实验三 图像增强
03 遥感图像增强
![03 遥感图像增强](https://img.taocdn.com/s3/m/167afdccda38376baf1fae1f.png)
实验三遥感图像增强一、背景知识在获取图像的过程中,由于多种因素的影响,导致图像质量多少会有所退化。
图像增强的目的在于:(1)采用一系列技术改善图像的视觉效果,提高图像的清晰度;(2)将图像转换成一种更适合于人或机器进行分析处理的形式。
通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息,抑制一些无用的信息,以提高图像的使用价值。
增强的方法往往具有针对性,增强的结果只是靠人的主观感觉加以评价。
因此,图像增强方法只能有选择地使用。
图像增强方法从增强的作用域出发,可分为空间域增强和频率域增强两种。
空间域增强是直接对图像像素灰度进行操作;频率域增强是对图像经傅立叶变换后的频谱成分进行操作,然后经傅立叶逆变换获得所需结果。
图像增强所包含的主要内容如下图。
二、实验目的:掌握遥感图像增强的基本方法,理解不同处理方法的适用类型。
能根据需要对遥感图像进行综合处理。
三、实验内容:∙辐射增强处理✧直方图均衡化✧直方图匹配∙空间增强处理✧卷积增强处理✧自适应滤波✧锐化增强处理✧分辩率融合光谱增强处理✧主成份变换(PC变换/K-L变换)✧去相关拉伸✧缨帽变换(K-T变换)✧指数计算✧自然色彩变换四、实验准备1.软件ERDAS IMAGINE8.5版本以上;2.实验用相关数据五、实验步骤:(一)、辐射增强处理(Radiometric Enhancement)1.直方图均衡化(Histogram Equalization)直方图均衡化实质上是对图像进行非线性拉伸,重新分配图像像元值,使一定灰度范围内像元的数量大致相等;这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一较平的分段直方图,如果输出数据分段值较小的话,会产生粗略分类的视觉效果。
打开方法:(以文件Lanier.img为例)(1).ERDAS图标面板菜单条:Main - Image Interpreter Radiometric Enhancement -Histogram Equalization,打开Histogram Equalization对话框。
实验3 图像增强数字图像处理实验
![实验3 图像增强数字图像处理实验](https://img.taocdn.com/s3/m/aecf7be40975f46527d3e167.png)
实验三、图像增强一、实验目的1掌握灰度直方图的概念及其计算方法;2熟练掌握直力图均衡化和直方图规定化的计算过程;3熟练掌握空域滤波中常用的平滑和锐化滤波器;4掌握色彩直方图的概念和计算方法5利用MATLAB程序进行图像增强。
二、实验原理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。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本实验以直方图均衡化增强图像对比度的方法为主要内容,其他方法同学们可以在课后自行联系。
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。
直方图在软件中易于计算,也适用于商用硬件设备,因此,它们成为了实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征,它反映的是图像的灰度值的分布情况。
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的分布均匀化,改善图像的亮度分布状态,增强图像的视觉效果。
灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数,是一幅图像的所有象素集合的最基本的统计规律。
直方图反映了图像的明暗分布规律,可以通过图像变换进行直方图调整,获得较好的视觉效果。
直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图,即在每个灰度级上都具有相同的象素点数的过程。
下面给出直方图均衡化增强图像对比度的MA TLAB程序:I=imread(‘原图像名.gif); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理Imshow(I); %显示原图像Title(‘原图像’); %给原图像加标题名Figure;imshow(J); %对原图像进行屏幕控制;显示直方图均衡化后的图像Title(‘直方图均衡化后的图像’) ; %给直方图均衡化后的图像加标题名Figure; subplot(1,2,1) ;%对直方图均衡化后的图像进行屏幕控制;作一幅子图作为并排两幅图的第1幅图Imhist(I,64); %将原图像直方图显示为64级灰度Title(‘原图像直方图’) ; %给原图像直方图加标题名Subplot(1,2,2); %作第2幅子图Imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度Title(‘均衡变换后的直方图’) ; %给均衡化后图像直方图加标题名处理后的图像直方图分布更均匀了,图像在每个灰度级上都有像素点。
实验三 空域图像增强
![实验三 空域图像增强](https://img.taocdn.com/s3/m/a567811d6bd97f192279e970.png)
实验三空域图像增强(灰度变换、直方图处理)一、实验目的1. 掌握灰度变换的基本原理。
