实验五图像增强—空域滤波
图像增强实验报告
课程: 数字图像处理实验日期: 2012年 4 月日成绩：实验一图像增强与平滑一．实验目的及要求1．了解MATLAB的操作环境和基本功能。
2．掌握MATLAB中图像增强与平滑的函数的使用方法。
3．加深理解图像增强与平滑的算法原理。
二．实验原理图像增强的目的是改善图像的视觉效果，或者使图像更适合于人或机器进行分析处理。
通过图像增强，可以减少图像中的噪声，提高目标与背景的对比度，也可以强调或抑制图像中的某些细节。
从处理的作用域出发，图像增强可以分为空间域法和频率域法。
前者在空间域直接对像素进行处理，后者在图像的变换域内处理，然后经逆变换获得增强图像。
图像增强技术主要有：空域变换增强、空域滤波增强、频域增强。
点运算可以在空域内进行图像灰度修正、图像灰度变换以及图像直方图修正。
空域滤波增强主要应用平滑滤波器、中值滤波器以及锐化滤波器。
频域增强主要应用高通滤波和同态滤波。
图像增强还包括图像的伪彩色处理。
彩色图像中包含有丰富的细节信息,为了获得清晰的彩色图像,保护原有的彩色信息,消除亮度不够对彩色图像像质的影响, 应用图像增强技术对彩色图像进行处理,既可以得到清晰的彩色图像,又可以保护原有的彩色信息。
总之图像增强技术就是对图像中感兴趣的特征有选择地突出,而衰减其不需要的特征。
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'); % Rea ds the sample images ‘ pout.tif’, and stores it inimshow(I) % an array named I.display the imagefigure, 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.figure, imhist(I2) % Create a histogram of the equalized image I2.figure,plot((0:255)/255,T); % plot the transformation curve.课程: 数字图像处理实验日期: 2012年 4 月日成绩：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 file功能：直方图均衡化的基本思想是将原始图像的直方图变换为均匀分布的形式，从而增加图像灰度的动态范围，达到增强图像对比度的效果。
7.图像增强—频域滤波 - 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1．掌握怎样利用傅立叶变换进行频域滤波 2．掌握频域滤波的概念及方法 3．熟练掌握频域空间的各类滤波器 4．利用MATLAB 程序进行频域滤波二、实验原理及知识点频域滤波分为低通滤波和高通滤波两类，对应的滤波器分别为低通滤波器和高通滤波器。
频域低通过滤的基本思想：G (u,v )=F (u,v )H (u,v )F (u,v )是需要钝化图像的傅立叶变换形式，H (u,v )是选取的一个低通过滤器变换函数，G (u,v )是通过H (u,v )减少F (u,v )的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的图像。
理想地通滤波器(ILPF)具有传递函数：01(,)(,)0(,)ifD u v D H u v ifD u v D ≤⎧=⎨>⎩其中，0D 为指定的非负数，(,)D u v 为(u,v )到滤波器的中心的距离。
0(,)D u v D =的点的轨迹为一个圆。
n 阶巴特沃兹低通滤波器(BLPF)(在距离原点0D 处出现截至频率)的传递函数为201(,)1[(,)]nH u v D u v D =+与理想地通滤波器不同的是，巴特沃兹率通滤波器的传递函数并不是在0D 处突然不连续。
高斯低通滤波器(GLPF)的传递函数为222),(),(σv u D ev u H =其中，σ为标准差。
相应的高通滤波器也包括：理想高通滤波器、n 阶巴特沃兹高通滤波器、高斯高通滤波器。
给定一个低通滤波器的传递函数(,)lp H u v ，通过使用如下的简单关系，可以获得相应高通滤波器的传递函数：1(,)hp lp H H u v =-利用MATLAB 实现频域滤波的程序f=imread('room.tif');F=fft2(f); %对图像进行傅立叶变换%对变换后图像进行队数变化，并对其坐标平移，使其中心化 S=fftshift(log(1+abs(F)));S=gscale(S); %将频谱图像标度在0-256的范围内 imshow(S) %显示频谱图像h=fspecial('sobel'); %产生空间‘sobel’模版 freqz2(h) %查看相应频域滤波器的图像 PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵 H=freqz2(h,PQ(1),PQ(2)); %产生频域中的‘sobel’滤波器H1=ifftshift(H); %重排数据序列，使得原点位于频率矩阵的左上角 imshow(abs(H),[]) %以图形形式显示滤波器 figure,imshow(abs(H1),[])gs=imfilter(double(f),h); %用模版h 进行空域滤波gf=dftfilt(f,H1); %用滤波器对图像进行频域滤波 figure,imshow(gs,[]) figure,imshow(gf,[])figure,imshow(abs(gs),[]) figure,imshow(abs(gf),[])f=imread('number.tif'); %读取图片PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵 D0=0.05*PQ(1); %设定高斯高通滤波器的阈值H=hpfilter('gaussian',PQ(1),PQ(2),D0); %产生高斯高通滤波器 g=dftfilt(f,H); %对图像进行滤波 figure,imshow(f) %显示原图像figure,imshow(g,[]) %显示滤波后图像三、实验步骤：1．调入并显示所需的图片；2．利用MATLAB 提供的低通滤波器实现图像信号的滤波运算，并与空间滤波进行比较。
