下载文档原格式
实验一图像增强实验一、实验目标：掌握图像增强的算法。
二、实验目的：1. 了解灰度变换增强和空域滤波增强的Matlab实现方法2. 掌握直方图灰度变换方法3. 掌握噪声模拟和图像滤波函数的使用方法三、实验内容：（1）图像的点操作、邻域操作算法。
（2）图像的直方图处理算法。
四、实验设备：1．PIII以上微机； 2．MATLAB6.5；五、实验步骤：（1）读入图像：用matlab函数实现图像读入（可读入Matlab中的标准测试图像）(原始图像)（2）实现图像点操作运算（如gamma校正，对数校正等）（3）实现图像的邻域处理（实现均值滤波，拉普拉斯滤波）（4）实现直方图均衡处理matlab 源程序clear all;clc;f=imread('girl_noise.jpg');figure,imshow(f),title('原始图像');[m,n]=size(f);f0= im2double(f); % 整型转换为double 类f1=f0;std_i=zeros(1,m-2);%灰线处理for i=2:m-1%灰线处理std_i(i-1)=std(f0(i,:));if(std_i(i-1)<0.1)for j=1:mf0(i,j)=(f0(i-1,j)+f0(i+1,j))/2;endendendfigure,imshow(f0),title('滤除灰线后的图像');fz=f0-f1;[r,c]=find(fz~=0);%寻找灰线噪声的位置f2=f0;change=0;count=0;for i=3:m-2%白线处理for j=1:mif(abs(f0(i,j)-f0(i-1,j))>0.2&&abs(f0(i,j)-f0(i+1,j))>0.2) count=count+1;endif(count>n*0.8)count=0;change=1;break;endendif(change==1)for k=1:mf0(i,k)=(f0(i-1,k)+f0(i+1,k))/2;endchange=0;count=0;endendfigure,imshow(f0),title('滤除白线后的图像');fz1=f2-f0;[r1,c1]=find(fz1~=0); %寻找白线噪声的位置fn = medfilt2(f0); %反射对称填充figure, imshow(fn),title('中值滤波后的图像');f0 = im2double(fn); % 整型转换为double 类g =2*f0- imfilter(f0,w4, 'replicate'); % 增强后的图像figure, imshow(g),title('高提升滤波图像(A=2)');图像处理结果六、结果分析从上面结果可以看出，带状噪声处理部分，已经基本将带状噪声去除。
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’);Figure;Subplot(1,2,1);Imhist(I,64);Title(‘原图像直方图’)；Subplot(1,2,2);Imhist(J,64);Title(‘均衡变换后的直方图’);Subplot(1,2,2);Imhist(J,64);Title(‘均衡变换后的直方图’);2、空域滤波F=imread(‘E:\fig3016.tif’);W4=fspecial(‘laplacian’,1);W8=[1 1 1;-8 1;1 1 1];F=im2double(f);G4=f_imfilter(f,w4,’replicate’);G8=f_imfilter(f,w8,’replicate’);Figure;Subplot(1,3,1);Imshow(f);Title(‘原图’);Subplot(1,3,2);Imshow(g4);Title(‘中心为-4拉普拉斯的效果’);Subplot(1,3,3);Imshow(g8);Title(‘中心为-8拉普拉斯的效果’);八、实验结果分析：亮度变换直方图均衡化可以对图像进行处理，进行空域图像增强。
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 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 nn 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 k2 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。
3 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、 实验仪器1计算机；2 MA TLAB 程序；3记录用的笔、纸。
