实验四图像增强
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。
图像增强__实验报告
深圳大学实验报告课程名称: 数字图像处理实验项目名称: 图像增强学院: 信息工程学院专业: 通信工程****: ***报告人: 学号: 班级: 1班实验时间: 2015、04、09实验报告提交时间: 2015、05、21教务处制[1] 简述直方图均衡化原理答:直方图均衡化的基本思想就是对原始图像中的像素灰度做某种映射变换,使变换后的图像灰度的概率密度就是均匀分布的,即变换后图像就是一幅灰度均匀分布的图像,这意味着图像灰度的动态范围得到了增加,从而可提高图像的对比度。
[2] 对给定的两幅灰度数字图像(可以用MATLAB自带的图像文件)进行如下处理:a、对原图像进行直方图均衡化处理,同屏显示处理前后图像及其直方图,比较异同,并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
答:代码实现如下:A = imread('1、jpg');I=rgb2gray(A);[height,width] = size(I);figuresubplot(221)imshow(I)%显示原始图像subplot(222)imhist(I)%显示原始图像直方图%进行像素灰度统计;s = zeros(1,256);%统计各灰度数目,共256个灰度级for i = 1:heightfor j = 1: widths(I(i,j) + 1) = s(I(i,j) + 1) + 1;%对应灰度值像素点数量增加一 endend%计算灰度分布密度p = zeros(1,256);for i = 1:256p(i) = s(i) / (height * width * 1、0);end%计算累计直方图分布c = zeros(1,256);c(1) = p(1);for i = 2:256c(i) = c(i - 1) + p(i);end%累计分布取整,将其数值归一化为1~256c = uint8(255 、* c + 0、5);%对图像进行均衡化for i = 1:heightfor j = 1: widthI(i,j) = c(I(i,j)+1);endendsubplot(223)imshow(I)%显示均衡化后的图像subplot(224)imhist(I)%显显示均衡化后的图像的直方图进行灰度均衡化的公式有很多,只要满足两个关键的条件就行了。
ENVI实验三-四
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。
实验四、图像增强实验报告
桂林理工大学实验报告班级软件15-1班学号3152012011124 姓名周奎良同组实验者实验名称实验四图像增强日期2018年11月18 日一、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，削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。
直方图是多种空间域处理技术的基础。
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。
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。
从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。
实验四 图像增强处理
实验三图像增强处理一、实习目的和要求·了解什么是遥感图像解译，了解遥感图像解译的目的，根据不同的应用目的能够选择不同的方法增强解译效果；·学习图像增强的方法，能够对不同应用目的的图像进行不同的增强效果，达到解译效果；·知道ERDAS软件中图像增强处理主要分成三部分：空间、辐射、光谱增强，了解空间、辐射、光谱分辨率的概念并有直观的概念；·理解各种图像增强方法的原理，熟练掌握用ERDAS软件进行增强的操作步骤；要求能够独立完成各种增强处理；·了解图像解译的基本原理，能够通过ERDAS软件进行简单的图像解译，达到分析图像应用图像的目的；·掌握变化监测的原理并能够通过软件分析和应用变化监测；·了解地形分析和傅里叶变换的原理能够使用遥感软件进行分析；·了解归纳分析和区域特征的原理，会使用这几种方法，掌握代数运算的原理了解在图像处理中的实际应用；·了解图像投影变换的原理以及方法；·了解傅里叶变换的方法以及原理和应用；二、实验原理·当一幅图像的目视效果不太好，或则有用的信息突出不够时，就需要对图像进行增强处理，图像增强的目的是为了提高图像质量和突出所需信息，有利于分析判读或作进一步处理；·图像空间增强是利用象元自身及其周围象元的灰度值进行运算，达到增强目的主要有卷积增强、非定向边缘增强、纹理分析、锐化处理、自适应滤波等；·图像辐射增强处理时对单个象元的灰度值进行变换达到图像增强的目的，主要有直方图均衡化、直方图匹配、亮度反转、降噪处理、去条带处理等；·图像光谱增强处理是基于多波段数据对每个象元的灰度值进行变换达到增强，主要方法有主成分变换、主成分逆变换、缨帽变换、色彩变换、指数变换等；·变化监测是根据两个时期的遥感图像来计算其差异，系统可以根据您所定义的阈值来表明重点变化区域，并输出两个分析结果图像，其一是图像变化文件，其二是主要变化区域文件。
