实验一图像增强实验

合集下载

实验1图像增强帮助文档

实验1图像增强帮助文档

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。

数字图像处理实验报告 实验一 图像增强实验

数字图像处理实验报告 实验一 图像增强实验

实验一图像增强实验一、实验目标:掌握图像增强的算法。

二、实验目的:1. 了解灰度变换增强和空域滤波增强的Matlab实现方法2. 掌握直方图灰度变换方法3. 掌握噪声模拟和图像滤波函数的使用方法三、实验内容:(1)图像的点操作、邻域操作算法。

(2)图像的直方图处理算法。

四、实验设备:1.PIII以上微机; 2.MATLAB6.5;五、实验步骤:(1)读入图像:用matlab函数实现图像读入(可读入Matlab中的标准测试图像)(原始图像)(2)实现图像点操作运算(如gamma校正,对数校正等)(3)实现图像的邻域处理(实现均值滤波,拉普拉斯滤波)(4)实现直方图均衡处理matlab 源程序clear all;clc;f=imread('girl_noise.jpg');figure,imshow(f),title('原始图像');[m,n]=size(f);f0= im2double(f); % 整型转换为double 类f1=f0;std_i=zeros(1,m-2);%灰线处理for i=2:m-1%灰线处理std_i(i-1)=std(f0(i,:));if(std_i(i-1)<0.1)for j=1:mf0(i,j)=(f0(i-1,j)+f0(i+1,j))/2;endendendfigure,imshow(f0),title('滤除灰线后的图像');fz=f0-f1;[r,c]=find(fz~=0);%寻找灰线噪声的位置f2=f0;change=0;count=0;for i=3:m-2%白线处理for j=1:mif(abs(f0(i,j)-f0(i-1,j))>0.2&&abs(f0(i,j)-f0(i+1,j))>0.2) count=count+1;endif(count>n*0.8)count=0;change=1;break;endendif(change==1)for k=1:mf0(i,k)=(f0(i-1,k)+f0(i+1,k))/2;endchange=0;count=0;endendfigure,imshow(f0),title('滤除白线后的图像');fz1=f2-f0;[r1,c1]=find(fz1~=0); %寻找白线噪声的位置fn = medfilt2(f0); %反射对称填充figure, imshow(fn),title('中值滤波后的图像');f0 = im2double(fn); % 整型转换为double 类g =2*f0- imfilter(f0,w4, 'replicate'); % 增强后的图像figure, imshow(g),title('高提升滤波图像(A=2)');图像处理结果六、结果分析从上面结果可以看出,带状噪声处理部分,已经基本将带状噪声去除。

图像增强原理的应用实验报告

图像增强原理的应用实验报告

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

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。

matlab数字图像处理实验报告

matlab数字图像处理实验报告

《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出;2.熟悉直方图;3.熟悉图像的线性指数等;4.熟悉图像的算术运算和几何变换。

二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息,同时减弱或去除不需要的信息。

从不同的途径获取的图像,通过进行适当的增强处理,可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。

其基本原理是:对一幅图像的灰度直方图,经过一定的变换之后,使其成为均匀或基本均匀的,即使得分布在每一个灰度等级上的像素个数.f=H等或基本相等。

此方法是典刑的图像空间域技术处理,但是由于灰度直方图只是近似的概率密度函数,因此,当用离散的灰度等级做变换时,很难得到完全平坦均匀的结果。

频率域增强技术频率域增强是首先将图像从空间与变换到频域,然后进行各种各样的处理,再将所得到的结果进行反变换,从而达到图像处理的目的。

常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。

假定原图像为f(x,y),经傅立叶变换为F(u,v)。

频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理,然后经逆傅立叶变换得到增强的图像。

四.实验内容及步骤1.图像在MATLAB下的读写、输出;实验过程:>> I = imread('F:\image\');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 1962.给定函数的累积直方图。

实验一图像增强

实验一图像增强

实验一图像增强第一篇:实验一图像增强《数字图像处理》实验报告实验一图像增强班级:姓名:学号:实验目的一、熟悉MATLAB中的图像处理工具箱。

二、熟悉MATLAB中常用的图像处理函数。

三、掌握图像增强的基本原理与实现方法,掌握基本的空间域操作。

四、了解imread、imshow、imhist、imwrite、rgb2gray、mat2gray、imresize、imrotate、imtransform等函数的使用方法。

