实验四图像增强Word格式文档下载.docx
《实验四图像增强Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《实验四图像增强Word格式文档下载.docx（23页珍藏版）》请在冰点文库上搜索。
I{1}=I{1}/255;
figure,subplot（2,4,1）;
imshow（I{1},[]）;
holdon
I{2}=double（imread（'
room.tif'
I{2}=I{2}/255;
subplot（2,4,5）;
imshow（I{2},[]）;
form=1:
2
Index=0;
forlemta=[0.55]
Index=Index+1;
F{m}{Index}=I{m}.^lemta;
subplot（2,4,（m-1）*4+Index+1）,imshow（F{m}{Index},[]）
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r<
1时，黑色区域被扩展，变的清晰；
当r>
1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：
clearall
clc
closeall
%0.读图像
I=double（imread（'
lena.tiff'
subplot（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
Hist{1}=exp（-（Index-N/2）.^2/N）;
Hist{1}=Hist{1}/sum（Hist{1}）;
Hist_cumulation{1}=cumsum（Hist{1}）;
subplot（242）;
stem（[0:
N-1],Hist{1}）;
规定化直方图1'
%倒三角形状直方图
Hist{2}=abs（2*N-1-2*Index）;
Hist{2}=Hist{2}/sum（Hist{2}）;
Hist_cumulation{2}=cumsum（Hist{2}）;
subplot（246）;
N-1,Hist{2}）;
规定化直方图2'
%2.规定化处理
Project{1}=zeros（N）;
Project{2}=zeros（N）;
Hist_result{1}=zeros（N）;
Hist_result{2}=zeros（N）;
Image=I;
%SML处理（SML,SingleMappingLaw单映射规则
fork=1:
N
Temp=abs（Hist_image_cumulation（k）-Hist_cumulation{m}）;
[Temp1,Project{m}（k）]=min（Temp）;
end
%2.2变换后直方图
Temp=find（Project{m}==k）;
ifisempty（Temp）
Hist_result{m}（k）=0;
elseHist_result{m}（k）=sum（Hist_image（Temp））;
end
subplot（2,4,（m-1）*4+3）;
stem（0:
N-1,Hist_result{m}）;
title（['
变换后的直方图'
num2str（m）]）;
%2.3结果图
Step=256/N;
forK=1:
Index=find（I>
=Step*（k-1）&
I<
Step*k）;
Image（Index）=Project{m}（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）;
F{1}=double（filter2（H,I））;
subplot（2,4,2）;
imshow（F{1},[]）;
均值低通滤波'
%2.gaussian低通滤波
gaussian'
7,3）;
F{2}=double（filter2（H,I））;
subplot（2,4,3）;
imshow（F{2},[]）;
高斯低通滤波'
%3.增强图像=原图-均值低通滤波
F{3}=2*I-F{1};
subplot（2,4,4）;
imshow（uint8（F{3}）,[]）;
原图-均值低通滤波'
%4.增强图像=原图-高斯低通滤波
F{4}=2*I-F{2};
imshow（uint8（F{4}）,[]）;
原图-高斯低通滤波'
%5.'
prewitt'
边缘算子增强
F{5}=uint8（I+filter2（H,I））;
subplot（2,4,6）;
imshow（F{5},[]）;
prewitt边缘算子增强'
%6.'
soble'
sobel'
F{6}=uint8（I+filter2（H,I））;
subplot（2,4,7）;
imshow（F{6},[]）;
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.tif'
subplot（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d
I1=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）;
fori=1:
m
forj=1:
n
d=sqrt（（i-n1）^2+（j-n2）^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（ifft2（I9））;
subplot（2,3,3）,imshow（I4,[]）,title（'
Butterworth低通滤波器d1=30'
subplot（2,3,4）,imshow（I6,[]）,title（'
Butterworth低通滤波器d2=50'
subplot（2,3,5）,imshow（I8,[]）,title（'
Butterworth低通滤波器d3=70'
subplot（2,3,6）,imshow（I10,[]）,title（'
Butterworth低通滤波器d4=90'
图4Butterworth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，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）;
foru=1:
forv=1:
n
ifsqrt（（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=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=30'
subplot（2,3,4）;
imshow（C2,[]）;
滤波结果图像,d2=50'
subplot（2,3,5）;
imshow（C3,[]）;
滤波结果图像,d3=70'
subplot（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））;
d1=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=30'
subplot（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；
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_cumulation{m}）;
Hist_result{m}（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
升级会员 