实验二数字图像频域增强-研究生(1)

合集下载

数字图像处理实验三报告

贵州大学实验报告学院：专业：班级：姓名学号实验组实验时间指导教师成绩实验项目名称实验二：数字图像的频域增强处理实验目的通过本实验的学习使学生熟悉和掌握数字图像中频域增强的基本原理及应用。

实验要求集中授课的教学方式实验原理1、频域增强原理：设函数f (x, y) 与线性位不变算子h(x, y) 的卷积结果是g(x, y)，即g(x, y) = h(x, y)* f (x, y)那么根据卷积定理在频域有G(u, v) = H(u, v) F(u, v)其中，G(u, v) 、H(u, v) 、F(u, v) 分别是g(x, y)、h(x, y)、f (x, y)的傅立叶变换。

频域增强的主要步骤：（1）计算所需增强图像的傅立叶变换；（2）将其与一个（根据需要设计的）转移函数相乘；（3）再将结果进行傅立叶反变换以得到增强的图。

2、低通滤波器图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部分，所以低通滤波器可以降低噪声的影响。

（1）理想低通滤波器其中D0 是一非负整数D(u, v) 是从点(u, v) 到频率平面原点的距离。

（2）巴特渥斯低通滤波器3、高通滤波器图像中的边缘对应高频分量，所以要锐化图像可以采用高通滤波。

（1）理想高通滤波器（2）巴特渥斯高通滤波器实验仪器计算机一台；Matlab软件实验步骤1、编写程序。

读取图像，并对其加入“盐和胡椒”噪声。

对噪声图像做理想低通滤波和巴特渥斯低通滤波处理。

比较选择不同参数时的实验结果。

2、编写程序。

读取图像。

对图像做理想高通滤波和巴特渥斯高通滤波处理。

比较选择不同参数时的实验结果。

实验内容1、利用低通滤波器对图像增强。

2、利用高通滤波器对图像增强。

实验数据步骤1代码部分clear all;close all;clc;I=imread('D:\用户目录\我的文档\MATLAB\图像处理\字母表.jpg');[f1,f2]=freqspace(size(I),'meshgrid'); %生成频率序列矩阵r=sqrt(f1.^2+f2.^2); %构造低通滤波器决策函数I=imnoise(I,'salt & pepper',0.04); %加椒盐噪声%理想低通滤波Hd1=ones(size(I)); %构造低通滤波器的大小Hd1(r>0.1)=0; %构造低通滤波器Y=fft2(double(I)); %对I进行Fourier变换Y=fftshift(Y); %频谱平移Ya1=Y.*Hd1; %低通滤波器Ya1=ifftshift(Ya1); %反变换Ia1=ifft2(Ya1);%巴特沃斯低通滤波D=0.4; %截止频率n=1; %nHd2=ones(size(I));for i=1:size(I,1)for j=1:size(I,2)t=r(i,j)/(D*D);Hd2(i,j)=1/(t^n+1); %构造滤波函数endendYa2=Y.*Hd2;Ya2=ifftshift(Ya2);Ia2=ifft2(Ya2);%输出figure;subplot(1,3,1);imshow(I);title('加噪图');subplot(1,3,2);imshow(uint8(Ia1));title('理想低通滤波');subplot(1,3,3);imshow(uint8(Ia2));title('巴特沃斯低通滤波');步骤2从滤波器形状来看，高通与低通滤波器的形状相反实验总结注：各学院可根据教学需要对以上栏木进行增减。

数字图像处理图像增强实验报告

实验报告班级：08108班姓名：王胤鑫 09号学号：08210224一、实验内容给出噪声图像Girl_noise.jpg，请选择合适的图像增强算法，给出你认为最优的增强后的图像。

可以使用Matlab - Image Processing Toolbox 中的处理函数。

原始图像如下：二、算法分析对于给出的图像中有灰色的噪声，因此首先处理灰色的线条，根据其方差的大小来判断其所在行。

对于两条白色的噪声，根据与前后两行的对比来判断其所在位置。

程序中设定灰色线条处理的均方差门限为0.1，白线处理的标准为与前后两行的差值超过0.2（转换为double型）。

滤除噪声之后再通过中值滤波、拉普拉斯图像增强等方式对图像进行处理。

三、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;endendfigure,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)');四、图像处理结果五、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。

数字图像的频域增强论文

数字图像处理结课作业--数字图像频域增强方法及在matlab中的实现数字图像的频域增强摘要：图像增强处理技术是图像处理领域中一项基本的，也是很重要的技术，一直是图像处理领域中不可回避的研究课题。