五、实验内容1.熟悉MATLAB图像处理工具箱的功能及常用的图像处理函数。

2.实现“DIPUM2E_PROJECT_STATEMENTS”中的PROJECT2.1、2.2、2.3、2.5、3.1、3.5、3.6六、实验结果第一题function I = isinteger(A)if ~isnumeric(A)error('A must be a numeric array.');endA = double(A);I = A == floor(A);A=[6.1 2.1;0.1 2] isinteger(A)结果ans = 0 0 0 1 2.2代码function E = iseven(A)if ~isnumeric(A)error('A must be a numeric array.');end A = double(A);E = floor(A/2)==(A/2);A=[3 5;0.1 6] iseven(A)结果ans =《数字图像处理》实验报告0 0 0 1 2.3代码function D = isodd(A)if ~isnumeric(A)error('A must be a numeric array.');endA = double(A);D = floor((A + 1)/2)==((A + 1)/2);A=[2 3;6 1] isodd(A)结果 ans = 0 1 0 1 2.5代码function [I, map] = imagein1(path)if nargin < 1 path = pwd;endoriginal_directory = pwd;[file, pathname] = uigetfile('*.*', 'Image Open');if isequal(file, 0)| isequal(pathname, 0)disp('Image input canceled.');I = [];map = [];else[I, map] = imread(file);end 结果>>imagein1 Image input canceled.ans = []3.1、代码《数字图像处理》实验报告function z = intxform(s, map)classin = class(s);[s, revertclass] = tofloat(s);x = linspace(0, 1, numel(map))';y = map(:);z = interp1(x, y, s, 'linear');z = revertclass(z);A=imread('Fig0210(a).tif');subplot(2,1,1);imshow(A) ;t = linspace(0, 1, 256);map = t.^2;z = intxform(A, map);subplot(2,1,2);imshow(z);结果:3.5、代码function w = genlaplacian(n)if ~isinteger1(n)| n <= 0 | iseven(n)error('n must be a positive, odd integer')end center =(n^2)imfilter(fd, genlaplacian(3), 'replicate');g5 = fdimfilter(fd, genlaplacian(9), 'replicate');g15 = fdimfilter(fd, genlaplacian(25),'replicate');subplot(2,3,1);imshow(fd);title('a');subplot(2,3,2);imsh ow(g3);title('b');subplot(2,3,3);imshow(g5);title('c');subplot(2,3,4); imshow(g9);title('d');subplot(2,3,5);imshow(g15);title('e');subplot( 2,3,6);imshow(g25);title('f');结果:《数字图像处理》实验报告3.6 代码:w = fspecial('unsharp', 0);f =imread('Fig0217(a).tif');imshow(f)g = imfilter(f, w, 'replicate');figure, imshow(g)结果七、本实验的心得体会通过本实验的学习与实践,我学到了很多图像处理的技巧,掌握图像增强的基本原理与实现方法,掌握基本的空间域操作,也对学习图像处理产生了更多的兴趣。

数字图像处理实验报告——图像增强实验

数字图像处理实验报告——图像增强实验

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‎。

实验一,图像增强

实验一,图像增强

电子科技大学实验报告学生姓名:骆骏学号: 2010051060023指导老师:彭真明日期:2013年3月31日一、实验室名称:光电楼329机房二、实验项目名称:实验一:图像增强三、实验原理:图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外,还需要有目的性地加强图像中的某些信息而抑制另一些信息,以便更好地利用图像。

图像增强分频域处理和空间域处理,这里主要用空间域的方法进行增强。

空间域的增强主要有:灰度变换和图像的空间滤波。

1.灰度变换灰度变换主要有线性拉伸、非线性拉伸等。

灰度图像的线性拉伸是将输入图像的灰度值的动态范围按线性关系公式拉伸到指定范围或整个动态范围。

令原图像),(y x f 的灰度变化范围为],[b a ,线性变换后图像),(y x g 的范围为],[''b a ,线性拉伸的公式为:]),([),(''a y x f ab a b a y x g ---+= 灰度图像的非线性拉伸采用的数学函数是非线性的。

非线性拉伸不是对图像的灰度值进行扩展,而是有选择地对某一灰度范围进行扩展,其他范围的灰度值则可能被压缩。

常用的非线性变换:对数变换和指数变换。

对数变换的一般形式:cb y x f a y x g ln ]1),(ln[),(++= 指数变换的一般形式:1),(]),([-=-a y x fc b y x g(c b,a,用于调整曲线的位置和形状的参数。

