图像增强实验

实验二图像增强处理实习报告1.实验目的和内容1.1.实验目的掌握图像合成和显示增强的基本方法，理解存储的图像数据与显示的图像数据之间的1.2.实验要求熟练根据图像中的地物特征进行图像合成显示、拉伸、图像均衡化等显示增强操作。

理解直方图的含义，能熟练的利用直方图进行多波段的图像显示拉伸增强处理。

1.3.软件和数据ENVI 软件。

TM 图像数据。

上次实验合成后的图像数据文件AA。

1.4.实验内容图像的彩色合成显示图像的基本拉伸方法图像均衡化方法图像规定化2.实验过程通过合成和拉伸增强显示图像中的信息。

2.1.图像合成图像合成方法：伪彩色合成、彩色合成两种方式。

其中彩色合成包括：真彩色合成、假彩色合成、模拟真彩色合成。

操作：使用（4，3，2）进行RGB 合成显示图像。

图像窗口为#1。

移动图像窗口的红色选框到玄武湖，将光标十字放在红框内，双击，显示光标位置窗口。

该窗口中出现了Scrn 和Data，二者后面的RGB 的值是不同的。

2.1.1伪彩色合成在新的窗口显示第4 波段图像，窗口为#2。

操作：菜单：窗口菜单Tools-Color Mapping-Density slice…，选择Band 4，确定。

在“Density Slice”窗口中，点击“应用”按钮，窗口#2 的图像变成了彩色。

设置默认的分级数为3 个：在“Density Slice”窗口，点击Options-Set number of default range,输入3，确定。

点击Options-Apply default range，点击Apply 按钮。

查看窗口#2 内的变化。

重复上面步骤，设置分级数为10，查看图像的变化。

基本的特征是：长江是绿色的，玄武湖是红色的。

在新的窗口显示波段4，窗口编号为#3。

菜单：窗口菜单Tools-Color Mapping-ENVI Color table…依次点击Color Tables 下的颜色方案列表，查看#3 图像的变化。

一、卷积滤波卷积（Convolution）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（高频、中频、低频）可以分为低通滤波、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。

它们的核心部分是卷积核。

各种滤波说明High Pass( 高通滤波器)：保持图像高频信息，消除图像中的低频成分。

可以用来增强纹理、边缘等信息。

Low Pass（低通滤波器）: 保存图像中的低频成分，是图像平滑。

Laplacian（拉普拉斯算子）：不考虑图像的边缘部分，只强调图像中的最大值。

可以增强边缘。

:Directional（方向滤波器）: 选择性的增强有特定方向成分的（如梯度）图像特征。

Gaussian High Pass（高斯高通滤波: 通过指定大小的高斯卷积函数对图像进行滤波。

Gaussian High Pass(高斯低通滤波)：通过指定大小的高斯卷积函数对图像进行滤波。

Median（中通滤波器）: 保留卷积核的边缘的同时，平滑图像。

可以消除噪声和斑点。

Soble : 边缘增强。

Roberts : 用于边缘的锐化与分离。

自定义卷积核可以通过选择和编辑一个用户卷积核，定义常用的卷积变换核。

二数学形态学滤波ENVI 中的数学形态学滤波包括以下类型：主要是对二值图像和灰度图像操作膨胀（Dilate）：填充比结构元素小的孔。

腐蚀（Erode）: 消除比结构元素小的像元。

开启（Opening）平滑图像边缘，消除孤立像元，锐化图像最大、最小信息。

闭合（closing）平滑图像，消除图像中得小孔，填充图像边缘的间隙。

三纹理分析Texture使用Texture 选项可以应用基于概率统计或二阶统计的纹理滤波。

纹理是指图像色调作为等级函数在空间上的变化。

1、基于概率统计的滤波（Occurrence measures）使用Occurrence measures 可以应用于5个不同的基于概率统计的纹理滤波。

包括数据范围（Data Range）、平均值（M,ean）、方差（Variance）、信息熵（Entropy）、偏斜（skewness）.把每一个灰阶出现的次数用于纹理计算。