四、 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直方图均衡化I=imread('pout.tif'); %将pout.tif 图像读入matlab 环境Figure %控制画图窗口数量subplot(221);imshow(I); %将I 图显示到一个平面上2行2列第一个位置 subplot(222);imhist(I); %将I 图显示到一个平面上2行2列第二个位置 I1=histeq(I); %做I 图像的直方图均衡figure; %控制画图窗口数量subplot(221);imshow(I1); %将I1图显示到一个平面上2行2列第一个位置 subplot(222);imhist(I1); %将I1图显示到一个平面上2行2列第二个位置添加噪声直方图均衡化均值滤波I=imread('w.tif'); %将w.tif图像读入matlab环境[M,N]=size(I); %自动确定后图像大小，返回图像行数M和列数N II1=zeros(M,N); %创建一个M行，N列的零矩阵for i=1:16 %建立循环i从1到16II(:,:,i)=imnoise(I,'gaussian',0,0.01); %将均值为0方差为0.01的高斯噪声加到图像II1上II1=II1+double(II(:,:,i)); %将II噪声转换成double型后与零矩阵相加if or(or(i==1,i==4),or(i==8,i==16)); %判断条件，如果满足i为1，4，8，16 figure; %控制画图窗口数量imshow(uint8(II1/i)); %在matlab上显示uint8类型的数据图像endend中值滤波I=imread('fa.tif'); %将fa.tif图像读入matlab环境J=imnoise(I,'salt & pepper',0.02); %用噪声密度为0.02的椒盐噪声污染图像I subplot(231),imshow(I); %将I图显示到一个平面上2行3列第一个位置title('原始图像'); %命名为原始图像subplot(232),imshow(J);title('添加椒盐噪声图像'); %同上k1=medfilt2(J); %将图像J执行二维中值滤波, 处理模版大小3*3k2=medfilt2(J,[5,5]); %将图像J执行二维中值滤波，处理模版大小5*5k3=medfilt2(J,[7,7]); %将图像J执行二维中值滤波, 处理模版大小7*7k4=medfilt2(J,[9,9]); %将图像J执行二维中值滤波, 处理模版大小9*9subplot(233),imshow(k1);title('3x3模版中值滤波');%将k1图显示到一个平面上2行3列第三个位置，命名为3x3模版中值滤波subplot(234),imshow(k1);title('5x5模版中值滤波'); %类比同上subplot(235),imshow(k1);title('7x7模版中值滤波'); %类比同上subplot(236),imshow(k1);title('9x9模版中值滤波'); %类比同上梯度锐化操作I=imread('rose.tif'); %将rose.tif图像读入matlab环境subplot(131);imshow(I); %将I图显示到一个平面上1行3列第一个位置H=fspecial('Sobel'); %对图像模糊建模H=H'; %将字符数组显示为行变量TH=filter2(H,I); % 对二维图像H进行空间滤波subplot(132),imshow(TH,[]); %将TH图显示到一个平面上1行3列第二个位置H=H'; %将字符数组显示为行变量TH=filter2(H,I); % 对二维图像H进行空间滤波subplot(133),imshow(TH,[]); %将TH图显示到一个平面上1行3列第三个位置。
图像处理的MATLAB 实现实验一 空域图像增强一、实验目的（1）掌握基本的空域图像增强方法，观察图像增强的效果，加深理解；（2）了解空域平滑模板的特性及其对不同噪声的影响；（3）了解空域锐化模板的特性及其对边缘的影响。
二、实验内容（1）直方图处理：直方图均衡（2）空域平滑：均值滤波、中值滤波；三、实验要求（1）用matlab 语言进行仿真实验；（2）递交实验报告，要求给出实验原理、源程序、实验结果及分析。
四、具体实验内容及要求4.1 实验内容4.1.1 直方图均衡（1）读入原图像pollen.png 并显示原图像以及直方图（2）对原图像进行直方图均衡处理（3）显示均衡后图像以及直方图。
4..1.2 图像空域平滑（1）读入原图像lena.bmp 并显示；（2）对原图像分别添加高斯噪声和椒盐噪声，并显示加噪图像；（3）采用均值滤波进行去噪处理，并显示去噪图像；（4）采用中值滤波进行去噪处理，并显示去噪图像。
4.1.3 空域锐化（1）读入原图像bridge.gif 并显示；（2）采用sobel 算子对图像进行处理，并显示结果；（3）尝试采用其他锐化模板进行处理。
4.2 实验原理4.2.1 直方图均衡实验原理对图像像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度级进行压缩。
而且，输入灰度级r 与输出灰度级s 的概率密度函数()r p r 和()s p s 有如下关系()()ds dr r p s p r s = 积分形式如下()()()dw w p L r T s rr ⎰-==01 4.2.2 图像滤波 （1）、椒盐噪声的中值滤波由于椒盐噪声的出现使该点的像素比周围的亮或暗许多，如果在某个模板中，对像素由小到大重新排列，那么最暗或最亮的点一定被排在两侧，取模板中间位置的灰度值像素代替待处理图像像素的灰度值，从而达到滤除噪声的目的。
