第三章 亮度变换与空间滤波
空间滤波的理论和方法
的卷积的平方。通常可运用这一原理，根据对输入信息的具体要求，进行变 换或滤波。如果从光学系统所能完成的功能分析，系统的空间滤波可以实现 输入信息与滤波器脉冲响应的卷积运算。在频谱平面上放置滤波器其后有
AF fx, fy H fx, fy . 实际上是实现了输入频谱和滤波器复振幅透过率的乘
阿贝——波特实验图示
空间滤波的基本原理
阿贝—波特实验：结论
1．实验充分证明了阿贝成像理论的正确性：像的结构直接 依赖于频谱的结构，只要改变频谱的组分，便能够改变像 的结构；像和物的相似程度完全取决于物体有多少频率成 分能被系统传递到像面。
2．实验充分证明了傅里叶分析和综合的正确性： （1）频谱面上的横向分布是物的纵向结构的信息（图B）； 频谱面上的纵向分布是物的横向结构的信息（图C）； （2）零频分量是直流分量，它只代表像的本底（图D）； （3）阻挡零频分量，在一定条件下可使像的衬度发生反转 （图E）； （4）仅允许低频分量通过时，像的边缘锐度降低；仅允许 高频分量通过时，像的边缘效应增强； （5）采用选择型滤波器，可望完全改变像的性质（图F）。
空间滤波的理论和方法
重点
• 1. 空间滤波的基本原理 • 2. 空间滤波的基本系统 • 3. 空间滤波器 • 4. 空间滤波应用举例
空间滤波的基本原理 阿贝——波特成像理论
阿贝成像原理
阿贝——波特成像理论
• 阿贝认为相干成像过程分两步完成，如图所示。第一步 是物体在相干平行光垂直照明下，可看作是一个复杂的 光栅，照明光通过物体被衍射，衍射光波在透镜后焦平 面射上光P斑1形作成为物新体的O次的级夫波琅源禾发费出光球斑面图子样波；，第在二像步平是面各相衍干 叠加形成物体的像。将显微镜成像过程看成是上述两步 成像过程，人们称其为阿贝成像理论。
空间滤波方法
第三章：空间滤波
亮度变换
直方图
空间滤波
几何处理
1. 背景知识
空域增强按技术不同可分为灰度变换和空间滤 波。 灰度变换:基于点操作，将每一个像素的灰度值 按照一定的数学变换公式转换为一个新的灰度 值。常用的有:对比度增强、直方图均衡化等方 法。 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素进行某种数学运 算，得到该像素的新的灰度值。图像平滑与锐 化技术就属于空域滤波。
第三章：空间滤波
亮度变换
直方图
空间滤波
几何处理
1. 直方图－离散形式的规定化
直方图规定化的思想： 设Pr (r ) 和 P ( z) 分别表示原始图像和目标图像灰度分 布的概率密度函数，直方图规定化就是建立 Pr (r ) 和 P ( z ) 之间的联系 。 首先对原始图像进行直方图均衡化处理，即求变换 函数：
数字图像处理武汉大学电子信息学院mtceiswhueducn第三章亮度变换与空间滤波代数处理和几何处理第三章亮度变换与空间滤波背景知识图象增强是通过某种技术有选择地突出对某一具体应用有用的信息削弱或抑制一些无用的信息
数字图像处理
武汉大学电子信息学院 梅天灿 Email : mtc@
第三章：空间滤波
亮度变换
直方图
空间滤波
几何处理
1. 直方图－定义
①
②
对于一幅给定的图像，归一化后灰度级分布 在0≤r≤l范围 内。对[0，1]区间内的任一个r值 进行如下变换： s=T(r) .变换函数s=T(r)应满足 下列条件： 在0≤r≤1的区间内,T(r)单值单调增加。保证图 像的灰度级从白到黑的次序不变 对于0≤r≤1,有0≤T(r)≤1。保证映射变换后的像 素灰度值在允许的范围内。
亮度变换与空间滤波-冈萨雷斯版35页文档
Histeq(f,b)，其中f是输入图像，b是输出图像指定的灰度级数。
若b=L(输入图像中可能的灰度级的总数)，直接进行变换。 若b<L，则先划分灰度级。 b的默认值为64，一般使用时赋值为256。
例3.5 直方图均衡化
例3.5 直方图均衡化
hnorm=imhist(f)./numel(f); cdf=cumsum(hnorm); x=linspace(0,1,256); plot(x,cdf); axis([0 1 0 1]) set(gca,’xtick’,0:.2:1) set(gca,’ytick’,0:.2:1) xlable(‘input intebsity
线性空间滤波如图所示 滤波器、掩膜、滤波掩膜
一般取3x3
相关和卷积的区别
相关是指掩膜w在图像f中移 动的过程
卷积是指掩膜w在图像f中移 动前，先将w旋转180º。
3.4.1 线性空间滤波
一维相关和卷 积
3.4.1 线性空间滤波
二维相关和卷积
3.4.1 线性空间滤波
线性空间滤波函数
将压缩值还原可使用 gs=im2uint8(mat2gray(g))，mat2gray在 [0,1]内，im2uint8输出为[0,255]
3.2 亮度变换函数
图a为对比度拉伸变换函数，输出为高对比度图像，其 变换公式为
s=T(r)=1/(1+(m/r).^E),E控制函数的斜率。实际应用中 Matlab的实现为g=1./(1+(m./(double(f)+eps)).^E),图a的曲 线是E=20
values’,’fontsize’,9) ylable(‘Output intebsity
3亮度变换与空间滤波.
