实验报告 实验课程:光电图像处理姓名： 学号： 实验地点： 指导老师： 实验时间：
一． 实验名称：空间图象增强（一） 二． 实验目的 1． 熟悉和掌握利用matlab 工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。 2． 熟练掌握各种空间域图像增强的基本原理及方法。 3． 熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。 4． 熟悉直方图均衡化的基本原理、方法和实现。 三． 实验原理 （一）数字图像的灰度变换 1、线性灰度变换 令原图像灰度范围由[a,b]线性变换后图像灰度范围[c,d]，以便于提升原图像的对比度。线性灰度变换公式如下： ()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a c f x y a >??-?=-+≤≤?-?
对图像2种定义下的直方图统计统计，并分别画出两种定义下的直方图。直方图均衡化主要用于增强动态范围偏小的图像的反差。该方法的基本思想是把原始的直方图变换为均匀分布的形状，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。 四． 实验步骤 （一）数字图像的灰度变换 1、线性灰度变换 1）读取一幅对比度低的灰度图像并显示。 2）以m 文件形式编写matlab 代码，实现数字图像的灰度范围由[a,b]到[c,d]的线性拉伸，以便于提升原图像的对比度。线性灰度变换公式如下： ()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a c f x y a >??-?=-+≤≤?-?
实验三空域图像增强 一、实验目的与要求 1、掌握灰度直方图的概念及其计算方法； 2、熟练掌握直力图均衡化和直方图规定化的计算过程； 3、熟练掌握空域滤波中常用的平滑和锐化滤波器； 4、掌握色彩直方图的概念和计算方法 5、利用MATLAB程序进行图像增强。 二、实验内容与步骤 1、图像的直方图与直方图均衡方法 a. 从硬盘加载cameraman.tif图象(using function imread). b. 显示图象. c. 显示图象的直方图(using function imhist). d. 用直方图均衡方法进行图象增强. e. 对处理后的图象显示其直方图. f. 比较图象的质量并且进行讨论. 代码如下： I=imread(‘原图像名.gif); % 读入原图像 J=histeq(I); %对原图像进行直方图均衡化处理 Imshow(I); %显示原图像 Title(‘原图像’); %给原图像加标题名 Figure；imshow(J); %对原图像进行屏幕控制；显示直方图均衡化后的图像 Title(‘直方图均衡化后的图像’) ; %给直方图均衡化后的图像加标题名 Figure; subplot(1,2,1) ;%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图 Imhist(I,64); %将原图像直方图显示为64级灰度 Title(‘原图像直方图’) ; %给原图像直方图加标题名 Subplot(1,2,2); %作第2幅子图 Imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度 Title(‘均衡变换后的直方图’) ; %给均衡化后图像直方图加标题名 从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。 2、对图象加入躁声，改变噪声参数（均值、方差或比例），比较其影响。使用3x3或7x7的均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。相关程序： I=imread('electric.tif'); J = imnoise(I,'gauss',0.05,0.02); %添加均值为0.05，方差为0.02的高斯噪声%J = imnoise(I,'salt& pepper',0.02); %添加2%像素被污染的椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',7); %产生7×7的均值模版
一、实验名称：空域图像增强 二、实验目的：掌握Matlab语言图像工具箱中空域图像增强的实现 三、实验要求： 在掌握图像灰度调整、直方图修正和图像锐化的指令基础上，编写程序实现图像的灰度变换，直方图均衡和图像锐化的处理 四、实验仪器和设备：计算机，Matlab软件 五、实验原理： 1、亮度变换S=T(r)点对点的变换（灰度级对灰度级的变换）matlab函数：imadjust() 亮度变换的基本函数g=imadjust(f,[low in high in],[low out high out],gamma); low in and high in 参数分别指定输入图像需要映射的灰度空间范围，low out 和high out 参数分别指定输出图像所在的灰度范围。GAMMA表示曲线的形状，描述输入输出图像之间的关系。如果GAMMA小于1，则映射的权重趋势向更亮输出，如果GAMMA大于1，则趋向更暗的输出。默认值为1。 2、直方图均衡化 直方图是多种空间域处理技术的基础，能有效用于图像增强，是实时图像处理的流行工具，直方图均衡化的目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强视觉效果。直方图均衡化是通过灰度变换将一幅图像转换程另一幅具有均衡性的直方图。即在每个灰度级上都具有相同的像素点数的过程。 3、空域滤波 手工滤波与函数提供滤波器的比较 六、实验步骤： 1、将待处理图片拷到matlab软件’work’文件夹 2、实行亮度变换 3、对图像进行直方图均衡处理 4、空域滤波 5、记录实验结果并分析 七、实验程序及结果记录： 1、亮度变换 I=imread(‘E:\fig308.tif’); Imshow(I); Figure,imhist(I); J=imadjust(I,[0.5 0.9],[0,1]); Figure; imshow(J); Figure; imhist(J) 2、直方图均衡化 I=imread(‘E:\fig308.tig’); J=histea(I); Imshow(I); Title(‘原图像’); Figure; Imshow(J); Title(‘直方图均衡化后的图像’);