基于MATLAB下空域滤波算法的图像增强
link appraisement楚智媛 吕 吉林医药学院楚智媛（1990吉林医药学院实训中心，吕闯（1980－）男，吉林医药学院数学教研室，博士，讲师，吉林省吉林市人。
项目名称：基于SPOC混合式教学模式的高校数学建模课程改革研究项目编号：JGJX2020C65；支持单位：吉林省高教学会应用上面的式子作为中值滤波最后的结果值。
中值滤波的优点是在：它去除图像中的椒盐噪声的效果要比均值滤波的效果好很很多，因为他在抑制噪声的同时还能够保持图像的边缘尽量清晰，所以在MATLAB中我们常常要使用中值滤波来去除图像的椒盐噪声。
中值滤波同样也可以去除图像中的高斯噪声和乘性噪声等，但是它的效果却没有去除椒盐噪声的效果好。
wiener滤波Wiener滤波又称维纳滤波器，它是本身是一种使估计误差的的均方值达到最小的一种滤波手段，是一种相对平稳过程的最优估计器。
因为wiener滤波器的输出与期望的输出之间的均方误差尽可能达到最小，所以它是一种最佳的滤波器，它可用于提取出被平稳的噪声所干扰的信号。
wiener（）函数对图像的噪声进行自适应滤波，它滤波器的输出是根据图像的局部的方差所决定的。
当局部的方差大的时候，那么滤波器的平滑效果就会较弱；程序运行后，线性均值滤波对椒盐噪声、高斯噪声、乘性噪声滤除对比的效果如下图2所示。
由实验结果可以看出中值滤波对去除图像中的椒盐噪声效果较好，图像增强之后的边缘清晰且椒盐噪声去除的效果也比较好，与中值滤波相比，均值滤波的效果稍弱一些，但是效果也是在可以接受的范围之内，但是自适应滤波的效果就比较差，不能满足我们对图片的处理要求。
三种滤波对乘性噪声进行图像增强仿真实验在MATLAB中，具体代码实现如下：I=imread（‘rice.png’）;I=im2double（I）;J=imnoise（I，’speckle’，0.05）;G1=wiener2（J，[3 3]）;G2=medfilt2（J，[3 3]）;G3=filter2（fspecial（‘average’，3），J）;图1图2图3。
实验五图像增强
实验五图像增强实验五图像增强⼀、实验⽬的1.了解灰度变换增强和空域滤波增强的Matlab实现⽅法2.掌握直⽅图灰度变换⽅法3.掌握噪声模拟和图像滤波函数的使⽤⽅法4.了解图像复原的Matlab实现⽅法⼆、实验步骤1、打开MATLAB软件，设置⼯作路径，新建M⽂件。
2、将图⽚放到当前⼯作路径下3、写⼊图像增强（包括灰度变换增强、空域滤波增强）程序保存并调试运⾏。
程序具体要求：1）灰度变换增强A)线段上像素灰度分布B)直⽅图变换（直⽅图显⽰、直⽅图灰度调节、直⽅图均衡化）2）空域滤波增强A)噪声模拟B)空域滤波空域滤波对上述噪声图像进⾏均值滤波和中值滤波，⽐较滤波效果。
总结均值滤波和中值滤波的特点及使⽤场合。
*对图像'saturn.tif'采⽤'laplacian'⾼通滤波器进⾏锐化滤波。
4、保存实验结果并完善实验报告。
三、实验程序1.灰度变换增强A)线段上像素灰度分布读⼊灰度图像‘cameraman.tif’，采⽤交互式操作，⽤improfile绘制⼀条线段的灰度值。
imshow('cameraman.tif')improfile读⼊RGB图像‘trees.tif’，显⽰所选线段上红、绿、蓝颜⾊分量的分布imshow('trees.tif')i mprofileB)直⽅图变换直⽅图显⽰读⼊图像‘trees.tif’，在⼀个窗⼝中显⽰灰度级n=64，128和256的图像直⽅图。
I=imread('trees.tif');imshow(I)figure,imhist(I,64)figure,imhist(I,128)figure,imhist(I,256)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('trees.tif');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)直⽅图均衡化分别对图像‘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。
2遥感图像增强——空间滤波(教案).docx
实验二遥感图像增强——空间滤波注：实验采用软件为加拿大产遥感专业图彖处理软件PCI,为便于对比及评分，实验图像一般采用安装盘自带文件夹DEMO下irvine.piXo一、滤波的原理及方法在遥感图像处理中，经常采用空间域中的邻域处理方法來改变遥感图像中像元与其周围相邻像元的关系，即“空间滤波”，來突出遥感图像上某些特征，如突出边缘或纹理等。
传统的空间滤波方法有图像卷积运算、平滑、锐化。
图像卷积运算是在空间域上对图像进行邻域检测的运算，具体做法是选定一个卷积函数t(m, n),又称为“模板”，即一个MxN的图像，运算时，从图像左上角开始一个为模板同样大小的活动窗口U(m, n),使活动窗口与模板像元的灰度值对应相乘再相加，计算结果r(i, j)作为活动窗口屮心像元的新的灰度值。
在平滑处理中，均值平滑是将每个像元在以其为中心的区域内取平均值來代替该像元值以达到去掉尖锐“噪声”和平滑图像的目的。
常用的邻域冇4-邻域和8-邻域。
在屮值滤波屮则是以某像元为中心的邻域内取中间亮度值来代替该像元值，以达到去掉尖锐“噪声”和平滑图像的目的。