)2.直方图均衡化图像的直方图实际上就是图像的各像素点强度概率密度分布图,是一幅图像所有像素集合的最基本统计规律,均衡化是指在每个灰度级上都有相同的像素点过程。

3.中值滤波该方法是把邻域内所有像素按序排列,然后用中间值作为中心像素的输出。

四、实验目的:1.熟悉和掌握利用Matlab 工具进行数字图像的读、写、显示等数字图像处理的基本步骤。

2.熟练掌握各种空间域图像增强的基本原理及方法。

数字图像实验报告图像增强实验

数字图像实验报告图像增强实验

数字图像实验报告图像增强实验一、实验目的熟悉并掌握MATLAB图像处理工具箱的使用;理解并掌握常用的图像的空域增强技术。

二、实验内容对一幅图像分别添加高斯、椒盐和斑点噪声,并分别进行均值和中值滤波处理,显示处理前后的图像。

三、实验方法及程序学生自行编程实现提示:1.加入高斯噪声的函数调用。

I_noise =imnoise(I,’gaussian’,0,0.1)2.加入椒盐噪声的函数调用。

I_noise = imnoise(I,’salt&pepper’,0.06)3.加入斑点噪声的函数调用。

I_noise= imnoise(I,’speckle’,0.1)4.均值滤波的函数调用。

I_smooth=imfilter(I_noise,fspecial(‘average’,5))5.中值滤波的函数调用。

I_smooth=medfilt2(I_noise,[3 3])A=imread('toyobjects.png');B=imnoise(A,'gaussian',0,0.1);%加入高斯噪声C=imnoise(A,'salt & pepper',0.05);%加入椒盐噪声D=imnoise(A,'speckle',0.05);%加入斑点噪声I1=imfilter(B,fspecial('average',5));I2= medfilt2(B);%高斯中值处理K1=imfilter(C,fspecial('average',5));K2= medfilt2(C);%椒盐中值处理G1=imfilter(D,fspecial('average',5));G2= medfilt2(D);%斑点噪声中值处理figure(1);imshow(A);title('原图像');figure(2);subplot(1,3,1);imshow(B);title('高斯噪声'); subplot(1,3,2);imshow(I1);title('高斯均值滤波处理'); subplot(1,3,3);imshow(I2);title('高斯中值滤波处理'); figure(3);subplot(1,3,1);imshow(C);title('椒盐噪声'); subplot(1,3,2);imshow(K1);title('椒盐均值处理'); subplot(1,3,3);imshow(K2);title('椒盐中值处理'); figure(4);subplot(1,3,1);imshow(D);title('斑点噪声'); subplot(1,3,2);imshow(G1);title('斑点噪声均值处理'); subplot(1,3,3);imshow(G2);title('斑点噪声中值处理');四、实验结果与分析分别运用B=imnoise(A,'gaussian',0,0.1)C=imnoise(A,'salt & pepper',0.05)D=imnoise(A,'speckle',0.05);三个函数啊加入不同的噪声,再用I_smooth=imfilter(I_noise,fspecial(‘average’,5))I_smooth=medfilt2(I_noise,[3 3])对加入噪声的图像进行处理,比较不同的处理方式对加入噪声后的图像处理后的清晰度。

遥感图像增强实验报告

遥感图像增强实验报告

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。

光电图像处理实验报告(图像增强)

光电图像处理实验报告(图像增强)

电子科技大学实验报告学生姓名: XXX学号: XXXXXXXXXX指导教师: XXX日期: 2010年3月25日一、实验室名称: 光电楼327机房二、实验项目名称: 图像增强三、实验原理:图像在生成、获取、传输等过程中,受照明光源性能、成像系统性能、通道带宽和噪声等因素的影响,造成对比度偏低、清晰度下降、并引入干扰噪声。

因此,图像增强的目的,就是改善图像质量,获得更适合于人眼观察、或者对后续计算机处理、分析过程更有利的图像。

图像增强是有选择地突出某些对人或计算机分析有意义的信息,抑制无用信息,提高图像的使用价值。

1、对数与指数变换提高对比度(1) 对数变换,低灰度区扩展,高灰度区压缩。

(2) 指数变换,高灰度区扩展,低灰度区压缩。

对合适的图像选择对数变换或者指数变换,均可提高图像对比度。

cb y x f a y x g ln ]1),(ln[),(++=1),(]),([-=-a y x f c b y x g2、中值滤波中值滤波法是把邻域内所有像素按灰度顺序排列,然后取中间值作为中心像素的输出。

中值滤波可以有效的去除椒盐噪声。

四、实验目的:1、熟练掌握各种灰度域变换的图像增强原理及方法;2、熟悉直方图均衡化和直方图规格化的原理及方法;3、了解空域滤波中常用的平滑和锐化滤波器;4、熟悉和掌握利用Matlab 工具进行图像的读、写、显示及基本的图像处理步骤;5、利用Matlab 工具进行图像增强处理。

五、实验内容:1、读取一幅低对比度图像,分别对其进行对数变换与指数变换。

进行变换前,应根据需要分别选取合适的指数和对数函数(即确定a、b、c 等调节因子),画出指数和变换曲线。

程序设计及处理过程中,要求在同一窗口中分别显示原始图像、变换结果及其直方图。

2、读取一幅含有椒盐噪声的被污染图像,并对其进行中值滤波处理。

要求在同一窗口中显示原始图像及中值滤波的结果。

(选作内容)六、实验器材(设备、元件):计算机,Matlab软件七、实验步骤:1、对数与指数变换提高对比度⑴打开计算机,从计算机中选择一幅对比度较低的图像作为原始图像。

图像增强 实验报告

图像增强 实验报告

基于像素的图像增强 实验报告姓名:赵传 学号:1120120260一、 实验目的图像增强作为基本的图像处理技术,其目的是对图像进行加工,以得到对具体应用来说视觉效果更“好”更“有用”的图像。

