图像增强实验报告

合集下载

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。

实验一 图像增强

实验一 图像增强

实验一图像增强一、实验目的1掌握灰度直方图的概念及其计算方法;2熟练掌握直方图均衡化原理;3熟练掌握空间域滤波中常用的平滑和锐化方法;4熟练掌握低通滤波、高通滤波原理;5利用MATLAB程序进行图像增强。

三、实验内容1、图像空域增强:1)采用直方图均衡化方法增强图像。

选择一幅原始图像,使用直方图均衡化函数histeq处理图像,使其直方图分布更均匀。

要求:给出完整程序,命名为junheng.m;给出原始图像,直方图均衡化后图像,以及它们各自的直方图,显示在同一图形中,四幅图像成“田字”排列,并给每幅图像相应的标题(title)。

2)采用平滑算法去噪增强图像。

选择一幅原始图像,使用imnoise函数模拟噪声的产生对原始图像叠加椒盐噪声,然后使用模板大小为3*3和7*7的中值滤波器medfilt2分别平滑加噪图像;再使用百分比滤波器ordfilt2,设计5*5大小的最大值、最小值滤波器分别平滑加噪图像。

要求:给出完整程序,命名为pinghua.m;给出原始图像,加噪图像,每种方法的滤波结果,合理排列图像,并给每幅图像相应的标题(title)。

3)采用锐化算法增强图像。

选择一幅原始图像,使用filter2滤波函数对图像锐化滤波,分别使用sobel、prewitt、canny 锐化图像。

要求:给出完整程序,命名为ruihua.m;给出原始图像,每种方法锐化的结果,合理排列图像,并给每幅图像相应的标题(title)。

2、图像频域增强1)频域低通滤波读入图像数据,给出其频域变换结果图像,编写程序实现一种低通滤波器H1,并用该滤波器实现对频域图像的滤波,再使用傅里叶逆变换函数(ifft2)给出滤波后图像。

要求:给出完整程序,命名为dtlb.m文件;给出原始图像、滤波后图像,并给每幅图像相应的标题(title)。

2)频域高通滤波读入图像数据,给出其频域变换结果图像,编写程序实现一种高通滤波器H2,并用该滤波器实现对频域图像的滤波,再使用傅里叶逆变换函数(ifft2)给出滤波后图像。

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。

骨骼图像增强实验报告

骨骼图像增强实验报告

骨骼图像增强实验报告
实验目的:
通过对骨骼图像进行增强处理,提高图像的清晰度和对比度,使得医生能够更好地观察和诊断病变。

实验步骤:
1. 收集骨骼图像样本:从医院的影像数据库中随机选取10张
骨骼图像作为实验样本。

2. 图像预处理:将图像进行灰度转换,将彩色图像转换为灰度图像,方便后续处理。

3. 直方图均衡化:对每一张图像进行直方图均衡化处理,提高图像的对比度。

4. 高斯平滑:采用高斯滤波器对图像进行平滑处理,去除图像中的噪点。

5. 图像增强评估:使用评价指标PSNR和SSIM对增强后的图
像进行评估,与原始图像进行对比。

实验结果:
经过增强处理后,骨骼图像的对比度和清晰度都有明显的提高。

使用PSNR和SSIM这两个评价指标对处理后的图像进行评估,得到的结果如下:
PSNR:提高后的图像的平均PSNR为30.5dB,与原始图像相
比提高了5dB左右,显示图像的噪声比例减少了很多。

SSIM:提高后的图像的平均SSIM为0.9,与原始图像相比提
高了0.1左右,显示图像的结构相似度较高。

实验结论:
通过对骨骼图像进行增强处理,能够明显提高图像的对比度和清晰度,使得医生能够更好地观察和诊断病变。

通过对增强后的图像进行评估,得到的结果显示,增强后的图像在PSNR和SSIM这两个评价指标上有明显的提高,证明了增强处理的有效性。

骨骼图像增强技术对于提高图像质量、改善医学诊断效果具有重要的意义。

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‎。

实验四、图像增强实验报告

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。

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。

实验二 图像增强处理实习报告

实验二 图像增强处理实习报告

实验二图像增强处理实习报告1.实验目的和内容1.1.实验目的掌握图像合成和显示增强的基本方法,理解存储的图像数据与显示的图像数据之间的1.2.实验要求熟练根据图像中的地物特征进行图像合成显示、拉伸、图像均衡化等显示增强操作。