空间滤波是指在图像空间(x, y)或空间频率(J H)对输入图像应川若干滤波函数而获得改进的输出图像的技术，即对图像屮某些空间、频率特征的信息增强或抑制，如增强高频信息，即突出边缘、纹理、线条等。
增强低频信息抑制高频信息、既去掉细节。
其效果冇噪声的消除，边缘及线的增强，图像的清晰化等。
注意突出的图像上的某些特征，突出边缘或图像处理方法，也叫做“空间滤波”，它属于一种儿何增强处理。
空间滤波技术的基本思路有3条：Fil血滤波，操作如下：①提取原图像的边缘信息，进行加权处理，然示与原图像亞加；②提取原图像屮的模糊成分进行加权处理，然示与原图叠加；③使用某一指定的两数对原图像进行加权，是图像产生尖锐或平滑的效果。
在进行运算吋，多采用空间卷积技术，即在原图像上移动“活动窗口”，逐块进行局部运算。
空域图像增强 - 空间滤波
1
图像增强处理分类
定义：按我们的需要突出一幅图像中的 某些“有用”信息，同时削弱另外一些“无 用”信息的图像处理方法。
2
图像增强的目的
改善图像的视觉效果
图像增强（消除噪声）
3
图像增强的目的
突出图像的特征
图像增强（突出边界）
4
图像增强方法类型
直接灰度变换 灰度变换 空间域 直方图修正法 直方图均衡化
常用方法
（非线性的）
邻域平均法（线性的）和中值滤波法
23
图像平滑滤波技术 邻域平均法（均值滤波）
一幅图像往往受到各种噪声源的干扰（如电传感 器和传输误差等），这种噪声常常为一些孤立的像素 点，它们像雪花使图像被污染，噪声往往是叠加在图 像上的随机噪声,而图像灰度应该相对连续变化的，一 般不会突然变大或变小，这种噪声可以用邻域平均法 使它得到抑制。
14
图像噪声的特点
1. 噪 声 在 图 像 中 的 分布和大小不规则
2. 噪声与图像之间 具有相关性
3. 噪声具有叠加性
15
图像加噪方法
add_noise
Matlab演示
16
3.3 空间域滤波增强技术
空间域滤波是基于邻域处理的增强方法，它应用 某一模板对每个像元与其周围邻域的所有像元进行某 种数学运算得到该像元的新的灰度值，新的灰度值的 大小不仅与该像元的灰度值有关，而且还与其邻域内 的像元的灰度值有关。
2 2 2 3 3 3
21
“－”表示无法进行模板操作的像素点。 解决这个问题可以采用两种简单方法：一种方法 是忽略图像边界数据， 另一种方法是在图像四周复 制原图像边界像素的值，从而使卷积核悬挂在图像四 周时可以进行正常的计算。 计算出来的像素值的动态范围问题， 对此可简 单地将其值置为0或255即可。
数字图像处理实验报告之数字图像的空间域滤波
数字图像处理实验报告学院：班级：学号：时间：2012.11.29实验三：数字图像的空间域滤波——锐化滤波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。
2．实验基本原理1.空间域增强空间域滤波是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。
空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。
空域滤波一般分为线性滤波和非线性滤波两类。
线性滤波器的设计常基于对傅立叶变换的分析，非线性空域滤波器则一般直接对领域进行操作。
各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器。
平滑可用低通来实现，平滑的目的可分为两类：一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。
锐化可用高通滤波来实现，锐化的目的是为了增强被模糊的细节。
结合这两种分类方法，可将空间滤波增强分为四类：线性平滑滤波器（低通）非线性平滑滤波器（低通）线性锐化滤波器（高通）非线性锐化滤波器（高通）空间滤波器都是基于模板卷积，其主要工作步骤是：1)将模板在图中移动，并将模板中心与图中某个像素位置重合；2)将模板上的系数与模板下对应的像素相乘；3)将所有乘积相加；4)将和（模板的输出响应）赋给图中对应模板中心位置的像素。
2.锐化滤波器图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，需要利用图像锐化技术，使图像的边缘变得清晰。
1)线性锐化滤波器线性高通滤波器是最常用的线性锐化滤波器。
这种滤波器的中心系数都是正的，而周围的系数都是负的，所有的系数之和为0。
对3×3 的模板来说，典型的系数取值为：[-1 -1 -1;-1 8 -1;-1 -1 -1]事实上这是拉普拉斯算子。
数字图像处理技术-图像增强--空域、频域滤波
实验五图像增强--空域、频域滤波课程名称：数字图像处理技术实验日期：2015-11-03 成绩：班级：姓名：学号：一、实验目的1．了解图像空域滤波、频域滤波的基本操作；2．掌握噪声模拟和图像滤波函数的使用方法3. 实现彩色图像的增强。
二、实验内容1. （基础题）制作自己的GUI用户界面，实现图像在空域中的均值滤波、中值滤波、锐化滤波；（提高题）定义自己的过滤器实现锐化滤波。
2. （基础题）在GUI中，实现图像的频域滤波：低通滤波、高通滤波。
3. （基础题）在GUI中，实现彩色图像增强：伪彩色增强、假彩色增强、真彩色增强。