2. 掌握直方图处理的基本原理。
3. 掌握Matlab中灰度变换和直方图处理的实现方法。
二、实验内容1. 灰度变换(直接正比变换)。
2. 灰度变换(截取式正比变换)。
3. 灰度变换(反比变换)。
4. 灰度变换(对比拉伸)。
5. 灰度变换(灰度切割)。
6. 灰度变换(对数变换)。
7. 灰度变换(幂次变换)。
8. 直方图处理(直方图均衡化)。
三、实验仪器、设备及材料1. 电脑一台(2G CPU、2GB RAM、50GB Disk及以上)。
2. Windows 2000 / Windows XP / Windows 7。
3. Matlab R2006b及以上版本。
4. 记录用的笔、纸。
四、实验原理1. 灰度变换灰度变换是一种点操作,根据原始图像中每个像素的灰度值,按照某种映射规则将其转化为另一灰度值。
其原理是将原图像f(x , y)中的每个像素的灰度按EH操作直接变换以得到目标图像g(x , y)。
若以s表示f(x , y),以t表示g(x , y),则灰度变换原理如下图所示:2. 直方图处理直方图变换可以清晰图像细节,突出目标物体,改善亮度比例关系,增强图像对比度。
直方图变换基于概率论。
直方图均衡化主要用于增强动态范围偏小的图像的反差。
其基本思想是把原图像的直方图转换为均匀分布的形式,增加像素灰度值的动态范围,增强图像整体对比度。
五、实验步骤1. 灰度变换(直接正比变换)(1) 程序源代码:close allclear15clcdisp('====E4_4_1.m====');I=imread('rice.png');subplot(3,3,1),imshow(I),ylabel('原图像');subplot(3,3,2),imhist(I);%方法1-系统函数J=imadjust(I,[40/255 204/255],[0 1]); %图像的最小灰度值为40,最大灰度值为204subplot(3,3,4),imshow(J),ylabel('变换图像(方法1)');subplot(3,3,5),imhist(J);%方法2-编程实现%把灰度值范围从[40,204]映射到[0,255]f0=0;g0=0; %分段曲线的第1个点f1=40;g1=0; %分段曲线的第2个点f2=204;g2=255; %分段曲线的第3个点f3=255;g3=255; %分段曲线的第4个点subplot(3,3,9),plot([f0,f1,f2,f3],[g0,g1,g2,g3]),xlabel('f'),ylabel('g'),axis([0 255 0 255]);%绘制变换曲线r1=(g1-g0)/(f1-f0); %曲线1的斜率b1=g0-r1*f0; %曲线1的截距r2=(g2-g1)/(f2-f1); %曲线2的斜率b2=g1-r2*f1; %曲线2的截距r3=(g3-g2)/(f3-f2); %曲线3的斜率b3=g2-r3*f2; %曲线3的截距[m,n]=size(I);K=double(I);for i=1:mfor j=1:nf=K(i,j);g(i,j)=0;if(f>=f0)&(f<=f1)g(i,j)=r1*f+b1; %曲线1的方程y=r1*x+b1elseif (f>=f1)&(f<=f2)g(i,j)=r2*f+b2; %曲线2的方程y=r2*x+b2elseif (f>=f2)&(f<=f3)g(i,j)=r3*f+b3; %曲线3的方程y=r3*x+b3endendendendend16subplot(3,3,7),imshow(uint8(g)),ylabel('变换图像(方法2)');subplot(3,3,8),imhist(uint8(g));(2) 观察并记录实验结果:作为实验报告的内容(3) 将“分段曲线的第2个点”更改为“f1=150;g1=0;”,观察并记录实验结果,分析产生该结果的原因:作为实验报告的内容。
遥感图像的增强处理
![遥感图像的增强处理](https://img.taocdn.com/s3/m/c077e9200b4c2e3f5727637b.png)
目的:通过上机操作,掌握彩色变换增强,空间域增强,频率域增强,多光谱变换增强等几种遥感图像增强处理的过程和方法,加深对遥感图像增强处理的理解。
实验内容:彩色合成;对比度变换增强;空间滤波增强;频率域增强;图像运算;主成分变换。
一、彩色合成
根据加色法彩色合成原理,选择遥感图像的三个波段,分别赋予红、绿、蓝三种原色,然后将这三个波段叠加,构成彩色合成图像。
锐化:interpreter—spatical enhancement—convolution(索伯尔)以T1为例。 New为自己新定义一个模板,在Xsize与Ysize中定义,以默认的3为例,在窗口中的行列中输入T1(突出线状地物,为水平方向线性地物)点file中的librarian中的name中命名“suoboer”点save后close,发现自定义的suoboer已出现 在convolution窗口中的kernel下,点击suoboer,再在output file中命名。
(1)索伯尔梯度
1 2 1 -1 0 1
T1= 0 0 0 T2= -2 0 2
-1-2-1 -1 0 1
(2)拉普拉斯算法(有利于提取边缘信息)
0 1 0
T(m,n)=1-4 1(同时突出横、纵向,但边界是断断续续
标准假彩色合成:
TM2(绿波段)赋予蓝
TM3(红波段)赋予绿
TM4(近红外波段)赋予红;
步骤:配准--------合成
空间位置上配准(通过几何校正进行配准)
做一标准假彩色合成(选影像tm2、3、4)
首先将tm2、3、4打开看是否能直接合成(投影坐标是否一样,若不一样则需配准后才能合成)
