图像增强图像滤波边缘检测的MATLAB实现图形.docx

图像增强图像滤波边缘检测的MATLAB实现图形.docx

《图像增强图像滤波边缘检测的MATLAB实现图形.docx》由会员分享，可在线阅读，更多相关《图像增强图像滤波边缘检测的MATLAB实现图形.docx（17页珍藏版）》请在冰点文库上搜索。

图像增强图像滤波边缘检测的MATLAB实现图形

直方图统计算法对灰度图像进行增强

n=64

n=256时：

直方图均衡化增强图像的对比度

用直方图均衡化后，图像的直方图的灰度间隔被拉大了，均衡化的图像的一些细节显示了出来，这有利于图像的分析和识别。

直方图均衡化就是通过变换函数histeq将原图的直方图调整为具有“平坦”倾向的直方图，然后用均衡直方图校正图像。

直方图规定化对图像进行增强

50:

2:

250

50:

1:

250

hgram=50:

5:

250;

3 图像滤波的Matlab实现

3.1conv2函数

功能：

计算二维卷积

格式：

C=conv2（A,B）

       C=conv2（Hcol,Hrow,A）

       C=conv2（...,'shape'）

说明：

对于C=conv2（A,B），conv2的算矩阵A和B的卷积，若[Ma,Na]＝size（A）,[Mb,Nb]=size（B）,则size（C）=[Ma+Mb-1,Na+Nb-1];

C=conv2（Hcol,Hrow,A）中，矩阵A分别与Hcol向量在列方向和Hrow向量在行方向上进行卷积；C=conv2（...,'shape'）用来指定conv2

返回二维卷积结果部分，参数shape可取值如下：

       》full为缺省值，返回二维卷积的全部结果；

       》same返回二维卷积结果中与A大小相同的中间部分；

       valid返回在卷积过程中，未使用边缘补0部分进行计算的卷积结果部分，当size（A）>size（B）时，size（C）=[Ma-Mb+1,Na-Nb+1]。

3.2conv函数

功能：

计算多维卷积

格式：

与conv2函数相同

3.3filter2函数

功能：

计算二维线型数字滤波，它与函数fspecial连用

格式：

Y=filter2（B,X）

       Y=filter2（B,X,'shape'）

说明：

对于Y=filter2（B,X），filter2使用矩阵B中的二维FIR滤波器对数据X进行滤波，结果Y是通过二维互相关计算出来的，其大

小与X一样；对于Y=filter2（B,X,'shape'），filter2返回的Y是通过二维互相关计算出来的，其大小由参数shape确定，其取值如下

：

       》full返回二维相关的全部结果，size（Y）>size（X）；

       》same返回二维互相关结果的中间部分，Y与X大小相同；

       》valid返回在二维互相关过程中，未使用边缘补0部分进行计算的结果部分，有size（Y）

3.4fspecial函数

功能：

产生预定义滤波器

格式：

H=fspecial（type）

       H=fspecial（'gaussian',n,sigma）        高斯低通滤波器

       H=fspecial（'sobel'）                         Sobel水平边缘增强滤波器

       H=fspecial（'prewitt'）                      Prewitt水平边缘增强滤波器

       H=fspecial（'laplacian',alpha）            近似二维拉普拉斯运算滤波器

       H=fspecial（'log',n,sigma）                高斯拉普拉斯（LoG）运算滤波器

       H=fspecial（'average',n）                  均值滤波器

       H=fspecial（'unsharp',alpha）            模糊对比增强滤波器

说明：

对于形式H=fspecial（type），fspecial函数产生一个由type指定的二维滤波器H，返回的H常与其它滤波器搭配使用。

图像滤波平滑模板对图像进行滤波：

（二维线性滤波fliter2）

线性滤波（邻域平均）

     线性低通滤波器最常用的是线性平滑滤波器，这种滤波器的所有系数都是正的，也称邻域平均。

邻域平均减弱或消除了傅立叶变换的高频分量，对噪声的消除有所增强，但是由于平均而使图像变得更为模糊，细节的锐化程度逐渐减弱。

中值滤波

中值滤波可以保留目标边缘，这是中值滤波器相对于均值滤波器的最大优势。

中值滤波具有去噪的性能，可以消除孤立的噪声点，可以用来减弱随机干扰和脉冲干扰，但是边缘不模糊。

中值滤波的效果要比邻域平均的低通滤波效果好，中值滤波以后的图像的轮廓比较清晰，而且使用较小的模板得到的视觉效果反而好一些。

锐化滤波

图像锐化处理的目的是使模糊图像变得清晰，锐化滤波器减弱或消除了傅立叶空间的低频分量，保留高频分量，从而加强了图像的轮廓，使图像看起来比较清晰。

面应用Laplacian算子对图像进行锐化处理：

     Laplacian算子是线性二次微分算子，其格式为：

h=fspecial（'laplacian',alpha），返回一个3×3的滤波器来近似二维Laplacian算子的形状，参数alpha决定了Laplacian算子的形状，alpha的取值范围为0.0~1.0，默认的值为0.2。

分析：

由图可以看出，应用了Laplacian算子对图像锐化以后，将图像区域的边缘轮廓勾划了出来，因此Laplacian算子对于边缘检测也具有很好的功效。

边缘检测

下面利用sobel算子对图像进行边缘检测：

     使用edge函数实现图像的边缘检测，其调用格式为：

     BW=edge（I,'sobel',thresh,direction）  根据指定的敏感阈值thresh用Sobel算子对图像进行边缘检测，edge函数忽略了所有小于阈值的边缘，如果没有指定阈值thresh或为空，函数自动选择参数值，direction指定Sobel算子边缘检测的方向，其参数值为'horizontal'，'vertical'或'both'（默认）。

测试结果图：

          sobel算子自动选择的阈值为：

0.1433

由图可以看出，在采用水平和垂直方向的Sobel算子对图像进行边缘检测时，分别对应的水平和垂直方向上的边缘有较强的响应，阈值越小，检测的图像的边缘细节数越多，而增大阈值时，有些轮廓则未能检测出。

其用法和Sobel算子类似。

其调用格式为：

BW=edge（I,'prewitt',thresh,direction）根据指定的敏感阈值thresh用Prewitt算子对图像进行边缘检测。

测试结果：

prewitt算子自动选择的阈值为：

0.1399

sobel算子自动选择的阈值为：

0.1441

prewitt算子自动选择的阈值为：

0.1406