三、实验代码function pushbutton1_Callback(hObject, eventdata, handles)% hObject handle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear;figureA=imread('1.jpg');B=rgb2gray(A);h1=ones(7,7)/49;B2=imfilter(B,h1);h2=ones(9,9)/81;B3=imfilter(B,h2);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('7*7均值滤波');subplot(2,2,4);imshow(B3);title('9*9均值滤波');% --- Executes on button press in pushbutton2.function pushbutton2_Callback(hObject, eventdata, handles)% hObject handle to pushbutton2 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear;figureA=imread('1.jpg');B=rgb2gray(A);B2=medfilt2(B,[5 5]);B3=medfilt2(B,[9 9]);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('5*5中值滤波');subplot(2,2,4);imshow(B3);title('9*9中值滤波');% --- Executes on button press in pushbutton3.function pushbutton3_Callback(hObject, eventdata, handles)% hObject handle to pushbutton3 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');B=rgb2gray(A);h1=[1 2 1;0 0 0;-1 -2 -1];B2=imfilter(B,h1);h2=[1 0 -1;2 0 -2;1 0 -1];B3=imfilter(B,h2);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('水平锐化');subplot(2,2,4);imshow(B3);title('竖直锐化');% --- Executes on button press in pushbutton4.function pushbutton4_Callback(hObject, eventdata, handles)% hObject handle to pushbutton4 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(2,2,1);imshow(f);f=im2double(f);F=fftshift(fft2(f));[M,N]=size(F);n = 30;D0 = 40;u0=floor(M/2);v0=floor(N/2);for u=1:Mfor v=1:ND=sqrt((u-u0)^2+(v-v0)^2);H=1/(1+(D/D0)^(2*n));G(u,v)=H*F(u,v);endendg=ifft2(ifftshift(G));g=im2uint8(real(g));subplot(2,2,4);imshow(g);% --- Executes on button press in pushbutton5.function pushbutton5_Callback(hObject, eventdata, handles)% hObject handle to pushbutton5 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(2,2,1);imshow(f);f=im2double(f);F=fftshift(fft2(f));[M,N]=size(F);n = 30;D0 = 40;u0=floor(M/2);v0=floor(N/2);for u=1:Mfor v=1:ND=sqrt((u-u0)^2+(v-v0)^2);H=1/(1+(D0/D)^(2*n));G(u,v)=H*F(u,v);endendg=ifft2(ifftshift(G));g=im2uint8(real(g));subplot(2,2,4);imshow(g);% --- Executes on button press in pushbutton6.function pushbutton6_Callback(hObject, eventdata, handles)% hObject handle to pushbutton6 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');B=rgb2gray(A);subplot(1,2,1);imshow(B);title('灰度图像');Y=floor(B/64);[M,N]=size(Y);for i=1:Mfor j=1:Nswitch Y(i,j)case 0Y1(i,j,1:3)=[0 0 255];case 1Y1(i,j,1:3)=[200 0 200];case 2Y1(i,j,1:3)=[255 150 0];case 3Y1(i,j,1:3)=[255 255 0];otherwiseY1(i,j,1:3)=[255 255 255];endendendsubplot(1,2,2);imshow(Y1);% --- Executes on button press in pushbutton7.function pushbutton7_Callback(hObject, eventdata, handles)% hObject handle to pushbutton7 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(1,2,1);imshow(f);title('灰度图像');[M,N]=size(f);L=255;f=double(f);f1=floor(f/64);R=f1;G=f1;B=f1;for