第三章 图像增强 燕山大学电气工程学院 赵彦涛 3.1图像增强的概念 对于一般可理解的图像增强，是指使经过增强处理后的图像其视觉效果更好，如对于某些图像看起来比较灰暗，增强处理后使其亮度增强，人眼看起来更舒服；也就是说，改善曝光不足或曝光过度对图像的影响。淡化背景，强化前景；广义的图像增强指处理后的图像比原始图像更适合于特定应用，更有利于后续图像处理，消除噪声干扰，强化有用信息等都可认为为后续的计算机处理、分析更有利。 根据其处理数据所进行空间不同，图像增强的方法可分为空域（空间域）图像增强方法和变换域（频域）增强方法。空域图像增强方法是直接处理构成图像的像素点的灰度值，而变换域图像增强方法是经过图像变换后，增强方法在其变换域中间接进行。 图像增强是与具体问题紧密相联系的，增强的目的不同，图像类型不同，采用的方法也不同，没有一种增强算法能适用于所有的应用场合。 3.2图像增强的点运算 所谓点运算就是输出图像上的每个像素的灰度值仅由相应输入像素点的值确定。空域方法是指直接对图像的像素点的灰度值进行操作，空域处理可定义为 )),((),(y x f T y x g = （1） 式中，),(y x f 是输入图像，),(y x g 是处理后的图像，T 是一种操作方法。 3.2.1 直接灰度变换 直接进行灰度变换是图像增强最简单的一类方法，设处理前后的图像的像素点的灰度值分别为r 和s ，变换方式为 )(r T s = （2） 式中，T 是把灰度值r 变换为s 的映射。由于处理的是数字量，变换函数的值通常存储在一个一维向量中，通过函数或者查表将灰度值r 映射为s 。对于8比特的灰度值，一个包含这种映射的查找表要有256个记录。 3.2.1.1 图像的直方图 图像的直方图表示图像中各种灰度级的个数（或概率），反映了一幅图像中灰度级与出现这种灰度级的概率之间的关系。对于一个8 bit （有256个灰度等级）的图像，直方图就是 N n r p k k =)( （4） 式中，k r 是第k 个灰度等级， k n 为图像中灰度等级为k r 的像素点的个数，N 是
课程名称： 实验项目： 实验地点： 专业班级：学号：学生姓名： 指导教师： 2012年月日
实验一 空域图像增强技术 一、 实验目的 1结合实例学习如何在视频显示程序中增加图像处理算法； 2理解和掌握图像的线性变换和直方图均衡化的原理和应用； 3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法； 4 了解噪声模型及对图像添加噪声的基本方法。 二、 实验原理 1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 )],([),(y x f T y x g = ?? ? ??<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ) ,(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβα n y m x ΛΛ,2,1 ,,,2,1== 2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图 像。按照图像概率密度函数PDF 的定义： 1,...,2,1,0 )(-== L k n n r p k k r 通过转换公式获得： 1,...,2,1,0 )()(0 -====∑∑ ==L k n n r p r T s k j k j j j r k k 3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其 周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。 4 拉普拉斯算子如下： ???? ??????--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将 这个差异加上自身作为新像素的灰度。 三、 实验步骤 1 启动MA TLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化、均值滤波、中值滤波和梯度锐化操作。添加噪声，重复上述过程观察处理结果。 2记录和整理实验报告
