基于MATLAB彩色图像及增强处理设计方法讲解
利用Matlab进行图像处理的常用方法
利用Matlab进行图像处理的常用方法概述：图像处理是数字信号处理的一个重要分支，也是计算机视觉领域的核心内容之一。
随着计算机技术的不断发展，利用Matlab进行图像处理的方法变得越来越重要。
本文将介绍一些常用的Matlab图像处理方法，包括图像的读取与显示、图像的预处理、图像的滤波处理、基本的图像增强方法以及图像的分割与检测等。
一、图像的读取与显示在Matlab中，可以使用imread函数直接读取图像。
通过指定图像的路径，我们可以将图像读取为一个矩阵，并且可以选择性地将其转换为灰度图像或彩色图像。
对于灰度图像，可以使用imshow函数将其显示出来，也可以使用imwrite函数将其保存为指定格式的图像文件。
对于彩色图像，可以使用imshow函数直接显示，也可以使用imwrite函数保存为指定格式的图像文件。
此外，还可以使用impixel函数获取图像中指定像素点的RGB值。
二、图像的预处理图像的预处理是指在进一步处理之前对图像进行调整和修复以消除图像中的噪声和不良的影响。
常用的图像预处理方法包括图像的平滑处理、图像增强和图像修复等。
1. 图像平滑处理：常用的图像平滑方法有均值滤波、中值滤波和高斯滤波等。
其中，均值滤波将每个像素点的值替换为其周围像素点的平均值，中值滤波将每个像素点的值替换为其周围像素点的中值，高斯滤波则通过加权平均的方式平滑图像。
2. 图像增强：图像增强是指通过一些方法提高图像的质量和信息内容。
常用的图像增强方法包括直方图均衡化、对比度拉伸和锐化等。
直方图均衡化通过调整图像的灰度分布，以提高图像的对比度和细节。
对比度拉伸是通过将图像的像素值线性拉伸到整个灰度范围内，以增强图像的对比度。
锐化则是通过增强图像的边缘和细节，使图像更加清晰。
三、图像的滤波处理图像的滤波处理是指通过对图像进行一系列滤波操作，来提取图像中的特征和信息。
常用的图像滤波方法包括模板滤波、频域滤波和小波变换等。
1. 模板滤波：模板滤波是基于局部像素邻域的滤波方法，通过定义一个滤波模板，将其与图像进行卷积操作，从而实现图像的滤波。
基于matlab的 图像增强技术的分析与实现
数字图形图像处理基于matlab的图像增强技术的分析与实现基于matlab的图像增强技术的分析与实现摘要:基于数字图像增强对图像处理的重要性，将计算软件MATLA 应用于数字图像增强中，给出了用这一软件完成图像的对比度增强、直方图均衡化、平滑滤波、锐化等操作的示例，并给出了处理前后的对照图像。
同时论述了MATLAB在进行图像处理试验时简洁、高效的特点。
关键词:图像增强；MATLAB；直方图均衡化；平滑滤波；锐化基于matlab的图像增强技术的分析与实现引言：对于一个图像处理系统来说，可将流程分为三个阶段，在获取原始图像后，首先是图像预处理阶段、第二是特征抽取阶段、第三是识别分析阶段，其中图像预处理阶段尤为重要，如果此阶段处理不当，后面的工作将无法展开。
实际应用中,我们的系统获取的原始图像并非完美:例如系统获取的原始图像，由于噪声、光照等原因,使得图像的质量不高,需进行预处理,以达到利于我们提取感兴趣的信息的目的。
图像的预处理包括图像增强、平滑滤波、锐化等内容.图像的预处理既可以在空间域实现,也可以在频域内实现,其中空间域内实现是对图像进行点运算,它是一种既简单又重要的图像处理技术,它能让用户改变图像上像素点的灰度值,这样通过点运算处理将产生一幅新图像。
MATLAB是一种简单、高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。
1、灰度直方图的定义：一幅数字图像的灰度直方图就是一个灰度级的离散函数。
设变量 r代表图像中像素灰度级。
在图像中像素的灰度级可归一化处理, 这样, r的值将限定在下述范围之内：(1)在灰度级中, r= 0代表黑，r= 1代表白。
对于一副给定的图像来说, 每一个像素取得[0，1]区间内的灰度级是随机的,也就是说r是一个随机变量。
假定对每一瞬间他们是连续的随机变量，那么，就可以用概率密度函数 p r(r)来表示原始图像得灰度分布。
如果用直角坐标系的横轴代表灰度级r,用纵轴代表灰度级的概率密度函数 p r( r), 这样就可以针对一副图像在这个坐标系做一个曲线来。
基于MATLAB的图像增强处理
灰度变换增强：像素的选择：>> rgb=imread('peppers.png'); >> c=[12 146 410];>> r=[104 156 129];>> pixels=impixel(rgb,c,r);62 34 63166 54 6059 28 47绘制像素灰度分布曲线：>> i=fitsread('solarspectra.fts'); >> imshow(i,[]);>> improfile>> i=imread('liftingbody.png'); >> subplot(1,2,1);imshow(i);>> x=[19 427 416 77];>> y=[96 462 37 33];>> subplot(1,2,2);improfile(i,x,y); >> grid on;绘制图像的等值线：>> i=imread('circuit.tif'); >> subplot(1,2,1);imshow(i); >> subplot(1,2,2);imcontour(i,3);直方图：>> i=imread('pout.tif');>> subplot(1,2,1);imshow(i); >> subplot(1,2,2);imhist(i);图像像素的统计特性：>> i=imread('pout.tif'); >> b=mean2(i)b =110.3037>> c=std2(i)c =23.1811>> j=medfilt2(i);>> r=corr2(i,j)r =0.9959图像的区域属性：>> bw=imread('text.png'); >> l=bwlabel(bw);>> stats=regionprops(l,'all');>> stats(23)ans =Area: 48Centroid: [121.3958 15.8750]BoundingBox: [118.5000 8.5000 6 14]SubarrayIdx: {[9 10 11 12 13 14 15 16 17 18 19 20 21 22] [119 120 121 122 123 124]}MajorAxisLength: 15.5413MinorAxisLength: 5.1684Eccentricity: 0.9431Orientation: -87.3848ConvexHull: [10x2 double]ConvexImage: [14x6 logical]ConvexArea: 67Image: [14x6 logical]FilledImage: [14x6 logical]FilledArea: 48EulerNumber: 1Extrema: [8x2 double]EquivDiameter: 7.8176Solidity: 0.7164Extent: 0.5714PixelIdxList: [48x1 double]PixelList: [48x2 double]灰度变换：线性变换：>> x=imread('forest.tif');>> f0=0;g0=0;>> f1=10;g1=10;>> f2=180;g2=1800;>> f3=255;g3=255;>> figure;plot([f0,f1,f2,f3],[g0,g1,g2,g3]);>> axis tight;>> r1=(g1-g0)/(f1-f0);>> b1=g0-r1*f0;>> r2=(g2-g1)/(f2-f1);>> b2=g1-r2*f1;>> r3=(g3-g2)/(f3-f2);>> b3=g2-r3*f2;>> [m,n]=size(x);>> x1=double(x);>> for i=1:mfor j=1:nf=x1(i,j);g(i,j)=0;if(f>=f1)&(f<=f2)g(i,j)=r1*f+b2;else if(f>=f2)&(f<=f3)g(i,j)=r3*f+b3;end;end;end;end;>> figure;imshow(mat2gray(g))分段线性变换：>> x=imread('forest.tif');>> f0=0;g0=0;>> f1=50;g1=50;>> f2=220;g2=250;>> f3=255;g3=255;>> subplot(1,2,1);plot([f0,f1,f2,f3],[g0,g1,g2,g3]); >> axis tight;>> r1=(g1-g0)/(f1-f0);>> b1=g0-r1*f0;>> r2=(g2-g1)/(f2-f1);>> b2=g1-r2*f1;>> r3=(g3-g2)/(f3-f2);>> b3=g2-r3*f2;>> [m,n]=size(x);>> x1=double(x);>> for