遥感图像增强处理(免费)
![遥感图像增强处理(免费)](https://img.taocdn.com/s3/m/51e25916fc4ffe473368ab96.png)
(c) 偏 亮
(d) 亮度过于集中
感影像的三个波段,分别赋予红、绿、蓝三
种原色,然后将这三个波段叠加,构成彩色
合成图像。 • 步骤:配准 合成
二、空间域增强
在图像处理中,空间域指图像平面所在的二
维空间,描述图像的灰度分布。空间域增强, 就是应用某种数学模型,通过改变图像的灰度 成分,实现图像质量改善的图像处理方法。
方式:
对比度变换增强
Fourier/Analysis/ Fourier Transform,打开Fourier Transform对话框 ,确定要进行傅立叶变换的图像, 及变换后的傅立叶图名称。
(2)修改频率成分
在ERDAS图标面板菜单条单击Main/Image Interpreter命令,或在ERDAS图标面板工具条单击
从物理效果来看,傅立叶变换就是将图像从空 间域转换成频率域,其逆变换是将图像从频率域转 换到空间域。
2. 频域增强处理的方法
频域滤波增强 高通滤波
低通滤波
带阻滤波
带通滤波
高通滤波,采用“低阻滤波器”,抑制图像 频谱的低频信号而保留高频信号的一种模型。
效果:突出物体的边缘,锐化图像
立叶图像,及变换后的图像名称。
平滑
锐化
五、主成分变换
将图像所有波段的数据量集中到前几个波 段上,以实现数据压缩和图像增强。
以对TM1~5和TM7,6个波段数据的主成分变换为例
步骤:叠加TM的这6个波段,使之合成为一幅图像
主成分变换
合成
类似于彩色合成的操作。在ERDAS图标面
板菜单条单击Main/Image Interpreter命令,或 在ERDAS图标面板工具条单击图标 在Image Interpreter 下拉菜单中单击 Utilities/Layers Stack,打开Layer Selection and Stacking对话框 ,减TM1~5和TM7的6个波段 全部叠加。 ,
ENVI实验三-四
![ENVI实验三-四](https://img.taocdn.com/s3/m/fd262e38482fb4daa58d4b92.png)
实验三波段组合计算及图像增强在本专题中,以ETM数据为对象,介绍在图像处理过程中的波段组合方式,波段之间的运算方式,数据的拉伸及增强处理过程。
(1)打开影像1选择file →open image file,打开can_tmr.img,点击打开,影像就出现在可用波段例表中。
2 在可用波段列表中,点击RGB Color,选择R(4)G(5)B(3)三个波段来进行波段显示。
3 点击Load RGB,一幅假彩色图像就显示在影像窗口中。
(2)波段组合1 在显示的影像中,只用了can_tmr.img文件的三个波段,而文件有6个波段,在这里,可以尝试从6个波段当中,选取3个波段来组合,并比较不同波段组合之间的图像显示效果。
2 在可用波段列表中,点击RGB Color,选择R(7)G(4)B(1)三个波段来进行波段显示。
3 在可用波段列表中,点击Display#1,在下拉菜单中,选择New display,点击Load RGB,一幅真彩色图像就显示在影像窗口中。
【截图一张,】4 动态链接比较前后两幅影像的效果,在主影像窗口中,选择tools →link →link displays,在link displays对话框中,点击ok,两幅影像就链接起来了。
5 在可用波段列表中,选择其余的波段组合方式,并加以比较。
(2)波段运算Band math功能为用户提供了一个灵活的图像处理工具,在Band math对话框中,可以实现不同波段之间的加减乘除等运算。
在这里还是为对象进行波段运算。
1在主菜单栏中,选择Basic Tools →Band math。
将出现band math对话框。
图6.2 Band math对话框3 在enter an expression的文本框中,输入需要进行波段计算的IDL (Interactive Data Language)表达式,使用变量代替波段名或文件名,变量名必须以字符“b”或“B”开头,后面跟着5个以内的数字字符。
数字图像处理 实验报告(完整版)
![数字图像处理 实验报告(完整版)](https://img.taocdn.com/s3/m/e0b25e7716fc700abb68fcf8.png)
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。
实验3图象增强处理
![实验3图象增强处理](https://img.taocdn.com/s3/m/59da40dd28ea81c758f57862.png)
实验3、图象增强处理
一、实验目的
掌握常用的图象增强处理的方法。
二、实验内容
1.了解ERDAS软件图像解译器的主要功能,包括空间增强、辐射增强、光谱增强的主要方法; 2.利用视窗VIEWER界面的栅格工具RASTER/TOOL 进行常用的图像增强处理;
3.进行主成份变换、缨穗变换和色彩变换。
三、实验要求
按实验步骤完成实验,整理完成实验报告。
实验报告格式见附表。
Fourier
:,即可以打开图像处进行直方图均衡化拉伸;进行直方图标准化拉伸;
Indices)计算
指数计算可以进行不同波段间的影像的比率或指数,如矿物指数和植被指数等。
具体过程如下:图标面板工具条中,点击Interpret/spectral Enhancement/Indices—打开
话框,并设置参数。
见下图。
●点击OK。
●显示指数计算处理后的结果(R:IRON OXIDE; G:NDVI; B:CLAY MINERALS),对比原图像,