图像增强原理的应用实验报告1. 引言图像增强是数字图像处理中的一项重要技术，通过改善图像质量，使图像在视觉上更加清晰、鲜明和易于解析。

本实验旨在探究图像增强原理的应用，并对不同的图像增强算法进行评估和比较。

2. 实验方法本实验使用Python编程语言，在Jupyter Notebook环境下进行实验，主要使用了以下几个库： - OpenCV：用于图像的读取和处理。

- NumPy：用于数组和矩阵的处理。

- Matplotlib：用于图像的显示和绘图。

实验步骤如下： 1. 导入所需的库。

2. 读取待处理的图像。

3. 实现不同的图像增强算法，包括直方图均衡化、自适应直方图均衡化等。

4. 比较不同算法的效果，包括图像的对比度、亮度和细节增强等方面。

5. 对实验结果进行分析和总结。

3. 实验结果实验中使用了一张室外风景照片作为待处理图像。

下面列出了不同图像增强算法的实验结果：3.1 直方图均衡化直方图均衡化是一种常用的图像增强算法，通过重新分布图像像素的灰度级来增强图像的对比度。

实验结果显示，直方图均衡化可以有效地增强图像的对比度，使暗部和亮部细节更加清晰。

3.2 自适应直方图均衡化自适应直方图均衡化是对传统直方图均衡化算法的改进，它根据图像局部的统计信息进行直方图均衡化，避免了全局均衡化带来的图像过度增强的问题。

实验结果表明，自适应直方图均衡化能够更好地保留图像的细节，并且对于不均匀光照的图像效果更好。

3.3 其他图像增强算法除了直方图均衡化和自适应直方图均衡化，还有许多其他图像增强算法可以应用于不同的图像处理任务，如图像去噪、边缘增强等。

这些算法的实验结果因具体应用场景而异，需要根据实际需要进行选择和评估。

4. 分析与讨论根据实验结果，可以看出不同的图像增强算法对图像的处理效果有所不同。

直方图均衡化能够提高图像的对比度，但对于光照不均匀的图像可能产生过度增强的效果。

自适应直方图均衡化通过局部统计信息进行直方图均衡化，能够更好地保留图像的细节。

图像增强实验报告图像增强实验报告引言：图像增强是数字图像处理中的重要技术之一，它可以通过改变图像的亮度、对比度、色彩等参数，使图像更加清晰、细节更加突出。

本实验旨在探究不同图像增强方法对图像质量的影响，并比较它们的效果。

一、实验目的通过实验比较不同的图像增强方法，包括直方图均衡化、拉普拉斯算子增强、灰度变换等，对图像质量的影响，了解各种方法的优缺点，为实际应用提供参考。

二、实验步骤1. 实验准备：准备一组包含不同场景、不同光照条件下的图像样本，以及实验所需的图像处理软件。

2. 直方图均衡化：将图像的直方图进行均衡化，使得图像的像素值分布更加均匀，从而提高图像的对比度和亮度。

3. 拉普拉斯算子增强：使用拉普拉斯算子对图像进行边缘增强，突出图像的细节和纹理。

4. 灰度变换：通过调整图像的灰度级别，改变图像的亮度和对比度，使图像更加清晰明亮。

5. 实验结果分析：对比不同图像增强方法处理后的图像，分析它们在视觉效果上的差异，并根据实验结果评估各种方法的优劣。

三、实验结果与讨论在本次实验中，我们选择了一张室内拍摄的暗淡图像作为样本进行增强处理。

首先，我们对该图像进行了直方图均衡化处理。

结果显示，通过直方图均衡化，图像的亮度和对比度得到了明显的提升，细节也更加清晰可见。

然而，由于直方图均衡化是全局处理，可能会导致图像的局部细节过于突出，从而影响整体视觉效果。

接下来，我们采用了拉普拉斯算子增强方法。

通过对图像进行边缘增强，图像的纹理和细节得到了突出展示。

然而，拉普拉斯算子增强也存在一定的局限性，对于噪声较多的图像，可能会导致边缘增强过程中出现伪影和锯齿现象。

最后，我们尝试了灰度变换方法。

通过调整图像的灰度级别，我们改变了图像的亮度和对比度，使图像的细节更加突出。

与直方图均衡化相比，灰度变换方法更加灵活，可以根据实际需求对图像进行个性化的调整。

综合对比三种图像增强方法的实验结果，我们可以得出以下结论：直方图均衡化适用于对整体亮度和对比度进行提升的场景；拉普拉斯算子增强适用于突出图像的边缘和纹理；灰度变换方法可以根据实际需求对图像进行个性化调整。

图像增强—灰度变换及直方图均衡化一、实验目的1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。

2、掌握直接灰度变换的图像增强方法。

3、掌握灰度直方图的概念及其计算方法；4、掌握直方图均衡化的计算过程；二、实验原理及知识点1、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，消弱或去除某些不需要的信息的处理方法。