实验四 图像增强
实验四图像增强实验目的：理解ERDAS软件下进行图像增强的基本方法加深对数字图像的认识实验器材计算机，erdas软件Erdas软件自带example目录下文件学习方法：对照学习教程PDF文件page108页开始，在文档指导下，打开Erdas软件自带example 目录下文件进行图像操作。
在进行增强操作前，阅读功能简介，了解各种增强方法的功能。
各个图像增强操作做完后，在viewer视图下，打开原图（input file .img文件置左）和结果（output file .img文件置右）进行对比观察。
主要内容：1 图像解译工具的功能认识（简介）（page108-page112）图像空间增强空间域（按像素灰度值）图像辐射增强图像增强图像光谱增强频率域（在频率域进行滤波处理）傅立叶变换2 图像空间增强（spatial enhancement）图像空间增强技术是利用像元自身及其周围象元灰度值进行计算，达到增强整个图像的目的。
重点做的内容：卷积增强（convolution）非定向边缘检测（non-directional edge）纹理分析（Texture）分辨率融合（resolution merge）锐化处理（crisp）3 图像辐射增强（radiometric enhancement）去霾处理（haze reduction）去条带处理（destripe TM data）4 图像光谱增强（spectral enhancement）））指数计算（indices）5 傅立叶变换（fourier analysis）(能力扩展部分，选作)把遥感图像从空间域转到频率域，对图像在频率域进行滤波处理，减少或消除周期性噪声。
重点做的内容：傅里叶变换（fourier analysis）周期性噪声去除（periodi noise removal）注：标的为必做的内容，其他为选作内容。
1 ERDAS下的图像增强工具2 空间增强处理阅读pdf文件page113页，了解卷积增强处理的功能介绍按照步骤做：2-1 Concolution2-2 非定向边缘检测page114先阅读非定向边缘检测的功能介绍2-3 纹理分析阅读pdf文件page116，了解纹理分析（texture）的功能Texture工具2-4 分辨率融合（resolution merge）阅读page118，了解分辨率融合的功能，使用数据spot.img dmtm.img2-5锐化处理（crisp enhancement）阅读pdf文档page119，了解锐化处理的功能，使用数据为：panatlanta.img （亚特兰大全色图像）3辐射增强处理3-查找表拉伸（LUT stretch）阅读文档Page121 了解查找表拉伸的功能，使用数据mobbay.img3-2 直方图均衡化（histogram equalization）阅读pdf文件page122 了解直方图均衡化的基本功能使用数据lanier.img3-3 直方图匹配（histogram match）阅读pdf文件page123，了解直方图匹配的功能，应用数据为：wasia1_mss.img wasia2_mss.img3-4 亮度翻转（brightness inverse）阅读pdf文件page124 了解亮度翻转的功能，使用文件loplakebedsig357PreN3.img3-5去霾处理（haze reduction）阅读材料page125，了解去条带处理的功能，使用数据klon_tm.img3-6去条带处理（destripe TM data）阅读材料page126，了解去条带处理的功能，使用数据tm_stripe.img4光谱增强处理4-1 主成分变换（principal component analysis）阅读材料page127，了解主成分变换的功能，使用数据lanier.img4-2去相关拉伸（decorrelation stretch）阅读材料page129，了解去相关拉伸的功能，使用数据lanier.img4-3色彩变换（RGB to HIS）阅读材料page131，了解色彩变换的功能，使用数据dmtm.img4-4指数计算（indices）阅读材料page133，了解指数计算的功能，使用数据tmatalanta.img 或者实验3（几何校正）的数据chuxiong.img 重点实验的指数：NDVI 归一化植被指数最后在视图下打开数据，采用查询光标查询计算出的NDVI指数5傅立叶变换（Fourier transform）阅读材料page146，了解傅立叶变换的功能，使用数据tm_1.img1 先用傅立叶变换建立函数2 在傅立叶编辑窗口打开上一步处理输出的fft文件.以下为低通滤波执行逆变换，得到结果.IMG文件。
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)
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
