第3章 数字图像空间域处理 (1)

数字图像处理：空间域图像处理数字图像处理：空间域图像处理注：别忘了图⽚的路径改成⾃⼰的⼀、实验⽬的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；了解平滑和锐化处理的算法和⽤途，学习使⽤平滑滤波器和边缘算⼦对图像进⾏平滑和锐化操作。

⼆、实验内容1．图像直⽅图（1）读⼊⼀幅图像，计算并绘制图像的直⽅图。

（2）读⼊⼀幅低对⽐度图像，对图像进⾏直⽅图均衡化处理。

2．编写程序，实现以下功能：（1）读⼊⼀幅图像，利⽤’imnoise’函数，添加⾼斯噪声；（2）通过100次相加求平均的⽅法去除噪声。

3．图像的平滑和锐化滤波（1）读⼊⼀幅图像，分别采⽤均值和⾼斯滤波器对图像进⾏平滑处理。

(提⽰: 图像滤波⾸先使⽤fspecial()函数创建平滑或锐化滤波器，然后调⽤imfilter()函数实现相应的滤波操作)（2）分别采⽤’prewitt’和’sobel’边缘算⼦对图像做边缘增强处理。

实验结果图如下：代码如下：%1.1pic=imread('lena.jpg'); %读⼊图⽚'lena.jpg'figure('name','实验结果1');subplot(2,2,1);imshow(pic);title('原图1');A=imhist(pic); %取直⽅图subplot(2,2,3);bar(0:255,A); %形成256个等级的直⽅图title('灰度图像直⽅图');%1.2pic1=imread('lena1.jpg'); %读⼊图⽚'lena1.jpg'subplot(2,2,2);imshow(pic1);title('原图2');B=imhist(histeq(pic1)); %先进⾏均衡化，再取直⽅图subplot(2,2,4);bar(0:255,B); %形成256个等级的直⽅图title('灰度图像均衡直⽅图');%2.1figure('name','实验结果2');subplot(4,2,1);imshow(pic);title('原图');C=imnoise(pic,'gaussian',0,0.01); %添加均值为0，⽅差为0.01的⾼斯噪声subplot(4,2,3);imshow(C);title('添加均值为0，⽅差为0.01的⾼斯噪声');%2.2[m n]=size(pic) %获取⼤⼩D=zeros(m,n) %创建全0数组for i=0:99 %循环100次C=imnoise(pic,'gaussian',0,0.01); %随机加噪C1=im2double(C); %转成double型进⾏相加D=D+C1;endD=D/100;subplot(4,2,4);imshow(D);title('去除噪声后图像');%3.1E=imfilter(pic,fspecial('average',8)); %⽣成⼀个8x8的均值滤波器F=imfilter(pic,fspecial('gaussian')); %⽣成⾼斯滤波器subplot(4,2,5);imshow(E);title('均值平滑处理后图像');subplot(4,2,6);imshow(F);title('⾼斯滤波器平滑处理后图像');%3.2G=pic-uint8(imfilter(pic,fspecial('prewitt')));%⽣成’prewitt’模板,并对输⼊图像做边缘增强，再加上原图像subplot(4,2,7);imshow(G);title('’prewitt’对图像做边缘增强处理后图像');H=pic-uint8(imfilter(pic,fspecial('sobel')));%⽣成’sobel’模板,并对输⼊图像做边缘增强，再加上原图像subplot(4,2,8);imshow(H);title('’sobel’对图像做边缘增强处理后图像');。

数字图像处理-空间域处理-空间滤波-锐化空间滤波器参考⾃：数字图像处理第三版-冈萨勒斯锐化处理的主要⽬的是突出灰度的过渡部分。

增强边缘和其他突变（噪声），削弱灰度变化缓慢的区域。

注意：垂直⽅向是x，⽔平⽅向是y基础图像模糊可⽤均值平滑实现。

因均值处理与积分类似，在逻辑上，我们可以得出锐化处理可由空间微分来实现。

微分算⼦的响应强度与图像的突变程度成正⽐，这样，图像微分增强边缘和其他突变，⽽削弱灰度变化缓慢的区域。

微分算⼦必须保证以下⼏点：(1)在恒定灰度区域的微分值为0；(2)在灰度台阶或斜坡处微分值⾮0；(3)沿着斜坡的微分值⾮0⼀维函数f(x)的⼀阶微分定义： ⼆阶微分定义：对于⼆维图像函数f(x,y)是⼀样的，只不过我们将沿着两个空间轴处理偏微分。