i=1:Mfor j=1:Nswitch f1(i,j)case 0R(i,j)=0;G(i,j)=4*f(i,j);B(i,j)=L;case 1R(i,j)=0;G(i,j)=L;B(i,j)=-4*f(i,j)+2*L;case 2R(i,j)=4*f(i,j)-2*L;G(i,j)=L;B(i,j)=0;case 3R(i,j)=L;G(i,j)=-4*f(i,j)+4*L;B(i,j)=0;endendendg(:,:,1)=R;g(:,:,2)=G;g(:,:,3)=B;g=uint8(g);subplot(1,2,2);imshow(g);% --- Executes on button press in pushbutton8.function pushbutton8_Callback(hObject, eventdata, handles)% hObject handle to pushbutton8 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureRGB=imread('1.jpg');RGB = im2double(RGB);R = RGB(:, :, 1);G = RGB(:, :, 2);B = RGB(:, :, 3);subplot(1,2,1),imshow(RGB)title('原始图像');c=R.*1.26d=G.*1.03e=B.*1.15enhance=cat(3, c, d, e);subplot(1,2,2),imshow(enhance)title('RGB手动增强的图像')四、实验结果截图五、实验体会经过很长时间学会应用这些东西。
数字图像处理 空域滤波 实验报告
%%3×3的邻域平均模板(7×7的邻域平均模板h=fspecial(‘gaussian’,[7,7]))
y=imfilter(x,h);
subplot(121);
imshow(x);
subplot(122);
imshow(y);
模板大小为[3,3]，左为原图，右为处理后效果
模板大小为[7,7]，左为原图，右为处理后效果
x=imread(‘cameraman.tif’);
h=fspecial(‘average’);
%h=fspecial(‘average’,[7,7]);
y=imfilter(x,h);
figure(1);
imshow(x)
figure(2);
imshow(y)
原图：
滤波效果：
2.改变模板大小重试
x=imread('cameraman.tif');
一般的模板为3×3或5×5大小，其权值分布如下图：
若使用3×3模板，则计算公式如下:
g(x,y)={f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+[f(x-1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/16;
图像增强和滤波实验
实验四图像增强和滤波实验一．实验目的：掌握基本的图像增强方法，观察图像增强的效果，加深对灰度直方图的理解。
掌握基本的图像滤波方法，观察图像滤波的效果。
二．实验内容：对比度增强，灰度变换，直方图均衡化，图像滤波对给定的灰度的数字图像（图像文件名分别为cameraman.tif，rice.tif和pout.tif）进行如下处理：（1）统计原图像的灰度直方图，并利用直方图均衡化处理进行图像增强，同屏显示处理前后图像及其灰度直方图，比较异同，并回答数字图像均衡化后其直方图分布情况。
（2）利用图像调整函数（直接灰度调整方法）进行图像增强，同屏显示处理前后图像及其灰度直方图，比较异同，并回答数字图像均衡化后其直方图分布情况。
（3）利用函数IMNOISE，在图像（LENA256.BMP）上分别叠加高斯噪声(gaussian)和椒盐噪声(salt&peppers)，对比高斯低通滤波器和均值滤波器的性能。
三、实验原理1、图像增强技术；图像滤波技术介绍图像增强是将原来不清晰的图像变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
按所处理的对象不同可分为灰度图像增强和彩色图像增强。
图像非常直观，易于理解，但在实际应用中得到的图像品质并不是那么好，或在图像采集过程中不可避免的加入了噪声，因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。
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。
图像增强并不要求忠实地反映原始图像相反，含有某种失真（例如突出轮廓线）的图像可能比无失真的原始图像更为清晰。
在力学应用中，液体流动双折射图像的处理，物体变形图像的处理等。
按照增强处理的空间不同可分为两类：空域增强，频率增强。
前者直接在图像所在的二维空间进行增强处理，即增强构成图像的像素，包括灰度变换增强，直方图增强，图像平滑和图像锐化等。
图像空域增强
本科生实验报告（二）姓名:学院:专业:信息安全班级:信息安全实验课程名称:数字图像处理与分析实验日期:2013 年 4 月 25 日指导教师及职称:王云峰实验成绩:开课时间：2012-2013 学年第 2 学期甘肃政法学院实验管理中心印制灰度变换（对数变换）2. 空域滤波空域滤波:基于邻域处理，应用某一模板对每个像素及其周围邻域的所有像含噪声的图像三阶Butterworth原图加噪图常用的两种非线性扩展方法:(1)对数扩展:基本形式: g(x,y)=lg[f(x,y)]实际应用中一般取自然对数变换，具体形式如下：g(x,y)=C•ln[f(x,y)+1][f(x,y)+1]是为了避免对零求对数，C为尺度比例系数，用于调节动态范围。
