数字图像增强实验报告陈肖坤.docx
《数字图像增强实验报告陈肖坤.docx》由会员分享，可在线阅读，更多相关《数字图像增强实验报告陈肖坤.docx（9页珍藏版）》请在冰点文库上搜索。
数字图像增强实验报告陈肖坤
数字图像增强
实验报告
实验名称：
数字图像增强
专业班级：
智能0901班
姓 名：
陈肖坤
学 号：
06094025
一、实验目的
1：
理解并掌握常用的图像的增强技术。
2：
熟悉并掌握MATLAB图像处理工具箱的使用。
3：
实践几种常用数字图像增强的方法，增强自主动手能力
二、实验原理及说明
图像增强是指按特定的需要突出一幅图像的某些信息，削弱或消除不需要信息的处理方法。
处理的结果使图像更适合于人的视觉特性或机器的识别系统。
图像增强技术主要有空间域法和频率域法两类，增强方法主要有直方图均衡、图图像锐化等。
本次课程设计我们组主要采用直方图均衡，图像反变换，基于幂次的图像增强，基于灰度图像均衡化，图像平滑，频率滤波图像增强的同态滤波等方法进行处理，比较他们的效果，进而总结出其适应场合。
三、实验步骤
1：
图像反变换
输入图像灰度范围[0，L－1]，公式：
s=L－1－r
物理意义：
倒转图像的强度产生图像反转的对等图像
a=imread（'c1.bmp'）;
b=imcomplement（a）;
subplot（1,2,1）,imshow（a）,title（'原题'）;
subplot（1,2,2）,imshow（b）,title（'反转变换后'）;
由上图可以看出，反转变换适于处理增强嵌入于图像暗色区域的白色或灰色细节,特别是当黑色面积占主导地位时.
2：
基于幂次的图像增强
物理意义：
用于图像获取、打印和显示的各种装置根据幂次规律进行响应，习惯上，幂次等式中的指数是指伽马值，用于修正幂次响应过程为伽马校正，公式为：
S=c*R^r。
clearall
closeall
I{1}=double（imread（'c1.bmp'））;
I{1}=I{1}/255;
figure,imshow（I{1},[]）,title（'原图'）;
F{1}=I{1}.^0.4;
F{2}=I{1}.^1.8;
F{3}=I{1}.^3;
figure,imshow（F{1},[]）,title（'r=0.4的幂次变换'）;
figure,imshow（F{2},[]）,title（'r=1.8的幂次变换'）;
figure,imshow（F{3},[]）,title（'r=3的幂次变换'）;
以上是对该图像进行的幂次变换，r分别取的是0.4,1.8,3，从得到的图像效果可以看出，背景特暗时r=3较好，随着r的减小图像更看不清了，所以这种图像处理增强方法要根据具体的图确定r的值。
3：
基于灰度图像均衡化的图像增强
灰度均衡均衡也称直方图处理，处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布tk，按式tk=[（N?
1）*tk+0.5]对其取整并得出源灰度sk到tk的灰度映射关系，其中N为灰度的级数。
重复上述步骤，得到所有的源图像各灰度级到目标图像各灰度级的映射关系，再按照新的映射关系对源图像各点像素进行灰度转换，即可完成对源图的直方图均衡化。
I=imread（'c1.bmp'）;
I=rgb2gray（I）;
K=16;
H=histeq（I,K）;
figure,subplot（2,2,1）,imshow（I,[]）,title（'灰度均衡化后'）;
subplot（2,2,2）,imshow（H,[]）,title（'灰度均衡化后'）,holdon
subplot（2,2,3）,hist（double（I）,16）,subplot（2,2,4）,hist（double（H）,16）
由图可以看出，经过灰度均衡后，图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显；从实现算法上也可以看出，其优点主要在于能自动增强整幅图像的对比度，但只能得到全局均衡化处理的直方图。
在实际应用中，往往要根据不同的要求有选择的对某灰度范围进行局部范围内的对比度增强，此时若再采用直方图均衡就不太适合。
4、线性对比度
对比度作为一种图像增强的方法，经过对其中参数的调整，使图像的对比度增强，明亮的地方更加鲜明，暗的地方更加灰暗，以致突出图像的对比效果，下面就是用该方法对该图的处理效果：
由以上几幅图可以看出线性对比度增强了图像的对效果，将现行对比度和线性滤波结合后可以看出图像更加清晰了，可以重点突出我们想突出的地方，达到了图像增强的目的。
5：
同态滤波
频域滤波作为一种图像增强工具，可以灵活地解决加性畸变问题。
但是实际成像有好多非线性干扰，此时，直接频域滤波的方法，将无法消减乘性或卷积性噪声。
同态滤波的基本思想是非线性化问题转化为线性化问题处理，即先对非线性的混杂信号作某种数学运算D，变换成加性的，然后用线性滤波方法处理，最后最逆运算，恢复处理后图像。
mage_0,map]=imread（'c1.bmp'）;
L11=log（double（I1）+1）;
L12=fft2（L11）;
n=35;
D0=0.05*pi;
rh=0.8;rl=1.2;
[row,col]=size（L12）;
fork=1:
1:
row
forl=1:
1:
col
D1（k,l）=sqrt（（k^2+l^5））;
H（k,l）=rl+（rh/（1+（D0/D1（k,l））^（2*n）））;
end
end
L13=L12.*H;
L14=ifft2（L13）;
L15=exp（L14）-1;
figure（）,imshow（real（L15）,map）;title（'同态滤波'）
有图可分析：
相对于原图像而言，经过同态滤波增强的图像来年高度范围压缩，而对比度相应增强，视觉上能够分辨的亮的层次增加，淹没在低光区域的字体“吴吝庄站”较清晰的显示出来，在图像增强处理上应用广泛，并有很好的效果。
三：
实验总结
1：
目前对图像增强还缺乏统一的理论，衡量图像的质量还难以建立客观标准，一些增强方法往往有针对性，处理结果也以主观判断为准。
2:
对某类图像效果好的增强方法未必适合另一类图像
四：
实验心得
通过这次对数字图像处理之数字图像的增强的实践，让我们从一个对matlab不懂的人到既然可以用matlab对一幅图像进行处理，这是一个很大的进步。
在实践中我们这个小团队遇到了很多的困难，一开始拿到这个题目真的很崩溃，不知道从何下手，但是通过上网找相关的资料，问老师、同学才知道了数字图像增强是干什么，知道了数字图像的目的在于改善图像的显示质量，以利于信息的提取与识别。
从方法上说，则是设法摒弃一些认为不必要或干扰的信息，而将所需要的信息得以突现出来，以利于分析判读或进一步处理；与此同时，我们也了解到了适用于数字图像增强的方法：
空间域增强、频率域增强；答题方法有：
对比度增强、线性变换、直方图增强、幂次变换、线性对比度、对数对比度、线性滤波、中值滤波、自适应滤波、同态滤波等等。
因此，知道了这些方法后，通过查找相关资料，我们把每一个方法的代码都打了出来，最终通过比较各个代码对图像的处理，比较最终的效果图，最终还是感觉线性对滤波、同态滤波、幂次变换的搭配效果比较理想，我们这次实验的主要目的是把模糊图像变得能够清晰一点，可以突出我们想要突显的内容，所以通过这些方法，最终我们是达到了这个效果，感到很兴奋、激动。
总之，这次实验让我们真的学到了很多知识，而且我想这些知识一定会对我们未来的学习起到很大的帮助，同时也让我们体会到了，只要我们想做一件事，用心去做，并且付出努力，那么我们就一定能做到，这实验也给了我们很大的鼓舞。
升级会员 