其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。

图像增强可以在空间域中执行，也可以在变换域中执行。

2、空间域指的是图像平面本身，在空间域内处理图像是直接对图像的像素进行处理。

空间域处理方法分为两种：灰度级变换、空间滤波。

空间域技术直接对像素进行操作，其表达式为g(x,y)=T[f(x,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，定义在点(x,y)的指定邻域内。

定义点(x,y)的空间邻近区域的主要方法是，使用中心位于(x,y)的正方形或长方形区域。

此区域的中心从原点(如左上角)开始逐像素点移动，在移动的同时，该区域会包含不同的邻域。

T应用于每个位置(x,y)，以便在该位置得到输出图像g。

在计算(x,y)处的g值时，只使用该领域的像素。

2、灰度变换T的最简单形式是使用领域大小为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为一个灰度变换函数。

由于灰度变换函数仅取决于亮度的值，而与(x,y)无关，所以亮度函数通常可写做如下所示的简单形式：s=T(r)其中，r表示图像f中相应点(x,y)的亮度，s表示图像g中相应点(x,y)的亮度。

灰度拉伸又叫对比度拉伸是最基本的一种灰度变换，使用简单的分段线性变换函数，可以提高灰度的动态范围，适用于低对比度图像的处理，增强对比度。

3、直方图是多种空间城处理技术的基础。

直方图操作能有效地用于图像增强。

除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。

信息工程学院实验报告课程名称：数字图像处理Array实验项目名称：实验四图像增强实验时间：班级：姓名：学号：一、实验目的1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。

2. 掌握图像空域增强算法的基本原理。

3. 掌握图像空域增强的实际应用及MATLAB实现。

4. 掌握频域滤波的概念及方法。

5. 熟练掌握频域空间的各类滤波器。

6.掌握怎样利用傅立叶变换进行频域滤波。

7. 掌握图像频域增强增强的实际应用及MATLAB实现。

二、实验步骤及结果分析1. 基于幂次变换的图像增强程序代码：clear all;close all;I{1}=double(imread('fig534b.tif'));I{1}=I{1}/255;figure,subplot(2,4,1);imshow(I{1},[]);hold onI{2}=double(imread('room.tif'));I{2}=I{2}/255;subplot(2,4,5);imshow(I{2},[]);hold onfor m=1:2Index=0;for lemta=[0.5 5]Index=Index+1;F{m}{Index}=I{m}.^lemta;subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[])endend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：clear allclcclose all%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);title('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});title('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);stem(0:N-1,Hist{2});title('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);for m=1:2Image=I;%SML处理(SML,Single Mapping Law单映射规则for k=1:NTemp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});[Temp1,Project{m}(k)]=min(Temp);end%2.2 变换后直方图for k=1:NTemp=find(Project{m}==k);if isempty(Temp)Hist_result{m}(k)=0;elseHist_result{m}(k)=sum(Hist_image(T emp));endendsubplot(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;for K=1:NIndex=find(I>=Step*(k-1)&I<Step*k) ;Image(Index)=Project{m}(k);endsubplot(2,4,(m-1)*4+4),imshow(Imag e,[]);title(['变换后的结果图',num2str(m)]);end执行结果：原图规定化直方图2变换后的直方图1变换后的结果图1变换后的直方图2变换后的结果图2图2 直方图规定化实验结果分析：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。

实验八图像增强综合****************共4小题****************20124178 付蕊实验目的及要求1．了解图像增强的内容和意义；2．掌握基于空域的图像增强方法；3．掌握基于频域的图像增强方法。

二、实验设备与软件1．PC计算机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4．移动式存储器（软盘、U盘等）三、实验内容1．用三种不同的方法编程实现基于空域图像增强；2．编程实现图像的理想低通和高通滤波；3．编程实现图像的巴特沃斯低通和高通滤波。

