实验三、图像增强
实验目的：
(1)进一步掌握matlab中的图像处理和分析工具。
(2)掌握线性灰度变换的原理和目的，熟练使用线性灰度变换数学公式。
(3)理解直方图的意义，以及直方图均衡化的原理与目的。
(4)掌握几种空间域平滑滤波的方法及其应用场合，如邻域平均法、中值滤波、
和多图像平均法。
(5)了解在频域内使用低通滤波器消除噪声的方法与特点。
(6)掌握图像锐化方法及其应用场合。
(7)掌握几种图像边缘检测算子，如罗伯特梯度算子、拉普拉斯算子、Sobel
算子、Prewitt算子。
实验内容：
1．验证实验-+++++
1.1 基于点运算的图像对比度增强
(a) 利用matlab图像工具箱提供的函数imhist( ) 观察Mr.bmp 的直方图。请问：该图有何不足？如何利用matlab图像工具箱提供的函数imadjust ( )对其进行修正？
对比度不够强，要增强对比度。
J = imadjust(I,[0.0 0.5],[]);
>> imshow(I), figure, imshow(J)
(b) 利用matlab图像工具箱提供的函数histeq( ) 对Mr.bmp 进行直方图均衡化处理，观察处理前后两幅图像的直方图。请问：经过直方图均衡处理后，图像的直方图有何变化？图像的视觉效果有那些改进？
1.2 图像平滑与锐化
(a) 了解下列函数如何使用？（请各举一例加以说明）
Imnoise(), colfilt(), medfilt2( ), filter2(), fspecial( ), ordfilt2();
(b)利用matlab图像工具箱提供的函数imnoise ( ) 产生3幅不同的含噪图像并保存为
bmp文件（噪声模型分别为gaussian，salt & pepper，speckle）。
J = imnoise(I,'salt & pepper',0.02);
>> figure, imshow(J);
J = imnoise(I,'gaussian',0.02);
>> figure, imshow(J);
J = imnoise(I,'speckle',0.02);
>> figure, imshow(J);
(c) 输入下列代码生成文件MyMeanFilter.m，并利函数MyMeanFilter( )对加噪图像做“均值滤波”处理（取滤波窗口尺寸分别为3*3，5*5，7*7）。请问：滤波窗口尺寸对图像有何影响？J = imnoise(I,'gaussian',0.02);
figure, imshow(J);
>> MyMeanFilter(J,3)
>> MyMeanFilter(J,5)
>> MyMeanFilter(J,7)
>> 5像元×5像元滤波窗口能够取得较好的效果。尺寸越大去噪能力越好
function MyMeanFilter( J,wb)
I2= colfilt (double(J),[wb wb],'sliding','median'); %% 中值滤波
I2 = uint8(I2);
figure, imshow(I2)
title('the processed image by MyMeanFilter1')
[函数输入参数说明] J为含噪图像矩阵，wb为滤波窗口尺寸。
(d) 利用matlab图像工具箱提供的函数medfilt2 () 对练习(b)生成的含噪图像进行中值滤波。请问：中值滤波器的对那种噪声去噪能力最强？椒盐噪声处理
(e)输入下列代码生成文件MyMedFilter.m，并利函数MyMedFilter( )对练习(b)生成的salt &
pepper噪声图像做“中值滤波”处理，滤波窗口尺寸为5*5。请问：滤波窗口形状为十字形、方形、和菱形时，滤波效果那个最好? 十字形和菱形效果差不多，方形效果较差
function MyMedFilter( J, MedOrder, Sshape)
I2= ordfilt2(J, MedOrder, Sshape); %% 中值滤波
I2 = uint8(I2);
figure, imshow(I2)
title('the processed image by MyMeanFilter2')
[函数输入参数说明] J为含噪图像矩阵; MedOrder为排序后的中值位置；Sshape为
矩阵，表示滤波窗口形状。由书P81图4-31可知：若滤波窗口为5*5方形窗口，则
滤波窗口包含25个点，Sshape=ones(5)，MedOrder为13；
若滤波窗口为大小为5*5的十字形窗口，则滤波窗口包含9个点，MedOrder为5；Sshape= [0 0 1 0 0;0 0 1 0 0;1 1 1 1 1;0 0 1 0 0;0 0 1 0 0]。
(f)利用下列多图像平均滤波程序，观察它对gaussian噪声图像的处理能力，给出你的结论。
clear;
I = imread('Lena.bmp');
X = imnoise( I,'gaussian',0,0.02);
imshow(X);
title('an original noisy image');
J=0;
N = 16; %%% N is the numbers of noisy image.
for i=1:N
X = imnoise( I,'gaussian',0,0.02);