变换函数曲线:(2)指数扩展:基本形式: g(x,y)=bf(x,y)实际应用中，为了增加变换的动态范围，一般需要加入一些调制参数。
具体形式如下：g(x,y)=bc[f(x,y)-a]-1 ，参数a可以改变曲线的起始位置，参数c可以改变曲线的变化速率.指数扩展可以对图像的高亮度区进行大幅扩展.灰度直方图灰度直方图是灰度值的函数，它描述了图像中各灰度值的像素个数。
通常用横坐标表示像素的灰度级别，纵坐标表示对应的灰度级出现的频率（像素的个数）。
频率的计算公式为：p(r)=nr ，nr是图像中灰度为r的像素数。
常用的直方图是规格化和离散化的，即纵坐标用相对值表示。
设图像总像素为N，某一级灰度像素数为nr，则直方图表示为：p(r)= nr /N 灰度直方图反映了一幅图像的灰度分布情况。
直方图均衡化通过把原图像的直方图通过变换函数修正为分布比较均匀的直方图，从而改的反变换用下式表示.。
空间域滤波器(实验报告)
数字图像处理作业——空间域滤波器摘要在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。
本文利用matlab软件,采用空域滤波的方式,对图像进行平滑和锐化处理。
平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。
本文使用的平滑滤波器有中值滤波器和高斯低通滤波器，其中，中值滤波器对去除椒盐噪声特别有效，高斯低通滤波器对去除高斯噪声效果比较好。
使用的锐化滤波器有反锐化掩膜滤波、Sobel边缘检测、Laplacian边缘检测以及Canny算子边缘检测滤波器。
不同的滤波方式，在特定的图像处理应用中有着不同的效果和各自的优势。
1、分别用高斯滤波器和中值滤波器去平滑测试图像test1和2，模板大小分别是3x3 ， 5x5 ，7x7；利用固定方差 sigma=1.5产生高斯滤波器. 附件有产生高斯滤波器的方法。
实验原理分析：空域滤波是直接对图像的数据做空间变换达到滤波的目的。
它是一种邻域运算，其机理就是在待处理的图像中逐点地移动模板，滤波器在该点地响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。
如果输出像素是输入像素邻域像素的线性组合则称为线性滤波（例如最常见的均值滤波和高斯滤波），否则为非线性滤波（中值滤波、边缘保持滤波等）。
空域滤波器从处理效果上可以平滑空间滤波器和锐化空间滤波器：平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。
模板在源图像中移动的过程中，当模板的一条边与图像轮廓重合后，模板中心继续向图像边缘靠近，那么模板的某一行或列就会处于图像平面之外，此时最简单的方法就是将模板中心点的移动范围限制在距离图像边缘不小于（n－1）/2个像素处，单处理后的图像比原始图像稍小。
如果要处理整幅图像，可以在图像轮廓边缘时用全部包含于图像中的模板部分来滤波所有图像，或者在图像边缘以外再补上一行和一列灰度为零的像素点（或者将边缘复制补在图像之外）。
实验图像的滤波增强处理
实验图像的滤波增强处理实验目的1了解空域增强的基本原理2掌握平滑滤波器和锐化滤波器的使用3掌握图像中值滤波增强的使用4了解频域增强的基本原理5掌握低通滤波器和高通滤波器的使用实验原理1．空域增强空域滤波是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。
空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。
空域滤波一般分为线性滤波和非线性滤波两类。
线性滤波器的设计常基于对傅立叶变换的分析，非线性空域滤波器则一般直接对领域进行操作。
各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器。
平滑可用低通来实现，平滑的目的可分为两类：一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。
锐化可用高通滤波来实现，锐化的目的是为了增强被模糊的细节。
结合这两种分类方法，可将空间滤波增强分为四类：1）线性平滑滤波器（低通）2）非线性平滑滤波器（低通）3）线性锐化滤波器（高通）4）非线性锐化滤波器（高通）空间滤波器都是基于模板卷积，其主要工作步骤是：1（1）将模板在图中移动，并将模板中心与图中某个像素位置重合；2（2）将模板上的系数与模板下对应的像素相乘；3（3）将所有乘积相加；（4）将和（模板的输出响应）赋给图中对应模板中心位置的像素。
1.1平滑滤波器线性低通平滑滤波器也称为均值滤波器，这种滤波器的所有系数都是正数，对3×3 的模板来说，最简单的是取所有系数为1，为了保持输出图像任然在原来图像的灰度值范围内，模板与象素邻域的乘积都要除以9。
MATLAB 提供了fspecial 函数生成滤波时所用的模板，并提供filter2 函数用指定的滤波器模板对图像进行运算。
函数fspecial 的语法格式为：h=fspecial(type)h=fspecial(type,parameters)其中参数type 指定滤波器的种类，parameters 是与滤波器种类有关的具体参数。
数字图像处理-图像增强-空域滤波
s at b
w( s, t ) f ( x s, y t )
s at b
a
b
w( s, t )
a
b
特点：既平滑了噪声，又保证边缘不至于模糊。
（四）模板平滑法：以上方法可归结为消噪掩模法
基于模板的处理，相当于模板与原图像的卷积。即
滤波器实现 ——> 邻域运算：
R k0 s0 k1s1 k8 s8
Y s4 s3 s0 s7 s2 s1 s8 X k4 k5 k6 k3 k0 k7 k2 k1 k8 X 0 x y R Y
y
s5 s6
0
x
空域滤波
线性滤波,滤波器模板m×n ，令m=2a+1，n=2b+1，则
下图给出了两种从图像阵列中选取邻域的方法：
