下载文档原格式
光电图像处理2021年 4月（一）彩色图像的增强1.研究目的及意义人类传递的信息有70%是视觉信息.图像信息是传递信息的重要媒体和手段。
但是在生活中,常常由于光线不充足,在获得图像后会发现图像亮度不够,导致景物无法看清楚。
为了研究和分析图像,需对图像进行必要的处理。
对于数字图像常用的处理方法就是用图像增强技术来改善图像的像质。
图像增强是指按特定的需要突出一幅图像的某些信息,同时，削弱或去除某些不需要的信息的处理方法。
其主要目的是使处理后的图像对某种特定的应用来说，比原始图像更适用。
处理的结果使图像更适合于人的视觉特性或机器的识别系统。
图像增强技术主要是针对灰度图来作用。
其手段是修改直方图。
在图像处理中色彩的运用是很重要的,原因有两个:第一,在自动图像分析中色彩是一个有力的描述工具,它通常可使从一个场景中识别和抽取日标的处理得到简化;第二,人们对图像进行分析时,人眼区别的灰度层次大约只有二十几种,但却能够识别成千上万的色彩。
彩色图像中含有较大的信息量;而且人眼对色彩的识别和区分能力可以达到灰度辨别能力的百倍以上，所以彩色图像的增强对从图像中获得更多的信息有着非常重要的作用。
2.理论基础图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息，削弱或消除无关信息达到强调图像的整体或局部特征的目的。
常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等。
图像增强技术主要分为两类：频域增强法和空域增强法。
频域增强法主要是利用各种频域滤波器进行图像平滑或锐化处理,然后进行变换域反变換来增强图像;空域增强法是直接针对图像中的像素,对图像的灰度进行处理。
空域法属于直接增强的方法,它包括扩展对比度的灰度变换和直方图变换.清除噪声的平滑法和增强边缘的锐化法。
图像增强原理：设原始图像在(x,y)处的灰度为f(x,y)，而增强后的灰度为g(x,y)，则图像的增强可表示为将在(x,y)处的灰度f(x,y)映射为g(x,y),可表示为g(x,y)=T[f(x,y)],针对灰度图像。
MATLAB图像处理实战技巧第一章：图像读取和显示在MATLAB中，我们可以使用imread函数读取图像文件，并使用imshow函数显示图像。
图像可以保存在不同格式的文件中，如JPEG、PNG或BMP。
读取文件时，MATLAB会将图像转换为矩阵，每个像素对应于矩阵中的一个元素。
显示图像时，MATLAB会将矩阵重新转换为图像，以便我们可以直观地观察图像内容。
第二章：图像预处理图像预处理是图像处理的重要一步，用于提取图像中感兴趣的信息。
常见的图像预处理技术包括灰度化、平滑、增强和边缘检测。
灰度化可以将彩色图像转换为灰度图像，简化了后续处理的复杂性。
平滑可以消除图像中的噪声，常用的平滑滤波器有均值滤波和中值滤波。
增强可以提高图像的对比度和清晰度，常用的增强方法有直方图均衡化和对数变换。
边缘检测可以检测和提取图像中的边缘信息，常用的边缘检测算法有Sobel算子和Canny算子。
第三章：图像分割图像分割是将图像分成若干个区域或对象的过程。
图像分割在计算机视觉和图像处理中扮演着重要的角色，可用于识别和分析图像中的各个元素。
常用的图像分割技术有阈值分割、区域生长和基于边缘的分割。
阈值分割通过设置一个或多个阈值来将图像分为不同的区域。
区域生长通过选取种子点并在其周围生长来形成区域。
边缘分割通过检测图像中的边缘来分割图像。
第四章：图像特征提取图像特征提取是将图像转换为具有辨识性的特征向量的过程。
图像特征可以用来描述图像中的内容，并用于图像分类和识别等任务。
常用的图像特征包括颜色特征、纹理特征和形状特征。
颜色特征可以通过提取图像的颜色直方图或颜色矩来表示。
纹理特征可以通过提取图像的纹理统计信息来表示，如灰度共生矩阵和小波变换。
形状特征可以通过提取图像的轮廓或形状描述符来表示。
第五章：图像配准图像配准是将两幅或多幅图像的坐标系进行对齐的过程。
图像配准可以用于图像融合、图像拼接和图像配对等应用。
常用的图像配准方法有基于特征的配准和基于相位相关的配准。
使用MATLAB进行图像处理的基本方法第一章：介绍MATLAB图像处理工具箱MATLAB是一种用于算法开发、数据可视化和数值计算的高级工具。
图像处理是MATLAB中重要的应用之一，其图像处理工具箱提供了许多功能强大的函数和工具，能够完成各种图像处理任务。
1.1 图像处理基础图像处理是通过计算机对图像进行分析、处理和改变的过程。
它可以用于增强图像的质量、从图像中提取有用的信息或特征，以及实现图像的压缩和恢复等任务。
