图像增强及MATLAB实现
用Matlab实现基于小波变换的图像增强技术
信 息 技 术20科技资讯 SC I EN C E & TE C HN O LO G Y I NF O R MA T IO N 1 图像增强原理及方法对于一个图像处理系统来说,可以分为三个阶段:图像预处理阶段、特征提取阶段、识别分析阶段。
图像预处理阶段尤为重要,如果这个阶段处理不好,后面的工作就无法展开,图像增强是图像预处理中重要的方法。
图像增强不考虑图像质量的下降的因素,只将图像中感兴趣的特征有选择地突出,而衰减不需要的特征,它的目的主要是提高图像的可读度。
图像增强的方法分为空域法和频域法两类,空域法是指直接在图像所在的空间进行处理,即直接对图像中的各个像素点进行操作;而频域法主要是在图像的某个变换域内,将图像转换到其他空间,利用该空间的特有性质,通过修改变换后的系数,例如傅里叶变换、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。
2 频域增强的主要步骤频域增强的主要步骤是:(1)选择变换方法,将输入图像变换到频域空间;(2)在频带空间中,根据处理目的设计一个转换函数,并进行处理;(3)将所得的结果用反变换得到增强图像。
常见的频域增强方法有低通滤波和高通滤波。
信号或图像的能量大部分集在在幅度谱的低频和中频段,而在较高的频段,感兴趣的信息常被噪声所淹没。
因此,一个能降低高频成分幅度的滤波器就能明显减弱噪声的影响。
3 基于小波变换的图像增强技术小波变换是最近20多年来发展起来的用于信号分析和信号处理的一种新的频域变换技术。
小波是有限宽度的基函数,这些基函数不仅在频率上而且在位置上是变换的,其具有时间-频率自动伸缩能力,因此,它更适合于处理突变信号和非平稳信号,这一特性可用于图像处理的很多地方。
小波多分辨率分解可以看成信号通过小波滤波器后的小波滤波作用的结果。
而小波滤波器具有良好的低通性能。
由于图像信号集中在低频部分,小波滤波的低频信号很好地再现了原始信号的信息,同时，由于信号的维数大大减少,所以,小波低通滤波是很好的多分辨率判决方法。
利用Matlab进行图像去噪和图像增强
利用Matlab进行图像去噪和图像增强随着数字图像处理技术的不断发展和成熟，图像去噪和图像增强在各个领域都有广泛的应用。
而在数字图像处理的工具中，Matlab凭借其强大的功能和易于使用的特点，成为了许多研究者和工程师首选的软件之一。
本文将介绍如何利用Matlab进行图像去噪和图像增强的方法和技巧。
一、图像去噪图像去噪是指通过一系列算法和技术，将图像中的噪声信号去除或减弱，提高图像的质量和清晰度。
Matlab提供了多种去噪方法，其中最常用的方法之一是利用小波变换进行去噪。
1. 小波变换去噪小波变换是一种多尺度分析方法，能够对信号进行时频分析，通过将信号分解到不同的尺度上，实现对图像的去噪。
在Matlab中，可以使用"dwt"函数进行小波变换，将图像分解为低频和高频子带，然后通过对高频子带进行阈值处理，将噪声信号滤除。
最后通过逆小波变换将去噪后的图像重构出来。
这种方法能够有效抑制高频噪声，保留图像的细节信息。
2. 均值滤波去噪均值滤波是一种基于平均值的线性滤波方法，通过计算像素周围邻域内像素的平均值，替代原始像素的值来去除噪声。
在Matlab中，可以使用"imfilter"函数进行均值滤波，通过设置适当的滤波模板大小和滤波器系数，实现对图像的去噪。
二、图像增强图像增强是指通过一系列算法和技术，改善图像的质量、增强图像的细节和对比度，使图像更容易被观察和理解。
Matlab提供了多种图像增强方法，以下将介绍其中的两种常用方法。
1. 直方图均衡化直方图均衡化是一种通过对图像像素值的分布进行调整，增强图像对比度的方法。
在Matlab中，可以使用"histeq"函数进行直方图均衡化处理。
该函数能够将图像的像素值分布拉伸到整个灰度级范围内，提高图像的动态范围和对比度。
2. 锐化增强锐化增强是一种通过增强图像边缘和细节来改善图像质量的方法。
在Matlab中，可以使用"imsharpen"函数进行图像的锐化增强处理。
实验四 图像增强
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：班级：姓名：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;elseHist_result{m}(k)=sum(Hist_image(T emp));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(Imag e,[]);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。
数字图像处理论文
江苏科技大学数字图像处理本科生课程论文论文题目：图像增强方法综述与matlab实现完成时间：___2016年6月2日________ 所在专业：____软件工程____________ ____ 所在年级：____13419042___________ __图像增强方法综述与matlab实现软件工程专业 1341904222 陆建伟摘要：本文介绍图像增强的内容，并就内部几种方法进行更深一步的探索，利用matlab 使得算法实现并对比。
关键词：图像增强；数字图像处理；灰度变换；直方图；matlab；一、研究背景1.1研究目的经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。
光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。
总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题。
通过本课题的研究能够使图像有更好的视觉感受效果，更能够满足社会生活和生产的需要是本文的最终目的。
1.2研究现状计算机图像处理的发展历史并不长,但是引起了人们的足够重视。