理解直方图的含义,能熟练的利用直方图进行多波段的图像显示拉伸增强处理。

1.3.软件和数据ENVI 软件。

TM 图像数据。

上次实验合成后的图像数据文件AA。

1.4.实验内容图像的彩色合成显示图像的基本拉伸方法图像均衡化方法图像规定化2.实验过程通过合成和拉伸增强显示图像中的信息。

2.1.图像合成图像合成方法:伪彩色合成、彩色合成两种方式。

其中彩色合成包括:真彩色合成、假彩色合成、模拟真彩色合成。

操作:使用(4,3,2)进行RGB 合成显示图像。

图像窗口为#1。

移动图像窗口的红色选框到玄武湖,将光标十字放在红框内,双击,显示光标位置窗口。

该窗口中出现了Scrn 和Data,二者后面的RGB 的值是不同的。

2.1.1伪彩色合成在新的窗口显示第4 波段图像,窗口为#2。

操作:菜单:窗口菜单Tools-Color Mapping-Density slice…,选择Band 4,确定。

在“Density Slice”窗口中,点击“应用”按钮,窗口#2 的图像变成了彩色。

设置默认的分级数为3 个:在“Density Slice”窗口,点击Options-Set number of default range,输入3,确定。

点击Options-Apply default range,点击Apply 按钮。

查看窗口#2 内的变化。

重复上面步骤,设置分级数为10,查看图像的变化。

基本的特征是:长江是绿色的,玄武湖是红色的。

在新的窗口显示波段4,窗口编号为#3。

菜单:窗口菜单Tools-Color Mapping-ENVI Color table…依次点击Color Tables 下的颜色方案列表,查看#3 图像的变化。

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。

数字图像(图像增强)实验报告

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。

实验三 图像增强

实验三 图像增强

实验三图像增强
一、实验内容
1.设计目标直方图,并将输入图像按目标直方图进行规定化处理;
2.采用平滑滤波器对图像平滑;
3.采用锐化方法对图像进行锐化处理。

二、实验原理
1.直方图规定化是图像增强的重要手段,由人来确定的目标直方图往往具有较好的视觉感
受,因此把输入图像的直方图按照目标直方图规定化后,可以获得更加清晰的图像。

2.锐化和平滑是图像增强的方法之一,采用前者可以突出图像的细节,后者可以滤除图像
中的噪声,从而达到图像清晰的目的。

三、实验方法及程序
1.选择一副图像,对灰度图像进行直方图均衡化处理。

2.选择一副图像,对灰度图像采用均值滤波。

3.选择一副图像,对灰度图像,采用prewitt边缘算子和sobel算子对图像进行增强处理。

4.仿照matlab识别圆形物体例程,对coins.png图像进行处理。

四、实验结果与分析
Matlab代码以及结果图
五、思考题
1.设计其他形状的直方图对图像进行规定化处理
2.为什么原图减去低通图像,能够实现锐化图像?。

图像增强—空域滤波实验报告

图像增强—空域滤波实验报告

图像增强—空域滤波实验报告篇一:5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告一、实验目的进一步了解MatLab软件/语言,学会使用MatLab对图像作滤波处理,使学生有机会掌握滤波算法,体会滤波效果。

了解几种不同滤波方式的使用和使用的场合,培养处理实际图像的能力,并为课堂教学提供配套的实践机会。

二、实验要求(1)学生应当完成对于给定图像+噪声,使用平均滤波器、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;能够正确地评价处理的结果;能够从理论上作出合理的解释。

(2)利用MATLAB软件实现空域滤波的程序:I=imread('electric.tif');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ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,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 imshow(I);figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N);三、实验设备与软件(1) IBM-PC计算机系统(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片四、实验内容与步骤a) 调入并显示原始图像Sample2-1.jpg 。