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
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
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4_图像增强(辐射与空间增强)
Equalization：直方图均衡拉伸，使设定灰度范围内的像元数量大 致相等。
Square Root：平方根拉伸，计算输入图像的平方根，然后对设定 灰度范围内的像元进行线性拉伸。
Arbitrary：自定义拉伸和直方图匹配，可在输出直方图自由绘制 直方图形状，或者与另一个图像的直方图进行匹配。
5、空间增强
图像增强
张洋
QQ：332954604
Email：kymgoal@ kymgoal@
1、图像增强
图像增强是为了突出相关的专题信息，提高 图像的视觉效果，使分析者更容易的识别像增强一般分为辐射(光谱)增强和空间增 强。
3、辐射增强-对比度增强
Stretch_Type菜单功能： Linear：线性拉伸，设置拉伸区间后将拉伸区间内的值线性变换 到0-255的区间。 Piecewise Linear：分段线性拉伸，可通过鼠标中键在输入直方图 中的转换函数（初始为一条直线）上放置几个点进行交互式拉伸， 对各点之间的部分按对应的变换函数进行线性拉伸。 Gaussian：高斯拉伸，设定拉伸区间后按照高斯函数对图像进行 拉伸。
辐射增强是对地物的光谱特征，如像元的对 比度，波段间的亮度比等进行增强和转换。 空间增强主要是针对图像的空间特征，考虑 像元即周围像元亮度间的关系，使图像的空 间几何特征如边缘、形状、大小等突出或削 减。
2、辐射增强-波段比
3、辐射增强-对比度增强
对比度增强拉伸是将图像的亮度值范围进行 拉伸或压缩，从而提高图像全部或部分的对 比度，将输入图像中的数值输出成计算机的 显示值。 ENVI实现： 图像上右键-Interactive stretching或主图像 窗口中Enhance-Interactive stretching 通过选择Stretch_Type中的拉伸选项进行操 作。
图像处理综合实验报告
图像处理综合实验报告一、引言图像处理是计算机科学中的重要研究领域，其应用范围广泛，涵盖了图像增强、图像分割、图像识别等多个方面。
本实验旨在通过综合实验的方式，探索图像处理的基本方法和技术，并对实验结果进行分析和总结。
二、实验目的1. 了解图像处理的基本概念和原理；2. 熟悉常用的图像处理工具和算法；3. 掌握图像处理中常见的操作和技术；4. 分析实验结果并提出改进意见。
三、实验步骤1. 实验准备在实验开始之前，我们需要准备一台计算机和图像处理软件，例如MATLAB、Python等。
同时，需要收集一些图像数据作为实验样本。
2. 图像增强图像增强是图像处理中常用的操作，旨在改善图像的质量和视觉效果。
我们可以通过调整图像的亮度、对比度、色彩等参数来实现图像增强。
在实验中，我们可以选择一些常见的图像增强算法，如直方图均衡化、灰度拉伸等。
3. 图像滤波图像滤波是图像处理中常用的技术，用于去除图像中的噪声和平滑图像。
常见的图像滤波算法包括均值滤波、中值滤波、高斯滤波等。
在实验中，我们可以选择适合实验样本的滤波算法，并对比不同滤波算法的效果。
4. 图像分割图像分割是将图像划分为不同的区域或对象的过程。
常见的图像分割算法包括阈值分割、边缘检测、区域生长等。
在实验中，我们可以选择一种或多种图像分割算法，并对比它们的分割效果和计算复杂度。
5. 图像识别图像识别是图像处理的重要应用之一，它可以用于识别和分类图像中的对象或特征。
在实验中，我们可以选择一些常用的图像识别算法，如模板匹配、神经网络等，并通过实验样本进行图像识别的实验。
四、实验结果与分析1. 图像增强实验结果我们选取了一张低对比度的图像作为实验样本，经过直方图均衡化和灰度拉伸处理后，图像的对比度得到了明显的改善，细节部分更加清晰。
2. 图像滤波实验结果我们选取了一张带有高斯噪声的图像作为实验样本，经过均值滤波、中值滤波和高斯滤波处理后，图像的噪声得到了有效的去除，图像更加平滑。
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
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);。
- 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)。
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：2016.11.08班级：：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;else Hist_result{m}(k)=sum(Hist_image(Temp)); 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(Image,[]); 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。