四．实验步骤1．读入图像；>> Im=imread('trees.tif');2.用直方图均衡化、灰度调整、空域滤波三种不同的方法编程实现基于空域图像增强；①直方图均衡化>> Im=imread('trees.tif');>> J=histeq(Im);>> subplot(2,2,1);>> imshow(Im);>> title('原图');>> subplot(2,2,2);>> imhist(Im);>> title('原直方图');>> subplot(2,2,3);>> imshow(J);>> title('均衡化');>> subplot(2,2,4);>> imhist(J);>> title('均衡化的直方图');②灰度调整>> J=imadjust(Im,[0.3 0.7],[0 1]); >> subplot(2,2,1);>> imshow(Im);>> title('原图');>> subplot(2,2,2);>> imhist(Im);>> title('原直方图');>> subplot(2,2,3);>> imshow(J);>> title('灰度调整');>> subplot(2,2,4);>> imhist(J);>> title('灰度调整直方图');③空域滤波>> Im=imread('trees.tif');>> J=histeq(Im); J=fspecial(0.5,para);I=filter2(h,Im, 'same’);h=fspecial(0.5,parp);shape='same’;>> subplot(2,2,1);>> imshow(Im);>> title('原图');>> subplot(2,2,2);>> imhist(Im);>> title('原直方图');>> subplot(2,2,3);>> imshow(J);>> title('均衡化');>> subplot(2,2,4);>> imhist(J);>> title('均衡化的直方图');3.实现图像的理想低通和高通滤波；clc;clear;data4=imread('trees.tif');subplot(3,2,1);imshow(data4);title('原图');i=fft2(data4);subplot(3,2,2);i=fftshift(i);z=log(abs(i));x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('原图频谱');[n,m]=size(i);for k=1:1:nfor l=1:1:mif (k^2+l^2)>=190^2result(k,l)=0;else result(k,l)=i(k,l);endendendsubplot(3,2,4);z=log(abs(result));x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想低通滤波频谱');subplot(3,2,3);result=fftshift(result); b=ifft2(result);imshow(uint8(abs(b)));title('理想低通滤波图');subplot(3,2,6);% [n,m]=size(c);for k=1:1:nfor l=1:1:mif (k^2+l^2)<=190^2result(k,l)=0;else result(k,l)=i(k,l);endendendz=log(abs(result));x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想高通滤波频谱');subplot(3,2,5);result=fftshift(result); %滤波后的数据去中心化d=ifft2(result); %三维方式显示高通滤波后的频谱图imshow(uint8(abs(d)));title('理想高通滤波图');4.实现图像的巴特沃斯低通和高通滤波。

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‎。

遥感图像增强实验报告引言遥感技术在地球科学和环境科学领域有着广泛的应用，其中图像增强是遥感图像处理的重要环节之一。

图像增强旨在改善遥感图像的视觉效果，使得图像的细节更加清晰、对比度更加鲜明，以便更好地进行地表特征的识别和分析。

在本次实验中，我们将探讨常用的图像增强方法，并且使用实际遥感图像进行增强实验。

实验目的1. 了解遥感图像增强的基本概念和方法。

2. 掌握常见的图像增强方法的实施过程。

3. 分析和比较不同图像增强方法的效果，选择最适合的增强方法。

实验步骤1. 数据准备：选择一张遥感图像作为实验数据，确保图像分辨率适中、含有一定的地表特征。

2. 灰度拉伸：使用灰度拉伸方法增强图像的对比度。

首先计算图像的最小灰度值（Min）和最大灰度值（Max），然后通过线性变换将灰度值映射到0-255的范围内。

3. 直方图均衡化：利用直方图均衡化方法增强图像的细节。

首先计算图像的灰度直方图，然后按照直方图均衡化的公式对每个灰度值进行调整。

4. 自适应直方图均衡化：对比直方图均衡化方法，自适应直方图均衡化能够避免对整个图像进行均衡化，而是通过使用局部领域内的信息来进行均衡化。

5. 对比度增强：使用对比度增强方法增强图像的对比度。

可以通过调整图像的亮度、对比度和饱和度来实现。

6. 结果分析：根据实验结果分析不同图像增强方法的效果，选择最佳的增强方法。

实验结果与分析经过实验，我们得到了经过不同图像增强方法处理后的图像。

通过对比实验前后的图像，我们可以得出以下结论：1. 灰度拉伸方法能够有效增强图像的对比度，使得图像的亮度范围更广，细节更加清晰。

2. 直方图均衡化方法能够增强图像的细节，特别是在暗部和亮部细节的表现上有显著提升。

3. 自适应直方图均衡化方法相比于普通直方图均衡化方法在处理具有大范围对比度差异的遥感图像时效果更好，避免了过度增强和信息损失。

4. 对比度增强方法可以通过调整图像的亮度、对比度和饱和度来增强图像的视觉效果，但对于某些场景可能会导致图像过度增强或过度饱和。