因为一幅图像总是可能受到各种因素的干扰影响，造成图像质量的下降。

图像增强包含两个方面内容：一是消除噪声，二是增强(或保护)图像特征。

对图像恰当增强，能使图像去噪的同时特征得到较好保护，使图像更加清晰明显，从而提供给我们准确的信息。

常用的图像增强技术各有其特点和效果。

论文在介绍图像频域增强原理的基础上，在频域内通过对Butterworth低通滤波器增强方法进了研究，介绍了相关的理论和数学模型，并给利用MATLAB工具进行实现。

通过各种滤波后图像比较，实验证明在质量较差的图像中，选择不同的滤波算法对图像的增强在准确性上均有不同。

关键词：图像增强；Butterworth低通滤波器；MATLAB1．频域图像增强的目的、意义及主要内容1.1频域图像增强技术的目的：分析几种频域图像增强方法,并能够用频域法进行图像增强,通过形态学方法进行图像特征抽取和分析。

熟练的运用MATLAB,掌握修改图像的傅里叶变换来实现图像的增强技术。

1.2频域图形增强技术的意义：图像增强是图像处理中用来消除原始图像边缘模糊、对比度差等缺点的常用技术,它需要解决的问题包括边缘增强、噪声的滤除、高斯噪声的平滑和细节的保护等等。

本论文主要是针对整体偏暗图像而提出的图像增强的方法。

对于整体偏暗的图像,我们可以用直方图均衡化来调节图像的灰度分布,使图像变亮。

此外,为了进一步提高图像的视觉效果,即解决包括边缘增强、噪声滤除等问题,我们还可以用频域图像增强方法（高通滤波器和低通滤波器）来处理,因为高通滤波器可以突出图像边缘,增强有用信息,使图像更加清晰,而低通滤波器可以平滑去噪,抑制无用信息,从而提高图像成分的可分辨性。

1.3主要内容图像是一种重要的信息源,图像处理的最终目的就是要帮助人类理解信息的内涵。

数字图像处理实验-图像增强

西安邮电学院实验报告实验名称图像增强课程名称数字图像处理A姓名方健成绩班级电子0802 学号********（01）日期2011-05-03 地点3#531备注：仅供参考不予下载1.实验目的（1）了解空间域图像增强的各种方法（点处理、掩模处理）（2）通过编写程序掌握采用直方图均衡化进行图像增强的方法（3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理2.实验环境（软件条件）Windows XP MATLAB 7.x3.实验方法A 直方图增强处理对如图1.1所示的两幅128×128的数字图像fing_128.bmp 和cell_128.bmp 进行如下处理：（1）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。

B 图像平滑（1）对图1.1所示的两幅128×128、256级灰度的数字图像fing_128.bmp 和cell_128.bmp 加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。

① 不加门限 ② 加门限),(21n m f T =，（其中∑∑=i jj i f N n m f ),(1),(2） C 图像锐化对256×256大小、256级灰度的数字图像lena.bmp （如图1.2所示）进行如下处理：（1）对原图像进行锐化处理，显示处理前、后图像：用Laplacian 算子进行锐化，分1=α和2=α两种情况，各按如下不同情况给出处理结果，并回答提出的问题：指纹图fing_128.bmp显微医学图像cell_128.bmp图1.2 实验图像lena.bmp① f n m f n m g 21),(),(∇-=α② )]1,()1,(),1(),1([),(4),(2++-+++--=n m f n m f n m f n m f n m f n m g αα问题：),(n m f 和),(1n m g 、),(2n m g 之间有何关系？),(2n m g 代表图像中的哪些信息？由此得出图像锐化的实质是什么？（2）分别利用Roberts 、Prewitt 和Sobel 边缘检测算子，对原图像进行边缘检测，显示处理前、后图像。

数字图像处理之频率域图像增强

易于分析和处理。
图像增强技术广泛应用于医学影像、遥感、安全监控、机器视觉
等领域。
频率域图像增强的概念
01
频率域图像增强是指在频率域对图像进行操作，通过改变图像的频率成分来改善图像的质量。
02
频率域增强方法通常涉及将图像从空间域转换到频率域，对频率域中的成分进行操作，然后再将结果转换回空间域。
直方图规定化
直方图规定化是另一种频率域图像增强方法，其基本思想是根据特定的需求或目标，重新定义图像的灰度级分布，以
达到增强图像的目的。
与直方图均衡化不同，直方图规定化可以根据具体的应用场景和需求，定制不同的灰度级分布，从而更好地满足特定
的增强需求。
直方图规定化的实现通常需要先对原始图像进行直方图统计，然后根据规定的灰度级分布进行像素灰度值的映射和调
灵活性
频率域增强允许用户针对特定频率成分进行调整，从而实现对图像的精细控制。例如，可以增强高频细节或降低噪声。
总结与展望数字图像处理之频率域图像增强的优缺点
频谱混叠
在频率域增强过程中，如果不采取适当的措施，可能会导致频谱混叠现象，影响图像质量。
计算复杂度
虽然频率域增强可以利用FFT加速，但对于某些复杂的图像处理任务，其计算复杂度仍然较高。
傅立叶变换具有线性、平移不变性和周期性等性质，这些性质在图像增强中具有重要应用。
傅立叶变换的性质
线性性质
傅立叶变换具有线性性质，即两个函数的和或差经过傅立叶变换后，等于它们各自经过傅立叶变
换后的结果的和或差。
平移不变性
傅立叶变换具有平移不变性，即一个函数沿x轴平移a个单位后，其傅立叶变换的结果也相应地沿
THANKS