昆明理工大学信息工程与自动化学院学生实验报告 （ 2012 —2013 学年第二学期） 课程名称：图形图像处理开课实验室：信自444 2013年 5月 22日 一、实验目的 进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。 了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。 二、实验要求 (1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 (2)利用MATLAB软件实现空域滤波的程序： I=imread('electric.tif'); J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); (注意空格) %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]); %中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I); figure,imshow(J); figure,imshow(K);
figure,imshow(L); figure,imshow(M); figure,imshow(N); 三、实验设备与软件 (1) IBM-PC 计算机系统 (2) MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容与步骤 a) 调入并显示原始图像Sample2-1.jpg 。 b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ? d ）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； e ）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 f ）利用imnoise 命令在图像Sample2-1.jp g 上加入椒盐噪声(salt & pepper) g ）重复c)~ e ）的步骤 h ）输出全部结果并进行讨论。 实验过程及截图 I=imread('3.jpg'); imshow(I);
实验一空域图像增强技术
实验一、空域图像增强技术 班级: 学号： 姓名： 实验时间： 实验学时：2学时 一、实验目的 1、结合实例学习如何在视频显示程序中增加图像处理算法； 2、理解和掌握图像的线性变换和直方图均衡化的原理和应用； 3、了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法； 4、了解噪声模型及对图像添加噪声的基本方法。 二、实验原理 1、灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 )],([),(y x f T y x g = ?? ???<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβα n y m x ΛΛ,2,1 ,,,2,1== 2、直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF 的定义： 1,...,2,1,0 )(-==L k n n r p k k r 通过转换公式获得： 1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k 3、均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。
4、拉普拉斯算子如下： ??????????--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。 三、 实验步骤 1、启动MATLAB 程序，对图像文件分别进行灰度线性变换（参考教材50页，例4.1）、直方图均衡化（参考教材56页，例4.6）、均值滤波（参考教材60页，例4.9）、中值滤波（参考教材64页，例4.11）和梯度锐化操作（参考教材66页，例4.12）。观察处理结果。 2、记录和整理实验报告 四、实验仪器 1、计算机； 2、MATLAB 程序； 3、记录用的笔、纸。 五、实验报告内容 1、灰度线性变换 I=imread('pout.tif'); imshow(I); >> I=double(I); [M,N]=size(I); for i=1:M for j=1:N if I(i,j)<=30 I(i,j)=I(i,j);
实验一 空域图像增强（一） 时间： AM 10:00-12:00，2015.3.23(星期一) 地点：信软学院大楼(沙河校区计算机楼)继教院东309机房 一、实验目的 1．熟悉和掌握利用matlab工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。 2．熟练掌握各种空间域图像增强的基本原理及方法。 3．熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。 4．熟悉直方图均衡化的基本原理、方法和实现。 二、实验内容 本次实验主要包括数字图像的灰度变换和直方图处理两大部分内容。 （一）数字图像的灰度变换 1、线性灰度变换 1）读取一幅对比度低的灰度图像（如图1-1），并显示。 图1-1 原始低对比度图像（可下载原图，也可自行选图） 2）以m文件形式编写matlab代码，实现数字图像的灰度范围由[a,b]到[c,d]的线性拉伸，以便于提升原图像的对比度。线性灰度变换公式如下：
()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a c f x y a >????=?+≤≤???
成都信息工程学院资源环境学院《遥感数字图像处理》实验报告 实验名称遥感图像空域增强处理 实验时间 实验地点 姓名 学号 班级