3.灰度图像常用平常、锐化滤波程序代码：clear all;close all;%0.原图I=double(imread('lena.tiff'));subplot(2,4,1);imshow(I,[]);title('原图'); %1.均值低通滤波H=fspecial('average',5);F{1}=double(filter2(H,I));subplot(2,4,2);imshow(F{1},[]);title('均值低通滤波');%2.gaussian 低通滤波H=fspecial('gaussian',7,3);F{2}=double(filter2(H,I));subplot(2,4,3);imshow(F{2},[]);title('高斯低通滤波');%3.增强图像=原图-均值低通滤波 F{3}=2*I-F{1};subplot(2,4,4);imshow(uint8(F{3}),[]);title('原图-均值低通滤波');%4.增强图像=原图-高斯低通滤波 F{4}=2*I-F{2};subplot(2,4,5);imshow(uint8(F{4}),[]);title('原图-高斯低通滤波');%5.'prewitt'边缘算子增强 H=fspecial('prewitt'); F{5}=uint8(I+filter2(H,I));subplot(2,4,6);imshow(F{5},[]);title('prewitt 边缘算子增强');%6.'soble'边缘算子增强 H=fspecial('sobel'); F{6}=uint8(I+filter2(H,I));subplot(2,4,7);imshow(F{6},[]);title('sobel 边缘算子增强');执行结果：原图均值低通滤波高斯低通滤波原图-均值低通滤波原图-高斯低通滤波prewitt 边缘算子增强sobel 边缘算子增强图3 灰色图像平滑、锐化实验结果分析：由实验结果可知，均值和高斯滤波都使原图模糊，而采用原图减去低通滤波图像方法、prewitt 算子、sobel 算子都可以增强图像边缘。
4. 频率域滤波：对于给定图像+噪声，使用不同的频域滤波器对图像进行滤波处理。
(1)用Butterworth 低通滤波器实现图像信号的滤波运算。
程序代码：clear all ; close all ;%(a)读入并显示图像electric.tif ； I=imread('electric.tif');subplot(2,3,1),imshow(I);title('原图像'); %(b)利用imnoise 命令在图electric.tif 上加入高斯(gaussian) 噪声；J=imnoise(I,'gaussian',0,0.01);subplot(2,3,2),imshow(J);title('加入高斯噪声的图像');%(c)用Butterworth 低通滤波器实现图像信号的滤波运算,变换不同的截止频率d I1=fftshift(fft2(J)); [m,n]=size(I1);N=2;d1=30;d2=50;d3=70;d4=90; n1=floor(m/2);n2=floor(n/2); for i=1:m for j=1:nd=sqrt((i-n1)^2+(j-n2)^2); H1=1/(1+(d/d1)^(2*N)); H2=1/(1+(d/d2)^(2*N)); H3=1/(1+(d/d3)^(2*N)); H4=1/(1+(d/d4)^(2*N)); I3(i,j)=H1*I1(i,j); I5(i,j)=H2*I1(i,j); I7(i,j)=H3*I1(i,j); I9(i,j)=H4*I1(i,j); end end I3=ifftshift(I3);I4=real(ifft2(I3)); I5=ifftshift(I5); I6=real(ifft2(I5)); I7=ifftshift(I7); I8=real(ifft2(I7)); I9=ifftshift(I9); I10=real(ifft2(I9));subplot(2,3,3),imshow(I4,[]),title('Butterworth 低通滤波器d1=30');subplot(2,3,4),imshow(I6,[]),title('Butterworth 低通滤波器d2=50');subplot(2,3,5),imshow(I8,[]),title('Butterworth 低通滤波器d3=70');subplot(2,3,6),imshow(I10,[]),title('Butterworth 低通滤波器d4=90');执行结果：原图像加入高斯噪声的图像Butterworth 低通滤波器d1=30Butterworth 低通滤波器d2=50Butterworth 低通滤波器d3=70Butterworth 低通滤波器d4=90图4 Butterworth 低通滤波器滤波结果实验结果分析：由实验结果可知，采用Butterworth 低通滤波器对加噪声的图像进行滤波运算，滤波器的截止频率d 越小，滤波后的图像越模糊。