图像处理实验二图像增强

实验二图像的增强一、实验目的1)掌握在计算机上进行直方图统计，以及直方图均衡化、线性变换的图像增强的方法2)掌握在计算机上进行图象平滑、图象锐化特别是中值滤波平滑及拉普拉斯算子锐化的方法二、实验要求1)显示图像（cameraman.tif）及灰度直方图。

2)对指定图像（cameraman.tif）进行直方图均衡化和线性变换，将原始图像及增强后的图像都显示于屏幕上，比较增强的效果。

3)对指定图像（lena.bmp）加入椒盐噪声，然后进行邻域平滑、中值滤波，将原始图像及平滑后的图像都显示于屏幕上，比较效果。

4)对指定图像（lena.bmp）进行锐化（简单梯度算法、ROBERT算子，Prewitt边缘算子和拉普拉斯算子），将原始图像及锐化后的图像都显示于屏幕上，比较锐化的效果。

三、实验仪器设备及软件HP D538、MATLAB四、实验原理以自己的语言结合课堂笔记进行总结，要求过程推导清晰明了。

五、实验步骤及程序实验步骤、程序流程、实验源程序和注释齐全实验源程序：(1). 显示图像（cameraman.tif）及灰度直方图:I=imread('cameraman.tif');subplot(121);imshow(I);title('原始图象');subplot(122);imhist(I);title('灰度直方图')实验结果与分析(2)对指定图像（cameraman.tif）进行直方图均衡化和线性变换，将原始图像及增强后的图像都显示于屏幕上，比较增强的效果。

I=imread('cameraman.tif');subplot(221);imshow(I);title('原始图象');I1=histeq(I);subplot(222);imshow(I1);title('原始图象均衡化');subplot(223);imshow(I);title('原始图象');I2=imadjust(I);subplot(224);imshow(I1);title('原始图象线性变化');(3)对指定图像（lena.bmp）加入椒盐噪声，然后进行邻域平滑、中值滤波，将原始图像及平滑后的图像都显示于屏幕上，比较效果。

图像频域增强研究

图像频域增强方法研究一、设计目的1.掌握图像频域增强的概念及其计算方法。

2.熟练掌握傅立叶变换和卷积的计算过程。

3.熟练掌握频域滤波中常用的Butterworth低通滤波器。

4.利用MATLAB程序进行图像增强。

二、设计要求1.熟练掌握MATLAB的运行环境，并能熟练应用。

2.掌握并理解MATLAB的各种编程方式及函数定义。

3.加深对数字图像处理的研究。

三、设计方案1.图像频域增强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。

图像增强的方法分为空域法和频域法两类，空域法主要是对图像中的各个像素点进行操作；而频域法是在图像的某个变换域内，对图像进行操作，修改变换后的系数，例如傅立叶变换、DCT变换等的系数，然后再进行反变换得到处理后的图像。

卷积理论是频域技术的基础。

设函数f(x,y)与线性位不变算子h(x,y)的卷积结果是g(x,y),即g(x,y)=h(x,y)*f(x,y),那么根据卷积定理在频域有：G(u,v)=H(u,v)F(u,v) （1）其中G(u,v),H(u,v),F(u,v)分别是g(x,y),h(x,y),f(x,y)的傅立叶变换。

用线性系统理论的话来说，H(u,v)是转移函数。

在具体的增强应用中，f(x,y)是给定的（所以F(u,v)可利用变换得到），需要确定的是H(u,v)，这样具有所需特性的g(x,y)就可由式（1）算出G(u,v)而得到：g(x,y)=F-1[H(u,v)F(u,v)] （2）2.MATLAB简介它的名称源自Matrix Laboratory ，它是一种科学计算软件，专门以矩阵的形式处理数据。