（2）、高斯噪声的均值滤波均值滤波是一种空域线性的滤波方法，用像素邻域内各像素的灰度平均值代替该像素原来的灰度值；均值滤波采用的是模板操作，将模板在图像中从左到右，从上到下的顺序移动将模板中心与每个像素重合；将模板中个系数与其对应的像素一并相乘，然后再经所有的结果一并相加；将上面相加的结果重新付给模板中心对应的像素点，那么该灰度值，就是经均值滤波后平滑后的灰度值。
实验报告课程名称数字图像处理导论专业班级_______________姓名_______________学号_______________电气与信息学院和谐勤奋求是创新2.编写函数w = genlap lacia n(n)，自动产生任一奇数尺寸n的拉普拉斯算子，如5×5的拉普拉斯算子w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 14.采用不同的梯度算子对b lurry_moon.tif进行锐化滤波，并比较其效果。
[I,m ap]=im read('trees.tif');I=double(I);subplo t(2,3,1)imshow(I,m ap);title(' Original Im age');[Gx,Gy]=gradie nt(I); % gradie n t calcul ationG=sqrt(Gx.*Gx+Gy.*Gy); % matrixJ1=G; % gradie nt1subplo t(2,3,2)imshow(J1,m ap);title(' Operator1 Im age');J2=I; % gradie nt2 K=find(G>=7);J2(K)=G(K);subplo t(2,3,3)im show(J2,m ap);title(' Operator2 Im age');J3=I; % gradie n t3 K=find(G>=7);J3(K)=255;subplo t(2,3,4)im show(J3,m ap);title(' Operator3 Im age');J4=I; % gradie n t4 K=find(G<=7);J4(K)=255;subplo t(2,3,5)im show(J4,m ap);title(' Operator4 Im age');J5=I; % gradie nt5 K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;subplo t(2,3,6)im show(J5,m ap);title(' Operator5 Im age');5.自己设计锐化空间滤波器，并将其对噪声图像进行处理，显示处理后的图像；附录：可能用到的函数和参考结果**************报告里不能用参考结果中的图像1)采用3×3的拉普拉斯算子w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1]滤波I=im read('moon.tif');T=double(I);subplo t(1,2,1),im show(T,[]);title('Origin al Im age');w =[1,1,1;1,-8,1;1,1,1];K=conv2(T,w,'sam e');subplo t(1,2,2)im show(K);title('Laplacian Transf orm ation');图2.9 初始图像与拉普拉斯算子锐化图像2)编写函数w = genlap lacia n(n)，自动产生任一奇数尺寸n的拉普拉斯算子，如5×5的拉普拉斯算子：w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]functi on w = genlap lacia n(5)%Com put es the Laplac ian operat orw = ones(n);x = ceil(n/2);w(x, x) = -1 * (n * n - 1);3)分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对blurry_mo on.tif进行锐化滤波，并利用式完成图像的锐化增强，观察其有何不同，要求在同一窗口中显示。
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 by x f a g a y x f a y x f y x f y x g b a γβαn 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 k3、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）。