Kunming University of Science and Technology
在图像处理中一个尤为重要的变换函数如下:
r
sT(r)0Pr(w)dw
(3.3.5)
其中w是积分变量。上式的右部为随机变量r的累积分布 函数,且满足条件(a)和条件(b)。
d d r sd T d ( rr)d d r[0 rP r(w )d w ]P r(r)
n j 是输入图像中灰度级为 j级灰度的像数个数,n是图像 中像数的总数, sk 是输入图像中k级灰度被映射到输出图 像上的灰度值。数字图像的灰度级范围为[0,L-1]。
Kunming University of Science and Technology
直方图均衡化(2) Histogram Equalization
直方图处理(1) Histogram Processing
•灰度级为[0,L-1]范围的数字图像是离散函数h(rk)nk。rk 是 第k级灰度, nk 是图像中灰度级为 rk 的像数个数。
•直方图归一化
P(rk)nk n
这里k=0,1,2,……,L-1。 P(rk ) 给出了灰度级为 rk 发生的 概率估计值，n为图像像素的总数。
与扩展后图像的大小一样相关卷积上述描述的过程是相关操作的过程卷积与相关类似仅有细小的差别等效于将滤波器旋转180度后进行相关操作若滤波器是对称的则相关和卷积的操作结果相originalimagepixels锐化滤波器前面我们讨论了一些平滑滤波器用于去除图像中的细节部分锐化滤波器则用于强调或突出图像中的细节即突出图像中物体的边缘锐化滤波器基于空间差分微分空间差分微分差分用于衡量一个函数的变化率先考虑一维情况
Kunming University of Science and Technology
数字图像处理试题集
A、图像镜像
B、图像旋转
C、图像放大
） D、图像缩小
2、假设 是原始图像
的像素点坐标；图像的大小是 M*N；
是使用公式
对图像 F 进行变换得到的新图像
A、图像镜像
B、图像旋转
的像素点坐标。该变换过程是（）
C、图像放大
D、图像缩小
3、关于图像缩小处理，下列说法正确的是：（
）
A、图像的缩小只能按比例进行。
）
A、基于像素的图像增强方法是一种线性灰度变换；
B、基于像素的图像增强方法是基于空间域的图像增强方法的一种；
C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图 像域的方法计算复杂较高；
D、基于频域的图像增强方法比基于空域的图像增强方法的增强效果好。
2、伪彩色处理和假彩色处理是两种不同的色彩增强处理方法，说出下面属于伪彩色增强的
）
5、数字图像坐标系可以定义为矩阵坐标系。（
）
6、图像中虚假轮廓的出现就其本质而言是由于图像的灰度级数不够多造成的。（
）
7、图像中虚假轮廓的出现就其本质而言是由于图像的空间分辨率不够高造成。（
）
8、图像中虚假轮廓的出现就其本质而言是由于图像的灰度级数过多造成的。（
）
9、图像中虚假轮廓的出现就其本质而言是由于图像的空间分辨率过高造成。（
）
10、采样是空间离散化的过程。（
）
四、简答题 1、图像的数字化包含哪些步骤？简述这些步骤。
2、图像量化时，如果量化级比较小会出现什么现象？为什么？
3、简述二值图像与彩色图像的区别。
4、简述二值图像与灰度图像的区别。
5、简述灰度图像与彩色图像的区别。
第三章 亮度变换与空间滤波.概要
g1
2018/12/11
g2
g3
2、对数变换和对比度拉伸变换 用于减少动态范围 例:>>f=imread('1x.jpg'); >> figure,imshow(f) >> g=im2uint8(mat2gray(log(1+double(f)))); >> figure,imshow(g) 效果图：
2018/12/11
3.2 图像的增强