总体来说，图像处理技术的发展大致经历了初创期、发展期、普及期和实用化期4 个阶段。
随着对图像技术研究的不断深入和发展,新的图像增强方法不断出现。
图像作为自然界景物的客观反映是人类感知世界的视觉基础也是人类获取信息、表达信息和传递信息的重要手段。
二、主要理论概况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有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域从而更加容易对图像中感兴趣的目标进行检测和测量。
处理后的图像是否保持原状已经是无关紧要的了不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
Matlab中的图像增强方法
Matlab中的图像增强方法图像增强是数字图像处理中的一项重要技术，通过使用各种算法和方法，可以改善图像的质量、增加图像的信息量和清晰度。
在Matlab中，有许多强大而灵活的工具和函数，可以帮助我们实现图像增强的目标。
本文将介绍几种常用的Matlab图像增强方法，并探讨它们的原理和应用。
一、直方图均衡化直方图均衡化是一种常用的图像增强方法，通过调整图像的像素分布来增强图像的对比度和亮度。
在Matlab中，我们可以使用“histeq”函数来实现直方图均衡化。
该函数会根据图像的直方图信息，将像素的灰度值重新映射到一个均匀分布的直方图上。
直方图均衡化的原理是基于图像的累积分布函数（CDF）的变换。
它首先计算图像的灰度直方图，并根据直方图信息计算CDF。
然后，通过将CDF线性映射到期望的均匀分布上，将图像的像素值进行调整。
直方图均衡化的优点在于简单易实现，且效果较好。
但它也存在一些限制，比如对噪声敏感、全局亮度调整可能导致细节丢失等。
因此，在具体应用中，我们需要权衡其优缺点，并根据图像的特点选择合适的方法。
二、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的改进，它能够在改善对比度的同时，保持局部细节。
与全局直方图均衡化不同，自适应直方图均衡化采用局部的直方图信息来进行均衡化。
在Matlab中，我们可以使用“adapthisteq”函数来实现自适应直方图均衡化。
该函数会将图像分成小块，并在每个块上进行直方图均衡化。
通过这种方式，自适应直方图均衡化可以在增强图像对比度的同时，保留图像的细节。
自适应直方图均衡化的优点在于针对每个小块进行处理，能够更精确地调整局部对比度，避免了全局调整可能带来的细节丢失。
然而，相对于全局直方图均衡化，自适应直方图均衡化的计算量较大，因此在实时处理中可能会引起性能问题。
三、模糊与锐化图像增强不仅局限于对比度和亮度的调整，还可以改善图像的清晰度和边缘信息。
在Matlab中，我们可以使用一些滤波器来实现图像的模糊和锐化。
图像增强算法（直方图均衡化、拉普拉斯、Log、伽马变换）
图像增强算法（直⽅图均衡化、拉普拉斯、Log、伽马变换）⼀、图像增强算法原理图像增强算法常见于对图像的亮度、对⽐度、饱和度、⾊调等进⾏调节，增加其清晰度，减少噪点等。
图像增强往往经过多个算法的组合，完成上述功能，⽐如图像去燥等同于低通滤波器，增加清晰度则为⾼通滤波器，当然增强⼀副图像是为最后获取图像有⽤信息服务为主。
⼀般的算法流程可为：图像去燥、增加清晰度（对⽐度）、灰度化或者获取图像边缘特征或者对图像进⾏卷积、⼆值化等，上述四个步骤往往可以通过不同的步骤进⾏实现，后续将针对此⽅⾯内容进⾏专题实验，列举其应⽤场景和处理特点。
本⽂章是⼀篇综合性⽂章，算是⼀篇抛砖引⽟的⽂章，有均衡化、提⾼对⽐度、降低对⽐度的算法。
1.1 基于直⽅图均衡化的图像增强图像对⽐度增强的⽅法可以分为两种：直接对⽐度增强⽅法，间接对⽐度增强⽅法。
直⽅图拉伸和直⽅图均衡化是常见的间接对⽐度增强⽅法。
直⽅图拉伸是利⽤对⽐度拉伸对直⽅图进⾏调整，扩⼤前景和背景灰度的差别，这种⽅法可以通过线性和⾮线性的⽅法来实现，其中ps中就是利⽤此⽅法提⾼对⽐度；直⽅图均衡化则是利⽤累积函数对灰度值进⾏调整，实现对⽐度的增强。
直⽅图均衡化处理原理：将原始图像的灰度图从⽐较集中的某个灰度区间均匀分布在整个灰度空间中，实现对图像的⾮线性拉伸，重新分配图像像素值。
算法应⽤场景：1、算法的本质是重新分布图像的像素值，增加了许多局部的对⽐度，整体的对⽐度没有进⾏太⼤改变，所以应⽤图像为图像有⽤数据的对⽐度相近是，例如：X光图像，可以将曝光过度或曝光不⾜照⽚进⾏更好的显⽰，或者是背景及前景太亮或太暗的图像⾮常有⽤。
2、算法当然也有缺点，具体表现为：变换后的图像灰度级减少，某些细节减少；某些图像有⾼峰值，则处理后对⽐度不⾃然的过分增强。
算法实现特点：1、均衡化过程：直⽅图均衡化保证在图像像素映射过程中原来的⼤⼩关系保持不变，即较亮的区域依旧较亮，较暗的依旧较暗，只是对⽐度增加，不能明暗颠倒；保证像素映射函数的值域在0和255之间。
使用Matlab进行图像增强与图像修复的方法
使用Matlab进行图像增强与图像修复的方法图像增强与图像修复是数字图像处理领域中的重要研究方向之一。
随着数字摄影和图像处理技术的快速发展，越来越多的应用需要对图像进行增强和修复，以提高图像的质量和视觉效果。
在本文中，我们将探讨使用Matlab进行图像增强和图像修复的方法。
一、图像增强方法图像增强是通过对图像进行处理，改善其质量，使其更加清晰、鲜明和易于观察。
下面将介绍几种常用的图像增强方法。
1. 灰度拉伸灰度拉伸是一种简单而有效的图像增强方法，通过拉伸图像的灰度范围，使得图像中的细节更加明确可见。
具体操作是将图像的最低灰度值映射到0，最高灰度值映射到255，中间的灰度值按比例映射到相应的范围。
在Matlab中，我们可以使用imadjust函数实现灰度拉伸。
2. 直方图均衡化直方图均衡化是一种常用的图像增强方法，通过对图像的灰度分布进行调整，使得图像的对比度得到增强。