分析处理效果。
附实验报告样式:
遥感影像增强处理实验报告。
实验三 图像增强
![实验三 图像增强](https://img.taocdn.com/s3/m/088a311602020740be1e9bba.png)
实验三图像增强
一、实验内容
1.设计目标直方图,并将输入图像按目标直方图进行规定化处理;
2.采用平滑滤波器对图像平滑;
3.采用锐化方法对图像进行锐化处理。
二、实验原理
1.直方图规定化是图像增强的重要手段,由人来确定的目标直方图往往具有较好的视觉感
受,因此把输入图像的直方图按照目标直方图规定化后,可以获得更加清晰的图像。
2.锐化和平滑是图像增强的方法之一,采用前者可以突出图像的细节,后者可以滤除图像
中的噪声,从而达到图像清晰的目的。
三、实验方法及程序
1.选择一副图像,对灰度图像进行直方图均衡化处理。
2.选择一副图像,对灰度图像采用均值滤波。
3.选择一副图像,对灰度图像,采用prewitt边缘算子和sobel算子对图像进行增强处理。
4.仿照matlab识别圆形物体例程,对coins.png图像进行处理。
四、实验结果与分析
Matlab代码以及结果图
五、思考题
1.设计其他形状的直方图对图像进行规定化处理
2.为什么原图减去低通图像,能够实现锐化图像?。
遥感图像增强
![遥感图像增强](https://img.taocdn.com/s3/m/cb049f55f01dc281e53af0e7.png)
统计滤波的算子 滤波窗大小
滤波效果预览
上机: 上机:图像滤波
• 第一种方法:在视窗中打开tm.img,在raster---filtering 第一种方法:在视窗中打开tm.img tm.img, raster-----filtering ⑤其它滤波操作
• 实验结束后: 实验结束后: • 1、上交你认为经过对比度调整后最好的 contrast.img影像 影像。 contrast.img影像。 • 2、按要求写实验报告。 按要求写实验报告。
实验3 遥感图像增强(Ⅱ) 实验 遥感图像增强 Ⅱ
图像滤波
上机: 上机:图像滤波
• 第一种方法:在视窗中打开tm.img,在raster---filtering 第一种方法:在视窗中打开tm.img tm.img, raster-----filtering ①打开窗口Viewer#1,并在Viewer #1中打开lanier.img图像 ②鼠标移到窗口Viewer#1菜单Raster->Filtering处,将看到5项子 菜单,分别对应不同的滤波方法
输入文件 输出文件
乘积倍数选择
上机: 上机:图像滤波
• 第二种方法:锐化增强处理 第二种方法:
①确定输入文件(Input File)为lanier.img ②确定输出文件(Output File)为filter.img ③文件坐标类型为Map;处理方位确定(Subset Definition) ⑤输出数据类型为Unsigned 8bit,输出数据统计时忽略零值,选中Ignor Zero in Stats复选框 ⑥单击View按钮打开模型生成器窗口,浏览Crisp功能的空间模型 单击File->Close All命令,退出模型生成器窗口 ⑦单击OK按钮,观察处理后的效果图 输出文件
图像增强
![图像增强](https://img.taocdn.com/s3/m/acf80d8cd0d233d4b14e6974.png)
实验三、图像增强一、实验目的1.掌握图像点运算增强的方法;2.掌握空域增强方法;3.掌握频域增强方法。
二、实验设备1.PC兼容机一台:操作系统为WindowsXP2.数字图象处理开发环境:MATLAB软件。
三、实验原理图像增强是用来提高图像的视觉效果,或将图像转换成适用于人眼、机器分析的形式的一门技术。
目前,已有很多技术用于图像增强,但从传统的图像增强技术分类来看,总体上可以分为两个大类:空域增强方法和频域增强方法两大类。
空域增强方法是直接对图像中的像素进行处理,从根本上说是以图像的灰度映射变换为基础的,所用的映射变换类型取决于增强的目的。
频域增强方法首先将图像空间中的图像以某种形式转换到其他空间中,然后利用该空间的特有性质进行图像处理,最后再转换到原来的图像空间中,从而得到处理后的图像。
四、程序源代码%直方图均衡I=imread('tire.tif');figure,subplot(321);imshow(I);subplot(322);imhist(I);[J,T]=histeq(I,64); % 图像灰度扩展到0~255,但是只有64个灰度级subplot(323);imshow(J);subplot(324);imhist(J);J=histeq(I,32);subplot(325);imshow(J); % 图像灰度扩展到0~255,但是只有32个灰度级subplot(326);imhist(J);figure,plot((0:255)/255,T); % 转移函数的变换曲线%灰度拉伸I=imread('tire.tif');figure,subplot(221);imshow(I);subplot(222);imhist(I);[X,map]=imread('tire.tif');Y=imadjust(X,[0.1 0.99],[0 1]);subplot(223);imshow(Y,map);subplot(224);imhist(Y);% 图像空间域处理[I,map] = imread('tire.tif');J1=imnoise(I,'gaussian',0,0.02);% 叠加均值为0,方差为0.02的高斯噪声,可以用localvar代替%J2=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声M4=[0 