MATLAB 将高性能的数值计算和可视化集成在一起，并提供了大量的内置函数，从而被广泛地应用于科学计算、控制系统、信息处理等领域的分析、仿真和设计工作，而且利用MATLAB 产品的开放式结构，可以非常容易地对MATLAB 的功能进行扩充，从而在不断深化对问题认识的同时，不断完善MATLAB 产品以提高产品自身的竞争能力。

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。

数字图像处理实验

数字图像处理实验实验总学时：10学时实验目的：本实验的目的是通过实验进一步理解和掌握数字图像处理原理和方法。

通过分析、实现现有的图像处理算法，学习和掌握常用的图像处理技术。

实验内容：数字图像处理的实验内容主要有三个方面:(1) 对图像灰度作某种变换,增强其中的有用信息,抑制无用信息,使图像的视在质量提高,以便于人眼观察、理解或用计算机对其作进一步的处理。

(2) 用某种特殊手段提取、描述和分析图像中所包含的某些特征和特殊的信息,主要的目的是便于计算机对图像作进一步的分析和理解,经常作为模式识别和计算机视觉的预处理。

这些特征包括很多方面，例如,图像的频域特性、灰度特征、边界特征等。

(3) 图像的变换,以便于图像的频域处理。

实验一图像的点处理实验内容及实验原理：1、灰度的线性变换灰度的线性变换就是将图像中所有的点的灰度按照线性灰度变换函数进行变换。

该线性灰度变换函数是一个一维线性函数：灰度变换方程为：其中参数为线性函数的斜率，函数的在y轴的截距，表示输入图像的灰度，表示输出图像的灰度。

要求：输入一幅图像，根据输入的斜率和截距进行线性变换，并显示。

2、灰度拉伸灰度拉伸和灰度线性变换相似。

不同之处在于它是分段线性变换。

表达如下：其中，(x1,y1)和(x2,y2)是分段函数的转折点。

要求：输入一幅图像，根据选择的转折点，进行灰度拉伸，显示变换后的图像。

3、灰度直方图灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的频率(象素的个数)。

要求：输入一幅图像，显示它的灰度直方图，可以根据输入的参数（上限、下限）显示特定范围的灰度直方图。

4、直方图均衡：要求1 显示一幅图像pout.bmp的直方图；2 用直方图均衡对图像pout.bmp进行增强；3 显示增强后的图像。

实验二：数字图像的平滑实验内容及实验原理：1．用均值滤波器（即邻域平均法）去除图像中的噪声；2．用中值滤波器去除图像中的噪声3．比较两种方法的处理结果实验步骤：用原始图象lena.bmp 或cameraman.bmp 加产生的3%椒盐噪声图象合成一幅有噪声的图象并显示；1．用均值滤波器去除图像中的噪声（选3x3窗口）；2． f (x 0,y 0)=Med {f (x,y )∨x ∈[x 0−N,x 0+N ],y ∈[y 0−N,y 0+N ]}用中值滤波器去除图像中的噪声(选3x3窗口做中值滤波)；3．将两种处理方法的结果与原图比较，注意两种处理方法对边缘的影响。

数字图像(图像增强)实验报告

实验：图像增强1．实验目的（1）熟悉并学会使用MA TLAB中图像增强的相关函数（2）了解图像增强的办法、去噪的方法和效果。

2．实验主要仪器设备（1）微型计算机：Intel Pentium及更高。

（2）MATLAB软件（含图像处理工具箱）。

（3）典型的灰度、彩色图像文件。

3．实验原理（1）将一副图像视为一个二维矩阵，用MATLAB进行图像增强。

（2）利用MATLAB图像处理工具箱中的函数imread(读)、imshow(显示)、imnoise(加噪)、filter(滤波)对图像进行去噪处理。

（3）图像灰度修正：灰度变换。

对不满意的图像通过线性或非线性灰度映射关系进行变换，其效果可以得到明显提高。

通过分析，会发现变换前后图像的直方图也发生相应的变化。

（4）图像平滑方法：领域平均、中值滤波。

分析图像降质的性质，区分平稳性还是非平稳型、加性还是乘性等，采用合适的去噪方法，可以去除或降低噪声对图像的影响。

从频率域看，平均操作在降低噪声的同时衰减了图像的高频分量，会影响图像细节的重现。

中值滤波对某些信号具有不变形，适用于消除图像中的突发干扰，但如果图像含有丰富的细节，则不宜使用。

（5）图像锐化方法：人眼对目标的边缘和轮廓较为敏感，对图像进行锐化，有助于突出图像的这些特征。

从频率域看，锐化提升了图像的高频分量。

4．实验内容（1）图像灰度修正。

（2）图像平滑方法。

（3）图像锐化方法。

5．实验步骤（1）图像灰度修正。

读入一幅灰度级分布不协调的图像，分析其直方图。

根据直方图，设计灰度变换表达式，或调用imadjuct函数。

调整变换表达式的参数，直到显示图像的灰度级分布均衡为正。

（2）图像平滑方法。

对有噪声图像或人为加入噪声的图像进行平滑处理。

根据噪声的类型，选择不同的去噪方法，如领域平均、中值滤波等方法，调用filter2、medfilt2函数，选择不同的滤波模板和参数，观测和分析各种去噪方法对不同噪声图像处理的去噪或降噪效果。

