial (gaussian);C=imfilter(J,H2);subplot

14、(234),imshow(C),title(高斯滤波后图像);D=medfilt2(J);subplot(236),imshow(D),title(中值滤波后图像); （6）%设计程序将求出已知图像中目标物的轮廓与原图像在同一画面输出。clc;clear;A=imread(C:UsersAdministratorDesktopsy3_1.jpg);A=rgb2gray(A);subplot(121),imshow(A),title(原图灰度图);B=edge(A,prewitt,0.05);subplot(122),imshow(B),title(轮廓图) （7）%对图像进行锐化处理，%分别使

15、用log、prewitt、sobel、roborts模板进行锐化，%设计评价参数对处理方式进项评价。%A=imread(C:UsersAdministratorDesktopsy3_1.jpg);B=rgb2gray(A);subplot(321),imshow(B),title(原图灰度图);%C=edge(B,log,0.004);subplot(323),imshow(C),title(log锐化图);%K=edge(B,prewitt,0.05);subplot(325),imshow(K),title(prewitt锐化图);%D=edge(B,sobel,0.05);subplot

16、(326),imshow(D),title(sobel锐化图);%J=edge(B,roberts,0.05);subplot(324),imshow(J),title(roberts锐化图); （8）%分别对两幅不同的图像进行加减乘除运算，分析结果。clc;clear;A=imread(C:UsersAdministratorDesktopsy3_1.jpg);B=imread(C:UsersAdministratorDesktopsy3_2.jpg);subplot(2,2,1),imshow(A),title(图一)subplot(2,2,2),imshow(B),title(图二)%A

17、DD=A+Bsubplot(2,2,3),imshow(ADD),title(加)DEC=B-Asubplot(2,2,4),imshow(DEC),title(减)%MUL=immultiply(A,0.5);subplot(3,2,5),imshow(MUL),title(乘)background=imopen(B,strel(disk,20); DIV=imdivide(A,background);subplot(3,2,6),imshow(DIV),title(除)分析：1.直方图增强处理，由实验结果可知: 变换后直方图趋向平坦，灰度级减少，灰度合并; 有展开输入图像直方图的一般趋势，

18、直方图均衡化后的图像灰度级能跨越更大范围，实际视觉能够接收的信息量大大的增强了；直方图均衡化能自动确定变换函数，该函数寻求产生有均匀直方图的输出图像，得到的结果可预知，操作简单2.图像平滑四邻域平均平滑不加门限：这种算法简单，但它的主要缺点是在降低噪声的同时使图像模糊，特别实在边缘和细节处。而且邻域越大在去噪能力增强的同时模糊程度越严重。四邻域平均加门限，即超像素平滑法：对边缘和细节处的模糊有改善，主要是这种算法的出发点是集中在在如何选择邻域的大小、形状和方向，参加平均的点数及邻域各点的权重系数等。3.图像锐化.图像锐化的目的是增强图像的边缘和轮廓，可通过微分使图像边缘突出、清晰，可以通过Laplacian算子，Roberts、Prewitt和Sobel边缘检测算子等方法达到增强效果。4、实验结论通过这次实验，学习了图像的灰度修正，平滑去燥，锐化增强处理的原理，也学习了使用matlab环境对图像的灰度变换、直方图处理，以及平滑处理，掌握了一些图像处理技巧，以及matlab函数的使用，加深了对图像处理的理解，也巩固了所学知识。