具体操作是对图像的灰度直方图进行均衡化处理，将图像的灰度级分布均匀化。
在Matlab中，我们可以使用histeq函数实现直方图均衡化。
3. 锐化锐化是一种常用的图像增强方法，通过增强图像的边缘和细节，使得图像更加清晰和立体。
具体操作是对图像进行高通滤波，突出图像中的边缘信息。
在Matlab中，我们可以使用imsharpen函数实现图像锐化。
4. 去噪去噪是一种常用的图像增强方法，通过抑制图像中的噪声，提高图像的质量。
常见的去噪方法包括中值滤波、均值滤波和小波去噪等。
在Matlab中，我们可以使用medfilt2函数实现中值滤波。
二、图像修复方法图像修复是对图像中存在的缺陷或损坏进行补全或恢复的过程，以提高图像的可视化效果。
下面将介绍几种常用的图像修复方法。
1. 图像插值图像插值是一种常用的图像修复方法，通过根据已知的像素值推测缺失的像素值，从而补全图像中的缺失部分。
常见的插值方法包括最近邻插值、双线性插值和双立方插值等。
在Matlab中，我们可以使用interp2函数实现图像插值。
基于matlab的图像对比度增强处理的算法的研究与实现
基于matlab的图像对比度增强处理的算法的研究与实现1. 引言1.1 研究背景图像对比度增强是数字图像处理中的一个重要领域，它能够提高图像的视觉质量，使图像更加清晰、鲜明。
随着现代科技的快速发展，图像在各个领域的应用越来越广泛，因此对图像进行对比度增强处理的需求也越来越迫切。
在数字图像处理领域，图像对比度增强处理是一种经典的技术，通过调整图像的灰度级范围，提高图像的对比度，使图像更加清晰和易于观察。
对比度增强处理可以应用于医学影像、卫星图像、照片修复等领域，有效提升图像质量和信息量。
随着数字图像处理算法的不断发展和完善，基于matlab的图像对比度增强处理算法也得到了广泛研究和应用。
通过matlab编程实现图像对比度增强处理算法，可以快速、高效地对图像进行处理，并进行实验验证和效果分析。
研究基于matlab的图像对比度增强处理算法的研究与实现具有重要的理论意义和实际应用价值。
1.2 研究目的研究目的是探索基于matlab的图像对比度增强处理算法，通过对比不同算法的效果和性能进行分析，进一步提高图像的清晰度和质量。
具体目的包括：1. 深入理解图像对比度增强处理的基本原理，掌握常用的算法和技术；2. 研究基于matlab的图像对比度增强处理算法实现的方法和步骤，探究其在实际应用中的优劣势；3. 通过实验结果与分析，评估不同算法在提升图像对比度方面的效果和效率；4. 对现有算法进行优化与改进，提出更加有效的图像对比度增强处理方法；5.总结研究成果，为今后进一步完善图像处理技术提供参考和借鉴。
通过对图像对比度增强处理算法的研究与实现，旨在提高图像处理的效率和质量，满足不同应用领域对图像处理的需求，促进图像处理技术的发展和应用。
1.3 研究意义对比度增强处理是图像处理领域中一项重要的技术，在实际应用中有着广泛的使用。
通过增强图像的对比度，可以使图像更加清晰、鲜明，提高图像的质量和观感效果。
对比度增强处理在医学影像分析、卫星图像处理、数字摄影等领域都有着重要的应用。
Matlab技术图像增强方法
Matlab技术图像增强方法图像增强是数字图像处理的一个重要任务，通过改善图像的质量和视觉效果来提高图像的可读性和理解性。
在现实生活中，我们常常会遇到一些图像质量较差、光照不均匀或者图像噪声较多的情况，这时候就需要借助一些图像增强方法来改善图像。
Matlab作为一款强大的数学软件，提供了丰富的图像处理工具箱，其中包含了多种图像增强方法。
本文将介绍几种常用的Matlab图像增强方法，并对其原理和应用进行探讨。
一、直方图均衡化直方图均衡化是一种常用的图像增强方法，通过重新分配图像的灰度级来拉伸图像的灰度范围，以增强图像的对比度和细节。
在Matlab中，我们可以使用以下代码实现图像的直方图均衡化：```matlabimg = imread('image.jpg');img_eq = histeq(img);imshowpair(img, img_eq, 'montage');```直方图均衡化的原理是将图像的累积分布函数进行线性映射，使得图像的灰度级均匀分布，从而增强对比度。
然而，直方图均衡化有时候会导致图像过亮或者过暗，因为它只考虑了灰度分布，并未考虑图像的空间信息。
二、自适应直方图均衡化为了克服直方图均衡化的不足，自适应直方图均衡化应运而生。
自适应直方图均衡化是一种局部增强方法，它将图像划分为若干小区域，并对每个区域进行直方图均衡化，以保留图像的局部对比度。
Matlab中的自适应直方图均衡化函数为`adapthisteq`，使用方法如下：```matlabimg = imread('image.jpg');img_adapteq = adapthisteq(img);imshowpair(img, img_adapteq, 'montage');```自适应直方图均衡化在增强图像对比度的同时，能够保留图像的细节，并且不会引入过多的噪声。
视频图像增强和去雾算法matlab实现
视频图像增强和去雾算法说明摘要 本文档介绍夜间增强和去雾增强算法及其实现。
（1）将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量（I分量）的灰度直方图进行均衡化处理，然后再转换到RGB空间。
空间。
）利用暗原色先验图像去雾算法对图像进行去雾处理。
（2）利用暗原色先验图像去雾算法对图像进行去雾处理。