图像增强实验报告

图像增强实验报告

图像增强实验报告篇一:图像处理实验报告——图像增强实验报告学生姓名:刘德涛学号:2010051060021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、老计算机楼309机房二、实验项目名称: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f(x,y)的灰度变化范围为[a,b],线性变换后图像g(x,y)的范围为[a&#39;,b&#39;],线性拉伸的公式为:b&#39;?a&#39;g(x,y)?a?[f(x,y)?a] b?a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:g(x,y)?a?ln[f(x,y)?1] blnc指数变换的一般形式:g(x,y)?bc[f(x,y)?a]?1(a,b,c用于调整曲线的位置和形状的参数。

)2.图像的空间滤波图像的空间滤波主要有图像的空域平滑和锐化。

图像的平滑是一种消除噪声的重要手段。

图像平滑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,包括梯度法和拉普拉斯法算子。

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基本步骤。

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。

图像增强技术实验报告

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。

  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)。

C. 图像锐化 锐化的目的是突出图像中细节或增强被模糊的细节; 锐化可用微分来完成,而微分算子的响应强度与图像在该点(应用了算子)的突变程度
有关; 图像微分增强了边缘和其它突变(如噪声)并削弱了灰度变化缓慢的区域;
4.实验分析
A. 直方图增强处理 (1)在均衡过程中,原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级 内,故得不到增强。若这些灰度级所构成的图象细节比较重要,则需采用局部区域直方 图均衡。 (2)数字图像均衡化后其直方图并非完全均匀分布的原因是:在 MATLAB 实验中,所使 用的值均为离散值,在处理时不是概率密度函数与积分,而是概率与求和,所以其均衡 后的直方图并非完全均匀分布。
w(s, t)
缘的响应。
satb
5.实验结论
A. 直方图增强处理 由实验结果可知:
(1)变换后直方图趋向平坦,灰级减少,灰度合并; ()有展开输入图像直方图的一般趋势,直方图均衡化后的图像灰度级能跨越更大范围; 实际视觉能够接收的信息量大大的增强了; (3)直方图均衡化能自动地确定变换函数,该函数寻求产生有均匀直方图的输出图像, 得到的结果可预知,操作简单 B. 图像平滑 (1)四邻域平均平滑不加门限:这种算法简单,但它的主要缺点是在降低噪声的同时 是图像模糊,特别是在边缘和细节处。而且邻域越大,在去噪能力增强的同时模糊程度 越严重。 (2)四邻域平均加门限即超像素平滑法:对边缘和细节处的模糊有改善,主要是这种 算法的出发点是集中在在如何选择邻域的大小、形状和方向,参加平均的点数及邻域各 点的权重系数等。 C. 图像锐化
2. 图像平滑:
clear all; I=imread('fing_128.bmp'); I=rgb2gray(I); J=imnoise(I,'salt & pepper',0.02); subplot(2,2,1);imshow(I);title('原图'); subplot(2,2,2);imshow(J);title('加噪图像'); A=1/5*[0,1,0;1,1,1;0,1,0]; Q=imfilter(J,A); subplot(2,2,3);imshow(Q);title('不加门限'); T=0; for i=1:128
1.图像增强:
2.图像平滑 3.图像锐化
(2)超像素平滑法: 对邻域平均法稍加改进,可导出超限像素平滑法。它是将和邻域平均差的绝对值与选
定的阀值进行比较,根据比较结果决定点(x,y)的最后灰度 g1(x,y)。其表达式为: g(x,y) ,当|f(x,y)-g(x,y)| > T
g1(x,y)= f(x,y) ,当|f(x,y)-g(x,y)| <= T
(3)用累积分布函数作为变换函数进行图像灰度变换。 B. 图像平滑 (1)局部平滑法:假设图像是由许多灰度恒定的小块组成,相邻像素间存在很高的空 间相关性,而噪声则是统计独立的。因此,可用领域内个像素的灰度平均代替该像素原
来的灰度值,实现图像平滑。 设有一幅 N*N 的图像 f(x,y),若平滑图像为 g(x,y),则有:
图像锐化的目的是增强图像的边缘和轮廓,可通过微分使图像边缘突出、清晰,可以 通过 Laplacian 算子,Roberts、Prewitt 和 Sobel 边缘检测算子等方法达到增强效果。
附件
1. 图像增强:
I=imread('cell_128.bmp/fing_128.bmp'); I=rgb2gray(I); K=16; H=histeq(I,K); figure; subplot(221); imshow(I,[]); subplot(222); imshow(H,[]);hold on subplot(223); hist(double(I),16); subplot(224); hist(double(I),16);
B. 图像平滑
局部平均法和超像素平滑法对图像中的噪声都有抑制作用但同时又使图像的边缘、
细节处模糊。不同的平滑方法对不同的噪声的作用不同。
C. 图像锐化