i=1:mfor j=1:nf=x1(i,j);g(i,j)=0;if(f>=f1)&(f<=f2)g(i,j)=r1*f+b2;else if(f>=f2)&(f<=f3)g(i,j)=r3*f+b3;end;end;end;end;>> subplot(1,2,2);imshow(mat2gray(g));非线性灰度变换：>> x=imread('forest.tif');>> c=255/log(256);>> x=0:255;>> y=c*log(1+x);>> subplot(1,2,1);plot(x,y);axis tight; >> [m,n]=size(x);>> x1=double(x);>> for i=1:mfor j=1:ng(i,j)=0;g(i,j)=c*log(x1(i,j)+1);end;end;>> subplot(1,2,2);imshow(mat2gray(g));对灰度图像进行灰度值调整：>> p=imread('pout.tif');>> pj=imadjust(p);>> ph=histeq(p);>> pa=adapthisteq(p);>> subplot(1,2,1);imshow(p);>> subplot(1,2,2);imshow(pj);对索引图像进行灰度值调整：>> rgb1=imread('football.jpg');>> rgb2=imadjust(rgb1,[.2 .3 0;.6 .7 1],[]);>> subplot(1,2,1);imshow(rgb1);>> subplot(1,2,2);imshow(rgb2);增加图像的亮度：>> rgb1=imread('football.jpg');>> rgb2=imadjust(rgb1,[.2 .3 0;.6 .7 1],[]);>> subplot(1,2,1);imshow(rgb1);>> subplot(1,2,2);imshow(rgb2);>> clear;>> figure('Renderer','zbuffer');axesm bries;>> text(1.2,-1.8,'Briesemeister projection');>> framem('FlineWidth',1);>> load topo;>> geoshow(topo,topolegend,'DisplayType','texturemap'); >> demcmap(topo);>> set(gcf,'color','w');>> brighten(.5);直方图均衡化：>> i=imread('tire.tif');>> j=histeq(i);>> subplot(2,2,1);imshow(i); >> subplot(2,2,2);imshow(j); >> subplot(2,2,3);imhist(i,64); >> subplot(2,2,4);imhist(j,64);直方图的规定化：>> i=imread('forest.tif');>> h=0:255;>> subplot(2,2,1);imshow(i); >> j=histeq(i,h);>> subplot(2,2,2);imshow(j); >> subplot(2,2,3);imhist(i,64); >> subplot(2,2,4);imhist(j,64);空域滤波增强：平滑滤波器：>> i=imread('cameraman.tif'); >> subplot(2,2,1);imshow(i); >> h=fspecial('motion',20,45); >> mb=imfilter(i,h,'replicate'); >> subplot(2,2,2);imshow(mb); >> h=fspecial('disk',10);>> bl=imfilter(i,h,'replicate'); >> subplot(2,2,3);imshow(bl); >> h=fspecial('unsharp');>> sh=imfilter(i,h,'replicate'); >> subplot(2,2,4);imshow(sh);用各种尺寸的模板平滑图像：>> i=imread('eight.tif');>> j=imnoise(i,'salt & pepper',0.025); >> subplot(2,3,1);imshow(i);>> subplot(2,3,2);imshow(j);>> k1=filter2(fspecial('average',3),j); >> k2=filter2(fspecial('average',5),j); >> k3=filter2(fspecial('average',7),j); >> k4=filter2(fspecial('average',9),j); >> subplot(2,3,3);imshow(uint8(k1)); >> subplot(2,3,4);imshow(uint8(k2)); >> subplot(2,3,5);imshow(uint8(k3)); >> subplot(2,3,6);imshow(uint8(k4));中值滤波器：>> i=imread('cameraman.tif'); >> j1=imnoise(i,'salt & pepper',0.01); >> k1=medfilt2(j1);>> j2=imnoise(i,'gaussian',0.01); >> k2=medfilt2(j2);>> subplot(2,3,1);imshow(i);>> subplot(2,3,2);imshow(j1);>> subplot(2,3,3);imshow(k1);>> subplot(2,3,4);imshow(j2);>> subplot(2,3,5);imshow(k2);>> i=imread('cameraman.tif');>> j1=imnoise(i,'salt & pepper',0.01); >> k1=medfilt2(j1,[6,6]);>> j2=imnoise(i,'gaussian',0.01); >> k2=medfilt2(j2,[6,6]);>> subplot(2,3,1);imshow(i);>> subplot(2,3,2);imshow(j1);>> subplot(2,3,3);imshow(k1,[]); >> subplot(2,3,4);imshow(i);>> subplot(2,3,5);imshow(j2);>> subplot(2,3,6);imshow(k2,[]);带噪声的图像的最小值与最大值滤波图像：>> a=imread('eight.tif');>> b=imnoise(a,'salt & pepper',0.025);>> do=[0 0 1 0 0;0 1 0 1 0;1 0 1 0 1;0 1 0 1 0;0 0 1 0 0]; >> c=ordfilt2(b,1,do);>> d=ordfilt2(b,9,do);>> subplot(2,2,1);imshow(a);>> subplot(2,2,2);imshow(b);>> subplot(2,2,3);imshow(c);>> subplot(2,2,4);imshow(d);自适应滤波器：>> rgb=imread('saturn.png'); >> i=rgb2gray(rgb);>> j=imnoise(i,'gaussian',0,0.025); >> k=wiener2(j,[5 5]);>> subplot(1,3,1);imshow(i); >> subplot(1,3,2);imshow(j); >> subplot(1,3,3);imshow(k);锐化滤波器：线性锐化滤波器：>> i=imread('rice.png');>> h=fspecial('laplacian');>> i2=filter2(h,i);>> subplot(1,2,1);imshow(i); >> subplot(1,2,2);imshow(i2);非线性锐化滤波器：>> [i,map]=imread('eight.tif'); >> subplot(2,2,1);imshow(i,map); >> i=double(i);>> [ix,iy]=gradient(i);>> gm=sqrt(ix.*ix+iy.