1目录一、通过I分量增强夜间图像 (3)1. 算法原理 (3)2. M ATLAB程序 (6) (77)3. 夜间增强效果 .................................................................................................................................二、去雾增强 (9) (99)1. 算法原理 .........................................................................................................................................2. M ATLAB程序 (11) (113)3. 去雾效果 .......................................................................................................................................参考文献 (14)一、通过I分量增强夜间图像1. 算法原理首先将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量（I分量）的灰度直方空间显示。
图进行均衡化处理，提高图像的亮度，然后转换回RGB空间显示。
（1）图像由RGB空间转换到HSI空间。
RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。
如何进行MATLAB图像处理
如何进行MATLAB图像处理一、引言图像处理是计算机视觉和图像分析领域中的重要任务之一。
而MATLAB是一种强大的数学计算软件，也被广泛应用于图像处理。
本文将介绍如何使用MATLAB进行图像处理，并探讨一些常见的图像处理技术。
二、图像处理基础在开始使用MATLAB进行图像处理之前，我们需要了解一些基础知识。
一个图像通常由像素组成，每个像素都有一个灰度值或者RGB（红绿蓝）三个通道的值。
图像的处理可以分为两个主要方面：空间域处理和频域处理。
1. 空间域处理空间域图像处理是指直接对图像的像素进行操作，常见的处理方法包括亮度调整、对比度增强和图像滤波等。
MATLAB提供了一系列函数和工具箱来进行这些处理。
例如，要调整图像的亮度，可以使用imadjust函数。
该函数可以通过调整输入图像的灰度值范围，实现亮度的增强或者降低。
下面是一个简单的例子：```matlabI = imread('image.jpg'); % 读取图像J = imadjust(I,[0.2 0.8],[0 1]); % 调整亮度范围imshow(J); % 显示图像```2. 频域处理频域图像处理是指将图像从空间域转换到频域进行处理，常见的处理方法包括傅里叶变换和滤波等。
MATLAB提供了fft和ifft等函数来进行频域处理。
例如，要对图像进行傅里叶变换，可以使用fft2函数。
该函数将图像转换为频率域表示，可以进一步进行滤波等处理。
下面是一个简单的例子：```matlabI = imread('image.jpg'); % 读取图像F = fft2(I); % 傅里叶变换F = fftshift(F); % 频率域中心化imshow(log(1 + abs(F)),[]); % 显示频率域图像```三、图像处理技术了解了图像处理的基础知识后，我们可以探索一些常见的图像处理技术。
以下将介绍几个常用的技术，并给出相应的MATLAB代码示例。
《数字图像处理及MATLAB实现》图像增强与平滑实验
《数字图像处理及MATLAB实现》图像增强与平滑实验一．实验目的及要求1、熟悉并掌握MA TLAB 图像处理工具箱的使用；2、理解并掌握常用的图像的增强技术。
二、实验设备MATLAB 6.5 以上版本、WIN XP 或WIN2000 计算机三、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'); % Reads the sample images ‘pout.tif’, and stores it inimshow(I) % an array named I.display the imagetext(60,20,'李荣桉1909290239','horiz','center','color','r')figure, 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.text(60,20,'李荣桉1909290239','horiz','center','color','r')figure, imhist(I2) % Create a histogram of the equalized image I2.figure,plot((0:255)/255,T); % plot the transformation curve.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 file2．直接灰度变换clear all; close allI = imread('cameraman.tif'); 注意：imadjust()功能：调整图像灰度值或颜色映像表，也可实现伽马校正。
在Matlab中进行图像增强的常用方法和技巧
在Matlab中进行图像增强的常用方法和技巧引言：图像增强是图像处理中的一项重要工作，它可以使图像更加清晰、亮度更加均匀，从而更好地展示图像的细节和特征。
而Matlab作为一款功能强大的数学计算软件，提供了许多图像处理的函数和工具箱，可以帮助用户实现图像增强。
本文将介绍一些在Matlab中常用的图像增强方法和技巧。
一、直方图均衡化直方图均衡化是一种常用的图像增强方法，它可以通过调整图像的像素亮度分布，使得图像的对比度更加明显。
在Matlab中，可以使用histeq函数来实现直方图均衡化。
以下是一个示例：```image = imread('image.jpg');enhanced_image = histeq(image);```通过对图像的直方图进行统计分析，histeq函数可以将图像的像素值重新映射到一个更广的像素值范围内，从而增强图像的对比度。
二、图像滤波图像滤波是另一种常用的图像增强方法，它可以通过去除图像中的噪声和干扰，使得图像更加清晰和平滑。