1 0; 1 0 1; 0 1 0];M4=M4/4; % 4邻域平均滤波I_filter1=filter2(M4,J1);figure,subplot(321);imshow(I);subplot(322);imshow(J1);subplot(323);imshow(I_filter1,map);M8=[1 1 1; 1 0 1; 1 1 1]; % 8邻域平均滤波M8=M8/8;I_filter2=filter2(M8,J1);subplot(324);imshow(I_filter2,map);K1 = medfilt2(J1,[3,3]);subplot(325);imshow(K1);K2=medfilt2(J2,[7 7]);subplot(326);imshow(K2);%频域处理I=imread('tire.tif');figure,subplot(221);imshow(I);J1=imnoise(I,'salt & pepper'); % 叠加椒盐噪声subplot(222);imshow(J1);f=double(J1); % 数据类型转换,MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g);nn=2; % 二阶巴特沃斯(Butterworth)低通滤波器d0=50;m=fix(M/2); n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn)); % 计算低通滤波器传递函数result(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223);imshow(J3); % 显示滤波处理后的图像[I,map]=imread('tire.tif');figure,subplot(221);imshow(I,map);H2=[-1 -1 -1;-1 -9 -1;-1 -1 -1];J1=filter2(H2,I); % 高通滤波subplot(222);imshow(J1,map);I=imread('tire.tif');figure,subplot(221);imshow(I);f=double(I); % 数据类型转换,MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g);nn=2; % 二阶巴特沃斯(Butterworth)高通滤波器d0=5;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);if (d==0)h=0;elseh=1/(1+0.414*(d0/d)^(2*nn));% 计算传递函数endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(222);imshow(J3); % 滤波后图像显示end五、变换后图形六、实验心得通过本次实验,基本了解了图像点运算增强的方法和时域、频域增强方法。
实验三 图像增强
![实验三 图像增强](https://img.taocdn.com/s3/m/6364003b5727a5e9856a6129.png)
实验三遥感图像的增强处理一实验目的:通过上课时间的学习,利用上机,熟悉空间增强,辐射增强,光谱增强等几种遥感图象增强处理的过程和方法,加深对图象增强处理的理解。
学会利用这些方法处理图像。
二实验内容:空间增强1卷积增强(Convolution)卷积增强时将整个像元分块进行平均处理,用于改变图像的空间频率特征。
卷积增强处理的关键是卷计算子----系数矩阵的选择。
该系数矩阵又称卷积核(Kernal)。
ERDAS IMAGINE将常用的卷计算子放在一个名为default.klb的文件中,分为3*3,5*5、7*7三组,每组又包括“EdgeDetect/Low Pass/Horizontal/Vertical/Summary”等七种不同的处理方式。
2非定向边缘增强(Non-directional Edge)非定向边缘增强应用两个非常通用的滤波器(Sobel和Prewitt),首先通过两个正交卷积算子分别对遥感图像进行边缘检测,然后将两个正交结果进行平均化处理。
3聚焦分析(Focal Analysis)聚焦分析使用类似卷积滤波的方法对图像数值进行多种分析,其基本算法是在所选择的窗口范围内,根据所定义的函数,应用窗口范围内的像元数值计算窗口中心像元的值,从而达到预想增强的目的。
4纹理分析(Texture Analysis)纹理分析通过在一定的窗口内进行二次变异分析或三次非对称分析,使雷达图像或其他图像的纹理结构得到增强。
5自适应滤波(Adaptive Filter)自是一个滤波是应用Wallis Adapter Filter方法对图像的感兴趣区域进行对比度拉伸处理,从而达到图像增强的目的。
6统计滤波(Statistical Filter)统计滤波是应用Sigma Filter方法对用户选择图像区域之外的像元进行改进处理,从而达到增强图像的目的。
7分辨率融合(Resolution Merge)分辨率融合是对不同空间分辨率遥感图像的融合处理,使处理后的遥感图像即具有良好的空间分辨率,又具有多光谱特征,从而达到增强图像的目的。
遥感实验三 图像增强
![遥感实验三 图像增强](https://img.taocdn.com/s3/m/797f7b4bfe4733687e21aa60.png)