1.2 MATLAB图像处理工具箱的功能MATLAB图像处理工具箱提供了丰富的函数和工具，包括图像读取和写入、图像增强、图像分割、图像滤波、图像变换等。
这些功能可以帮助用户对图像进行各种处理和分析。
第二章：图像预处理图像预处理是图像处理的第一步，其目的是消除图像中的噪声和其他不必要的信息，使后续的处理更加准确和有效。
2.1 图像读取和显示在MATLAB中，可以使用imread函数读取图像，imshow函数显示图像。
读取图像后，可以对图像进行显示、调整亮度和对比度等操作。
2.2 图像增强图像增强是通过对图像的像素值进行调整，改善图像的视觉质量。
常用的图像增强方法有直方图均衡化、对比度拉伸和滤波等。
第三章：图像分割图像分割是将图像划分成若干个具有独立意义的部分的过程。
图像分割可以帮助我们识别并提取出感兴趣的目标，进行后续的处理和分析。
3.1 基于阈值的图像分割阈值分割是一种简单且有效的图像分割方法，其思想是将图像中的像素分成前景和背景两部分。
MATLAB提供了imbinarize函数用于阈值分割。
3.2 基于边缘的图像分割边缘分割基于图像中物体的边界特征，通过检测图像中的边缘来实现图像分割。
MATLAB中的边缘检测函数包括edge和gradient。
第四章：图像滤波图像滤波是对图像进行平滑或增强处理的过程，它可以帮助去除图像中的噪声、增强图像的边缘和细节等。
4.1 线性滤波线性滤波是一种基于加权和求和的滤波方法，常用的线性滤波器有均值滤波器和高斯滤波器等。
实验四、图像的几何变换与彩色处理一、实验目的1理解和掌握图像的平移、垂直镜像变换、水平镜像变换、缩放和旋转的原理和应用；2熟悉图像几何变换的MATLAB操作和基本功能3 掌握彩色图像处理的基本技术二、实验步骤1 启动MATLAB程序，读入图像并对图像文件分别进行平移、垂直镜像变换、水平镜像变换、缩放和旋转操作%%%%%%平移>> flowerImg=imread('flower.jpg');>> se=translate(strel(1),[100 100]);>> img2=imdilate(flowerImg,se);>> subplot(1,2,1);>> imshow(flowerImg);>> subplot(1,2,2);>> imshow(img2);I1=imread('flower.jpg');I1=double(I1);H=size(I1);I2(1:H(1),1:H(2),1:H(3))=I1(H(1):-1:1,1:H(2),1:H(3)); I3(1:H(1),1:H(2),1:H(3))=I1(1:H(1),H(2):-1:1,1:H(3)); Subplot(2,2,1);Imshow(uint8(I1));Title('原图');Subplot(2,2,2);Imshow(uint8(I3));Title('水平镜像');Subplot(2,2,3);Imshow(uint8(I2));Title('垂直镜像');img1=imread('flower.jpg');figure,imshow(img1);%%%%%%缩放img2=imresize(img1,0.25);figure,imshow(img2);imwrite(img2,'a2.jpg');%%%%%%旋转img3=imrotate(img1,90); figure,imshow(img3); imwrite(img3,'a3.jpg');2 实验如下操作：(1)改变图像缩放比例f= imread('flower.jpg');T=[ 0.5 0 0; 0 0.5 0; 0 0 1];tform=maketform('affine',T);[g1,xdata1,ydata1]=imtransform(f,tform,'FillValue',255);T=[ 1 0 0; 0 1 0; 0 0 1];tform=maketform('affine',T);[g2,xdata2,ydata2]=imtransform(f,tform,'FillValue',255);T=[ 1.5 0 0; 0 1.5 0; 0 0 1];tform=maketform('affine',T);[g3,xdata3,ydata3]=imtransform(f,tform,'FillValue',255);hold onimshow(g3,'XData', xdata3, 'YData', ydata3)hold onimshow(g2,'XData', xdata2, 