遥感实验作业--图像增强与变换

《遥感原理与应用》课程上机ENVI初步学习和影像增强处理一. 实验目的学习ENVI软件的基本操作，能够将图像进行相应变换和增强处理，在此操作中加深对理论知识的理解和掌握二.数据介绍介绍实验数据为软件自带数据，实习前应将实验数据所用图像改为本人姓名拼音原始图像三. 实验过程（一）空间域增强点运算1.线性对比度拉伸Linear Contrast Stretch）线性变换所用的变换函数是线性的或分段线性的，是将像元值的变动范围按线性关系扩展到指定范围，变换函数y=a*x+b.目的是为了改善图像的对比度，改变图像像元的灰度值。

线性对比度拉伸是系统默认的交互式拉伸。

线性拉伸的最小和最大值分别设置为 0 和 255，两者之间的所有其它值设置为中间的线性输出值具体做法如下所示：Enhance->interactive stretching,从 Interactive Contrast Stretching 对话框内，选择Stretch_Type > Linear Contrast Stretch，要限定最小和最大输入值，点击“Apply” ，把拉伸应用于显示的数据。

如图2分段线性对比度拉伸（Piecewise Linear Contrast Stretch）分段线性变换就是在一些灰度段拉伸，另一些灰度段压缩分段线性对比度拉伸可以通过使用鼠标在输入直方图中放置几个点进行交互地限定。

当在点之间提供线性拉伸时，线段在点处连接起来。

具体做法如下所示：选择Stretch_Type > Piecewise Linear.，要限定最小和最大输入值，点击“Apply” ，把拉伸应用于显示的数据。

如图3高斯对比度拉伸（Gaussian Contrast Stretch）系统默认的 Gaussian 拉伸是围绕DN平均值127的三个标准差的数据分布（centered at a mean DN of 127 with the data distributed over a range of 3 standard deviations）。

数字图像处理实验二

实验三：数字图像的频域增强:低通滤波一．实验目的1、掌握图像滤波的基本定义及目的。

2、理解频域滤波的基本原理及方法。

3、掌握进行图像的低通滤波的方法。

二．实验基本原理频域增强是利用图像变换方法将原来的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方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。

频域增强的主要步骤是：选择变换方法，将输入图像变换到频域空间。

在频域空间中，根据处理目的设计一个转移函数，并进行处理。

将所得结果用反变换得到增强的图像。

常用的频域增强方法有低通滤波和高通滤波。

低通滤波图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部分。

因此能降低高频成分幅度的滤波器就能减弱噪声的影响。

由卷积定理，在频域实现低通滤波的数学表达式：G(u,v) =H(u,v)F(u,v)（1）理想低通滤波器（ILPF ）{0),u (0),(10)v ,u (≤>=v D v u D H（2）巴特沃斯低通滤波器（BLPF ）n D v u D v u H 20),()12(11),(⎥⎦⎤⎢⎣⎡-+=（3）指数型低通滤波器（ELPF ）20),(),(nD v u D e v u H ⎥⎦⎤⎢⎣⎡-=三．实验内容与要求平滑频域滤波（1）设计理想低通滤波器、巴特沃斯低通滤波器和指数型低通滤波器，截止频率自选。

（2）读出cameraman.tif 这幅图像，加入椒盐躁声，分别采用理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器对其进行滤波（截止频率自选），再做反变换得到低通滤波后的空域图像。