数字图像的边缘在灰度上常常类似于斜坡过渡，这样就导致图像的⼀阶微分产⽣较粗的边缘。

因为沿着斜坡的微分⾮0。

另⼀⽅⾯，⼆阶微分产⽣由0分开的⼀个像素宽的双边缘。

由此我们得出结论，⼆阶微分在增前细节⽅⾯⽐⼀阶微分好得多。

⼆阶微分-拉普拉斯算⼦我们要的是⼀个各向同性滤波器，这种滤波器的响应与滤波器作⽤的图像的突变⽅向⽆关。

也就是说，各向同性滤波器是旋转不变的，即将原图像旋转后进⾏滤波处理的结果和先对图像滤波然后再旋转的结果相同。

最简单的各向同性微分算⼦，即拉普拉斯算⼦⼀个⼆维图像函数f(x,y)的拉普拉斯算⼦定义为：任意阶微分都是线性操作，所以拉普拉斯变换也是⼀个线性算⼦。

于是：对应的滤波模板为下图a，这是⼀个旋转90°的各向同性模板，另外还有对⾓线⽅向45°的各向同性模板，还有其他两个常见的拉普拉斯模板。

a、b与c、d的区别是符号的差别，效果是等效的拉普拉斯是⼀种微分算⼦，因此它强调的是图像中灰度的突变。

将原图像和拉普拉斯图像叠加，可以复原背景特性并保持拉普拉斯锐化处理的效果。

如果模板的中⼼系数为负，那么必须将原图像减去拉普拉斯变换后的图像，从⽽得到锐化效果。

第一章数字图像处理根底1数字图像处理：将图像转换成一个数字矩阵存放在图像存储器中，然后利用计算机对图像信息进行数字运算和处理，以提高图像质量或者提取所需要的信息2数字图像获取：把客观场景发射或者发射的电磁波信息首先利用光学成像系统生成一副模拟图像，然后通过模数转换将模拟图像转换为计算机可以存储的离散化数字图像。

3采样：即图像空间坐标或位置的离散化，也就是把模拟图像划分为假设干图像元素，兵赋予它们唯一的地址。

；离散化的小区域就是数字图像的根本单元，称为像元也称像素。

量化：即电磁辐射能量的离散化，也就是把像元内的连续辐射亮度中离散的数字值来表示，这些离散的数字值也称灰度值，，因为它们代表了图像上不同的亮暗水平。

4遥感数字图像获取特征参数质量特征：⑴空间分辨率：数字图像上能被详细区分的最小单元的尺寸或大小⑵辐射分辨率传感器探测原件在接受光谱信号时，所能分辨的最小辐射度差信息量特征：⑴光谱分辨率：传感器探测元件在接收目标地物辐射能量时所用的波段数目⑵时间分辨率：对同一区域进行重复观测的最小时间间隔。

5模拟图像：在图像处理中通过某种物理量的强弱变化来记录图像亮度信息的图像6数字图像：把连续的模拟图像离散化成规那么网格并用计算机以数字的模式记录图像上各网格点亮度信息的图像7数字图像特性：①空间分布特性：1空间位置：数字图像以二维矩阵的结构的数据来描述物体，矩阵按照行列的顺序定位数据，所以物体的位置也是用行列号表示。

2形状：点状线状和面状3大小：线状物体的长度或面状物体的面积，表现为像元的集聚数量4空间关系：包含，相邻，相离三种拓扑关系②数值统计特性：对图像的灰度分布进行统计分析。

图像的灰度直方图：用来描述一幅数字图像的灰度分布，横坐标为灰度级，纵坐标为灰度级在图中出现8直方图的用途：1图像获取质量评价2边界阙值的选择3噪声类型的判断9遥感数字图像的输出特征参数：1输出分辨率：屏幕分辨率和打印的分辨率2灰度分辨率：指输出设备能区分的最小灰度差3颜色空间模型：RGB 模型CMYK模型HSI颜色模型10数字图像种类：1.黑白图像：二值数字图像，0表示黑色1表示白色；2.灰度图像：单波段图像每个像元的灰度值的取值范围由灰度量决定;3.伪彩色图像：把单波段图像的各灰度值按照一定规那么映射到颜色空间中某一对应颜色;4.彩色图像：由红绿蓝3个颜色通道的数字层组成的图像第二章数字图像存储1比特序：一个字节中8个比特的存储顺序称为比特序。