由于具体应用的目的和要求不同,因而“好”和“有用”的含义也不相同,因此图像增强技术是面向具体问题的。

从根本上说,图像增强的通用标准是不存在的。

本实验通过应用课堂上介绍过的图像空域增强方法中的点处理,在MATLAB 软件上进行编程,实现对不同图像(主要是黑白图像)的处理,从而加深对这些方法在原理层面的认识;同时通过简单的判断,较为“主观”给出不同方法处理不同问题时的优劣程度。

二、 引言由于受自然环境,获取图像的手段(传感器)、方式,图像传输,图像接收等一系列因素的影响,使得获取的图像信息往往存在许多问题,如:图像偏暗、偏亮、动态范围小、有噪点、对比度小等。

严重影响了有用信息的提取,因此,图像后期处理(图像增强技术)就显得十分重要。

在这门课程中,我学到了图像增强技术根据其处理的空间不同,可分为两大类:空域方法和频域方法。

前者直接在图像所在像素空间进行处理;而后者是通过对图像进行傅里叶变换后在频域上间接进行的。

在空域方法中,根据每次处理是针对单个像素还是小的子图像块又可分为两种:一种是基于像素的图像增强,也叫点处理,这种增强过程中对每个像素的处理与其他像素无关;另一种是基于模板的图像增强,也叫空域滤波,这种增强过程中的每次处理操作都是基于图像中的某个小的区域。

本实验主要针对点处理。

点处理有以下几种方式:1. 图像反转。

所谓图像反转,简单说来就是使黑变白,使白变黑。

2. 分段线性变换。

增强图像对比度实际是增强原图的各部分的反差,也就是说增强图像中感兴趣的灰度区域,相对抑制那些不感兴趣的灰度区域。

3. 指数变换。

也叫γ校正,通过设置γ 的值γγ≥≤(1还是1) 从而根据具体需要增强图像对比度。

4. 对数变换。

对于因动态范围太大而引起的失真,最常用的是借助对数形式对动态范围进行调整。

图像增强实验报告

图像增强实验报告

课程: 数字图像处理实验日期: 2012年 4 月日成绩:实验一图像增强与平滑一.实验目的及要求1.了解MATLAB的操作环境和基本功能。

2.掌握MATLAB中图像增强与平滑的函数的使用方法。

3.加深理解图像增强与平滑的算法原理。

二.实验原理图像增强的目的是改善图像的视觉效果,或者使图像更适合于人或机器进行分析处理。

通过图像增强,可以减少图像中的噪声,提高目标与背景的对比度,也可以强调或抑制图像中的某些细节。

从处理的作用域出发,图像增强可以分为空间域法和频率域法。

前者在空间域直接对像素进行处理,后者在图像的变换域内处理,然后经逆变换获得增强图像。

图像增强技术主要有:空域变换增强、空域滤波增强、频域增强。

点运算可以在空域内进行图像灰度修正、图像灰度变换以及图像直方图修正。

空域滤波增强主要应用平滑滤波器、中值滤波器以及锐化滤波器。

频域增强主要应用高通滤波和同态滤波。

图像增强还包括图像的伪彩色处理。

彩色图像中包含有丰富的细节信息,为了获得清晰的彩色图像,保护原有的彩色信息,消除亮度不够对彩色图像像质的影响, 应用图像增强技术对彩色图像进行处理,既可以得到清晰的彩色图像,又可以保护原有的彩色信息。

总之图像增强技术就是对图像中感兴趣的特征有选择地突出,而衰减其不需要的特征。

三、实验内容(一)研究以下程序,分析程序功能;输入执行各命令行,认真观察命令执行的结果。

熟悉程序中所使用函数的调用方法,改变有关参数,观察试验结果。

(可将每段程序保存为一个.m文件)1.直方图均衡化clear all; close all % Clear the MATLAB workspace of any variables% and close open figure windows.I = imread('pout.tif'); % Rea ds the sample images ‘ pout.tif’, and stores it inimshow(I) % an array named I.display the imagefigure, imhist(I) % Create a histogram of the image and display it in% a new figure window.[I2,T] = histeq(I); % Histogram equalization.figure, imshow(I2) % Display the new equalized image, I2, in a new figure window.figure, imhist(I2) % Create a histogram of the equalized image I2.figure,plot((0:255)/255,T); % plot the transformation curve.课程: 数字图像处理实验日期: 2012年 4 月日成绩:imwrite (I2, 'pout2.png'); % Write the newly adjusted image I2 to a disk file named% ‘pout2.png’.imfinfo('pout2.png') % Check the contents of the newly written file功能:直方图均衡化的基本思想是将原始图像的直方图变换为均匀分布的形式,从而增加图像灰度的动态范围,达到增强图像对比度的效果。

图像增强实验

图像增强实验

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。

4、掌握直方图均衡化。

5、采用均值滤波、中值滤波实现图像平滑。

6、采用梯度方法、拉普拉斯算子、Sobel 算子和 Prewitt 算子实现图像锐化。

二、实验原理及知识点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接灰度尺度变换、直方图修改处理、图像平滑化处理、图像尖锐化处理等。

