数字图像处理第三次实验(西南交大)

数字图像处理第二次实验

注意提交实验报告的文件名格式（姓名+学号+实验报告二.doc）

实验三灰度变换增强

一、实验目的

1.熟悉matlab图像处理工具箱及直方图函数的使用；

2.了解灰度变换增强的Matlab实现方法

3.掌握直方图灰度变换方法

4.理解和掌握直方图原理和方法；

二、实验内容

1. 线段上像素灰度分布

读入灰度图像'peppers_gray.bmp'，采用交互式操作，用improfile绘制一条线段的灰度值。

imshow(rgb2gray(imread('peppers.bmp')))

improfile

读入RGB图像‘flowers.tif’，显示所选线段上红、绿、蓝颜色分量的分布

imshow('flowers.tif')

improfile

2. 直方图变换

A)直方图显示

在matlab环境中，程序首先读取图像'cameraman.tif'，然后调用直方图函数，设置相关参数，再输出处理后的图像。

I=imread('cameraman.tif'); %读取图像

subplot(1,2,1),imshow(I) %输出图像

title('原始图像') %在原始图像中加标题

subplot(1,2,2),imhist(I) %输出原图直方图

title('原始图像直方图') %在原图直方图上加标题

读入图像‘rice.png’，在一个窗口中显示灰度级n=64，128和256的图像直方图。I=imread('rice.png');

imshow(I)

figure,imhist(I,64)

figure,imhist(I,128)

figure,imhist(I,256)

B)直方图灰度调节

利用函数imadjust调解图像灰度范围，观察变换后的图像及其直方图的变化。

I=imread('rice.png');

imshow(I)

figure,imhist(I)

J=imadjust(I,[0.15 0.9],[0 1]); figure,imhist(J)

figure,imshow(J)

I=imread('cameraman.tif'); imshow(I)

figure,imhist(I)

J=imadjust(I,[0 0.2],[0.5 1]); figure,imhist(J)

figure,imshow(J)

C)直方图均衡化

在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。

I=imread('cameraman.tif'); %读取图像

subplot(2,2,1),imshow(I) %输出图像

title('原始图像') %在原始图像中加标题

subplot(2,2,3),imhist(I) %输出原图直方图

title('原始图像直方图') %在原图直方图上加标题

a=histeq(I,256); %直方图均衡化，灰度级为256

subplot(2,2,2),imshow(a) %输出均衡化后图像

title('均衡化后图像') %在均衡化后图像中加标题

subplot(2,2,4),imhist(a) %输出均衡化后直方图

title('均衡化后图像直方图') %在均衡化后直方图上加标题

分别对图像‘pout.tif’和‘tire.tif’进行直方图均衡化处理，比较处理前后图像及直方

图分布的变化。

I=imread('pout.tif'); imshow(I)

figure,imhist(I)

J=histeq(I); figure,imhist(J) figure,imshow(J)

I=imread('tire.tif'); imshow(I)

figure,imhist(I)

J=histeq(I); figure,imshow(J) figure,imhist(J)

、

三、思考题（试回答以下问题）

1.MATLAB程序的IPT中有哪些图像亮（灰）度变换函数?写出函数的语法。

2.直方图的物理含义是什么？

3.结合实验内容，定性评价直方图均衡增强效果？

图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。

直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。

缺点：

1）变换后图像的灰度级减少，某些细节消失；

2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。

直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。

这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度。

实验四空域滤波增强

一、实验目的

1.了解空域滤波增强的Matlab实现方法；

2.掌握噪声模拟和图像滤波函数的使用方法；

3.能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪

声，进行滤波处理；

4.能够正确地评价处理的结果；并从理论上作出合理的解释。

二、实验内容

1. 噪声模拟

利用函数imnoise给图像‘autumn.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。

I=imread('cameraman.tif');

imshow(I)

I1=imnoise(I,'gaussian',0,0.01);

figure,imshow(I1)