*iy);>> out1=gm;>> subplot(2,2,2);imshow(out1,map); >> out2=i;>> j=find(gm>=15);>> out2(j)=gm(j);>> subplot(2,2,3);imshow(out2,map); >> out3=i;>> j=find(gm>=20);>> out3(j)=255;>> q=find(gm<20);>> out3(q)=0;>> subplot(2,2,4);imshow(out3,map);>> i=imread('eight.tif');>> subplot(2,2,1);imshow(i); >> h1=fspecial('sobel');>> i1=filter2(h1,i);>> h2=fspecial('prewitt'); >> i2=filter2(h2,i);>> h3=fspecial('log');>> i3=filter2(h3,i);>> subplot(2,2,2);imshow(i1); >> subplot(2,2,3);imshow(i2); >> subplot(2,2,4);imshow(i3);频域滤波增强：低通滤波：>> i1=imread('eight.tif');>> i2=imnoise(i1,'salt & pepper'); >> f=double(i2);>> g=fft2(f);>> g=fftshift(g);>> [N1,N2]=size(g);>> n=2;>> d0=50;>> n1=fix(N1/2);>> n2=fix(N2/2);>> for i=1:N1for j=2:N2d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+0.414*(d/d0)^(2*n));s1(i,j)=h*g(i,j);if(g(i,j)>50)s2(i,j)=0;elses2(i,j)=g(i,j);end;end;end;>> s1=ifftshift(s1);>> s2=ifftshift(s2);>> x2=ifft2(s1);>> x3=uint8(real(x2));>> x4=ifft2(s2);>> x5=uint8(real(x4));>> subplot(2,2,1);imshow(i1); >> subplot(2,2,2);imshow(i2); >> subplot(2,2,3);imshow(x3); >> subplot(2,2,4);imshow(x5);高通滤波器：>> j=imread('rice.png');>> subplot(2,3,1);imshow(uint8(j)); >> j=double(j);>> f=fft2(j);>> g=fftshift(f);>> [M,N]=size(f);>> n1=floor(M/2);>> n2=floor(N/2);>> d0=20;>> for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d>=d0h1=1;h2=1+0.5;elseh1=0;h2=0.5;end;g1(i,j)=h1*g(i,j);g2(i,j)=h2*g(i,j);end;end;>> g1=ifftshift(g1);>> g1=uint8(real(ifft2(g1)));>> g2=ifftshift(g2);>> g2=uint8(real(ifft2(g2)));>> subplot(2,3,2);imshow(g1);>> subplot(2,3,3);imshow(g2);>> n=2;>> d0=20;>> for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d==0h1=0;h2=.5;elseh1=1/(1+(d0/d)^(2*n));h2=1/(1+(d0/d)^(2*n))+0.5;end;gg1(i,j)=h1*g(i,j);gg2(i,j)=h2*g(i,j);end;end;>> gg1=ifftshift(gg1);>> gg1=uint8(real(ifft2(gg1)));>> gg2=ifftshift(gg2);>> gg2=uint8(real(ifft2(gg2)));>> subplot(2,3,4);imshow(gg1);>> subplot(2,3,5);imshow(gg2);同态滤波器：>> i=imread('eight.tif');>> j=double(i);>> f=fft2(j);>> g=fftshift(f);>> [M,N]=size(f);>> d0=10;>> r1=0.5;>> rh=2;>> c=4;>> n1=floor(M/2);>> n2=floor(N/2);>> for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);h=(rh-r1)*(1-exp(-c*(d.^2/d0.^2)))+r1;end;end;>> g=ifftshift(g);>> g=uint8(real(ifft2(g)));>> subplot(1,2,1);imshow(i);>> subplot(1,2,2);imshow(g);彩色增强：利用密度分割法进行伪彩色增强：>> a=imread('eight.tif');>> subplot(1,2,1);imshow(a);>> c=zeros(size(a));>> pos=find(a<20);>> c(pos)=a(pos);>> b(:,:,3)=c;>> c=zeros(size(a));>> pos=find((a>20)&(a<40));>> c(pos)=a(pos);>> b(:,:,2)=c;>> c=zeros(size(a));>> pos=find(a>=40);>> c(pos)=a(pos);>> b(:,:,1)=c;>> b=uint8(b);>> subplot(1,2,2);imshow(b);真彩色增强：>> rgb=imread('peppers.png');>> subplot(2,2,1);imshow(rgb); >> subplot(2,2,2);imshow(rgb(:,:,1)); >> subplot(2,2,3);imshow(rgb(:,:,2)); >> subplot(2,2,4);imshow(rgb(:,:,3));。
利用MATLAB对图像进行处理
光电图像处理2021年 4月（一）彩色图像的增强1.研究目的及意义人类传递的信息有70%是视觉信息.图像信息是传递信息的重要媒体和手段。
但是在生活中,常常由于光线不充足,在获得图像后会发现图像亮度不够,导致景物无法看清楚。
为了研究和分析图像,需对图像进行必要的处理。
对于数字图像常用的处理方法就是用图像增强技术来改善图像的像质。
图像增强是指按特定的需要突出一幅图像的某些信息,同时，削弱或去除某些不需要的信息的处理方法。
其主要目的是使处理后的图像对某种特定的应用来说，比原始图像更适用。
处理的结果使图像更适合于人的视觉特性或机器的识别系统。
图像增强技术主要是针对灰度图来作用。
其手段是修改直方图。
在图像处理中色彩的运用是很重要的,原因有两个:第一,在自动图像分析中色彩是一个有力的描述工具,它通常可使从一个场景中识别和抽取日标的处理得到简化;第二,人们对图像进行分析时,人眼区别的灰度层次大约只有二十几种,但却能够识别成千上万的色彩。
彩色图像中含有较大的信息量;而且人眼对色彩的识别和区分能力可以达到灰度辨别能力的百倍以上，所以彩色图像的增强对从图像中获得更多的信息有着非常重要的作用。
2.理论基础图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息，削弱或消除无关信息达到强调图像的整体或局部特征的目的。
常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等。
图像增强技术主要分为两类：频域增强法和空域增强法。
频域增强法主要是利用各种频域滤波器进行图像平滑或锐化处理,然后进行变换域反变換来增强图像;空域增强法是直接针对图像中的像素,对图像的灰度进行处理。
空域法属于直接增强的方法,它包括扩展对比度的灰度变换和直方图变换.清除噪声的平滑法和增强边缘的锐化法。
图像增强原理：设原始图像在(x,y)处的灰度为f(x,y)，而增强后的灰度为g(x,y)，则图像的增强可表示为将在(x,y)处的灰度f(x,y)映射为g(x,y),可表示为g(x,y)=T[f(x,y)],针对灰度图像。
matlab数字图像处理—图像增强
图像增强图像增强的定义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，也是提高图像质量的过程[9]。
图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。
图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。
但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的[10]。
传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：ST 转换，直方图均衡，中值滤波，微分锐化，高通滤波等等。
这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。