在Matlab中，可以使用imfilter函数来实现各种滤波操作。
以下是一些常用的图像滤波方法：1. 均值滤波：使用imfilter函数的fspecial参数可以创建一个均值滤波器，然后通过imfilter函数的'conv'选项来对图像进行滤波。
```image = imread('image.jpg');filter = fspecial('average', [3, 3]);filtered_image = imfilter(image, filter, 'conv');```2. 中值滤波：使用medfilt2函数可以对图像进行中值滤波，该函数对图像中的每个像素取相邻像素的中值作为滤波结果。
```image = imread('image.jpg');filtered_image = medfilt2(image);```3. 高斯滤波：使用imfilter函数的fspecial参数可以创建一个高斯滤波器，然后通过imfilter函数的'conv'选项来对图像进行滤波。
基于Matlab的水下图像增强方法实现
基于Matlab的水下图像增强方法实现本段主要介绍水下图像增强方法的重要性和背景，以及本文的研究目的和意义。
在海洋、湖泊、河流等水下环境中，由于水的吸收、散射以及反射，导致水下图像往往出现模糊、低对比度、颜色失真等问题，使得水下图像的可视化和分析变得困难。
然而，水下图像在海洋资源开发、水下探测、水下机器人等领域具有重要应用价值。
因此，研究和开发水下图像增强方法来提高水下图像的质量和可用性具有重要意义。
本文旨在基于Matlab平台，研究和实现一种水下图像增强方法。
通过对水下图像中的模糊、低对比度和颜色失真等问题进行分析和处理，提出一种有效的水下图像增强方法，并利用Matlab编程实现该方法。
通过实验验证，评估和对比增强效果，验证所提出的方法的有效性和可行性。
本文的研究结果有望促进水下图像领域的进一步发展和应用。
本文接下来将结构如下：首先，第一章将介绍水下图像增强的研究背景和意义；第二章将详细探讨水下图像的主要问题和挑战；第三章将提出一种基于Matlab的水下图像增强方法；第四章将介绍实验设计和实现过程；最后，第五章将总结全文并展望未来的工作。
本文的研究结果有望为水下图像增强方法的研究和开发提供参考和借鉴，为水下图像的应用和相关领域的发展做出贡献。
水下图像与地面图像具有明显的差异，主要表现在以下方面：光传播衰减：水中的光传播受到吸收、散射和散射的影响，导致水下图像失真和模糊。
色彩偏移：水下图像中的颜色会发生偏移，使图像中的颜色看起来与地面图像不同。
低对比度：水下环境中的光线衰减会导致图像的对比度降低，使细节难以观察。
水下图像增强过程中面临以下挑战：噪声和杂散光的处理：水下图像中常常存在噪声和杂散光干扰，需要通过合适的技术减少其影响。
色彩校正：水下图像中的颜色偏移需要进行校正，以使图像恢复原有的颜色信息。
对比度增强：针对低对比度的水下图像，需要采用合适的方法增强图像的对比度，以提高图像的观察性和分析能力。
matlab-光电图像处理实验(图像增强)
光学图像处理实验报告学生姓名：班级：学号：指导教师：日期：一、实验室名称：二、实验项目名称：图像增强三、实验原理：图像增强处理是数字图像处理的一个重要分支。
很多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像增强技术来改善人的视觉效果，增强图象中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等，这些都有利于对图像中目标的识别、跟踪和理解。
图像增强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。
这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。
图像增强的应用领域也十分广阔并涉及各种类型的图像。
例如，在军事应用中，增强红外图像提取我方感兴趣的敌军目标；在医学应用中，增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置；在空间应用中，对用太空照相机传来的月球图片进行增强处理改善图像的质量；在农业应用中，增强遥感图像了解农作物的分布；在交通应用中，对大雾天气图像进行增强，加强车牌、路标等重要信息进行识别；在数码相机中，增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。
图像增强可分成两大类：频率域法和空间域法。
前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。
采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。
具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。
MATLAB图像处理工具箱的使用方法
MATLAB图像处理工具箱的使用方法导言：MATLAB作为一种常用的数学软件，被广泛应用于科学研究和工程领域。
其中的图像处理工具箱（Image Processing Toolbox）提供了许多功能强大的工具，用于处理和分析图像数据。
本文将介绍一些常用的图像处理工具箱的使用方法，帮助读者更好地掌握这一工具箱的优势。
一、图像的读取和显示要使用MATLAB进行图像处理，首先需要将图像读入MATLAB环境中，并显示出来。
通过imread函数可以方便地读取图像文件，如下所示：img = imread('image.jpg');这将会将名为'image.jpg'的图像读入img变量中。
接下来，使用imshow函数可以将图像显示在MATLAB的图像窗口中：imshow(img);通过这种方式，我们可以直观地了解图像的内容和特征。