1、 灰度变换灰度变换是图像增强的一种重要手段,它常用于改变图象的灰度范围及分布,是图象数字化及图象显示的重要工具。

在实际应用中,为了突出图像中感兴趣的研究对象,常常要求局部扩展拉伸某一范围的灰度值,或对不同范围的灰度值进行不同的拉伸处理。

若假定原图像f(x, y)的灰度范围为[a, b ],希望变换后图像 g(x, y)的灰度范围扩展至[c, d ],则线性变换可表示为:g (x , y )= [ f (x , y ) − a ] + c2、 直方图变换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。

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。

依据定义,在离散形式下, 用 r k 代表离散灰度级,用 p r (r k )代表 p r (r ),并且有下式成立:ab c d --P r(r k)=n k0 ≤r k≤ 1 k= 0,1,2,L,l−1 n式中:n k为图像中出现r k级灰度的像素数,n是图像像素总数,而n k/n即为频数。

k nj ks k= T (r k)=∑=∑ p r(r j) 0≤ r j≤1 k =0,1,L,l −1nj =0j =03、空域滤波空域滤波是在图像空间中借助模板对图像进行领域操作,处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。

实验一 图像点运算增强

实验一  图像点运算增强

实验一图像点运算增强一、实验目的1、熟练掌握在MATLAB中图像读取、显示、存储等操作。

2、理解直方图的概念及应用,实现图像直方图的显示,及通过直方图均衡和直方图规定化方法对图像进行修正。

二、实验原理1、基本函数:1)imread:该函数用于读入各种图像文件。

2)imwrite:该函数用于写入图像文件。

3)imfinfo:该函数用于读取图像文件的有关信息。

4)imshow:该函数用于图像文件的显示。

5)rgb2gray:该函数用于把真彩图像转换为灰度图像。

6)imhist:函数用于数字图像的直方图计算或显示。

7)imadjust:函数用于数字图像的灰度或颜色调整。

2、基本原理:1)直方图均衡化:是将一已知灰度概率密度分布的图像经过某种变换,变成一幅具有均匀灰度概率密度分布的新图像.其结果是扩展了像元取值的动态范围,从而达到增强图像整体对比度的效果.histeq函数用于数字图像的直方图均衡化。

J = histeq(I, n)均衡化后的级数n,缺省值为64。

2)直方图规定化:需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,这时可采用比较灵活的直方图规定化。

J = histeq(I, hgram) "直方图规定化",即将原是图象I 的直方图变换成用户指定的向量hgram (即指定另一幅图像的直方图数据向量)。

方法.三、实验内容1、读取图像彩色图像lily.tif:①查看彩色图像数据结构、数据类型;②将彩色图像转换为灰度图像,并存储为lily1.tif;③将图像变暗,灰度值减小42个灰度级,将变暗图像存储为lily2.tif;④同一窗口显示图像lily1、lily2,以及图像对应的直方图。

(title)close all;clear all;a=imread('e:\hjj\lily.tif');%将lily.tif读入imfinfo('e:\hjj\lily.tif');%显示彩色图像的数据结构及类型b=rgb2gray(a);%将彩色图像转化为灰度图像c=double(b);%进行图像运算前,先将uint8转化为doubled=c-42;%将图像的灰度值减小42个灰度级f=uint8(d);%运算完后,将图像的数据类型转换成uint8 subplot(2,2,1);imshow(b);title('lily1.tif');subplot(2,2,2);imshow(f);title('lily2.tif');subplot(2,2,3);imhist(b);subplot(2,2,4);imhist(f);2、读取图像pout.tif图1 原图的数据结构及类型lily1.tiflily2.tif10020010020005001000图2 程序执行得到的图像①对其做灰度变换处理,显示变换前后的图像和直方图。

图像增强的实验报告

图像增强的实验报告

图像增强的实验报告图像增强的实验报告引言:图像增强是数字图像处理领域中的一项重要任务。

通过改善图像的质量和清晰度,图像增强可以使我们更好地观察和分析图像中的细节。

本实验旨在探索图像增强的不同方法,并评估它们在不同场景下的效果。

实验设计:为了比较不同的图像增强方法,我们选择了一组具有不同特征的图像作为实验对象。

这些图像包括自然风景、人像和低对比度图像。

我们将使用以下三种方法进行图像增强:直方图均衡化、自适应直方图均衡化和增强对比度自适应拉伸。

实验步骤:1. 直方图均衡化:直方图均衡化是一种常用的图像增强方法,它通过重新分布图像的像素值来增强对比度。

我们首先将图像转换为灰度图像,然后计算灰度直方图。

接下来,我们使用累积分布函数对直方图进行均衡化,使得图像中的像素值分布更加均匀。

最后,我们将均衡化后的图像转换回原始图像的颜色空间。

2. 自适应直方图均衡化:直方图均衡化在某些情况下可能会导致图像的局部细节丢失。

为了解决这个问题,我们使用自适应直方图均衡化方法。

在这种方法中,我们将图像分成许多小区域,并对每个区域的直方图进行均衡化。

通过这种方式,我们可以保留图像的局部特征,并增强整体对比度。

3. 增强对比度自适应拉伸:增强对比度自适应拉伸是一种简单而有效的图像增强方法。

它通过将图像的像素值映射到一个更大的范围来增强对比度。

我们首先计算图像的平均亮度和标准差,然后使用以下公式对图像进行拉伸:enhanced_pixel = (pixel - mean) * (max_stretch / std) + mean其中,pixel是原始图像中的像素值,mean是图像的平均亮度,std是图像的标准差,max_stretch是拉伸的最大范围。