图(a)的方法是一个点的邻域，定义为以该点为中 心的一个圆的内部或边界上的点的集合。图中像 素间的距离为△x，选取△x 为半径作圆，那么， 点 R 的灰度值就是圆周上四个像素灰度值的平均 值。 图 (b) 是 选 2x 为 半 径 的 情 况 下 构 成 的 点 R 的邻域，选择在圆的边界上的点和在圆内的点为 S 的集合。
线性平滑滤波器
（二）阈值法
处理结果表明，上述选择邻域的方法对抑制噪 声是有效的，但是随着邻域的加大，图像的模
糊程度也愈加严重。为克服这一缺点，可以采
用阈值法减少由于邻域平均所产生的模糊效应
。
线性平滑滤波器
其基本方法由下式决定：
1 f (m, n) g ( x, y ) M ( m,n )s f ( x, y ) 1 若 f ( x, y ) M 其他
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',b']，线性拉伸的公式为：b'?a'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。
实验五 图像增强—空域滤波
实验五图像增强—空域滤波一、实验目的1、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。
2、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');imshow(J);J = imnoise(I,'gauss',0.02); %添加高斯噪声figure,imshow(J);J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声figure,imshow(J);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3×3figure,imshow(J);L = filter2(ave2,J)/255; %均值滤波5×5figure,imshow(L);M = medfilt2(J,[3 3]); %中值滤波3×3模板figure,imshow(M);N = medfilt2(J,[4 4]); %中值滤波4×4模板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 。
opencv实验-空域滤波
利用5*5尺寸的均值模板平滑灰度图像实验结果如图：利用9*9尺寸的均值模板平滑灰度图像实验结果如图：2、完成实验，利用高斯模板实现平滑灰度图像处理。
实验代码如下：IplImage* Gaussian_smooth_cx(IplImage* src, int nub){IplImage* dst = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, src->nChannels);cvSmooth(src, dst, CV_GAUSSIAN, nub);return dst;}其中nub选择空间滤波模板的大小利用3*3尺寸的高斯模板平滑灰度图像实验结果如图：利用5*5尺寸的高斯模板平滑灰度图像实验结果如图：利用9*9尺寸的高斯模板平滑灰度图像实验结果如图：3、完成实验，利用Laplacian、Robert、Sobel模板实现锐化灰度图像。
利用Laplacian模板锐化灰度图像核心代码如下：IplImage* Laplacian_cx(IplImage* src){IplImage* dst = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, src->nChannels);cvLaplace(src, dst);return dst;}实验结果如图：利用Robert模板实现锐化灰度图像核心代码如下：IplImage* Robert_cx(IplImage* src){float a[] = {-1, 0,0, 1};CvMat kernel = cvMat( 2, 2, CV_32F, a);IplImage* dst = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, src->nChannels);cvFilter2D(src,dst,&kernel);return dst;}实验结果如图：利用Sobel模板实现锐化灰度图像核心代码如下：IplImage* Sobel_cx(IplImage* src){IplImage* dst = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, src->nChannels);cvSobel(src,dst,1,0);return dst;}实验结果如图：4、完成实验，利用高提升滤波算法实现增强灰度图像。
04-图像增强-空域
在这种情况下，设s的分布函数为 Fs (s),根据分布函数的定义 有：
s
r
F s(s) p s(s)d s p r(r)d r
由于密度函数是分布函数的导数，上时两边对s求导可得：
p s(s)p r(r)d d r sp r(r)d d s T 1 (s)
通过变换函数T(r)可以控制图像灰度级的概率密度函数，从 而改变图像的灰度分布。这就是直方图修改技术的理论基础。
光电图像处理
（四）图像增强02
电子工程学院光电子技术系
第四章(02) 图像增强
主要内容：
❖ 灰度变换 ❖ 图像增强方法 ❖ 图像平滑 ❖ 图像锐化 ❖ 图像的伪彩色处理 ❖ 图像的代数运算
重点内容：
❖ 灰度线性变换 ❖ 中值滤波 ❖ 邻域平均法 ❖ 锐化算法 ❖ 图像的伪彩色处理
图像增强方法
➢图像增强：是不考虑图像降质的原因， 只将图像中感兴趣的 部分加以处理或突出有用的图像特征，故改善后的图像并不一定 要去逼近原图像。主要目的是要提高图像的可懂度。