一、实验名称 遥感图像空域增强处理 二、实验目的 1.直方图增强的各种方法和增强结果对比 2.各种邻域增强方法，算子分析，结果对比 三、实验原理 空间域增强处理是通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像。这种增强方式往往是有目的的，如增强图像中的线状物体细部部分或者主干部分等。卷积滤波是通过消除特定的空间频率来增强图像。根据增强类型（低频、中频和高频）可分为低通率波、带通滤波和高通滤波。此外，还有增强图像某些方向特征的方向滤波等。他们的核心部分是卷积核。ENVI提供了很多卷积核，包括高通滤波、低通滤波、拉普拉斯算子、方向滤波、高斯高通滤波、高斯低通滤波、中值滤波，还可以自定义卷积核。 四、数据来源（下载源、波段数、对应的波长、分辨率、投影、地区） 《ENVI遥感图像处理》一书中光盘所提供的该实验数据。 ENVI4.8自带数据can_tmr.img 五、实验过程 1、卷积滤波 （1）打开图像can_tmr.img （2）在主菜单中，选择Filter—Convolution and Morphology。
（3）在Convolutions and Morphology Tool中，选择Convolutions—滤波类型。 （4）不同的滤波类型对应不同的参数，主要包括三项参数 1)Kernel Size 卷积核大小，以奇数来表示。默认卷积核为正方形，如果需要使用非正方形，选择Option ——Square kernel 2)Image Add Back 输入一个加回值（add back）。将原始图像中的一部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性。该方法经常用于图像锐化。“加回”值是原始图像在结果输出图像中所占的百分比。 3)Editable Kernel 卷积核中各项的值。在文本框中双击鼠标可以进行编辑，选择File—Save Kernel或者Restore Kernel，可以把卷积核保存为文件（.ker）或者打开一个卷积核文件。 （5）卷积增强图像中的单个波段： 1）选择Convolutions—High Pass，其他项按照默认设置，单击Quick Apply按钮，第一次点击此按钮会提示选择增强的波段，增强后的波段在Display中显示。如果要更改卷积增强波段，选择Options—Change Quick—Apply Input Band。
图像增强算法 摘要：本文简要介绍图像增强的概念和图像增强算法的分类，说明了图像增强技术的应用和前景展望。并简要的介绍了灰度变换和直方图均衡化处理方法。结合实际，重点对维纳滤波的代码和去噪效果进行了研究。 关键词：图像增强；灰度变化；直方图均衡化；维纳滤波；代码 1.概述 1.1 研究的目的和意义 近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。 对图像进行处理时，经常运用图像增强技术以改善图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。在图像处理过程中，图像增强是十分重要的一个环节。 因此，对图像增强技术和方法进行研究对国计民生有着十分重要的作用。本文拟通过对部分图像增强方法的研究，起到巩固书本知识，拓展个人解决问题的能力。 2.1 本文的框架结构 本文一共分为五章，第一章是概述，对全文容进行一次提纲性的概括，起到总领的作用。第二章是图像增强概述。第三章是图像增强算法。第四章是维纳滤波代码的研究。
2．图像增强概述 2.1 图像增强的基本定义 图像增强是数字图像处理的基本容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法，同时也是提高图像质量的过程。 图像增强的目的是为了某种应用目的去改善图像质量，处理的结果使图像的某些特性方面更加鲜明、突出，使处理的结果更适合于人的视觉特性或机器识别分析，以便于实现对图像的更高级处理和分析。 图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。 2.2 图像增强方法 图像增强方法从增强的作用域出发可分为空间域增强和频率域增强两种。常见的图像增强方法有：对比度增强法、直方图均衡化、平滑噪声和锐化等。2.3 图像增强的历史和应用 近年来，随着计算机信息技术的不断发展，图像增强技术得到了长足的发展，广泛地应用到了诸如军事、地质、海洋、森林、医学、微生物和刑侦等领域，发挥着重要的作用，对国计民生的作用不可低估。 图像增强处理始于20世纪60年代，由美国加州理工学院的喷气推进实验室，对徘徊者7号太空飞船发回的月球照片进行处理，标志着图像处理技术得到了实际的应用。目前，21世纪的图像增强处理技术已向高质量化方面发展，实现了图像的实时处理，采用的数字全息技术使图像包含最为完整和丰富的信息，实现图像的智能生产、处理、理解和识别。 3．图像增强算法 图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。频率域方法在图像的某个频率域中对变换系数进行处理, 然后通过逆变换获得增强图像。空间域方法对图像进行点运算,是一种既简单又重要的图像处理技术,
第三章图像增强 一：问题的引入 对比度的概念： 对比度：通俗地讲，就是亮暗的对比程度。
对比度通常表现了图像画质的清晰程度。 一般情况下，在各类图像系统中图像的 传送和转换（如成像，复制，扫描，传 输以及显示等）总是要造成图像的某些 降质。例如，摄像时，由于光学系统失 真，相对运动，大气湍流等都会使图像 模糊。再如传输过程中，噪声污染图像，使人观察起来不满意，或者使及其从中 提取的信息减少甚至造成错误。因此， 必须对降质图像进行改善处理。 改善的办法有两类：一类是不考虑图像 降质的原因，只将图像中感兴趣的特征 有选择的突出，而衰减其不需要的特征，故改善后的图像不一定要去逼近原图 像。如突出目标轮廓，衰减各类噪声， 将黑白图像转变为彩色图像等等。这一 类图像改善方法统称为图像增强技术。 从图像质量评价观点来看，图像增强技 术主要目的是提高图像的可懂度。另一 类改善方法是针对图像降质原因，设法 去补偿降质因素，从而使改善后的图像 尽可能地逼近原始图像。这类改善方法