'YData', ydata2)hold onimshow(g1,'XData', xdata1, 'YData', ydata1)axis autoaxis on(2)改变图像的旋转角度，f= imread('flower.jpg');theta=3*pi/4;T=[cos(theta) sin(theta) 0; -sin(theta) cos(theta) 0; 0 0 1]; tform=maketform('affine',T);[g3,xdata3,ydata3]=imtransform(f,tform,'FillValue',255); theta=pi;T=[cos(theta) sin(theta) 0; -sin(theta) cos(theta) 0; 0 0 1]; tform=maketform('affine',T);[g4,xdata4,ydata4]=imtransform(f,tform,'FillValue',255); imshow(f);hold onimshow(g3,'XData', xdata3, 'YData', ydata3)hold onimshow(g4,'XData', xdata4, 'YData', ydata4)axis autoaxis on观察变换结果，要求把经过不同类型几何变换的图像和原图像在同一坐标系内显示输出(请参考课件或教材上的代码)3 读入一幅彩色图像，进行如下图像处理：(1)在RGB彩色空间中对图像进行模糊和锐化处理rgb= imread('flower.jpg');figure; imshow(rgb); title('原图');%平滑滤波r=rgb(:,:,1);g=rgb(:,:,2);b=rgb(:,:,3);m=fspecial('average',[8,8]);r_filtered=imfilter(r,m);g_filtered=imfilter(g,m);b_filtered=imfilter(b,m);rgb_filtered=cat(3,r_filtered,g_filtered,b_filtered);figure; imshow(rgb_filtered); title('模糊后');imwrite(rgb_filtered, 'RGB彩色空间模糊后.jpg');%拉普拉斯lapMatrix=[1 1 1;1 -8 1;1 1 1];i_tmp=imfilter(rgb,lapMatrix,'replicate');i_sharped=imsubtract(rgb,i_tmp);figure; imshow(i_sharped); title('锐化后'); imwrite(i_sharped, 'RGB彩色空间锐化后.jpg');(2)在HSI彩色空间中，对H分量图像进行模糊和锐化处理，转换回RGB格式并观察效果(3)在HSI彩色空间中，对S分量图像进行模糊和锐化处理，转换回RGB格式并观察效果(4)在HSI彩色空间中，对I分量图像进行模糊和锐化处理，转换回RGB格式并观察效果fc = imread('flower.jpg');h = rgb2hsi(fc);H = h (:,:,1);S = h (:,:,2);I = h (:,:,3);subplot(3,3,1);imshow(fc); title('原图');%平滑滤波m=fspecial('average',[8,8]);h_filtered=imfilter(H,m);img_h_filtered = cat(3,h_filtered,S,I);rgb_h_filtered = hsi2rgb(img_h_filtered);subplot(3,3,2);imshow(rgb_h_filtered); title('H分量模糊后');imwrite(rgb_h_filtered, 'H分量模糊后.jpg');%拉普拉斯lapMatrix=[1 1 1;1 -8 1;1 1 1];i_tmp=imfilter(H,lapMatrix,'replicate');H_sharped=imsubtract(H,i_tmp);img_h_sharped = cat(3,H_sharped,S,I);rgb_h_sharped = hsi2rgb(img_h_sharped);subplot(3,3,3); imshow(rgb_h_sharped); title('H分量锐化后'); imwrite(rgb_h_sharped, 