常用的图像增强方法图像增强可分成两大类：空间域法和频率域法。
基于空间域的算法处理时直接对图像灰度级做运算；基于频率域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。
基于空间域的算法分为点运算算法和邻域去噪算法。
点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。
邻域增强算法分为图像平滑和锐化两种。
平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。
常用算法有均值滤波、中值滤波。
锐化的目的在于突出物体的边缘轮廓，便于目标识别。
常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
基于频率域的算法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。
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图像增强_课件
直接灰度变换
3. 对数变换
要消除这种因动态范围太大而引起的失真，一种 有效的方法是对原图像的动态范围进行压缩，最常用 的是借助对数形式对动态范围进行调整，其数学表达 式如下：
t C log(1 | s |)
a
b
c
d
18
直接灰度变换
4、灰度切割 目的：增强特定范围的对比度，用来突出图像中特定 灰度范围的亮度。 一种方法：是对感兴趣的灰度级以较大的灰度值t2 显示而对另外的灰度级则以较小的灰度值t1来显示。 s1 s s 2 t 2 t 其它 t1 另一种方法：对感兴趣的灰度级以较大的灰度值 进行显示而其他的灰度级则保持不变。
第五章 图像增强
1
5.1
概
述
2
图像增强方法
以图 像 “得 增 好到 强 ”对 的 具 ， 基于像素的点处理 目 更体 的 应 “ 是 空域方法 有用 对 来 用 基于模板的空域滤波 图 ”说 像 的视 进 图觉 行 频域方法：高通、低通、带通 效 像 带阻、同态滤波 果加 更工 ，
概述
例：
3
a)原图
结果
原始直方图
规定直方图
结果直方图
44
直方图规定化
效果
原始图像
规定直方图
规定化后的图像
规定化后直方图
45
46
直方图修正的特点
直方图均衡化的特点是计算相对简单，能自动 的增强整个图像的对比度，但具体的增强效果 不易控制，处理的结果也是得到全局均衡化的 直方图。
直方图规定化的特点：计算量大，有选择的增 强图像特定灰度范围，更灵活、更有针对性， 若能正确选择规定化的增强函数，就可以得到 比直方图均衡化更好的效果。
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中图像增强技术的实现-数字图像处理课程设计
MATLAB中图像增强技术的实现-数字图像处理课程设计摘要摘要图像增强是指依据图像所存在的问题，按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些冗余信息的处理方法。
其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。
图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
图像增强单纯从技术上可分成两大类:一类是频域处理法;一类是空域处理法。
频域处理法的采用的是卷积定理，它利用修改图像傅立叶变换的方法实现对图像的增强处理;空域处理法则是对图像中的像素进行直接的处理，大多数是以灰度映射变换为基础的，所用的映射变换取决于增强的目的。
在本论文中，利用Matlab提供的若干函数，用于图像类型的转换。
Matlab支持五种图像类型，即二值图像、索引图像、灰度图像、RGB图像和多帧图像阵列。
在Matlab中要查询一个图像文件的信息，只要用imfinfo指令加上文件及其完整路径名即可。
Matlab提供了两个重要的用于图像文件的读写的指令，分别是从图像文件中读取数据的imread，以及将数据写入到图像文件中的imwrite。
至于多个图像的显示，则可分为两个方面:在不同的图形窗口显示不同的图像，可以用figure指令来实现;在同一个图形窗口显示多图，可以用subplot来实现。
关键字:matlab图像增强灰度滤波器IAbstractAbstractThe image intensification is refers specificly according to needs to highlight in an image certain informations, simultaneously, weakens the information processing method which or removes certain does notneed.After its main purpose is the processing image is more effective than to certain specific applications the original image.The image intensification technology mainly contains histogram revision processing, image smooth processing, image intensification processing and thecolored processing technology and so on.The image intensification technology basically separable becomes two big kinds: One kind is the frequency range processing law, one kind is the air zone processing law.The frequency range processing method foundation convolutes the theorem.It uses the revision image Fourier transformation the method realization to image enhancement processing.Image of point operations, point operations will enter the image map for the output image, output image each pixel gray value only by the corresponding input pixel value decision. Nonlinear point operations correspond to non-linear mapping function, mapping, including the square of the typical functions, logarithmic functions, the interceptionfunction (window function), field-valued functions, such as multi-value quantization function. Threshold processing is the most common point ofa nonlinear operator, its function is to select a threshold value, the image binarization, and then use the resulting binary image for image segmentation and edge tracking processing.Keyword: the image intensification of matlab 、gray、filter、II武汉科技大学中南分校大学毕业论文目录摘要...................................................................... . (I)ABSTRACT ........................................................... .. (II)目录...................................................................... .. (III)第一章绪论...................................................................... .. (5)第二章 MATLAB的简介 ..................................................................... . (6)2.1 MATLAB主要功能 ..................................................................... ...................... 