(b)
(c)
用累积分布函数原理求变换函数
s T ( r ) 0 r p r ( r ) d r 0 r ( 2 r 2 ) d r r 2 2 r
变换后的s值与r值的关系为
sr22rT(r)
按照这样的关系变换，就可以得到一幅改善质量的新图像。这 幅图像的灰度层次将不再是呈现较暗色调的图像，而是一幅灰 度层次较为适中，比原始图像清晰、明快得多的图像。可以证 明，变换后的灰度及概率密度是均匀分布的。
例如，图(a)是原始图像的概率密度函数。从图中可知，该
图像的灰度集中在较暗的区域，是一幅曝光不足的照片。由图
(a)可知， 原始图像的概率密度函数为：
- 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)。
昆明理工大学信息工程与自动化学院学生实验报告
（ 2012 —2013 学年第二学期）
课程名称：图形图像处理开课实验室：信自444 2013年 5月 22日
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); (注意空格) %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 。
b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声
c)利用预定义函数fspecial 命令产生平均(average)滤波器
111191111---⎡⎤⎢⎥--⎢⎥⎢⎥---⎣
⎦ d ）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；
e ）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。
f ）利用imnoise 命令在图像Sample2-1.jp
g 上加入椒盐噪声(salt & pepper)
g ）重复c)~ e ）的步骤
h ）输出全部结果并进行讨论。
实验过程及截图
I=imread('3.jpg');
imshow(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figure,imshow(J);
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 figure,imshow(K);
L = filter2(ave2,J)/255; %均值滤波5×5
figure,imshow(L);
M = medfilt2(J,[3 3]); %中值滤波3×3模板figure,imshow(M);
N = medfilt2(J,[4 4]); %中值滤波4×4模板figure,imshow(N);
五、思考题/问答题
(1) 简述高斯噪声和椒盐噪声的特点。
高斯噪声：高斯噪声是n维分布都服从高斯分布的噪声。
高斯分布，也称正态分布，又称常态分布。
对于随机变量X，其概率密度函数如图所示。
称其分布为高斯分布或正态分布，记为N（μ，σ2），其中为分布的参数，分别为高斯分布的期望和方差。
当有确定值时，p(x)也就确定了，特别当μ=0，σ2=1时，X的分布为标准正态分布。
椒盐噪声：椒盐噪声又称脉冲噪声，它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。
椒盐噪声往往由图像切割引起。
(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？
均值滤波器不适合去除椒盐噪声，经均值滤波器滤波后仍然存在较多的噪声；中值滤波器对椒盐噪声的滤除有着与生俱来的优势，这点可以从椒盐噪声特点和中值滤波定义很容易推得，观察滤波前后的图像，中值滤波器对椒盐噪声滤除的比较干净，对于强度不很大的椒盐噪声，滤波后基本看不出噪声点，但是图像也变得很模糊了，细节信息丢失比较严重，其会引起图像中诸如细线、角点等包含重要细节结构的丢失和破坏；加入椒盐噪声的图像经Butterworth低通滤波器滤波后，虽然滤除了一些噪声点，但图像显得模糊不清.
(3) 结合实验内容，定性评价滤波窗口对去噪效果的影响？
1)自适应中值滤波后，它的去噪效果和常规中值滤波算法的去噪效果相比好了许多。
不仅滤除了椒盐噪声,而且很好的保留了图细节。
在对具有空间密度较大的椒盐噪声图进行滤波时，自适应中值滤波器较传统中值滤波器具有很大的优越性，在很大程度上降低了滤除噪声和图细节丢失之间的矛盾，对于工程实现有较好的理论参考价值。
但对滤除图中的高斯噪声则没有滤除椒盐噪声的效果好，滤波后图显得有模糊不清。
2)加权均值自适应中值滤波器去除图中加入的椒盐噪声后，图和原图的效果很接近，去噪性能非常好。
但是，在去除高斯噪声时，效果就没有去除椒盐噪声那么好，滤波后图有点模糊。
3)基于均值操作的快速自适应滤波器在保存边缘细节的基础上，对椒盐噪声和高斯噪声都有较好的抑制作用。
滤波后图的效果和原图非常接近。
六、实验报告要求
描述实验的基本步骤，用数据和图片给出各个步骤中取得的实验结果，并进行必要的讨论，必须包括原始图像及其计算/处理后的图像。
七、实验图像
3.jpg
八、实验总结
本次实验进一步了解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，并体会滤波效果。
均值滤波对高斯噪声比对椒盐噪声有效，明显看到均值滤波器能很大程度上滤除高斯噪声，滤波后图像中的噪声残留不是很大，用均值滤波处理过后的图像显得有点模糊不清；中值滤波对于噪声离散度较小的高斯噪声无能为力，加入高斯噪声的图像经Butterworth低通滤波器滤波后，可以明显看出噪声已经得到了有效抑制，但是仍然和对椒盐噪声的滤除结果相似，图像中残留大量的噪声，图像质量改善程度不高显得模糊不清。