实验结果:我们将三种图像增强方法应用于不同类型的图像,并进行了对比分析。

结果显示,直方图均衡化方法在某些情况下可以显著增强图像的对比度,特别是对于低对比度图像。

然而,它可能会导致图像的噪声增加和细节丢失。

图像处理实验报告——图像增强-推荐下载

图像处理实验报告——图像增强-推荐下载

对图像进行平滑处理,可以处理高斯噪声,但是很带来图像的边缘细节模糊。

对于具有对称特性的算子,conv2和imfilter处理的图像效果是一样的,非对称的算子,处理的效果一般不样。

对图像进行锐化处理,会得到图像的边缘部分,变化小部分对应的灰度值较小。

10、总结及心得体会:总结:通过本次的图像增强实验了解了图像的最基本的像素级的操作,对图像的变换有了一定的了解,同时增加了自己对数字图像的了解。

心得体会:一些看起来很简单的图像处理,要自己编程进行实现比不是一件很简单的事,所以对于理论要多加以实践才能更好地掌握。

11、对本实验过程及方法、手段的改进意见:如果对现有的某些简单的函数进行限制使用,要求学生自己编写,可以很大程度的增强学生的编程能力。

报告评分:指导教师签字:图1 线性拉伸变换原图和结果图图2 线性拉伸变换灰度变换曲线)图像的非线性灰度变换(指数变换)图3 指数拉伸变换原图和结果图图4 对数拉伸变换灰度变换曲线)图像的非线性灰度变换(中值滤波)图5 中值滤波原图和结果图)光电图像的空域平滑处理像像像像像像像像像像像像图7 算子的3D图)光电图像的空域高通滤波图8 平滑处理原图、加噪图和结果图图9 算子的3D图)数字图像的线性灰度变换%拉伸到15到230clc,close all,clear all;remax=230;remin=15;y=imread('cloud_24bitgry.jpg');y=rgb2gray(y);subplot(1,2,1),imshow(y);y=double(y);title('原始图像');ymax=max(max(y));ymin=min(min(y));[a,b]=size(y);%灰度变换程序for m=1:a;for n=1:b;result_image(m,n)=(remax-remin)/(ymax-ymin)*(y(m,n)-ymin)+remin;endendresult_image=uint8(result_image);subplot(1,2,2),imshow(result_image); imwrite(result_image,'灰度线性变换.jpg','jpg');%保存图像title('灰度变换图像');o=[]for x=1:255;if x<ymin;k=remin;elseif x>ymax;k=remax;elsek=(remax-remin)/(ymax-ymin)*(x-ymin)+remin;endo=[o,k];end%画变换曲线图x=1:255;figure,plot(x,o);title('灰度变换曲线');xlabel('f(x,y)'),ylabel('g(x,y)');(2)图像的非线性灰度变换(指数变换)%灰度对数变换clc,close all,clear all;imb=1.56;ima=13;imc=0.05;y=imread('Einstein.jpg');y=rgb2gray(y);subplot(1,2,1),imshow(y);title('原始图像'); y=double(y);[a,b]=size(y);%对数变换程序for m=1:a;for n=1:b;result_image(m,n)=imb^(imc*(y(m,n)-ima))-1;endendsubplot(1,2,2),imshow(result_image,[]);titl e('变换图像');imwrite(uint8(result_image),'灰度对数变换. jpg','jpg');%保存图像u=[];for x=0:255;o=imb^(imc*(x-ima))-1;u=[u,o];endx=0:255;figure(),plot(x,u);title('对数变换曲线'); xlabel('f(x,y)'),ylabel('g(x,y)');(3)图像的非线性灰度变换(中值滤波)%灰度对数变换clc,close all,clear all;imb=1.56;ima=13;imc=0.05;y=imread('lowlight_spn24.jpg');y=rgb2gray(y);subplot(1,2,1),imshow(y);title('原始图像'); [a,b]=size(y);%中值滤波变换程序o=y;for m=2:a-1;for n=2:b-1;O=[y(m-1,n-1),y(m,n-1),y(m+1,n-1),y(m-1,n),y(m,n),y(m+1,n),y(m-1,n+1),y(m,n+1),y(m+1,n+1)];o(m,n)=median(O);endendsubplot(1,2,2),imshow(o);title('滤波图像');(4)光电图像的空域平滑处理%平滑去噪clc,close all,clear all;y=imread('Einstein.jpg');y=rgb2gray(y);subplot(2,2,1),imshow(y),title('原始图像'); y=imnoise(y,'gauss',0.002);%加噪声subplot(2,2,2),imshow(y);title('加噪图像'); y=double(y);h1=1/273*[1,4,7,4,7;4,16,26,16,4;7,26,41,26,7;4,16,26,16,4;1,4,7,4,1];M=conv2(y,h1);%卷积处理图像subplot(2,2,3),imshow(uint8(M));title('卷积去噪图像');M=imfilter(y,h1);subplot(2,2,4),imshow(uint8(M));title('函数去噪图像');x=-9:10;y=-9:10;h1=imresize(h1,4,'bilinear');[X,Y]=meshgrid(x,y);figure,surfc(X,Y,h1);(5)光电图像的空域高通滤波% 图像锐化程序clc,close all,clear all;y=imread('Einstein.jpg');y=rgb2gray(y);subplot(1,3,1),imshow(y),title('原始图像'); y=double(y);h1=[-1,0,1;-1,0,1;-1,0,1];sum(sum(h1))M=conv2(y,h1);%卷积处理图像subplot(1,3,2),imshow(uint8(M));title('卷积锐化图像');M=imfilter(y,h1);subplot(1,3,3),imshow(uint8(M));title('图像锐化图像');x=-5:6;y=-5:6;h1=imresize(h1,4,'bilinear');[X,Y]=meshgrid(x,y);figure,surfc(X,Y,h1);。