6 2.2 MATLAB优势 ..................................................................... (7)2.2.1 工作平台和编程环境...................................................................... (7)2.2.2 实用的程序语言...................................................................... .. (7)2.2.3 计算机数据处理能力...................................................................... (7)2.2.4 图形处理功能...................................................................... (8)2.2.5 应用的模块集合工具箱...................................................................... ..... 8 2.3 MATLAB函数与数据类型 ..................................................................... .. (8)2.3.1 整型...................................................................... . (9)2.3.2 浮点数...................................................................... (9)2.3.3 字符...................................................................... . (9)2.3.4 常用的字符操作函数...................................................................... ......... 9 2.4 MATLAB常用工具箱 ..................................................................... .................. 10 2.5 小结...................................................................... .......................................... 10 第三章 MATLAB图像增强 ..................................................................... . (12)3.1 图像增强技术概述...................................................................... (12)3.1.1 空域滤波增强...................................................................... . (12)3.1.2 平滑滤波器...................................................................... .. (12)3.1.3 中值滤波器...................................................................... .. (13)3.1.4 锐化滤波器...................................................................... .. (14)3.1.5 低通滤波器...................................................................... .. (14)3.1.6 高通滤波器...................................................................... .. (15)3.1.7 同态滤波器...................................................................... .. (15)III3.2 MATLAB图像增强函数 ..................................................................... ............ 15 3.3 MATLAB应用于数字图像增强和滤波 (16)3.3.1 目的...................................................................... .. (16)3.3.2 内容...................................................................... ................................... 17 3.4 实验...................................................................... (22)总结...................................................................... .. (39)致谢...................................................................... .. (40)参考文献...................................................................... (41)IV第二章 Matlab的简介第一章绪论图像增强技术的发展大致经历了初创期、发展期、普及期和应用期4个阶段。
基于MATLAB的图像增强算法研究与仿真 毕业设计
基于MATLAB的图像增强算法研究与仿真摘要图像增强是指跟据图像中存在的问题，按特定的需求来突出一幅图像中的某些信息，同时，削弱或去除某些冗余信息的处理方法。
其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。
图像增强技术主要包含直方图灰度变换处理、直方图均衡化处理、图像平滑滤波处理、图像锐化处理等。
本文先对图像增强的原理进行论述，然后对图像增强的方法分类并给出直方图灰度变换、直方图均衡化，平滑滤波和锐化等几种常用的增强方法,通过MATLAB实验仿真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。
关键词：MATLAB，图像增强，直方图增强，平滑，锐化Image enhancement technology based on MATLABABSTRACTThe image intensification is refers specificly according to needs to highlight in an image certain informations, simultaneously, weakens the information processing method which or removes certain does not need.After its main purpose is the processing image is more effective than to certain specific applications the original image.Image enhancement technology mainly includes histogram gray level transformation, histogram equalization, image smoothing processing, image intensification treatment etc. This article first overview of the principle of image enhancement and image enhancement method of classification and histogram