实验三图像增强一、目的掌握PCI软件的几种图像增强的方法二、内容1、彩色增强(合成)1)Imageworks简介(电子枪、图像板)2)彩色增强(合成)A.真彩色合成a.在Imageworks中打开文件b.调入图像打开并调入图像后,c.配置电子枪右图中上方的R G B称为电子枪d.结果图像B.标准假彩色(彩红外)合成a.在Imageworks中打开文件b.调入图像c.配置电子枪d.结果图像2、直方图增强(反差处理)1)PCI软件中的几种增强方法其中:第一个:不增强第二个:线性增强第三个:平方根增强第四个:自适应增强第五个:均衡化增强第六个:频率增强右侧为调节亮度和对比度2)编辑LUT(edit—LUT)图中:左侧红线代表校正图像种的空白处A打开文件B调入图像C直方图增强(PCI软件提供的)配置电子枪D编辑LUTE保存LUTF调入直方图表段G结果图像3、空间滤波(平滑、锐化)★首先,打开File utility,到Edit 菜单下的Add Channel…,然后添加6个8U 通道。
1)平滑:A.打开文件B.调入图像:增加六个通道C.滤波a.选择滤波类型b.选择滤波器大小c.选择输入输出图像版d.运行input1,2,3 到output 4,5,6,其他设置不变,重复三次,最后效果图如下:D.保存图像E.结果图像2)锐化——与平滑的步骤一样 锐化效果图,如下:4、波段比值(介绍NDVI的运算)NDVI=(b4-b3)/(b4+b3)★首先,打开File utility,到Edit 菜单下的Add Channel…,然后添加1个32R通道。
1)介绍NDVI的运算2)PCI软件中实践A.打开文件。
打开4个图像板,2个8U,1个32RB.调入图像C.到Tool菜单下的Modelling…,写入算法后进行。
D.保存图像点击run,结果如下:保存图像:5、PCA★首先,打开File utility,到Edit 菜单下的Add Channel…,然后添加3个8U通道。
实验三 图像增强
![实验三 图像增强](https://img.taocdn.com/s3/m/97959c65a98271fe910ef9a8.png)
实验三:图像增强(4学时)实验目的:1.熟练掌握图像的灰度变换增强,二维滤波增强,锐化处理的原理。
2.自如的应用MATLAB环境对图像进行灰度变换、直方图处理,平滑处理,锐化处理。
实验内容:1.对已知图像作灰度变换增强,分析不同变换函数对同一图像处理的结果。
2.作出已知图像的直方图,对图像进行直方图修正,分析修正结果3.分别对图像进行均匀滤波和中值滤波。
4.分别用几种不同方式对已知图像进行锐化处理。
实验原理:1、灰度变换灰度变换是直接对像素进行处理,常用三种基本函数,线性函数、对数函数、幂函数。
可以完成图像的反转、拉伸、γ校正等,改变图像对比度、增加灰度宽度。
2、直方图校正直方图是图像的灰度概率统计图,修改直方图可以改变图像灰度分布状态,从而改变图像对比度。
3、图像滤波器图像滤波器实质上是一种离散卷积处理,也叫掩膜操作。
通过使用不同模板获得不同结果。
平滑模板使图像模糊但可消除噪声,锐化模板可以提高线、点的立体效果从而实现图像分割的功能。
实验方法:使用matlab处理实验基本要求:1.设计程序求出已知图像的直方图,将原图像亮度提高20后再作直方图,在同一画面输出。
2.设计程序将已知图像添加椒盐噪声,分别用均匀滤波,和中值滤波处理,与原图像在同一画面输出。
3.设计程序将求出已知图像中目标物的轮廓与原图像在同一画面输出。
实验设备:MATLAB实验环境,图像输入输出设备,图像处理设备。
A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(2,2,1);imshow(B);title('原图灰度图');Subplot(2,2,2);imhist(B);title('原图灰度图直方图');C=imadjust(B,[0.3 0.7],[]);Subplot(2,2,3);imshow(C);title('增强图像');Subplot(2,2,4);imhist(C);title('增强图像直方图');A=imread('D:\11.jpg');B=rgb2gray(A);J=histeq(B);Subplot(2,2,1);imshow(B);title('原图');Subplot(2,2,2);imhist(B);title('原图直方图');Subplot(2,2,3);imshow(J);title('均衡化图像');Subplot(2,2,4);imhist(J);title('均衡化图像直方图');A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(2,2,1);imshow(B);title('原图');J=imnoise(B,'salt & pepper',0.04); Subplot(2,2,2);imshow(J);title('加噪声后图像');K=medfilt2(J);Subplot(2,2,3);imshow(K);title('中值滤波后图像');h=ones(3,3)/9;D=conv2(J,h)/255; Subplot(2,2,4);imshow(D); title('均值滤波后图像');A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(1,2,1);imshow(B); title('原图');J= edge(B,'roberts',0.1); Subplot(1,2,2);imshow(J); title('罗伯茨梯度锐化图');A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(1,2,1);imshow(B); title('原图');J= edge(B,'prewitt',0.1); Subplot(1,2,2);imshow(J);title('梯度锐化图');A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(1,2,1);imshow(B);title('原图');J= edge(B,'sobel',0.05);Subplot(1,2,2);imshow(J);title('梯度锐化图');实验总结:在本次试验中我在灰度线性变换增强上使用了J=imadjust(I,[low