四．实验代码与结果1、理想低通滤波器I=imread('cameraman.tif');%读入图像figure;subplot(1,3,1),imshow(I);title('原图');I=imnoise(I,'salt & pepper',0.02); %加入椒盐躁声subplot(1,3,2),imshow(I);title('加入椒盐躁声图');f=double(I); % 由于MATLAB 不支持unsigned int 型图像计算，故将图像数据变为double 型g=fft2(f); % 傅里叶变换g=fftshift(g); % 将傅里叶变化零频率搬移到频谱中间[M,N]=size(g); % 确定图像大小,M 为行数，N 为列数D0=100; %截止频率m=fix(M/2); n=fix(N/2);% 确定傅里叶变化原点（即直流部分），并且数据向0 取整result=zeros(M,N);for i=1:1:Mfor j=1:1:Nd=sqrt((i-m)^2+(j-n)^2);%计算D(u，v)if(d<=D0)h=1;%如果D(u，v)<=D0, H(u,v)=1elseh=0;%如果D(u，v)>D0, H(u,v)=0endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);% 傅里叶逆移频，由于之前做过fftshiftJ1=ifft2(result);% 傅里叶反变换J2=uint8(real(J1));%提取J1 的实部,并将该数据定义为8 位无符号整数subplot(1,3,3),imshow(J2) ;title('理想低通滤波图');2、巴特沃斯低通滤波器I=imread('cameraman.tif');%读入图像figure;subplot(1,3,1),imshow(I);title('原图');I=imnoise(I,'salt & pepper',0.02); %加入椒盐躁声subplot(1,3,2),imshow(I);title('加入椒盐躁声图');f=double(I); % 由于MATLAB 不支持unsigned int 型图像计算，故将图像数据变为double 型g=fft2(f); % 傅里叶变换g=fftshift(g); % 将傅里叶变化零频率搬移到频谱中间[M,N]=size(g); % 确定图像大小,M 为行数，N 为列数n=2;D0=150; %截止频率m=fix(M/2); n=fix(N/2);% 确定傅里叶变化原点（即直流部分），并且数据向0 取整result=zeros(M,N);for i=1:1:Mfor j=1:1:Nd=sqrt((i-m)^2+(j-n)^2);%计算D(u ，v)h=1/(1+0.414*(d/D0)^(2*n));result(i,j)=h*g(i,j);endendresult=ifftshift(result);% 傅里叶逆移频，由于之前做过fftshift原图加入椒盐躁声图理想低通滤波图J1=ifft2(result);% 傅里叶反变换J2=uint8(real(J1));%提取J1 的实部,并将该数据定义为8 位无符号整数subplot(1,3,3),imshow(J2) ;title('巴特沃斯低通滤波图');3、指数型低通滤波器I=imread('cameraman.tif');%读入图像figure;subplot(1,3,1),imshow(I);title('原图');I=imnoise(I,'salt & pepper',0.02); %加入椒盐躁声subplot(1,3,2),imshow(I);title('加入椒盐躁声图');f=double(I); % 由于MATLAB 不支持unsigned int 型图像计算，故将图像数据变为double 型g=fft2(f); % 傅里叶变换g=fftshift(g); % 将傅里叶变化零频率搬移到频谱中间[M,N]=size(g); % 确定图像大小,M 为行数，N 为列数n=2;D0=150; %截止频率m=fix(M/2); n=fix(N/2);% 确定傅里叶变化原点（即直流部分），并且数据向0 取整 result=zeros(M,N);for i=1:1:Mfor j=1:1:Nd=sqrt((i-m)^2+(j-n)^2);%计算D(u ，v)原图加入椒盐躁声图巴特沃斯低通滤波图h=2.718^(-((d/D0)^(2*n))/1.414);result(i,j)=h*g(i,j);endendresult=ifftshift(result);% 傅里叶逆移频，由于之前做过fftshiftJ1=ifft2(result);% 傅里叶反变换J2=uint8(real(J1));%提取J1 的实部,并将该数据定义为8 位无符号整数subplot(1,3,3),imshow(J2) ;title('指数型低通滤波图');五．分析三种低通滤波器的效果，区别。

实验二_图像增强处理

实验二图像增强操作一. 实验目的熟练掌握各种空间域图像增强的基本原理及方法，了解数字图像空间域平滑滤波和锐化滤波器的作用，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基本步骤。