is given gray level transformation, histogram equalization, smoothing filtering and sharpening and so on several common enhancement method, through the MATLAB experiment it is concluded that the actual processing effect to compare the advantages and disadvantages of various algorithms, discussed the main technical points of the different enhancement algorithm, and its image enhancement method for performance evaluation.KEY WORDS: matlab，image enhancement, histogram enhancement，smoothing sharpening目录前言 (1)第1章绪论 (1)1.1 课题研究背景及意义 (1)1.2 国内外研究现状 (1)1.3 研究内容 (2)第2章MATLAB简介 (3)2.1 MATLAB主要功能 (3)2.2 MATLAB优势 (3)2.2.1 工作平台与编辑环境 (3)2.2.2 程序语言 (3)2.2.3 科学计算机数据处理能力 (4)2.2.4 图形处理功能 (4)2.2.5 模块集合工具箱 (5)2.4 Matlab常用工具箱 (5)2.5 小结 (5)第3章图像增强的基本理论 (7)3.1 图像增强的定义 (7)3.2 图像增强的分类及方法 (7)3.3 常用的图像增强方法 (8)3.3.1 直方图均衡化 (8)3.3.2 灰度变换法 (8)3.3.3平滑噪声 (9)3.3.4 锐化 (9)第4章MATLAB图像增强 (10)4.1图像增强技术概述 (10)4.2直方图灰度变换 (10)4.2.1图像的灰度 (10)4.2.2灰度直方图 (11)4.3直方图均衡化 (13)4.4平滑滤波 (14)4.4.1均值滤波 (14)4.4.2中值滤波 (16)4.4.3低通滤波 (18)4.4.4维纳滤波 (18)4.5 锐化 (22)4.5.1 拉普拉斯算子 (22)4.5.2 Sobel算子 (24)4.5.3 Prewitt算子 (25)结论 (27)谢辞 (28)参考文献 (29)附录 (31)外文资料翻译 (35)前言图像是人类获取外界信息，感知世界的视觉基础，同时也是表达和传递信息的重要手段。
MATLAB彩色图像处理
色彩平衡是调整图像中颜色分量的过程，以改善图像的色彩表现。在Matlab中，可以 使用colorbalance函数进行色彩平衡。
03
图像滤波与变换
图像滤波
均值滤波
通过将像素邻域的平均 值赋给输出图像的相应 像素，减少图像中的噪
声。
中值滤波
将像素值替换为其邻域 的中值，对去除椒盐噪
声特别有效。
高斯滤波
使用高斯函数对图像进 行平滑处理，有助于减
少图像中的细节。
双边滤波
结合了像素的空间邻近 度和灰度值相似度，能
够保留边缘信息。
图像变换
傅里叶变换
小波变换
将图像从空间域转换到频率域，用于分析 图像的频率成分。
将图像分解成不同频率和方向的小波系数 ，用于图像压缩和特征提取。
离散余弦变换（DCT）
支持向量机（SVM）
基于统计学习理论的分类器，用于图像识别。
05
Matlab应用实例
图像平滑处理
01
02
03
均值滤波
通过将像素邻域的平均值 赋给输出图像的相应像素， 减少图像中的噪声。
高斯滤波
利用高斯函数的形状对图 像进行平滑，对图像的边 缘进行平滑处理，减少噪 声的影响。
中值滤波
将像素邻域的中值赋给输 出图像的相应像素，对去 除椒盐噪声特别有效。
图像锐化处理
拉普拉斯算子
利用拉普拉斯算子对图像 进行锐化，增强图像的边 缘和细节。
梯度算子
基于图像梯度的锐化方法， 能够突出显示图像中的边 缘和其他高频部分。
Sobel算子
通过计算像素邻域内像素 的加权差分，实现图像的 锐化。
图像边缘检测
Canny边缘检测
基于MATLAB的图像增强处理
精选2021版课件
4
第二章：MATLAB简介
● 2.1、MATLAB的发展历史 ● MATLAB全称是（matrix&laboratory）由
mathworks公司推出。 ● MATLAB是由Cleve Moler博士在为了方便学生
学习EISPACK和LINPACK程序库的目的下编写的 。 ● 在20世纪70年代由Cleve Moler博士、John Little、Steve Bangert三人共同推出改进版。
精选2021版课件
27
● 例：
●
（图像取反）
●
（亮度变化）
精选2021版课件
28
5.2、直方图处理
● 直方图处理分为直方图均衡化和直方图规定化 ● 1、直方图均衡化：对像素多的进行扩展，对像素
少的进行缩减，是图像对应得直方图变为均匀分 布 ● 2、直方图规定化通过一个灰度印象函数，可将图 像的灰度直方图改造为希望的直方图 ● imhist用于查看灰度图或索引图的灰度直方图
●
[X,map]=rgb2ind(RGB,n)/*n取小于或等
于65536
●
X=rgb2ind(RGB,map)
●
[...]=rgb2ind(...,'dither_option')
/*dither_option取dither/nodither判断是否使用
抖动转换图像
精选2021版课件
22
● 例1： ●
精选2021版课件
13
3、图像显示函数 imshow、image、imagesc、imtool 格式：imshow(rgb/ind/bw/gray) image(I,[low,high]) imagesc(I) imtool(rgb/ind/bw/gray)
基于matlab的 图像增强技术的分析与实现
数字图形图像处理基于matlab的图像增强技术的分析与实现基于matlab的图像增强技术的分析与实现摘要:基于数字图像增强对图像处理的重要性，将计算软件MATLA 应用于数字图像增强中，给出了用这一软件完成图像的对比度增强、直方图均衡化、平滑滤波、锐化等操作的示例，并给出了处理前后的对照图像。
同时论述了MATLAB在进行图像处理试验时简洁、高效的特点。
关键词:图像增强；MATLAB；直方图均衡化；平滑滤波；锐化基于matlab的图像增强技术的分析与实现引言：对于一个图像处理系统来说，可将流程分为三个阶段，在获取原始图像后，首先是图像预处理阶段、第二是特征抽取阶段、第三是识别分析阶段，其中图像预处理阶段尤为重要，如果此阶段处理不当，后面的工作将无法展开。
实际应用中,我们的系统获取的原始图像并非完美:例如系统获取的原始图像，由于噪声、光照等原因,使得图像的质量不高,需进行预处理,以达到利于我们提取感兴趣的信息的目的。
图像的预处理包括图像增强、平滑滤波、锐化等内容.图像的预处理既可以在空间域实现,也可以在频域内实现,其中空间域内实现是对图像进行点运算,它是一种既简单又重要的图像处理技术,它能让用户改变图像上像素点的灰度值,这样通过点运算处理将产生一幅新图像。
MATLAB是一种简单、高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。
1、灰度直方图的定义：一幅数字图像的灰度直方图就是一个灰度级的离散函数。
设变量 r代表图像中像素灰度级。
在图像中像素的灰度级可归一化处理, 这样, r的值将限定在下述范围之内：(1)在灰度级中, r= 0代表黑，r= 1代表白。
对于一副给定的图像来说, 每一个像素取得[0，1]区间内的灰度级是随机的,也就是说r是一个随机变量。
假定对每一瞬间他们是连续的随机变量，那么，就可以用概率密度函数 p r(r)来表示原始图像得灰度分布。
如果用直角坐标系的横轴代表灰度级r,用纵轴代表灰度级的概率密度函数 p r( r), 这样就可以针对一副图像在这个坐标系做一个曲线来。
基于MATLAB的图像增强方法与实现
基于MATLAB的图像增强方法与实现图像，包含模拟图像与数字图像，是图形与影像的合称，在人类的日常生活中有着不可替代的地位：它是人类主要依赖的信息源之一，来源于视觉的信息可以占到个人总体所获取的百分之七十五左右。
由于人类日常工作与生活中对图像质量与清晰度越来越高的要求，图像处理作为一样通过计算机对图像进行分析和处理的技术，在应用领域得到了很大的发展。
图像增强作为数字图像处理主要技术之一，可以实现对图像视觉效果的改良，并根据不同的图像的具体应用情况，实现对图像某种特定属性的突出与强调，对不同元素之间的差异的扩大，以达到使图像的信息量更加丰富，提升图像质量的目的，迎合某些场合对图像分析的需要。
MATLAB是由美国Math-Works公司出品的应用于算法开发、数据计算、数据的可视化及分析的一款数学软件，它以矩阵作为基本数据单位，能够实现高效的数值计算和符号计算，同时图形处理功能比较完善，且具有良好的用户界面。