high],[bottom top],gamma); [low high]原图像要变换的灰度范围,[bottom top]指定的变换后的灰度范围,gamma为校正量,gamma=1线性校正,gamma>1抛物线校正,gamma<1三次曲线校正。
实验三 图像增强
![实验三 图像增强](https://img.taocdn.com/s3/m/0cfbed87680203d8ce2f242f.png)
数字信号实验报告实验3院系:计算机与信息技术学院班级:2011级通信工程班姓名:陶友学号:1108224074实验三图像增强—灰度变换一、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、学会对图像直方图的分析。
3、掌握直接灰度变换的图像增强方法。
二、实验原理及知识点术语‘空间域’指的是图像平面本身,在空间与内处理图像的方法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)的指定领域内。
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领域。
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。
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也变为一个亮度或灰度级变化函数。
当处理单设(灰度)图像时,这两个术语可以互换。
由于亮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。
三、实验内容:1、图像数据读出2、计算并分析图像直方图3、利用直接灰度变换法对图像进行灰度变换试验程序:clearclcf=imread('1.PNG');%%%%f=f(:,:,1);g=imhist(f,256);%显示图像直方图g1=imadjust(f,[0 1],[1 0]);%灰度转换,实现敏感转换figure(1)imshow(g1)%将0.5到0.75的灰度级扩展到【0 1】g2=imadjust(f,[0.5 0.75],[0 1]);figure(2)imshow(g2)g=imread('2.PNG')%%%%%%g=g(:,:,1);h=log(1+double(g));%对像素值进行对数变换h=mat2gray(h);%转换为灰度图像h=im2uint8(h);%变为8位figure(3)imshow(h)四、实验仪器PC一台,MATLAB软件五、实验图片Fig.1 point.jpg Fig.2 medicine_pic.jpg 六、实验结果图表1 fig2的灰度转换结果图表2 将fig2的0.5到0.75的灰度级扩展到【0 1】图表3 对fig1的像素值进行对数变换。
图像增强实验
![图像增强实验](https://img.taocdn.com/s3/m/00cadd312e60ddccda38376baf1ffc4ffe47e2ff.png)
图像增强实验实验三、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)。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
实验三 图像增强—直方图变换
一、 实验目的
1.掌握灰度直方图的概念及其计算方法;
2.熟练掌握直力图均衡化和直方图规定化的计算过程;
3.熟练掌握空域滤波中常用的平滑和锐化滤波器;
4.利用MATLAB 程序进行图像增强。
二、 实验内容
1打开计算机,启动MATLAB 程序;输入待处理的图像文件;
2调入数字图像,并进行图像均衡化处理;
3显示原图像的直方图和经过均衡化处理过的图像直方图。
4.利用imnoise 命令在图像上加入高斯(gaussian) 噪声
5.利用预定义函数fspecial 命令产生平均(average)滤波器
111191111---⎡⎤⎢⎥--⎢⎥⎢⎥---⎣
⎦ 6.分别采用3x3和5x5的模板,分别用平均滤波器以及中值滤波器,对加入噪声的图像进行处理并观察不同噪声水平下,上述滤波器处理的结果;
7.选择不同大小的模板,对加入某一固定噪声水平噪声的图像进行处理,观察上述滤波器处理的结果。
8.利用imnoise 命令在图像上加入椒盐噪声(salt & pepper)
9.重复c)~ e )的步骤
10输出全部结果并进行讨论。
11.记录和整理实验报告
三、 思考题
1. 直方图是什么概念?它反映了图像的什么信息?
答:直方图是灰度级数的函数,反映了图像中具有该灰度级数的像素的个数。
2.直方图均衡化是什么意思?它的主要用途是什么?均衡化后的图像有什么特点?
3. 简述高斯噪声和椒盐噪声的特点。
4. 结合实验内容,定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果?
5. 结合实验内容,定性评价滤波窗口对去噪效果的影响?