I2=imnoise(I,'salt & pepper');

figure,imshow(I2)

2. 均值滤波和中值滤波

A)均值滤波

在matlab环境中，程序首先读取图像，然后调用图像增强（）函数，设置相关参数，再输出处理后的图像。

I = imread('cameraman.tif');

figure,imshow(I);

J=filter2(fspecial('average',3),I)/255;

figure,imshow(J);

B)中值滤波

在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。

I = imread('cameraman.tif');

figure,imshow(I);

J=medfilt2(I,[5,5]); 中值滤波

figure,imshow(J);

3. 空域滤波

A)对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。

i=imread('1.jpg');

I=rgb2gray(i);

J = imnoise(I,'gauss',0.02); %添加高斯噪声

%J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声

K = filter2(fspecial('average',3),J)/255; %均值滤波3 ×3 L = filter2(fspecial('average',5),J)/255; %均值滤波5 ×5 M = medfilt2(J,[3 3]); %中值滤波3 ×3 模板N = medfilt2(J,[4 4]); % 中值滤波4 ×4 模板%显示以上滤波后的图片

imshow(I);

figure,imshow(J);

figure,imshow(K);

figure,imshow(L);

figure,imshow(M);

figure,imshow(N);

B)总结均值滤波和中值滤波的特点及使用场合。

(1)对于均值滤波, 由以上处理后的图像可以看到:均值滤波对高斯噪声的抑制是比较好的,处理后的图像边缘模糊较少。但对椒盐噪声的影响不大,因为在削弱噪声的同时整幅图像内容总体也变得模糊，其噪声仍然存在。

(2)对于中值滤波,由图像处理的结果可以看出,它只影响了图像的基本信息,说明中值滤波对高斯噪声的抑制效果不明显。这是因为高斯噪声使用随机大小的幅值污染所有的点,因此无论怎样进行数据选择,得到的始终还是被污染的值。而由图还可以看出,中值滤波对去除“椒盐”噪声可以起到很好的效果,因为椒盐噪声只在画面中的部分点上随机出现,所以根据中值滤波原理可知,通过数据排序的方法,将图像中未被噪声污染的点代替噪声

点的值的概率比较大,因此噪声的抑制效果很好,同时画面的轮廓依然比较清晰。由此看来，对于椒盐噪声密度较小时,尤其是孤立噪声点,用中值滤波的效果非常好的。

均值滤波对高斯噪声有较好的抑制作用，而对于椒盐噪声的处理中值滤波要略微有优势。

C)*对图像'saturn.tif'采用'laplacian'高通滤波器进行锐化滤波。（提示：可使用fspecial

函数）

I=double(rgb2gray(imread('saturn.png')));

imshow(I)

H=fspecial('laplacian')%用laplacian'高通滤波器对I进行滤波

I2=filter2(H,I) %lapacian 算子滤波锐化

figure,imshow(I2) % 显示滤波后的结果

三、思考题（试回答以下问题）

1、简述高斯噪声和椒盐噪声的特点。

高斯噪声是指噪声服从高斯分布，即某个强度的噪声点个数最多，离这个强度越远噪声点个数越少，且这个规律服从高斯分布。高斯噪声是一种加性噪声，即噪声直接加到原图像上，因此可以用线性滤波器滤除。

椒盐噪声类似把椒盐撒在图像上，因此得名，是一种在图像上出现很多白点或黑点的噪声，如电视里的雪花噪声等。椒盐噪声可以认为是一种逻辑噪声，用线性滤波器滤除的结果不好，一般采用中值滤波器滤波可以得到较好的结果。

2、结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？

3、结合实验内容，定性评价滤波窗口对去噪效果的影响？

4、图像亮（灰）度变换与空间滤波有什么不同?

（注：文档可能无法思考全面，请浏览后下载，供参考。可复制、编制，期待你的好评与关注）