二. 实验内容和要求（1）对图像进行直方图均衡化处理；（2）采用领域平均法和中值法对图像进行平滑处理；（3）采用不同算子对图像进行锐化处理。

（4）对多幅图像进行代数运算。

本次实验上机时间为3月22号7、8节，和3月23号的5、6节课。

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：图像平滑和图像的锐化。

图像的平滑是一种消除噪声的重要手段。

图像的低频分量进行增强，同时抑制高频噪声，空域中主要的方法有领域平均、中值滤波、多帧相加平均等方法。

图像锐化能使图像的边缘、轮廓处的灰度具有突变特性。

图像的锐化主要有微分运算的锐化。

在图像处理中，一阶导数通过梯度来实现，因此利用一阶导数检测边缘点的方法就称为梯度算子法。

梯度值正比于像素之差。

对于一幅图像中突出的边缘区，其梯度值较大；在平滑区域梯度值小；对于灰度级为常数的区域，梯度为零。

（1）. Roberts 梯度算子法Roberts 梯度就是采用对角方向相邻两像素之差，故也称为四点差分法。

对应的水平和垂直方向的模板为：标注的是当前像素的位置(i,j)为当前像素的位置，其计算公式如下：特点：用4点进行差分，以求得梯度，方法简单。

其缺点是对噪声较敏感，常用于不含噪声的图像边缘点检测。

梯度算子类边缘检测方法的效果类似于高通滤波，有增强高频分量，抑制低频分量的作用。

这类算子对噪声较敏感，而我们希望检测算法同时具有噪声抑制作用。

所以，下面给出的平滑梯度算子法具有噪声抑制作用。

数字图像处理实验报告

数字图像处理试验报告实验二:数字图像的空间滤波与频域滤波姓名:XX学号:2XXXXXXX 实验日期:2017 年4 月26 日1、实验目的1、掌握图像滤波的基本定义及目的。

2、理解空间域滤波的基本原理及方法。

3、掌握进行图像的空域滤波的方法。

4、掌握傅立叶变换及逆变换的基本原理方法。

5、理解频域滤波的基本原理及方法。

6、掌握进行图像的频域滤波的方法。

2、实验内容与要求1、平滑空间滤波:1) 读出一幅图像,给这幅图像分别加入椒盐噪声与高斯噪声后并与前一张图显示在同一图像窗口中。

2) 对加入噪声图像选用不同的平滑(低通)模板做运算,对比不同模板所形成的效果, 要求在同一窗口中显示。

3) 使用函数 imfilter 时, 分别采用不同的填充方法( 或边界选项, 如零填充、’replicate’、’symmetric’、’circular’)进行低通滤波,显示处理后的图像。

4) 运用for 循环,将加有椒盐噪声的图像进行10 次,20 次均值滤波,查瞧其特点, 显示均值处理后的图像(提示:利用fspecial 函数的’average’类型生成均值滤波器)。

5) 对加入椒盐噪声的图像分别采用均值滤波法,与中值滤波法对有噪声的图像做处理,要求在同一窗口中显示结果。

6) 自己设计平滑空间滤波器,并将其对噪声图像进行处理,显示处理后的图像。

2、锐化空间滤波1) 读出一幅图像,采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1]对其进行滤波。

2) 编写函数w = genlaplacian(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]3) 分别采用5×5,9×9,15×15与25×25大小的拉普拉斯算子对blurry_moon、tiff (x, y) -∇2 f (x, y) 完成图像的锐化增强,观察其有何进行锐化滤波,并利用式g(x, y) =不同,要求在同一窗口中显示。

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。

数字图像处理（频域增强）

数字图像处理（频域增强）数字图像处理图像频域增强⽅法的研究姓名：班级:学号：⽬录⼀．频域增强的原理⼆．频域增强的定义及步骤三．⾼通滤波四． MATLAB程序实现五．程序代码六．⼩结⼀．频域图像的原理在进⾏图像处理的过程中，获取原始图像后，⾸先需要对图像进⾏预处理，因为在获取图像的过程中，往往会发⽣图像失真，使所得图像与原图像有某种程度上的差别。

在许多情况下，⼈们难以确切了解引起图像降质的具体物理过程及其数学模型，但却能估计出使图像降质的⼀些可能原因，针对这些原因采取简单易⾏的⽅法，改善图像质量。

图像增强⼀般不能增加原图像信息，只能针对⼀些成像条件，把弱信号突出出来，使⼀些信息更容易分辨。

图像增强的⽅法分为频域法和空域法，空域法主要是对图像中的各像素点进⾏操作；⽽频域法是在图像的某个变换域内，修改变换后的系数，例如傅⽴叶变换、DCT 变换等的系数，对图像进⾏操作，然后再进⾏反变换得到处理后的图像。

MATLAB矩阵实验室（Matrix Laboratory）的简称，具有⽅便的数据可视化功能，可⽤于科学计算和⼯程绘图。

它不仅在⼀般数据可视化软件都具有的功能⽅⾯更加完善，⽽且对于⼀些其他软件所没有的功能（例如图形的光照处理、⾊度处理以及四维数据的表现等），MATLAB同样表现了出⾊的处理能⼒。