'H分量锐化后.jpg');subplot(3,3,4);imshow(fc); title('原图');%平滑滤波m=fspecial('average',[8,8]);s_filtered=imfilter(S,m);img_s_filtered = cat(3,H,s_filtered,I);rgb_s_filtered = hsi2rgb(img_s_filtered);subplot(3,3,5);imshow(rgb_s_filtered); title('S分量模糊后'); imwrite(rgb_s_filtered, 'S分量模糊后.jpg');%拉普拉斯lapMatrix=[1 1 1;1 -8 1;1 1 1];i_tmp=imfilter(S,lapMatrix,'replicate');s_sharped=imsubtract(S,i_tmp);img_s_sharped = cat(3,H,s_sharped,I);rgb_s_sharped = hsi2rgb(img_s_sharped);subplot(3,3,6); imshow(rgb_s_sharped); title('S分量锐化后'); imwrite(rgb_s_sharped, 'S分量锐化后.jpg');subplot(3,3,7);imshow(fc); title('原图');%平滑滤波m=fspecial('average',[8,8]);i_filtered=imfilter(I,m);img_i_filtered = cat(3,H,S,i_filtered);rgb_i_filtered = hsi2rgb(img_i_filtered);subplot(3,3,8);imshow(rgb_i_filtered); title('I分量模糊后'); imwrite(rgb_i_filtered, 'I分量模糊后.jpg');%拉普拉斯lapMatrix=[1 1 1;1 -8 1;1 1 1];i_tmp=imfilter(I,lapMatrix,'replicate');i_sharped=imsubtract(I,i_tmp);img_i_sharped = cat(3,H,S,i_sharped);rgb_i_sharped = hsi2rgb(img_i_sharped);subplot(3,3,9); imshow(rgb_i_sharped); title('I分量锐化后'); imwrite(rgb_i_sharped, 'I分量锐化后.jpg');由图看出I分量图像进行模糊和锐化处理的效果最好。
实验六彩色图像的处理一、实验目的1、掌握matlab中RGB图像与索引图像、灰度级图像之间转换函数;2、了解RGB图像与不同颜色空间之间的转换;3、掌握彩色图像的直方图处理方法;二、实验内容及步骤1、RGB图像与索引图像、灰度级图像的转换;close allRGB=imread'';R_i,map=rgb2indRGB,8;%RGB图像转换为8色的索引图像figureimshowR_i,mapR_g=rgb2grayRGB;%RGB图像转换为灰度级图像figureimshowR_g思考：将RGB图像’’分别转换为32色、256色、1024色索引图像,是否调色板所表示的颜色值越多图像越好RGB=imread'';R_i1,map=rgb2indRGB,8;%RGB图像转换为8色的索引图像R_i2,map=rgb2indRGB,32;%RGB图像转换为32色的索引图像R_i3,map=rgb2indRGB,256;%RGB图像转换为256色的索引图像R_i4,map=rgb2indRGB,1024;%RGB图像转换为1024色的索引图像Subplot221;imshowR_i1,map;title'8色的索引图像';Subplot222;imshowR_i2,map;title'32色的索引图像';Subplot223;imshowR_i3,map;title'256色的索引图像';Subplot224;imshowR_i4,map;title'1024色的索引图像';结论：随着索引值的增加图像的质量也有增加,更加清晰,色彩也更加鲜明;但不是不是颜色值越多越好;当索引值过高时,会出现无法识别而致模糊的情况出现; 2、RGB图像与不同颜色空间的转换;1 RGB与HSI颜色空间的转换HSI应用于彩色图像处理;实验六文件夹中rgb2hsi 函数将RGB颜色空间转换为HSI空间并显示各分量, hsi2rgb 函数是将HSI颜色空间转换为RGB颜色空间;close allfigureimshowxtitle'RGB'x_hsi=rgb2hsix;% RGB颜色空间转换成HSI颜色空间,% 