数字图像处理实验报告 空域图像增强技术

数字图像处理实验报告 空域图像增强技术

课程名称:实验项目:实验地点:专业班级:学号:学生姓名:指导教师:2012年月日实验一 空域图像增强技术一、 实验目的1结合实例学习如何在视频显示程序中增加图像处理算法;2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;3了解平滑处理的算法和用途,学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法;4 了解噪声模型及对图像添加噪声的基本方法。

二、 实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。

)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβαn y m x ,2,1 ,,,2,1==2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。

按照图像概率密度函数PDF 的定义:1,...,2,1,0 )(-==L k nn r p k k r 通过转换公式获得:1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3 均值(中值)滤波是指在图像上,对待处理的像素给定一个模板,该模板包括了其周围的临近像素。

将模板中的全体像素的均值(中值)来代替原来像素值的方法。

4 拉普拉斯算子如下:⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减,表示自身与周围像素的差异,再将这个差异加上自身作为新像素的灰度。

三、 实验步骤1 启动MA TLAB 程序,对图像文件分别进行灰度线性变换(参考教材57页,例4.1)、直方图均衡化、均值滤波、中值滤波和梯度锐化操作。

添加噪声,重复上述过程观察处理结果。

实验一图像增强实验

实验一图像增强实验

实验一图像增强实验实验目的:1.掌握图像增强的算法2.学习利用MATLAB进行图像的增强实验内容:1.图像的点操作、邻域操作算法2.图像的直方图处理算法实验步骤:1.读入图像,用MATLAB函数实现图像读入(1)启动MATLAB(2)在命令行窗口直接输入MATLAB命令,按“回车”键后执行(3)读入命令和显示命令分别为 imread 和 imshow(4)如A=imread('D:\上官军\medical image\woman.jpg')Imshow (A)结果显示2.实现图像点操作运算(gamma校正和对数校正)(1)根据图像线形变换三种形式,图像反转 S=L-1-r 、对数变换S=c*log(1+r) 、幂次变换 S=c*r .^γ编写图像点操作函数(2)建立新的M文件,点操作函数代码如下:function s=dian(r,leixing,chengshu,gamma1)% r为处理图像,leixing为操作类型s1=imread(r);s2=im2double(s1);%将图像转为double数据型switch leixingcase 'fanzhuan's=1-s2;case 'duishu's=chengshu*log(1+s2);case 'gamma's=chengshu*s2.^gamma1;otherwiseerror('错误')endsubplot(1,2,1), imshow(s1);subplot(1,2,2),imshow(s);(3)实际操作,如反转:Y=dian('D:\上官军\medical image\woman.jpg','fanzhuan',1,1);3.图像邻域处理(1)图像邻域处理是通过设计相应的滤波器来处理相邻图像像素,主要为均值滤波器、中指滤波器、高斯滤波器等(2)建立新的M文件,均值滤波函数代码如下:function d=avefilt(x,n)a(1:n,1:n)=1;%a即n×n模板,元素全是1p=size(x);%输入图像是p×q的x1=double(x);%A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素for i=1:p(1)-n+1for j=1:p(2)-n+1c=x1(i:i+(n-1),j:j+(n-1)).*a;%取出x1中从(i,j)开始的n行n列元素与模板相乘s=sum(sum(c));%求c矩阵(即模板)中各元素之和x1(i+(n-1)/2,j+(n-1)/2)=s/(n*n);%将模板各元素的均值赋给模板中心位置的元素endendd=uint8(x1);subplot(1,2,1),imshow(x);title('均值滤波前图像');subplot(1,2,2),imshow(d);title('均值滤波后图像');(3)实际操作,代码如下:A=imread('D:\上官军\medical image\woman.jpg');Y=avefilt(A,3);滤波前图像滤波后图像4.直方图的均衡处理(1)图像直方图利用MATLAB工具箱中imhist产生,根据直方图均衡计算公式:编写直方图均衡函数(2)建立新的M文件,直方图均衡代码如下:function s=zhifangtu(r)s1= r;[m,n]=size(s1);%检测图像大小count=0;s2=zeros(m,n);% s2是行列分别为m、n的0矩阵s3=zeros(1,255);figure,imhist(s1);[counts]=imhist(s1);for k=1:255count=count+counts(k); s3(k)=255*count/(m*n); end%根据直方图均衡公式编写for x=1:mfor y=1:ns2(x,y)=s3(s1(x,y)+1); endends=s2;s=mat2gray(s);s=im2uint8(s);subplot(1,2,1),imshow(s);title('均衡后的图片');subplot(1,2,2),imhist(s);title('均衡后的直方图');(3)实际操作,代码如下:A=imread('D:\上官军\medical image\woman.jpg'); Y=zhifangtu(A)均衡后的图片501001502002500均衡后的直方图(注:可编辑下载,若有不当之处,请指正,谢谢!)。