与C++类似的语法特征结合与数学表达式相似的书写格式使得MATLAB这种语言能够使操作更简单，且能更加直观显示出图像处理的效果。
本文主要研究不同的图像增强算法，分别详述图像增强的两大类——空间域图像增强方法与频率域图像增强方法中的多种具体图像增强算法，如直方图均衡化算法，高斯低通滤波算法等，对它们的理论基础和意义进行阐述，对不同算法的具体使用范围加以讨论，并最终使用MATLAB语言对图像增强算法进行具体的实现。
目录第1章绪论 (3)1.1课题背景 (3)1.2图像增强研究意义与发展现状 (4)1.3论文研究工作与结构安排 (4)第2章图像增强技术基本简介 (6)2.1数字图像处理基本概念 (6)2.2图像增强简介 (9)第3章图像增强算法及原理 (12)3.1直接灰度级变换 (12)3.2直方图变换 (19)3.3空间域内的图像平滑与锐化 (22)3.4频率域滤波方法 (25)第4章图像增强算法的MATLAB实现 (40)4.1基本运行界面 (40)4.2图像增强算法具体实现 (41)第1章绪论1.1 课题背景数字图像处理最早期出现在20世纪50年代，电子计算机在当时已经具备一定水平，计算机也开始被人们利用来处理图形、图像信息。
基于MATLAB彩色图像及增强处理设计方法资料
课程设计题目基于MATLAB彩色图像及增强处理设计方法学生姓名曹刘惠子学号 1110064087 所在院(系)物电学院专业班级电子信息科学与技术1103指导教师蒋媛完成地点博源楼1102教室基于MATLAB彩色图像及增强处理设计方法曹刘惠子（陕西理工学院物电学院电子信息科学与技术专业1103班级，陕西汉中 723000）指导老师：蒋媛[摘要]图像增强是指依据图像所存在的问题，按特定的需要突出一幅图像中的某一些信息，同时，削弱或去除某些冗余信息的处理方法。
其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。
图像增强单纯从技术上可分成两大类：一类是频域处理法；一类是空域处理法。
大多数是以灰度映射变换为基础的，所用的映射变换取决于增强的目的。
彩色图像比灰度图像包含更多的信息，无论是对人们的视觉感受，还是后续的图像理解与分析，彩色图像都具有灰度图像无可比拟的优越性。
本文主要研究基于MATLAB彩色图像的增强方法。
不同原理产生的彩色图像有不同的处理方法，故在本文中主要论述彩色图像增强用法之间以及仿真结果的比较。
运用MATLAB 软件实现彩色图像增强仿真，比较处理方法。
[关键词]彩色图像图像增强时域频域MATLAB目录1绪论 (5)1.1课题研究目的及意义 (5)1.2本课题的研究内容 (5)2彩色图像及其增强处理设计方法 (5)2.1基本概念 (5)2.2图像处理工具 (5)2.3伪彩色增强 (6)2.4真彩色增强 (8)2.5假彩色增强 (10)3 程序实现及比较 (10)3.1伪彩色图像增强 (10)3.2真彩色图像增强 (11)3.3假彩色图像增强 (13)1绪论1.1课题研究目的及意义人类传递的信息有70%是视觉信息，图像信息是传递信息的重要手段和媒体。
但是在生活中，由于光线不合适，在获得图像后会发现图像亮不够或对比度不强，导致景物无法看清。
彩色图像比灰度图像包含更多的信息，无论是对人们的视觉感受，还是后续的图像理解与分析，彩色图像都具有灰度图像无可比拟的优越性。
基于MATLAB彩色图像及增强处理设计方法
课程设计题目基于MATLAB彩色图像及增强处理设计方法学生姓名曹刘惠子学号 1110064087 所在院(系)物电学院专业班级电子信息科学与技术1103指导教师蒋媛完成地点博源楼1102教室基于MATLAB彩色图像及增强处理设计方法曹刘惠子（陕西理工学院物电学院电子信息科学与技术专业1103班级，陕西汉中 723000）指导老师：蒋媛[摘要]图像增强是指依据图像所存在的问题，按特定的需要突出一幅图像中的某一些信息，同时，削弱或去除某些冗余信息的处理方法。
其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。
图像增强单纯从技术上可分成两大类：一类是频域处理法；一类是空域处理法。
大多数是以灰度映射变换为基础的，所用的映射变换取决于增强的目的。
彩色图像比灰度图像包含更多的信息，无论是对人们的视觉感受，还是后续的图像理解与分析，彩色图像都具有灰度图像无可比拟的优越性。
本文主要研究基于MATLAB彩色图像的增强方法。
不同原理产生的彩色图像有不同的处理方法，故在本文中主要论述彩色图像增强用法之间以及仿真结果的比较。
运用MATLAB 软件实现彩色图像增强仿真，比较处理方法。
[关键词]彩色图像图像增强时域频域MATLAB目录1绪论 (5)1.1课题研究目的及意义 (5)1.2本课题的研究内容 (5)2彩色图像及其增强处理设计方法 (5)2.1基本概念 (5)2.2图像处理工具 (5)2.3伪彩色增强 (6)2.4真彩色增强 (8)2.5假彩色增强 (10)3 程序实现及比较 (10)3.1伪彩色图像增强 (10)3.2真彩色图像增强 (11)3.3假彩色图像增强 (13)1绪论1.1课题研究目的及意义人类传递的信息有70%是视觉信息，图像信息是传递信息的重要手段和媒体。
但是在生活中，由于光线不合适，在获得图像后会发现图像亮不够或对比度不强，导致景物无法看清。
彩色图像比灰度图像包含更多的信息，无论是对人们的视觉感受，还是后续的图像理解与分析，彩色图像都具有灰度图像无可比拟的优越性。
数字图像处理与机器视觉-基于MATLAB实现 第8章 彩色图像处理
图8-5 HSV彩色系统
8.2.3 HSV彩色模型
从RGB转换为HSV HSV彩色系统基于圆柱坐标系。从RGB转换为HSV需要开发将(笛卡儿坐标系中的)RGB
8.2.2 Matlab实现
Matlab实现RGB模型
在Matlab中，RGB图像可以表示为 的三维矩阵。每个彩色像素对应于彩色图像中特定空间位置的红、绿、 蓝三个分量。组件图像的数据类型决定了它们的取值范围。如果RGB图像的数据类型为double，则每个分量 图像的取值范围为[0，1]，如果数据类型为uint8或uint16，则每个分量图像的取值范围分别为[0，255]或[ 0， 65535]。
8.3.1图像的伪彩色处理
伪彩色处理 在遥感、医学、安检等图像处理中，为了直观地观察和分析图像数据，常采用将灰度
图像映射到彩色模型的方法来突出感兴趣区域或待分析的数据段。这种显示方法称为伪彩 色处理。 伪彩色处理不会改变像素的位置，只会改变其显示的颜色。 伪彩色处理是一种 非常实用的图像增强技术，主要用于提高人眼分辨图像的能力。这种处理可以通过计算机 或专用硬件设备来完成。
值来驱动R、G、B电子枪发射电子，分别激发荧光屏幕上的R、G、B三色荧光粉末。粉末 通过添加和混合发出不同亮度的光并产生各种颜色。 扫描仪通过吸收原稿经反射或透射发 出的光中的R、G、B成分，并用它来表现原稿的颜色。 RGB 色彩空间是与设备相关的色 彩空间。 因此，不同的扫描仪扫描同一幅图像会得到不同的彩色图像数据：不同型号的显 示器显示相同的图像也会有不同的彩色显示结果。
本章将会探究Matlab所带的图像处理工具箱进行彩色图像处理的基本原，并将工 具箱的某些功能通过使用所开发的彩色生成和变换函数来进行拓展。本章的内容建立 在假定部分读者已基本熟悉彩色图像处理的术语和原理。
- 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)。
课程设计题目基于MATLAB彩色图像及增强处理设计方法学生姓名曹刘惠子学号 1110064087 所在院(系)物电学院专业班级电子信息科学与技术1103指导教师蒋媛完成地点博源楼1102教室基于MATLAB彩色图像及增强处理设计方法曹刘惠子（陕西理工学院物电学院电子信息科学与技术专业1103班级，陕西汉中 723000）指导老师：蒋媛[摘要]图像增强是指依据图像所存在的问题，按特定的需要突出一幅图像中的某一些信息，同时，削弱或去除某些冗余信息的处理方法。
其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。
图像增强单纯从技术上可分成两大类：一类是频域处理法；一类是空域处理法。
大多数是以灰度映射变换为基础的，所用的映射变换取决于增强的目的。
彩色图像比灰度图像包含更多的信息，无论是对人们的视觉感受，还是后续的图像理解与分析，彩色图像都具有灰度图像无可比拟的优越性。
本文主要研究基于MATLAB彩色图像的增强方法。
不同原理产生的彩色图像有不同的处理方法，故在本文中主要论述彩色图像增强用法之间以及仿真结果的比较。
运用MATLAB 软件实现彩色图像增强仿真，比较处理方法。
[关键词]彩色图像图像增强时域频域MATLAB目录1绪论 (5)1.1课题研究目的及意义 (5)1.2本课题的研究内容 (5)2彩色图像及其增强处理设计方法 (5)2.1基本概念 (5)2.2图像处理工具 (5)2.3伪彩色增强 (6)2.4真彩色增强 (8)2.5假彩色增强 (10)3 程序实现及比较 (10)3.1伪彩色图像增强 (10)3.2真彩色图像增强 (11)3.3假彩色图像增强 (13)1绪论1.1课题研究目的及意义人类传递的信息有70%是视觉信息，图像信息是传递信息的重要手段和媒体。