并显示H、S、I各分量figureimshowx_hsititle'HSI'x_h_r=hsi2rgbx_hsi;figureimshowx_h_rtitle'HSI-->RGB'2RGB与CMY颜色空间转换CMY颜色空间运用在大多数在纸上沉积彩色颜料的设备,如彩色打印机和复印机; CMY青、深红、黄是RGB颜色空间的补色;close allx=imread'';X = im2doublex;R=X:,:,1;G=X:,:,2;B=X:,:,3;C=1-R;M=1-G;Y=1-B;R1=1-C;G1=1-M;B1=1-Y;CMY=cat3,C,M,Y;RGB1=cat3,R,G,B;subplot1,3,1,imshowX;title'RGB' ;subplot1,3,2,imshowCMY;title'CMY' ;subplot1,3,3,imshowRGB1;title'CMY--->RGB' ;思考：如何将RGB图像分解出其R、G、B颜色分量结果类似下图; close allx=imread'';X = im2doublex;R=X:,:,1;G=X:,:,2;B=X:,:,3;C1=R;M1=G-G;Y1=B-B;C2=R-R;M2=G;Y2=B-B;C3=R-R;M3=G-G;Y3=B;R=cat3,C1,M1,Y1;G=cat3,C2,M2,Y2;B=cat3,C3,M3,Y3;subplot1,3,1,imshowR;title'R' ;subplot1,3,2,imshowG;title'G' ;subplot1,3,3,imshowB;title'B' ;3、彩色图像的直方图处理1在HSI颜色空间对I强度分量进行调整及直方图均衡化;close allx=imread'';figureimshowxtitle'RGB'x_hsi=rgb2hsix;% RGB颜色空间转换成HSI颜色空间,% 并显示H、S、I各分量h=x_hsi:,:,1;s=x_hsi:,:,2;i=x_hsi:,:,3;i1=imadjusti,0 1,,;%对I分量进行灰度值调整,使图像更亮x_hsi=cat3,h,s,i1;x_h_r=hsi2rgbx_hsi; % HSI空间转换为RGB空间figureimshowx_h_rtitle'imadjusti,,,'i2=histeqi; %对I分量进行直方图均衡化,加强对比度x_hsi=cat3,h,s,i2;x_h_r=hsi2rgbx_hsi; % HSI空间转换为RGB空间figureimshowx_h_rtitle'histeqi'2 RGB颜色空间对全彩色进行直方图处理close allx=imread'';figureimshowxtitle'RGB'r=x:,:,1; g=x:,:,2; b=x:,:,3;r1=imadjustr,0 1,,;%对R分量进行灰度值调整g1=imadjustg,0 1,,; %对G分量进行灰度值调整b1=imadjustb,0 1,,; %对B分量进行灰度值调整x1=cat3,r1,g1,b1;figure; imshowx1title'imadjustr/g/b,,,'r2=histeqr; %直方图均衡化g2=histeqg;b2=histeqb;x2=cat3,r2,g2,b2;%处理后的R、G、B分量合并回RGB图像figure; imshowx2title'histeqr/g/b'思考：参考彩色图像的直方图处理方法,分别对RGB图像'' 进行尺寸为55的均值平滑滤波及拉普拉斯锐化;在HIS空间或RGB空间都可以结果类似下图;拉普拉斯算子：h= -1 -1 -1;-1 8 -1;-1 -1 -1;;155 均值平滑滤波close all;x=imread'';h=fspecial'average',5;y=imfilterx,h;subplot1,2,1;imshowx;title'RGB';subplot1,2,2;imshowy;title'55 均值平滑滤波';2拉普拉斯锐化close all;x=imread'';h= -1 -1 -1;-1 8 -1;-1 -1 -1;;y=imfilterx,h;subplot1,2,1;imshowx;title'RGB';subplot1,2,2;imshowy;title'拉普拉斯滤波';三、实验报告1、按照实验步骤做实验；2、记录实验结果,并作出总结；3、按照实验报告格式写出报告;四、实验心得及机会通过这次实验,我学会并了解了许多有关数字图像处理方面的知识;以前只是看着课本上的内容学习,对很多知识只是生分的了解,但是不懂得如何应用,通过做实验,自己动手,对图像做一系列的处理和变换,体会到了各种参数对数字图像的影响;通过此次实验也发现了自己的而许多问题,在对于MATLAB软件的应用上面我还有许多不足,尤其是对如何编写M文件方面很难掌握,仍有待加强;。