  1. 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. 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. 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)。

实验一图像增强实验
实验目的:1.掌握图像增强的算法
2.学习利用MATLAB进行图像的增强
实验内容:1.图像的点操作、邻域操作算法
2.图像的直方图处理算法
实验步骤:
1.读入图像,用MATLAB函数实现图像读入
(1)启动MATLAB
(2)在命令行窗口直接输入MATLAB命令,按“回车”键后执行(3)读入命令和显示命令分别为 imread 和 imshow
(4)如A=imread('D:\上官军\medical image\woman.jpg')
Imshow (A)
结果显示
2.实现图像点操作运算(gamma校正和对数校正)(1)根据图像线形变换三种形式,图像反转 S=L-1-r 、对数变换S=c*log(1+r) 、幂次变换 S=c*r .^γ编写图像点操作函数
(2)建立新的M文件,点操作函数代码如下:
function s=dian(r,leixing,chengshu,gamma1)
% r为处理图像,leixing为操作类型
s1=imread(r);
s2=im2double(s1);
%将图像转为double数据型
switch leixing
case 'fanzhuan'
s=1-s2;
case 'duishu'
s=chengshu*log(1+s2);
case 'gamma'
s=chengshu*s2.^gamma1;
otherwise
error('错误')
end
subplot(1,2,1), imshow(s1);
subplot(1,2,2),imshow(s);
(3)实际操作,如反转:
Y=dian('D:\上官军\medical image\woman.jpg','fanzhuan',1,1);
3.图像邻域处理
(1)图像邻域处理是通过设计相应的滤波器来处理相邻图像像素,主要为均值滤波器、中指滤波器、高斯滤波器等
(2)建立新的M文件,均值滤波函数代码如下:
function d=avefilt(x,n)
a(1:n,1:n)=1;
%a即n×n模板,元素全是1
p=size(x);
%输入图像是p×q的
x1=double(x);
%A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素for i=1:p(1)-n+1
for j=1:p(2)-n+1
c=x1(i:i+(n-1),j:j+(n-1)).*a;
%取出x1中从(i,j)开始的n行n列元素与模板相乘
s=sum(sum(c));
%求c矩阵(即模板)中各元素之和
x1(i+(n-1)/2,j+(n-1)/2)=s/(n*n);
%将模板各元素的均值赋给模板中心位置的元素
end
end
d=uint8(x1);
subplot(1,2,1),imshow(x);
title('均值滤波前图像');
subplot(1,2,2),imshow(d);
title('均值滤波后图像');
(3)实际操作,代码如下:
A=imread('D:\上官军\medical image\woman.jpg');
Y=avefilt(A,3);
滤波前图像滤波后图像
4.直方图的均衡处理
(1)图像直方图利用MATLAB工具箱中imhist产生,根据直方图均衡计算公式:
编写直方图均衡函数
(2)建立新的M文件,直方图均衡代码如下:
function s=zhifangtu(r)
s1= r;
[m,n]=size(s1);
%检测图像大小
count=0;
s2=zeros(m,n);
% s2是行列分别为m、n的0矩阵s3=zeros(1,255);
figure,imhist(s1);
[counts]=imhist(s1);
for k=1:255
count=count+counts(k); s3(k)=255*count/(m*n); end
%根据直方图均衡公式编写
for x=1:m
for y=1:n
s2(x,y)=s3(s1(x,y)+1); end
end
s=s2;
s=mat2gray(s);
s=im2uint8(s);
subplot(1,2,1),imshow(s);
title('均衡后的图片');
subplot(1,2,2),imhist(s);
title('均衡后的直方图');
(3)实际操作,代码如下:
A=imread('D:\上官军\medical image\woman.jpg'); Y=zhifangtu(A)
均衡后的图片
050100150200250
均衡后的直方图
.。

相关文档
最新文档