统称为图像复原技术。显然，图像复原技术主要目的使提高图像质量的逼真度。 图像增强技术有两类方法：空间域法和频率域法。空间域中的方法主要使在空间域那对图像象素灰度值直接运算处理。例如：将包含某点的一个小区域那各点灰度值进行平均运算，用所得平均值来代替该点的灰度值。这就是所谓平滑处理。 二、灰度变换增强 空间域图像处理可以表示为： g(x,y)=T[f(x,y)] 其中，f(x,y)表示增强之前的图像，g(x,y)表示增强处理之后的图像，T是对f的一种变换，其定义在(x,y)的邻域上。如果T定义在每个(x,y)点上，则T称为点操作；如果T定义在(x,y)的某个邻域上，则T称为模板操作1、灰度n倍增强 （1）基本原理 当图像的灰度值比较集中在灰度区域
空域和频域图像处理增强 实验目的： 1?熟悉Matlab处理图像的基本原理，并熟练地运用进行一些基本的图像操作； 2?能够用Matlab来进行亮度变换，直方图处理以及一些简单的空间滤波；实验内容： 去噪，灰度变换，直方图处理，空域和频域平滑锐化，同态滤波；结果分析： 1.直方图处理： ⑴ 显示原图直方图以及原图： 代码： >> imread('hui.jpg'); >> imshow(f); >> imhist (f); 原图以及原图直方图为：
⑵直方图均衡化： 代码： >> f=imread('test2.jpg'); >> n=imno ise(f); >> imwrite( n,'n .tif); >> [thr,sorh,keepapp] = dde ncmp('de n','wv',im2double( n)); >> r=wde ncmp('gbl',im2double(Noise),'sym2',2,thr,sorh,keepapp); >> r=wde ncmp('gb l' ,im2double( n),'sym2',2,thr,sorh,keepapp); >> imwrite(r,'r.tif); >> imshow(f); 现在的图片以及直方图为： 结论： 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效 地扩展常用的亮度来实现这种功能
实验五图像增强—空域滤波 一、实验目的 1、进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。 2、了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。 二、实验要求 (1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 (2)利用MATLAB软件实现空域滤波的程序： I=imread('electric.tif'); imshow(J); J = imnoise(I,'gauss',0.02); %添加高斯噪声 figure,imshow(J); J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声 figure,imshow(J); ave1=fspecial('average',3) %产生3×3的均值模版 ave2=fspecial('average',5) %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 figure,imshow(J); L = filter2(ave2,J)/255; %均值滤波5×5 figure,imshow(L); M = medfilt2(J,[3 3]); %中值滤波3×3模板 figure,imshow(M); N = medfilt2(J,[4 4]); %中值滤波4×4模板 figure,imshow(N); 三、实验设备与软件 (1) IBM-PC计算机系统 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容与步骤 a) 调入并显示原始图像Sample2-1.jpg 。
MATLAB图像增强程序举例 1.灰度变换增强程序： % GRAY TRANSFORM clc; I=imread('pout.tif'); imshow(I); J=imadjust(I,[0.3 0.7],[0 1],1); %transforms the walues in the %intensity image I to values in J by linealy mapping values % between 0.3 and 0.7 to values between 0 and 1. figure; imshow(J); J=imadjust(I,[0.3 0.7],[0 1],0.5); % if GAMMA is less than 1,the % mapping si weighted toward higher (brighter) output values. figure; imshow(J); J=imadjust(I,[0.3 0.7],[0 1],1.5); % if GAMMA is greater than % 1,the mapping si weighted toward lower (darker) output values. figure; imshow(J) J=imadjust(I,[0.3 0.7],[0 1],1); % If TOP 2.