南京信息工程大学滨江学院基于MATLAB的数字图像处理的彩色图像处理专业：电子信工程学生姓名：***指导教师：***完成时间：2022年4月26日摘要自20世纪70年代以来，由于数字技术和计算机技术的迅猛发展，给数字图像处理(Digital Image Processing)提供了先进的技术手段。
图像科学从信息处理、自动控制系统理论、计算机科学、数据通信等学科中脱颖而出，成为研究图像信息的获取、传输、存储、变换、显示、理解和综合利用的新兴学科。
数字图像处理在实际中得到了广泛应用。
特别是在遥感、航空航天、通信、生物和医学、安全监控、工业生产、视频和多媒体、机器人视觉、物理和化学分析、公安和军事等领域．它在国家安全、经济发展和日常生活中已经起到越来越重要的作用。
由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。
关键字颜色空间彩色图像分割彩色空间转换彩色变换目录引言 (1)1 MATLAB图像处理工具箱及数字图像处理基本过程简介 (2)1.1 常用图像操作 (2)1.2 图像增强功能 (2)1.3边缘检测和图像分割功能 (3)1,4图像变换功能 (4)2 MATLAB中彩色图像表示 (4)2.1RGB图像 (4)2.2索引图像 (6)2.3处理RGB和索引图像 (6)3 彩色图像处理 (6)3.1读入一幅RGB图像，将其分别转换到CMY空间、HSI空间并显示 (6)3.2彩色空间滤波 (8)参考文献 (9)致谢 (9)引言MATLAB 语言是由美国MathWorks 公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。
它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，而且还具有可扩展性特征。
MathWorks 公司针对不同领域的应用，推出了信号处理、控制系统、神经网络、图像处理、小波分析、鲁棒控制、非线性系统控制设计、系统辨识、优化设计、统计分析、财政金融、样条、通信等30 多个具有专门功能的工具箱，这些工具箱是由该领域内的学术水平较高的专家编写的，无需用户自己编写所用的专业基础程序，可直接对工具箱进行运用。
实验五彩色图像处理一、实验目的使用MatLab 软件对图像进行彩色处理。
使学生通过实验熟悉使用MatLab软件进行图像彩色处理的有关方法，并体会到图像彩色处理技术以及对图像处理的效果。
二、实验要求要求学生能够完成彩色图像的分析，能正确讨论彩色图像的亮度、色调等性质；会对彩色图像进行直方图均衡，并能正确解释均衡处理后的结果；能够对单色图像进行伪彩色处理、利用多波长图像进行假彩色合成、进行单色图像的彩色变换。
三、实验内容与步骤(1) 彩色图像的分析调入并显示彩色图像flower1.tif ；拆分这幅图像，并分别显示其R，G，B分量；根据各个分量图像的情况讨论该彩色图像的亮度、色调等性质。
(2) 彩色图像的直方图均衡接内容(1)；显示这幅图像的R，G，B分量的直方图，分别进行直方图均衡处理，并显示均衡后的直方图和直方图均衡处理后的各分量；将处理完毕的各个分量合成彩色图像并显示其结果；观察处理前后图像的彩色、亮度、色调等性质的变化。
(3) 假彩色处理调入并显示红色可见光的灰度图像vl_red.jpg、绿色可见光的灰度图像vl_green.jpg 和蓝色可见光的灰度图像vl_blue.jpg；以及近红外灰度图像infer_near.jpg和中红外灰度图像infer_mid.jpg；以图像vl_red.jpg为R；图像vl_green.jpg为G；图像vl_blue.jpg为B，将这三幅图像组合成可见光RGB彩色图像；分别以近红外图像infer_near.jpg和中红外图像infer_mid替换R分量，形成假彩色图像；观察处理的结果，注意不同波长红外线图像组成图像的不同结果(4) 伪彩色处理1：灰度切片处理调入并显示灰度图像head.jpg；利用MATLAB提供的函数对图像在8~256级的范围内进行切片处理，并使用hot模式和cool 模式进行彩色化；观察处理的结果。
(5) 彩色变换(选做)调入并显示灰度图像Lenna.jpg；使用不同相位的正弦函数作为变换函数，将灰度图像变换为RGB图像。