Laplacian
算子进行锐化a ,b其边缘方向信息被丢失,対孤立噪声点响应是阶跃边缘
w(s, t) f ( x s, y t)
的四倍,对像素线条的g响( x应, y是) 阶 s跃a边t缘b 的a 两b 倍,对线端和斜向边缘的响应大于垂直和水平边
2.实验环境(软件条件)
在 MATLAB 环境下进行编写程序,把所编写的程序保存成 .m 文件,其中在运行程序 时需要调用一些 MATLAB 中一些原有的函数如:fspecial()、imfilter()等函数。
3.实验方法
A. 直方图增强处理 直方图均衡化处理实际上就是寻找一个灰度变换函数 T ,使变化后的灰度值满足
s分=T布(r的),概其率中密,度sP归s(一s化)为=10,<=期s<望=1所,建有立灰度r 和级出spr之现skrk间概的率Tn映相n(kr射同k )关。系jk,0 要pr求(r处j )理后jk图0 像nnj灰度
其计算步骤为:(1)统计原始图像的直方图: k 0,1,2,...L 1 (2)计算直方图累积分布曲线:
for j=1:128 T=T+double(J(i,j));
end end T=0.5*1/(128*128)*T; for i=2:127
for j=2:127 if Q(i,j)<=T Q(i,j)=J(i,j); end
end end
subplot(2,2,4);imshow(Q);title('加门限');
西安邮电学院
实验报告
实验名称 课程名称
图像增强 数字图像处理 A
姓名
李俊玲
成绩
班级
பைடு நூலகம்电子 0801
学号
05081037
日期 2011 年 5 月 3 日 地点 备注:
3#523
1.实验目的
A. 直方图增强处理 (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; B. 图像平滑 (1)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)是消除或尽量减少噪声的影响,改善图像的质量。 (3)在提取大的目标之前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙。 C. 图像锐化 (1)了解并掌握使用微分算子进行图像边缘检测的基本原理; (2)编写程序使用 Laplacian 算子(二阶导数算子)实现图像锐化,进一步理解图像锐 化的实质; (3)掌握使用不同梯度算子(一阶导数算子)进行图像边缘检测的原理、方法,根据 实验结果分析各种算子的工作效果;
3. clear all;
I=imread('lena_256.bmp'); subplot(2,2,1) imshow(I);%显示原图像 title('原始图像'); h=fspecial('laplacian'); h1=[0 -1 0;-1 5 -1;0 -1 0]; h2=[0 -2 0;-2 9 -2;0 -2 0]; bw1=imfilter(I,h,'replicate'); bw2=imfilter(I,h1,'replicate');%a=1时的拉普拉斯算子 bw3=imfilter(I,h2,'replicate');%a=2时的拉普拉斯算子 subplot(2,2,2);imshow(bw1); title('锐化后的图像'); subplot(2,2,3);imshow(bw2); title('锐化后四邻域a=1的图像'); subplot(2,2,4);imshow(bw3); title('锐化后四邻域a=2的图像'); figure(2); BW1=edge(I,'sobel'); %用SOBEL算子进行边缘检测 BW2=edge(I,'roberts');%用Roberts算子进行边缘检测 BW3=edge(I,'prewitt'); %用prewitt算子进行边缘检测 subplot(221), imshow(BW1); title('SOBEL算子边缘检测 '); subplot(222), imshow(BW2); title('Roberts算子边缘检测 '); subplot(223), imshow(BW3); title('prewitt算子边缘检测 ');
相关文档
最新文档