四、实验结论
源程序代码:
clear all;
clc;
%输入一幅图像,进行图像输出图像直方图
p1=imread('1.png');%读入原始灰色图像
p=rgb2gray(p1);
imshow(p);title('原始图像');
%自己编写函数绘制直方图
[m,n]=size(p);%测量图像大小
h1=zeros(1,256);%总共有0~255,共256个灰度级
h2=zeros(1,256);%总共有0~255,共256个灰度级
for k=0:255
h1(k+1)=length(find(p==k))/(m*n);%计算每级灰度出现的概率,将其放入向量
h2(k+1)=length(find(p==k));%计算每级灰度出现的概率,将其放入向量
end
[count,x]=imhist(p);
%在一幅图像中输出结果
figure
axis([-100,300,0,3600]);
subplot(141);bar(0:255,h1,'g');title('自己编的代码绘制直方图(频率)');
subplot(142);bar(0:255,h2,'b');title('自己编的代码绘制直方图(频数)');
subplot(143);imhist(p);title('利用matlab的代码绘制原图像的直方图');
subplot(144);stem(x,count);title('利用matlab的代码绘制原图像的直方图');
运行结果图如下:
实验结论:利用自己编的函数分别绘制出图像灰度级的频数和频率,然后利用matlab已经有的函数imhist绘制原图像的直方图,但是其中有问题,为什么在使用imhist函数的时候,明显纵坐标的最大值只有1400,达不到实际数值3511.
源程序代码:
%% 图像工程的第三章作业2016.09.26
clear all;
clc;
%输入一幅图像,进行图像输出图像直方图
p1=imread('1.png');%读入原始灰色图像
p=rgb2gray(p1);
%自己编写函数绘制直方图
[m,n]=size(p);%测量图像大小
h=zeros(1,256);%总共有0~255,共256个灰度级
for k=0:255
h(k+1)=length(find(p==k))/(m*n);%计算每级灰度出现的概率,将其放入向量
end
S1=zeros(1,256);
S1=h(1)
for i=2:256
S1(i)=h(i)+S1(i-1);%计算Sk
end
S2=round((S1*256)+0.5);%将Sk归到相近级的灰度
for i=1:256
S3(i)=sum(h(find(S2==i)));%计算现有每个灰度级出现的概率
end
P=p;
for i=0:255
P(find(p==i))=S2(i+1);
end
q=histeq(p);
figure
subplot(131);imshow(p);title('原始图像');
subplot(132);imshow(P);title('代码绘制的均衡化后的图像');
subplot(133);histeq(p);title('matlab绘制的均衡化后的图像');
figure
subplot(121);imhist(q);title('已有函数绘制均衡化后的直方图')%显示均衡化后的直方图subplot(122);bar(0:255,S3,'b');title('自己编写的代码绘制的均衡化后的直方图')%显示均衡化后的直方图
xlabel('灰度值')
ylabel('出现概率')
运行结果图如下:
实验结论:利用上课已经得到的计算过程计算均衡化算法,并将利用matlab已有的函数绘制的均衡化后的图像以及直方图与自己手编的函数绘制的图像以及直方图进行对比,这里一个显示的频数,一个显示的是频率。
源程序如下:
%% 图像工程的第三章作业2016.09.26
clear all;
clc;
%输入一幅图像,进行图像输出图像直方图
p=rgb2gray(imread('彩色lena图像.jpg'));%读入原始灰色图像
p1=imnoise(p,'gaussian',0.02);
a1=fspecial('average',3);%产生3×3的均值模版
a2=fspecial('average',5);%产生5×5的均值模版
w1=filter2(a1,p1)/255; %均值滤波3×3
w2=filter2(a2,p1)/255; %均值滤波5×5
w3=medfilt2(p1,[3 3]);%中值滤波3×3
subplot(231);imshow(p);title('原始图像');
subplot(232);imshow(w1);title('均值滤波3×3');
subplot(233);imshow(w2);title('均值滤波5×5');
subplot(234);imshow(p1);title('加入高斯噪声的图像'); subplot(235);imshow(w3);title('中值滤波3×3');
subplot(236);imshow(w4);title('中值滤波5×5');
运行结果图如下:
源程序如下:
%% 图像工程的第三章作业2016.09.26
clear all;
clc;
%输入一幅图像,进行图像输出图像直方图
p=rgb2gray(imread('彩色lena图像.jpg'));%读入原始灰色图像p1=imnoise(p,'salt & pepper',0.02);
a1=fspecial('average',3);%产生3×3的均值模版
a2=fspecial('average',5);%产生5×5的均值模版
w1=filter2(a1,p1)/255; %均值滤波3×3
w2=filter2(a2,p1)/255; %均值滤波5×5
w3=medfilt2(p1,[3 3]);%中值滤波3×3
subplot(231);imshow(p);title('原始图像');
subplot(232);imshow(w1);title('均值滤波3×3');
subplot(233);imshow(w2);title('均值滤波5×5');
subplot(234);imshow(p1);title('加入高斯噪声的图像');
subplot(235);imshow(w3);title('中值滤波3×3');
subplot(236);imshow(w4);title('中值滤波5×5');
运行结果图如下:
经过上述的函数进行加噪以及去噪的效果来看,选择合适的参数较为重要。