实验四图像增强Word格式文档下载.docx

1、I1=I1/255;figure,subplot（2,4,1）;imshow（I1,）;hold onI2=double（imread（room.tifI2=I2/255;subplot（2,4,5）;imshow（I2,）;for m=1:2 Index=0; for lemta=0.5 5 Index=Index+1; FmIndex=Im.lemta;subplot（2,4,（m-1）*4+Index+1）,imshow（FmIndex,）end执行结果：图1 幂次变换增强结果实验结果分析：由实验结果可知，当r1时，黑色区域被压缩，变的几乎不可见。2. 直方图规定化处理程序代码：clea

2、r allclc close all%0.读图像I=double（imread（lena.tiffsubplot（2,4,1）;imshow（I,）;title（原图）N=32;Hist_image=hist（I（:）,N）;Hist_image=Hist_image/sum（Hist_image）;Hist_image_cumulation=cumsum（Hist_image）;%累计直方图subplot（245）;stem（0:N-1,Hist_image）;原直方图）;%1.设计目标直方图Index=0:N-1;%正态分布直方图Hist1=exp（-（Index-N/2）.2/N）;Hi

3、st1=Hist1/sum（Hist1）;Hist_cumulation1=cumsum（Hist1）;subplot（242）;stem（0:N-1,Hist1）;规定化直方图1%倒三角形状直方图Hist2=abs（2*N-1-2*Index）;Hist2=Hist2/sum（Hist2）;Hist_cumulation2=cumsum（Hist2）;subplot（246）;N-1,Hist2）;规定化直方图2%2. 规定化处理Project1=zeros（N）;Project2=zeros（N）;Hist_result1=zeros（N）;Hist_result2=zeros（N）; I

4、mage=I;%SML处理（SML,Single Mapping Law单映射规则 for k=1:NTemp=abs（Hist_image_cumulation（k）-Hist_cumulationm）; Temp1,Projectm（k）=min（Temp）; end%2.2 变换后直方图 Temp=find（Projectm=k）; if isempty（Temp） Hist_resultm（k）=0; else Hist_resultm（k）=sum（Hist_image（Temp）; end subplot（2,4,（m-1）*4+3）; stem（0:N-1,Hist_result

5、m）; title（变换后的直方图,num2str（m）;%2.3结果图Step=256/N;for K=1: Index=find（I=Step*（k-1）&IStep*k）; Image（Index）=Projectm（k）;subplot（2,4,（m-1）*4+4）,imshow（Image,）;变换后的结果图图2 直方图规定化由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。3. 灰度图像常用平常、锐化滤波%0.原图%1.均值低通滤波H=fspecial（average,5）;F1=double（filter2（H

6、,I）;subplot（2,4,2）;imshow（F1,）;均值低通滤波%2.gaussian 低通滤波gaussian,7,3）;F2=double（filter2（H,I）;subplot（2,4,3）;imshow（F2,）;高斯低通滤波%3.增强图像=原图-均值低通滤波F3=2*I-F1;subplot（2,4,4）;imshow（uint8（F3）,）;原图-均值低通滤波%4.增强图像=原图-高斯低通滤波F4=2*I-F2;imshow（uint8（F4）,）;原图-高斯低通滤波%5.prewitt边缘算子增强F5=uint8（I+filter2（H,I）;subplot（2,4,

7、6）;imshow（F5,）;prewitt边缘算子增强%6.soblesobelF6=uint8（I+filter2（H,I）;subplot（2,4,7）;imshow（F6,）;sobel边缘算子增强图3 灰色图像平滑、锐化由实验结果可知，均值和高斯滤波都使原图模糊，而采用原图减去低通滤波图像方法、prewitt算子、sobel算子都可以增强图像边缘。4. 频率域滤波：对于给定图像+噪声，使用不同的频域滤波器对图像进行滤波处理。（1）用Butterworth低通滤波器实现图像信号的滤波运算。%（a）读入并显示图像electric.tif；I=imread（electric.tifsubp

8、lot（2,3,1）,imshow（I）;原图像%（b）利用imnoise 命令在图electric.tif 上加入高斯（gaussian） 噪声；J=imnoise（I,0,0.01）;subplot（2,3,2）,imshow（J）;加入高斯噪声的图像%（c）用Butterworth低通滤波器实现图像信号的滤波运算,变换不同的截止频率dI1=fftshift（fft2（J）;m,n=size（I1）;N=2;d1=30;d2=50;d3=70;d4=90;n1=floor（m/2）;n2=floor（n/2）;for i=1:m for j=1:n d=sqrt（i-n1）2+（j-n2）

