数字图像处理图像增强Word文档格式.docx
《数字图像处理图像增强Word文档格式.docx》由会员分享，可在线阅读，更多相关《数字图像处理图像增强Word文档格式.docx（14页珍藏版）》请在冰点文库上搜索。
通过使用不同模板获得不同结果。
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（1,2,2）;
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，shape＝’full’,边界补零；
shape＝’same’，返回矩阵大小与I相同；
shape＝’valid’，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j＝medfilt2（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=edge（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:
\Users\Administrator\Desktop\sy3_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,[0.20.8],[01]）;
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。
%分析比较处理前后的图像统计特征参数。
B=rgb2gray（A）;
subplot（321）,imshow（B）,title（'
subplot（322）,imhist（B）,title（'
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,[0,20,30,40,70,80,90,100,110,120,130,140,145,150,155,160,170,180,210,256]）
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。
I=imread（'
I=rgb2gray（I）;
subplot（221）,imshow（I）,title（'
A=1.3*I+1
subplot（222）,imshow（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、γ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。
subplot（221）,imshow（A）,title（'
B=（255-A）
subplot（222）,imshow（B）,title（'
灰度反转图'
C=imadjust（A,[0.20.8],[],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。
%%
subplot（231）,imshow（A）,title（'
%加椒盐噪声
%J=imnoise（A,'
salt&
pepper'
0.04）;
%subplot（232）,imshow（J）,title（'
加椒盐噪声后的图像'
%加高斯噪声
%J=imnoise（A）;
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（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。
subplot（121）,imshow（A）,title（'
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。
C=edge（B,'
log'
0.004）;
log锐化图'
K=edge（B,'
subplot（325）,imshow（K）,title（'
prewitt锐化图'
D=edge（B,'
sobel'
subplot（326）,imshow（D）,title（'
sobel锐化图'
J=edge（B,'
roberts'
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。
B=imread（'
\Users\Administrator\Desktop\sy3_2.jpg'
subplot（2,2,1）,imshow（A）,title（'
图一'
subplot（2,2,2）,imshow（B）,title（'
图二'
ADD=A+B
subplot（2,2,3）,imshow（ADD）,title（'
加'
DEC=B-A
subplot（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，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。
升级会员 