本科生实验报告（二）姓名:学院:专业:信息安全班级:信息安全实验课程名称:数字图像处理与分析实验日期:2013 年 4 月 25 日指导教师及职称:王云峰实验成绩:开课时间：2012-2013 学年第 2 学期甘肃政法学院实验管理中心印制灰度变换（对数变换）2. 空域滤波空域滤波:基于邻域处理，应用某一模板对每个像素及其周围邻域的所有像含噪声的图像三阶Butterworth原图加噪图常用的两种非线性扩展方法:(1)对数扩展:基本形式: g(x,y)=lg[f(x,y)]实际应用中一般取自然对数变换，具体形式如下：g(x,y)=C•ln[f(x,y)+1][f(x,y)+1]是为了避免对零求对数，C为尺度比例系数，用于调节动态范围。
变换函数曲线:(2)指数扩展:基本形式: g(x,y)=bf(x,y)实际应用中，为了增加变换的动态范围，一般需要加入一些调制参数。
具体形式如下：g(x,y)=bc[f(x,y)-a]-1 ，参数a可以改变曲线的起始位置，参数c可以改变曲线的变化速率.指数扩展可以对图像的高亮度区进行大幅扩展.灰度直方图灰度直方图是灰度值的函数，它描述了图像中各灰度值的像素个数。
通常用横坐标表示像素的灰度级别，纵坐标表示对应的灰度级出现的频率（像素的个数）。
频率的计算公式为：p(r)=nr ，nr是图像中灰度为r的像素数。
常用的直方图是规格化和离散化的，即纵坐标用相对值表示。
设图像总像素为N，某一级灰度像素数为nr，则直方图表示为：p(r)= nr /N 灰度直方图反映了一幅图像的灰度分布情况。
直方图均衡化通过把原图像的直方图通过变换函数修正为分布比较均匀的直方图，从而改的反变换用下式表示.。
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
图像增强—空域滤波实验报告篇一：5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告一、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); %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 。
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 cf x y a >⎧⎪-⎪=-+≤≤⎨-⎪<⎪⎩ （1） 其中，f (x,y)为原始图像，灰度范围为[a,b]，g(x,y)为增强后的数字图像，灰度范围为[c,d]。
注：实验中[a,b]可由实际图像来确定，[c,d]可视具体情况人为给定。
2、非线性灰度变换（对数变换或幂律变换选作其一）非线性拉伸不是对图像的灰度值进行扩展，而是有选择地对某一灰度范围进行扩展，其他范围的灰度值则可能被压缩。
常用的非线性变换：对数变换和指数变换。
即对数变换公式为：()(,)log 1(,)g x y c f x y =+幂律（伽马）变换为：(,)(,)g x y cf x y γ=（二）直方图处理对图像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。
昆明理工大学信息工程与自动化学院学生实验报告实验一、空域图像增强一、实验目的1、理解空域图像增强的概念；2、掌握灰度线性变换和非线性变换的图像增强方法及应用；3、掌握灰度直方图均衡化的图像增强方法及应用；4、掌握平滑空域滤波器方法，并会用其来消除图像噪声；5、掌握锐化空域滤波器方法，并会用其来增强图像细节。
二、实验原理及基本技术路线图（方框原理图）术语“空域”指的是图像平面本身。
在空域上，图像处理方法是通过直接对图像像素的处理来实施的。
图像增强是将原来不清晰的画面变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善视觉质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
空域处理方法可分为两种：灰度级变换与空域滤波。
空域技术所使用的对像素的直接操作可用下式表示：()[]),(xg=，yTxf,y其中f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f进行处理的操作符，它定义在像素点(x,y)所指定的空间邻近像区（简称为邻域）内。
定义像素点(x,y)的邻域的主要方法是，使用以(x,y)为中心的方形或矩形像区。
当这样的邻域的中心从左上角原点的开始遍历像素点时，将覆盖图像中不同的像区。
当T应用于每个被遍历的像素点f(x,y)时，便得到在该像素点的输出图像g(x,y)。
在计算g(x,y)时，只使用在(x,y)邻域中的像素。
在处理灰度图像并且当邻域大小为1×1时，T的形式最简单，它成为一个灰度（或亮度）级的变化函数（即，灰度变换）。
此时,g(x,y)的值仅由在(x,y)处的亮度f(x,y)来决定。
由于灰度变换T仅取决于灰度的值，与(x,y)无关，所以T可写成如下的简单形式：()r Ts=，其中，r表示图像f中相应点(x,y)的灰度，s表示图像g中相应点(x,y)的灰度。
灰度变换T通常包括灰度变换增强与直方图增强。
灰度变换增强可以通过改变图象的灰度范围及分布来实现。
在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段拉伸。