二、图像的灰度化和二值化在很多图像处理应用中，我们常常需要将图像转换为灰度图像或二值图像。
在MATLAB中，可以使用rgb2gray函数将彩色图像转换为灰度图像：gray_img = rgb2gray(img);这将把彩色图像img转换为灰度图像gray_img。
接下来，使用im2bw函数可以将灰度图像转换为二值图像：binary_img = im2bw(gray_img);这将把灰度图像gray_img转换为二值图像binary_img。
通过灰度化和二值化的处理，我们可以更方便地进行后续的图像分析和处理。
三、图像的平滑处理图像中常常存在噪声，这会对后续的分析和处理造成一定的干扰。
为减少这种噪声的影响，可以对图像进行平滑处理。
在MATLAB中，有多种方法可以实现图像的平滑处理，其中较常用的是均值滤波和高斯滤波。
通过使用函数imgaussfilt和imfilter，可以分别实现高斯滤波和均值滤波：smooth_img = imgaussfilt(img);或者smooth_img = imfilter(img, fspecial('average', [3 3]));这些函数可以在图像中应用指定的滤波器来平滑图像，从而减少噪声的干扰。
基于matlab的图像对比度增强处理的算法的研究与实现
基于matlab的图像对比度增强处理的算法的研究与实现一、引言图像对比度增强是数字图像处理领域中的一项重要技术，能够使图像的细节更加清晰，提高图像的视觉质量，对于医学影像、遥感图像、摄影等领域都有重要的应用价值。
在这方面，基于matlab的图像处理工具箱提供了丰富的图像处理函数和工具，可以方便快捷地实现对图像的对比度增强处理。
本文将重点研究和实现基于matlab的图像对比度增强处理的算法，包括对比度拉伸、直方图均衡化、自适应直方图均衡化等方法的原理和实现。
二、对比度增强的基本原理图像的对比度是指图像中不同灰度级之间的区别程度，对比度增强即是通过一定的处理方法，使图像中的灰度级在整体上更加分散，使得图像的细节更加明显。
常用的对比度增强方法包括对比度拉伸、直方图均衡化、自适应直方图均衡化等。
1. 对比度拉伸对比度拉伸是通过线性变换的方式来增强图像的对比度，其基本原理是对图像的所有像素进行灰度值的线性变换，从而改变图像的动态范围。
假设原始图像的像素灰度级范围为[amin, amax]，目标图像的像素灰度级范围为[bmin, bmax]，对比度拉伸的变换函数可以表示为：\[f(x) = \frac{x-amin}{amax-amin} \times (bmax-bmin) + bmin\]x为原始图像的像素值，f(x)为经过对比度拉伸后的像素值。
通过这种方式，可以使得原始图像中较暗的像素被拉伸到较亮的区域，从而增强图像的对比度。
2. 直方图均衡化直方图均衡化是一种通过调整图像像素的累积分布函数（CDF）来增强图像对比度的方法。
其基本原理是将原始图像的灰度直方图进行均衡化，使得各个灰度级之间的分布更加平衡。
具体而言，对于一幅大小为M×N的图像，其直方图均衡化的变换函数为：\[f(x) = (L-1) \times \sum_{k=0}^{x} p_r(r_k)\]f(x)为像素灰度级为x经过直方图均衡化后的值，L为像素的灰度级数，p_r(r_k)为原始图像中灰度级为r_k的像素的概率密度函数（PDF），通过对累积分布函数的调整，可以使得图像的对比度得到增强。
如何进行MATLAB图像增强和修复
如何进行MATLAB图像增强和修复图像增强和修复是数字图像处理的两个重要方面，其目的在于改善图像的质量、清晰度和可视化效果。
在本文中，我们将探讨如何使用MATLAB进行图像增强和修复的方法和技巧。
1. 图像增强图像增强是通过一系列的处理方法来改善图像的视觉质量和增强图像的细节。
MATLAB提供了多种图像增强的函数和工具包，以下是一些常用的方法：灰度拉伸：通过对图像的像素值进行线性变换，将像素值映射到一个更大的范围，从而增加图像的对比度和动态范围。
例如，可以使用imadjust函数来调整图像的灰度级别。
直方图均衡化：该方法通过重新分配图像的像素值，使得图像的直方图在整个灰度级范围内更均衡。
使用histeq函数可以实现直方图均衡化。
滤波：图像中的噪声会降低图像的质量和细节。
通过应用不同的滤波方法，可以去除噪声和平滑图像。
MATLAB提供了多种滤波函数，如均值滤波、中值滤波和高斯滤波。
增强算法：一些特定的图像增强算法，如锐化、边缘增强和局部对比度增强等，可以提高图像的细节和清晰度。
你可以使用imsharpen、edge和adapthisteq等函数来实现这些算法。
2. 图像修复图像修复是通过一系列的处理方法来修复、恢复损坏或退化图像的细节和完整性。
这种损坏可能是由噪声、模糊、运动模糊或其他因素引起的。
以下是一些常用的图像修复方法：去噪：噪声在图像中是常见的问题，因为它会导致图像细节的丢失。
MATLAB 提供了一些函数如wiener2、medfilt2和imnoise等，可以用来去除不同类型的噪声。
模糊去除：运动模糊是由运动物体或相机移动引起的，可以使用维纳滤波器或修复算法来恢复模糊图像的细节。
MATLAB提供了deconvwnr和deconvlucy等函数来实现运动模糊的去除。
图像修复算法：一些先进的图像修复算法，如总变分（Total Variation）和去除重复块（Inpainting）算法，可以从严重损坏的图像中恢复丢失的细节。
基于MATLAB的图像增强处理
基于MATLAB的图象增强处理图象增强是图象处理领域中的一个重要任务，它旨在改善图象的质量、增加图象的细节并提高图象的视觉效果。
MATLAB是一种功能强大的数学计算软件，也被广泛应用于图象处理领域。
本文将介绍基于MATLAB的图象增强处理的标准格式。
一、引言图象增强是一种通过对图象进行算法处理来改善图象质量的技术。
图象增强处理可以应用于各种领域，如医学图象处理、遥感图象处理、安全监控等。
在本文中，我们将介绍基于MATLAB的图象增强处理的标准格式。