它具有功能丰富的⼯具箱，不但能够进⾏信号处理、语⾳处理、数值运算，⽽且能够完成各种图像处理功能。

本⽂利⽤MATLAB⼯具来研究图像频域增强技术。

图像增强是为了获得更好质量的图像，通过各种⽅法对图像进⾏处理，例如图像边缘检测、分割以及特征提取等技术。

图像增强的⽅法有频域处理法与空域处理法，本⽂主要研究了频域处理⽅法中的滤波技术。

从低通滤波、⾼通滤波、同态滤波三个⽅⾯⽐较了图像增强的效果。

⽂章⾸先分析了它们的原理，然后通过MATLAB软件分别⽤这三种⽅法对图像进⾏处理，处理后使图像的对⽐度得到了明显的改善，增强了图像的视觉效果。

数字图像处理实验报告

数字图像处理实验报告数字图像处理实验报告实验⼀数字图像基本操作及灰度调整⼀、实验⽬的1)掌握读、写图像的基本⽅法。

2)掌握MATLAB语⾔中图像数据与信息的读取⽅法。

3)理解图像灰度变换处理在图像增强的作⽤。

4)掌握绘制灰度直⽅图的⽅法，理解灰度直⽅图的灰度变换及均衡化的⽅法。

⼆、实验内容与要求1.熟悉MATLAB语⾔中对图像数据读取，显⽰等基本函数特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。

1)将MATLAB⽬录下work⽂件夹中的forest.tif图像⽂件读出.⽤到imread，imfinfo等⽂件，观察⼀下图像数据，了解⼀下数字图像在MATLAB中的处理就是处理⼀个矩阵。

将这个图像显⽰出来（⽤imshow）。

尝试修改map颜⾊矩阵的值，再将图像显⽰出来，观察图像颜⾊的变化。

2)将MATLAB⽬录下work⽂件夹中的b747.jpg图像⽂件读出，⽤rgb2gray()将其转化为灰度图像，记为变量B。

2.图像灰度变换处理在图像增强的作⽤读⼊不同情况的图像，请⾃⼰编程和调⽤Matlab函数⽤常⽤灰度变换函数对输⼊图像进⾏灰度变换，⽐较相应的处理效果。

3.绘制图像灰度直⽅图的⽅法，对图像进⾏均衡化处理请⾃⼰编程和调⽤Matlab函数完成如下实验。

1)显⽰B的图像及灰度直⽅图，可以发现其灰度值集中在⼀段区域，⽤imadjust函数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰度直⽅图与原灰度直⽅图的区别。

2) 对B 进⾏直⽅图均衡化处理，试⽐较与源图的异同。

3) 对B 进⾏如图所⽰的分段线形变换处理，试⽐较与直⽅图均衡化处理的异同。

图1.1 分段线性变换函数三、实验原理与算法分析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。

图像增强技术实验报告

图像增强技术实验报告
近年来，随着数字图像处理技术的快速发展，图像增强技术在各个
领域得到了广泛的应用。

本实验旨在探究图像增强技术的原理和方法，通过实际操作加深对该技术的理解和掌握。

首先，在本实验中我们使用了常见的图像增强技术包括灰度拉伸、
直方图均衡化、滤波等方法。

针对不同的图像特点和需求，我们选择
了不同的增强方法进行处理，并分析比较它们的效果和适用场景。

在实验过程中，我们首先对原始图像进行了灰度拉伸处理，通过拉
伸灰度范围来增强图像的对比度，使得图像中的细节更加清晰。

接着，我们运用直方图均衡化技术，将图像的像素分布均匀化，从而提高了
图像的整体亮度和细节展现。

同时，我们还尝试了一些滤波方法，如
均值滤波、中值滤波等，来去除图像中的噪声和平滑图像。

通过实验数据分析，我们发现不同的图像增强方法在处理不同类型
的图像时会产生不同的效果。

比如对于对比度较低的图像，灰度拉伸
和直方图均衡化能够取得比较好的增强效果；而对于受到噪声干扰的
图像，则需要采用滤波方法进行去噪处理。

综合以上实验结果，我们深入探讨了图像增强技术的优缺点以及适
用范围。

图像增强技术在医疗影像、航空航天、安防监控等领域具有
广泛的应用前景，在实际应用中需要根据图像特点和需求选择合适的
增强方法，以达到最佳的效果。

通过本次实验，我们对图像增强技术有了更深入的了解，并在实践中提升了我们的技术水平和解决问题的能力。

希望今后能够进一步拓展应用领域，将图像增强技术发挥到更大的作用，为社会发展和人类福祉做出更大的贡献。

计算机与图像处理实验二、图像增强

《数字图像处理》实验指导书实验二、图像数字化、增强一、实验目的1 掌握图像数字化的原理；2 掌握灰度直方图的概念及其计算方法；3熟练掌握直力图均衡化和直方图规定化的计算过程；4熟练掌握空域滤波中常用的平滑和锐化滤波器；5利用MATLAB程序进行图像增强。

二、实验原理图像数字化P21。

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练习。

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。

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。