直方图灰度变换 %直方图灰度变换 [X,map]=imread('forest.tif'); I=ind2gray(X,map);%把索引图像转换为灰度图像 imshow(I); title('原图像'); improfile%用鼠标选择一条对角线，显示线段的灰度值 figure;subplot(121) plot(0:0.01:1,sqrt(0:0.01:1)) axis square title('平方根灰度变换函数') subplot(122) maxnum=double(max(max(I)));%取得二维数组最大值 J=sqrt(double(I)/maxnum);%把数据类型转换成double,然后进行平方根变换%sqrt函数不支持uint8类型 J=uint8(J*maxnum);%把数据类型转换成uint8类型 imshow(J) title('平方根变换后的图像') 图像处理 学院信息工程学院姓名钟佳杭 班级14级物联网工程学号144090301032 1、图像增强的原理及应用前景 图象增强是图像处理的基本内容之一，图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。增强图象中的有用信息，它是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。 近年来，随着消费型和专业型数码相机的日益普及，海量的图像数据正在被产生．但由于场景条件的影响，很多在高动态范围场景、昏暗环境或特殊光线条件下拍摄的图像视觉效果不佳，需要进行后期增强处理调整动态范围或提取一致色感才能满足显示和印刷的要求。人类视觉系统具有强烈的全局和区域的自适应性和非线性，在多种不同的光照条件下都能清晰地辨识细节，具有电子设备所不可比拟的优势。因此，图像增强引起了广泛的关注，很多图像增强方法在设计时考虑描述和模仿人类视觉系统的特性，以期获得符合人类视觉系统特性的增强效果。 2图像增强的算法分类 图像增强算法可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。基于空域的算法处理时直接对图像灰度级做运算，具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易 空域变换增强 图像的空域变换增强方法是基于图像像素点的方法，也叫做灰度变换。常见的有三种方法： （1） 对每个像素按照增强算法进行直接灰度变换 （2） 借助图像的直方图进行变换 （3） 借助一系列图像之间的操作进行变换 为了提高红外图像的对比度，本文中研究了前两种方法：灰度拉伸和直方图均衡化。 1、灰度拉伸 灰度拉伸是基于图像的点运算而言的。它可以使图像动态范围加大，图像对比度扩展，使得图像更加清晰。该方法是按一定的规则逐点修改输入图像每一像素点的灰度值，从而改变图像灰度的动态范围。它可以使某动态区进行压缩而在另外区域中进行扩展。 本论文中采用如下变换函数公式对红外灰度像素进行灰度拉伸。其中，α, β,γ为分段函数的三个斜率，β值大于α和γ的值。该灰度拉伸函数将红外图像中可能包含行人的灰 度范围(),a b 扩展到范围(),a b g g ，将图像中较暗的背景灰度范围()0,a 和较亮的可能是 灯光等噪声干扰的灰度范围(),255b 分别压缩到()0,a g 和(),255b g 。下图为该函数的示意图。 图像拉伸示意图 经过实验发现，在各种情况下行人的灰度值大体分布在(50,200)的范围内，因此实验中将(a ,b)取值为(50,200)，(),a b g g 取值为(40,250)。 经过灰度拉伸使得红外图像中行人目标更加突出。变换后灰度高端和低端的对比度降低，消除了背景中的噪声干扰，尤其是灰度端部分的灯光干扰，为后续的图像分割和行人检测处理研究提供了很好的基础。然而，灰度拉伸算法对远距离行人的红外图像处理的效果比较好，这是由于远距离行人红外图像灰度值普遍比较低，直方图分布聚集在较低灰度范围，经过灰度拉伸后可以增加图像中行人和背景的对比度。但是近距离行人红外图像灰度直方图聚集在较高的范围内，灰度拉伸使得行人和背景区域灰度同时被扩展，反而降低了行人和背景的对比度。本文中只研究 7~15 米范围内的行人，经过试验证明 7 米左右处行人的红外图像不存在这种问题。 2、 直方图灰度均衡 直方图均衡化是非常典型的空域增强方法，它可以大大改善图像灰度分布的动态范围，增加图像的整体对比度，使人们获得对于红外图像更好的视觉效果。该算法因其简捷高效而得到了广泛的应用。直方图均衡化的基本思想是使得增强后图像的灰度统计直方图呈现为均 匀分布，从而改善整幅图像灰度分布的动态范围。它是通过点运算将图像的原始灰度分布均匀散布于整个可能允许的灰度分布空间，使输入图像转换为在每一灰度级上都有相同的像素点数的输出图像（即输出的直方图是平的），从而拉大灰度值之间的动态范围，在视觉上增强图像的整体对比度。 其主要步骤为： （1）计算原图像灰度级直方图； （2）求原图像灰度的累积概率分布函数，进一步求出灰度变换表； （3）求新的灰度值； 设r 和S 分别表示归一化了的原图像和经直方图修正后的图像灰度。即0 ≤ r ,S ≤1对[0，1]区间内的任一个r 值都可产生一个值S ，且 ()S T r = ()T r 为变换函数。()T r 满足下列条件： a 、在 0 ≤ r ≤1区间内是单调增加函数； b 、对于 0 ≤ r ≤1，有0 ≤()T r ≤1。 条件 a 保证灰度级从黑到白的次序，而条件 b 确保映射后的像素灰度在允许的范围内。 对于连续图像，图像的概率密度函数（归一化到单位面积的直方图）的定义为：图像增强最全的几种方法和手段(DOC)
空域变换增强(参考资料)
相关主题
文本预览