二、背景图象增强处理是一种通过改变图象的像素值和对照度来改善图象质量的方法。
MATLAB是一种功能强大的数学计算软件，它提供了丰富的图象处理工具箱，可以方便地进行图象增强处理。
三、方法1. 图象预处理在进行图象增强处理之前，需要对图象进行预处理。
常见的图象预处理方法包括图象去噪、图象平滑和图象尺度变换等。
在MATLAB中，可以使用滤波器和变换函数来实现这些预处理步骤。
2. 直方图均衡化直方图均衡化是一种常用的图象增强方法，它通过重新分配图象像素的灰度级来增强图象的对照度。
在MATLAB中，可以使用histeq函数来实现直方图均衡化。
3. 均值滤波均值滤波是一种常用的图象平滑方法，它通过对图象进行平均处理来减少噪声。
在MATLAB中，可以使用fspecial函数来创建均值滤波器，并使用imfilter函数来应用滤波器。
4. 锐化滤波锐化滤波是一种常用的图象增强方法，它通过增强图象的边缘和细节来提高图象的清晰度。
在MATLAB中，可以使用拉普拉斯滤波器或者高斯滤波器来实现锐化滤波。
5. 对照度增强对照度增强是一种常用的图象增强方法，它通过增加图象的亮度范围来改善图象的视觉效果。
在MATLAB中，可以使用imadjust函数来实现对照度增强。
四、实验结果为了验证基于MATLAB的图象增强处理方法的有效性，我们选择了一组测试图象进行实验。
实验结果显示，经过图象增强处理后，图象的质量得到了明显的改善，图象的细节和对照度得到了增强。
- 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)。
《数字图像处理》课程设计课设题目：图像增强与MATLAB实现学校学院：华东交通大学理学院学生班级：13级信息计算（2）班学生：超学生学号：20130810010216指导老师：自柱图像增强与MATLAB实现摘要数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。
图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。
本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。
关键字：图像；图像增强；算法目录一、MATLAB的简介 (1)1.1MATLAB主要功能 (1)二、MATLAB的主要功能 (1)2.1数字增强技术概述 (1)2.2数字图像的表示 (2)三、直方图的均衡化 (2)3.1图像的灰度 (2)3.2灰度直方图 (2)3.3直方图均衡化 (3)四、图像二值化 (5)4.1图像二值化 (5)五、对比度增强 (7)5.1对比度增强 (7)5.2灰度调整 (8)5.3对数变换 (9)六、滤波 (10)6.1平滑滤波 (10)6.2线性平滑滤波程序： (11)6.3非线性滤波 (12)七、锐化 (18)八、参考文献 (19)九、自我评价 (20)一、Matlab的简介1.1 MATLAB主要功能MATLAB是建立在向量、数组和矩阵基础上的一种分析和仿真工具软件包，包含各种能够进行常规运算的“工具箱”，如常用的矩阵代数运算、数组运算、方程求根、优化计算及函数求导积分符号运算等；同时还提供了编程计算的编程特性，通过编程可以解决一些复杂的工程问题；也可绘制二维、三维图形，输出结果可视化。
目前，已成为工程领域中较常用的软件工具包之一。
二、MATLAB的主要功能2.1数字增强技术概述图像增强是按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些信息使得图像更加实用。
图像增强技术主要包含直方图修改处理、图像平滑处理、图像尖锐化处理等。
图像增强技术主要包括：直方图修改处理，图像平滑处理，图像尖锐化处理，彩色图像处理。
从纯技术上讲主要有两类：频域处理法和空域处理法。
频域处理法主要是卷积定理，采用修改图像傅立叶变换的方法实现对图像的增强处理技术；空域处理法：是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。
2.2数字图像的表示图像并不能直接用计算机来处理，处理前必须先转化成数字图像。
由于从外界得到的图像多是二维（2-D ）的，一幅图像可以用一个2-D 数组),(y x f 表示。
这里x 和y 表示二维空间XY 中一个坐标点的位置，而f 则代表图像在点),(y x 的某种性质数值。
为了能够用计算机对图像进行处理，需要坐标空间和性质空间都离散化。
三、直方图的均衡化3.1图像的灰度常用的图像一般是灰度图，这时f 表示灰度值，反映了图像上对应点的亮度。
亮度是观察者对所看到的物体表面反射光强的量度。
作为图像灰度的量度函数),(y x f 应大于零。
人们日常看到的图像一般是从目标上反射出来的光组成的，所以),(y x f 可看成由两部分构成：入射到可见场景上光的量；场景中目标对反射光反射的比率。
确切地说它们分别称为照度成分),(y x i 和反射成分),(y x r 。
),(y x f 与),(y x i 和),(y x r 都成正比，可表示成),(y x f ＝),(y x i ×),(y x r 。
3.2灰度直方图灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特征更加明显。
灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像增强。
程序如下： %灰度直方图I=imread('D:\image\rice.bmp');%读取图像 subplot(2,1,1); Imshow(I);%显示图像 title('(a)原图'); subplot(2,1,2);imhist(I);%绘制图像的灰度直方图 title('(b)原图的灰度直方图');图4.13.3直方图均衡化直方图均衡化过程如下：（1）计算原图像的灰度直方图)(K r r P ；s，进一步求出灰度变换表；（2）计算原图像的灰度累积分布函数k（3）根据灰度变换表，将原图像各灰度级映射为新的灰度级。