9、2）; H1=1/（1+（d/d1）（2*N）; H2=1/（1+（d/d2）（2*N）; H3=1/（1+（d/d3）（2*N）; H4=1/（1+（d/d4）（2*N）; I3（i,j）=H1*I1（i,j）; I5（i,j）=H2*I1（i,j）; I7（i,j）=H3*I1（i,j）; I9（i,j）=H4*I1（i,j）;I3=ifftshift（I3）;I4=real（ifft2（I3）;I5=ifftshift（I5）;I6=real（ifft2（I5）;I7=ifftshift（I7）;I8=real（ifft2（I7）;I9=ifftshift（I9）;I10=real（if

10、ft2（I9）;subplot（2,3,3）,imshow（I4,）,title（Butterworth低通滤波器d1=30subplot（2,3,4）,imshow（I6,）,title（Butterworth低通滤波器d2=50subplot（2,3,5）,imshow（I8,）,title（Butterworth低通滤波器d3=70subplot（2,3,6）,imshow（I10,）,title（Butterworth低通滤波器d4=90图4 Butterworth低通滤波器滤波结果由实验结果可知，采用Butterworth低通滤波器对加噪声的图像进行滤波运算，滤波器的截止频率d越小，

11、滤波后的图像越模糊。（2）用理想低通滤波器实现图像信号的滤波运算F=imnoise（I,subplot（2,3,2）,imshow（F）;%傅里叶变换并把频谱中心移到中点F1=fft2（F）;I1=fftshift（F1）;%构建理想低通滤波器n1=floor（n/2）;n2=floor（m/2）;for u=1: for v=1:n if sqrt（u-n1）2+（v-n2）2）=d1 H1（u,v）=1; else H1（u,v）=0;=d2 H2（u,v）=1; H2（u,v）=0;=d3 H3（u,v）=1; H3（u,v）=0;=d4 H4（u,v）=1; H4（u,v）=0;J1=

12、I1.*H1;J2=I1.*H2;J3=I1.*H3;J4=I1.*H4;K1=ifft2（ifftshift（J1）;K2=ifft2（ifftshift（J2）;K3=ifft2（ifftshift（J3）;K4=ifft2（ifftshift（J4）;C1=real（K1）;C2=real（K2）;C3=real（K3）;C4=real（K4）;subplot（2,3,3）;imshow（C1,）;滤波结果图像,d1=30subplot（2,3,4）;imshow（C2,）;滤波结果图像,d2=50subplot（2,3,5）;imshow（C3,）;滤波结果图像,d3=70subplo

13、t（2,3,6）;imshow（C4,）;滤波结果图像,d4=90图5 理想低通滤波器滤波结果由实验结果可知，采用理想低通滤波器对加噪声的图像进行滤波运算，滤波器的滤波半径d越小，滤波后的图像越模糊，且出现明显的振铃现象，相比于巴特沃斯低通滤波器，理想低通滤波器的滤波效果会比较差。（3）采用巴特沃斯高通滤波器对room.tif图像进行锐化滤波，并显示滤波结果图像。%（d）读入并显示原始图像room.tif;subplot（1,3,1）,imshow（I）;原图像room%（e）采用巴特沃斯高通滤波器对room.tif图像进行锐化滤波,变换不同的滤波半径I1=fftshift（fft2（I）;d

14、1=10; H1=1/（1+（d1/d）（2*N）; H2=1/（1+（d2/d）（2*N）;subplot（1,3,2）,imshow（I4,）,title（Butterworth高通滤波器d1=30subplot（1,3,3）,imshow（I6,）,title（Butterworth高通滤波器d2=50图6 巴特沃斯高通滤波器锐化滤波结果由实验结果可知，采用Butterworth高通滤波器对图像进行滤波运算，滤波后图像的边缘和细节变的更加突出，是一种对图像的锐化处理。三、实验中遇到问题及解决方法实验中遇到的问题有：初期对图像在频域空间的滤波不太了解，不懂得如何利用傅立叶变换进行频域滤波；

15、解决的方法：通过参考课本中例题及参考程序，逐步分析，加深理解。四、实验心得体会通过此次试验，初步掌握图像空域增强算法的基本原理并能在实际应用及MATLAB中实现；通过熟悉各类滤波器对图像处理的应用；加深对图像增强的感性认识，巩固所学理论知识。五、源程序清单%1.基于幂次变换的图像增强%2. 直方图规定化处理 Temp=abs（Hist_image_cumulation（k）-Hist_cumulationm）; Hist_resultm（k）=sum（Hist_image（Temp）;%3. 灰度图像常用平常、锐化滤波%4（1）Butterworth低通滤波器实现图像信号的滤波运算%（a） 读入并显示图像electric.tif；%（b） 利用imnoise 命令在图像electric.tif 上加入高斯（gaussian） 噪声；%（c） 用Butterworth低通滤波器实现图像信号的滤波运算,变换不同的截止频率d:d4=90