实验图像增强处理与几何变换一、实验目的利用Matlab图像处理工具箱中的函数实现图像点处理、空间域平滑和锐化处理、彩色图像处理、几何处理，巩固其原理与计算方法学习，深化课程理论认知。
二、实验内容1、图像点处理：灰度变换、直方图均衡化和直方图规定处理；2、图像均值滤波和中值滤波、图像锐化处理；3、图像几何变换处理；4、图像彩色合成和彩色变换处理；三、实验步骤1、图像点处理：灰度变换、直方图均衡化和直方图规定处理；1.1图像的灰度变换启用MATLAB,输入以下代码运行I= imread('cameraman-8.bmp','bmp');figure; subplot(2,2,1), imshow(I);%获取图像直方图subplot(2,2,2),imhist(I);[counts1,x1] = imhist(I);%观察Counts,x的值subplot(2,2,3),stem(x1,counts1);%图像灰度变换J=imadjust(I,[0.1 0.7],[0.0 0.9]);subplot(2,2,4), imshow (J);%对比灰度变换前后的图像及其直方图figure;subplot(2,3,1),imshow(I);subplot(2,3,2),imshow(J);subplot(2,3,4),imhist(I);subplot(2,3,5),imhist(J);[counts2,x2] = imhist(J);subplot(2,3,6), stem(x2,counts2);图 1.1.1图 1.1.21.2图像直方图均衡化启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp','bmp') ;%直方图均衡化处理J=histeq(I) ;%对比均衡化处理前后的图像及其直方图figure(1),subplot(2,2,1),imshow(I),subplot(2,2,2),imshow(J); figure(1),subplot(2,2,3),imhist(I),subplot(2,2,4),imhist(J);图 1.2 1.3直方图规定化启用MATLAB,输入以下代码运行I1=imread('TM5.bmp','bmp');I2=imread('TM3.bmp','bmp');%直方图规定化处理K1=histeq(I1,imhist(I2));%对比规定化处理前后的图像及其直方图figure;subplot(3,2,1),imshow(I1);subplot(3,2,2), imhist(I1);subplot(3,2,3),imshow(I2);subplot(3,2,4), imhist(I2);subplot(3,2,5),imshow(K1);subplot(3,2,6), imhist(K1);图 1.32、图像空间域平滑2.1 用均值滤波器实现图像空间域的平滑启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp','bmp');J=imnoise(I,'gaussian'); %添加高斯噪声K=imnoise(I,'salt & pepper'); %添加椒盐噪声M=imnoise(I,'speckle'); %添加乘性噪声H=ones(3,3)/9; %3*3的均值去噪模板%滤波去噪处理I1=imfilter(I,H);J1=imfilter(J,H);K1=imfilter(K,H);M1=imfilter(M,H) ;%对比线性滤波去噪处理前后的图像figure;subplot(2,4,1),imshow(I);title('原图');subplot(2,4,2),imshow(J); title('高斯噪声图像'); subplot(2,4,3),imshow(K); title('椒盐噪声图像'); subplot(2,4,4),imshow(M); title('乘性噪声图像'); subplot(2,4,6),imshow(J1); title('高斯噪声滤波图像'); subplot(2,4,7),imshow(K1); title('椒盐噪声滤波图像'); subplot(2,4,8),imshow(M1) ; title('乘性噪声滤波图像') ; 输出图像如下图 2.12.2 用中值滤波器实现图像空间域的平滑启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp');I1=imnoise(I,'gaussian');I2=imnoise(I,'salt & pepper',0.02);I3=imnoise(I,'speckle');%3×3中值滤波模板J=medfilt2(I,[3,3]);J1=medfilt2(I1,[3,3]);J2=medfilt2(I2,[3,3]);J3=medfilt2(I3,[3,3]);figure,subplot(2,4,1),imshow(I) ; title('原图') ;subplot(2,4,2),imshow(I1) ; title('添加高斯噪声') ;subplot(2,4,3),imshow(I2) ; title('添加椒盐噪声') ;subplot(2,4,4),imshow(I3) ; title('添加乘性噪声') ;subplot(2,4,6),imshow(J1) ;title('高斯噪声3*3中值滤波') ; subplot(2,4,7),imshow(J2) ;title('椒盐噪声3*3中值滤波') ; subplot(2,4,8),imshow(J3) ;title('乘性噪声3*3中值滤波') ;K=medfilt2(I, [5,5]); %5×5中值滤波模板K1=medfilt2(I1,[5,5]);K2=medfilt2(I2,[5,5]);K3=medfilt2(I3,[5,5]);figure;subplot(2,2,1),imshow(K); title('原图5*5中值滤波'); subplot(2,2,2),imshow(K1) ; title('高斯噪声5*5中值滤波') ; subplot(2,2,3),imshow(K2); title('椒盐噪声5*5中值滤波'); subplot(2,2,4),imshow(K3) ; title('乘性噪声5*5中值滤波'); 输出结果如下图 2.2.1图 2.2.22.3 图像空间域锐化启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp','bmp')H=fspecial('sobel')%用sobel算子做模板%锐化处理J=imfilter(I,H)%锐化处理前后图像对比figure,subplot(1,2,1),imshow(I),subplot(1,2,2),imshow(J); 输出图像如下图 2.33、图像几何变换3.1 缩放启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp', 'bmp') ;%放大图像J=imresize(I,2) ;%缩小图像K=imresize(I,0.5) ;%图像对比figure(1),subplot(),imshow(I),title('原图'),figure(2),subplot(),imshow(J),title('放大两倍的图'),figure(3),subplot(),imshow(K),title('缩小0.5倍的图') ;输出图像如下图 3.1.1 图3.1.2图 3.1.33.2旋转启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp', 'bmp') ;%旋转图像M=imrotate(I,45) ;%图像对比figure;subplot(1,2,1),imshow(I),subplot(1,2,2),imshow(M) ;输出图像如下图 3.24、彩色图像处理4.1彩色合成启用MATLAB,输入以下代码运行I=imread('peppers.bmp','bmp');J1=I; J2=I;J3=I; J4=I;J5=I;%改变J1、J2、J3、J4、J5中的波段次序，组合成新的波段合成J1(:,:,1)=I(:,:,2); J1(:,:,2)=I(:,:,3); J1(:,:,3)=I(:,:,1) ;J2(:,:,1)=I(:,:,1); J2(:,:,2)=I(:,:,3); J2(:,:,3)=I(:,:,2) ;J3(:,:,1)=I(:,:,2); J3(:,:,2)=I(:,:,1); J3(:,:,3)=I(:,:,3) ;J4(:,:,1)=I(:,:,3); J4(:,:,2)=I(:,:,2); J4(:,:,3)=I(:,:,1) ;J5(:,:,1)=I(:,:,3); J5(:,:,2)=I(:,:,1); J5(:,:,3)=I(:,:,2) ;%对比原图像I与新图像J1、J2、J3、J4、J5的彩色差异，理解假彩色合成figure,subplot(2,3,1),imshow(I),title('原图');subplot(2,3,2),imshow(J1),title('变换一') ;subplot(2,3,3),imshow(J2),title('变换二') ;subplot(2,3,4),imshow(J3),title('变换三') ;subplot(2,3,5),imshow(J4),title('变换四') ;subplot(2,3,6),imshow(J5),title('变换五');输出图像如下图4.1 4.2彩色变换启用MATLAB,输入以下代码运行I=imread('peppers.bmp','bmp');HSV=rgb2hsv(I) ;RGB=hsv2rgb(HSV) ;%对比彩色变换前后的图像figure;subplot(1,3,1),imshow(I),title('原图'),subplot(1,3,2),imshow(HSV),title('HSV图像'); subplot(1,3,3),imshow(RGB),title('RGB图像') ;输出结果如下图 4.2四、实验算法要点总结1、图像点处理直方图修正法通常分为直方图均衡化和直方图规定化两类2、图像均值滤波和中值滤波、图像锐化处理3、图像几何变换处理4、图像彩色合成和彩色变换处理通过映射函数将彩色图像或多光谱图像变换成新的三基色分量线性假彩色映射表示为：。