灰度直方图均衡化程序：%灰度直方图均衡化I=imread('D:\image\bubbles.bmp');%读取图像subplot(2,2,1);Imshow(I);%显示图像title('原图');subplot(2,2,2);imhist(I);%绘制图像的灰度直方图title('原图的灰度直方图');subplot(2,2,3);J=histeq(I,64);%对图像进行均衡化处理，返回有64级灰度的图像J Imshow(J);%显示图像title('原图直方图均衡化');subplot(2,2,4);imhist(J);%绘制图像的灰度直方图title('均衡后的灰度直方图')以下展示了直方图均衡化的效果：图4.2优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩了像素值的动态围，是一种常用的图像增强算法。
不足：不能抑制噪声。
四、图像二值化4.1图像二值化图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是讲整个图像呈现出明显的黑白效果。
首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。
其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。
图像二值化程序：%图像二值化（选取一个域值，(5) 将图像变为黑白图像）I=imread('beauty.tif');bw=im2bw(I,0.5);%选取阈值为0.5subplot(1,3,1);imshow(I);title('原图');subplot(1,3,2);imshow(bw);title('显示二值图像');J=find(I<150);I(J)=0;J=find(I>=150);I(J)=255;subplot(1,3,3);imshow(I);title(' 图像二值化 ( 域值为150 ） ');下图为图像二值化的效果：图 4.3五、对比度增强5.1对比度增强对比度增强是按一定的规则修改输入图像每一个像素的灰度，从而改变图像灰度的动态围。
例如，观察图4.4可以发现，该图的对比度不高其灰度直方图没有低于35或高于210的值，如果将图像数据映射到整个灰度围，则图像的对比度将大大增大。
图4.45.2灰度调整灰度调整程序：%imadjust函数I=imread('D:\image\rice.bmp');%读取图像subplot(2,2,1);Imshow(I);%显示图像title('原图');subplot(2,2,2);imhist(I);%绘制图像的灰度直方图title('原图的灰度直方图');subplot(2,2,3);J=imadjust(I,[0.3 0.7],[]);%对图像进行灰度变换Imshow(J);%显示图像title('原图直方图均衡化');subplot(2,2,4);imhist(J);%绘制图像的灰度直方图title('均衡后的灰度直方图')以下展示了常用对比度扩展法的结果：图4.5从图4.5【原图】可以看出原始图像动态围较小，整体较暗，反映在直方图上像素主要集中在低灰度的一侧。
经过对比度调整，图像变亮。
5.3对数变换对数变化常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清。
对数变换程序：%对数变换I=imread('beauty.tif');%读取图像I=mat2gray(I);%对数变换不支持uint8类型数据，将一个矩阵转化为灰度图像的数据格式(double)J=log(I+1);subplot(1,2,1);Imshow(I);%显示图像title('原图');subplot(1,2,2);Imshow(J);title('对数变换后的图像')图 4.6对数变换确实能够扩展低值灰度，而压缩高值灰度，使低值灰度的图像细节更容易看清。
六、滤波6.1平滑滤波平滑技术用于平滑图像中的噪声。
平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均或中值。
为了既平滑噪声又保护图像信号。
6.2线性滤波输出图像的值等于输入图像滤波后值的局部平均，各个项具有相同的权。
下面是平滑窗口分别为矩形和圆形的情况。
⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1111111111111111111111111251],[k j h rect ⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=011101111111111111110111211],[k j h circ 对一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。
6.2线性平滑滤波程序：%线性平滑滤波I=imread('beauty.tif');J=imnoise(I,'salt & pepper',0.02); subplot(221),imshow(I) title('原图像') subplot(222),imshow(J) title('添加椒盐噪声图像')K1=filter2(fspecial('average',3),J)/255;%应用3*3邻域窗口法 subplot(223),imshow(K1)title('3x3窗的邻域平均滤波图像')K2=filter2(fspecial('average',7),J)/255;%应用7*7邻域窗口法 subplot(224),imshow(K2)title('7x7窗的邻域平均滤波图像')如图4.8(a)为线性平滑滤波的例子：6.3非线性滤波中值滤波是一种最常用的图像增强技术，是非线性滤波。
对椒盐噪声有很好的去噪效果。