但是在生活中，由于光线不合适，在获得图像后会发现图像亮不够或对比度不强，导致景物无法看清。
彩色图像比灰度图像包含更多的信息，无论是对人们的视觉感受，还是后续的图像理解与分析，彩色图像都具有灰度图像无可比拟的优越性。
基于彩色图像的优越性和生活中光线和其他条件的限制，为了得到较理想的彩色图像以便研究和分析应用，就需要对图像进行必要的处理，增强有用信息，抑制无用信息，使图像更适合于人的视觉特性或机器的识别系统。
故本课题研究具有实际应用意义。
1.2本课题的研究内容图像增强根据图像的模糊情况采用各种特殊的技术图书图像中的某些信息，削弱或消除无关信息达到强调图像的整体图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息, 削弱或消除无关信息达到强调图像的整体或局部特征的目的。
图像增强尚没有统一的理论方法, 常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等。
图像增强技术主要分为两类:频域增强法和空域增强法。
频域增强法主要是利用各种频域滤波器进行图像平滑或锐化处理,然后进行变换域反变换来增强图像;空域增强法是直接针对图像中的像素,对图像的灰度进行处理。
空域法属于直接增强的方法，它包括扩展对比度的灰度变换和直方图变换、消除噪声。
本课题的主要研究内容为：(1)研究伪彩色图像增强方法，(2)假彩色图像增强方法，（3）真彩色增强方法。
2彩色图像及其增强处理设计方法2.1基本概念图像增强是一类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。
这里好的和有用因具体的应用目的和要求而异，并且所需的具体的增强技术也可不同。
目前常用的增强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变化域的方法。
第一类，直接在图像所在的空间进行处理，也就是在像素组成的空间里直接对像素进行操作；第二类，在图像的频域对图像进行间接处理。
2.2图像处理工具MATLAB是Matrix Laboratory（"矩阵实验室"）的缩写，是由美国Mathworks公司开发的集数值计算、符号计算和图形可视化三大基本功能于一体的，功能强大、操作简单的语言。
是国际公认的优秀数学应用软件之一。
MATLAB包括拥有数百个内部函数的主包和三十几种工具(Toolbox). 工具包又可以分为功能性工具包和学科工具包.功能工具包用来扩充MATLAB的符号计算,可视化建模仿真,文字处理及实时控制等功能.学科工具包是专业性比较强的工具包,控制工具包,信号处理工具包,通信工具包等都属于此类。
开放性使MA TLAB广受用户欢迎.除内部函数外,所有MATLAB主包文件和各种工具包都是可读可修改的文件,用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。
MATLAB中图像处理工具包是由一系列支持图像处理操作的函数组成的。
所支持的图像处理操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT变换等) 、图像分析和统计、二值图像操作等。
2.3伪彩色增强伪彩色(pseudo-color)图像的每个像素值实际上是一个索引值或代码，该代码值作为色彩查找表CLUT(Color Look-Up Table)中某一项的入口地址，根据该地址可查找出包含实际R、G、B的强度值。
这种用查找映射的方法产生的色彩称为伪彩色。
用这种方式产生的色彩本身是真的，不过它不一定反映原图的色彩。
所谓伪彩色处理，就是将图像中的黑白灰度级变成不同的彩色，如果分层越多，人眼所能提取的信息也多，从而达到图像增强的效果。
这是一种视觉效果明显，又不太复杂的图像增强技术。
伪彩色图像处理技术不仅适用于航空摄影和遥感图片，也可以用于x 光片及云图的判读等处理中。
可以用PC 机去做，也可以用硬件设备来实现。
伪彩色增强的方法主要有：密度分割、彩色变换和频率域伪彩色增强三种。
1)密度分割法密度分割法又称为灰度分割法，是伪彩色处理技术中最基本，最简单的方法。
设一幅黑白图像f(x,y),可以看成是坐标(x,y)一个密度函数。
把次图像的灰度分成若干等级，即相当于用一些和坐标平面平行的平面切割此密度函数。
设原始黑白图像的灰度范围为0<= f(x,y)<=L用k+1 灰度等级把该灰度范围分为k 段：L0,L1,L2...,LK L0=0(黑)，LK=L(白)映射每一段灰度成一种颜色，映射关系为g(x,y)=ci (<=f(x,y)<=i=1,2,,,k)这里g(x,y)为输出的伪色彩图像；为灰度在[,]中时所映射成的彩色。
经过这种映射处理后，原始黑白图像g(x,y)就变成了伪色彩图像。
若原始图像f(x,y)的灰度分布遍及上述k 个灰度段，则伪彩色图像g(x,y)就具有种彩色。
如图2-1所示：图2-1(a)密度分割法示意图图2-1（b）密度分割法示意图2)空间域灰度级一彩色变换根据色度学原理，将原图像f(x,y)的灰度范围分段，经过红、绿、蓝三种不同变换变成三基色分量R(x,y)、G(x,y)、B(x,y)，然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像。
原理框图如图2-2所示：图2-2原理框图2.4真彩色增强真彩色是指图像中的每个像素值都分成R、G、B 三个基色分量，每个基色分量直接决定其基色的强度，这样产生的色彩称为真彩色。
也有称自然物体的彩色叫真彩色。
真彩色图像就是能真实反映自然物体本来颜色的图像。
如图色彩空间图2.3图2-3色彩空间示意图图像增强技术主要是针对灰度图来作用，其手段是修改直方图。
在图像处理中色彩的运用是很重要的，原因有两个。
第一：在自动图像分析中色彩是一个有力的描述工具，它通常可使从一个场景中识别和抽取目标的处理得到简化；第二：人们对图像进行分析时，人眼区别的灰度层次大约只有二十几种，但却能够识别成千上万的色彩。
真彩色增强是对彩色图像进行的增强，一般在某个颜色空间里进行，常采用的颜色空间有RGB、HSI和HSV。
图像增强按增强效果可以分为平滑和锐化。
平滑是保留图像的低频而抑制高频的处理方法，它能够滤除图像中的噪声，同时也使图像变得模糊。
锐化是加强和突出高频，从而使得图像细节突出，轮廓清晰。
平滑和锐化可以在空间中实现，也可以在频域里完成。
在空域中，通过一定的模板和图像的卷积来实现增强原理，模板不同会有不同的效果。
常用的锐化算子有Prewitt、Soble和拉普拉斯算子等。
在频域中，采用低通滤波来实现平滑，采用高通滤波来实现锐化。
如理想低通滤波。
巴特沃斯低通滤波器等[2]。
Gamma校正也是数字图像处理中常用的图像增强技术。
Gamma因子决定了输入图像到输出图像的灰度映射方式，即决定了增强低灰度还是增强高灰度。
当Gamma等于1时，为线性变换[13]。
下图是一种常用的彩色增强方法，原理如框图2-4 所示图2-4彩色图像增强方法原理框图其原理可叙述为：（1）将R、G、B分量图转化为H、S、I分量图。
对任何3个在[0,1]范围内的R、G、B值，其对应HSV模式中的V、S、H分量可由下面给出的公式计算：V=1/3*(R+G+B)S=1-3*[min(R,G,B)]/(R+G+B)H=accos{{[(R+G)+(R-B)]/2/[(R-B)^2+(R-B)*(G-B)^(1/2)}/360}(2)利用对灰度增强的方法增强其中需要增强的分量。
（3）在将结果转换为R、G、B分量图来显示。
若设HSV的值在[0,1]之间，R、G、B的值在[0,1]之间，由从HSV到HSB的转换会成为I.当H在[0,1/3]区间：B=V*(1-S)R =V*[1+S*cos(2*pi*H)/cos(pi*3-2*pi*H)]G=3*V-(B+R)II.当H在[1/3,2/3]区间：R =V*(1-S)G=V*[1+S*cos(2*pi*H-2*pi/3)/cos(2*pi*H)]B=3*V-(G+R)III.当H在[2/3,1]区间：G =V*(1-S)B =V*[1+S*cos(2*pi*H-4*pi/3)/cos(pi*3/5-2*pi*H)]R=3*V-(G-B)在运算过程中，目标图像的对比度场可能存在着对比度放大，并且整个过程中噪声是存在的。
可能在结果图像中原本平坦的内部并不平坦，存在一些亮点或暗点，这种情况在灰度图像中尚可以接受，因为它符合原来的黑白色调，但是在彩色图的亮度分量处理结果中就不合适了,因为亮度分量中原本很大的对比度过分放大,但同时要保证细微的对比度信息得到充分的放大，故而在运算过程中要对对比度进行调整。
HSB颜色空间的模型有其优势和特点，HSB模型中，亮度与色度是分开的，其次，HSB模型中，色调和饱和度的概念与人的感知是紧密相连的。
2.5假彩色增强假彩色：有三种形式，第一：把真实劲舞图像的象元逐个地映射为另一种颜色。