1、什么是图像增强 图像增强是指改善图像，以使图像主观 上看起来更好的一种图像处理方法，虽然 我们并不关心一幅图像的内容是什么，但 是我们关心这副图像是否可以得到改善， 比如：是否能观察到更多的细节，是否能 去掉一些不想要的斑点，是否能使对比度 达到更好？等等。
2018/12/11
• 2、图像的旋转
函数：imrotate 作用：通过特定的插补方法来改变图像的角度 使用：B=imrotate(A,angle,method) 或者B=imrotate(A,angle,method,’crop’) 其中：A是图像矩阵，angle是图像的旋转角度， method可以是nearest,bininear或bicubic，默认 nearest,参数crop表示剪切。
a b
其中，a=(m-1)/2,b=(n-1)/2，为了得到一副 完整的经过滤波处理后的图像，必须对 x=0,1,…,M-1,y=0,1,…,N-1依次应用上述公式， 这样，就保证了对图像中所有像素的处理。
2018/12/11
2018/12/11
掩模（滤波算子）：
函数：fspecial(type,para) 功能：用于建立预定义的滤波算子 其中，参数指定算子的类型，para指定相应 的参数。P72 表7.4
空间滤波
空间滤波⏹空间滤波基础⏹平滑空间滤波器⏹锐化空间滤波器⏹混合空间增强法⏹上次Matlab报告中老师留的问题1. 空间滤波机理在图像像素上执行的是线性操作，则该滤波器称为线性空间滤波器；否则，滤波器就称为非线性空间滤波器。
在图像中的任意一点（x,y), 滤波器的响应g(x,y),是滤波器系数与由该滤波器包围的图像像素的乘积之和：g(x,y)=w(-1,-1)f(x-1,y-1)+w(-1,0)f(x-1,y)+...+w(0,0)f(x,y)+...+w(1,1)f(x+1,y+1)一般来说，使用大小为m*n的滤波器岁大小为M*N的图像进行线性空间滤波，可由下表示：其中，x和y是可变的。
∑∑-=-=++=aasbbttysxftswyxg),(),(),(空间滤波基础（续）左图显示了，使用大小3*3滤波器模板的线性空间滤的机理。
表示滤波器模板系数坐标所选择的形式简化了线性滤波的表达式。
空间滤波基础（续）2. 空间相关与卷积相关：滤波器模板移过图像并计算每个计算位置乘积之和的处理。
一个大小为m*n 的滤波器w(x,y)与一幅图像f(x,y)做相关操作。
公式总结如下：卷积：卷积的机理相似，但滤波器首先要旋转180度。
类似地，w(x,y)和f(x,y)的卷积表示为w （x,y ）★f(x,y)。
公式总结如下：∑∑-=-=++=a a s bb t s y t x f t s w y x y x w ),(),(),(f ),(☆∑∑-=-=++=a a s bb t s y t x f t s w y x y x w ),(),(),(f ),(★空间滤波基础（续）空间滤波基础（续）3. 线性滤波的向量的表示R=w 1z 1+w 2z 2+...+w mn z mn = =w T z 其中w 项是一个大小为m*n 的滤波器的系数，Z 为由滤波器覆盖的相应图像的灰度值。
kk mnk z w ∑=1平滑空间滤波器平滑滤波器用于模糊处理和降低噪声1. 平滑线性滤波器平滑线性空间滤波器的输出（响应）是包含在滤波模板邻域内的像素的简单平均值。
光学空间滤波
光学空间滤波实验研究1．阿贝成像原理1873年，阿贝(Abbe)在研究显微镜成像原理时提出了一个相干成像的新原理，这个原理为当今正在兴起的光学信息处理奠定了基础。
如图1-1所示，用一束平行光照明物体，按照传统的成像原理，物体上任一点都成了一次波源，辐射球面波，经透镜的会聚作用，各个发散的球面波转变为会聚的球面波，球面波的中心就是物体上某一点的像。
一个复杂的物体可以看成是无数个亮度不同的点构成，所有这些点经透镜的作用在像平面上形成像点，像点重新叠加构成物体的像。
这种传统的成像原理着眼于点的对应，物像之间是点点对应关系。
阿贝成像原理认为，透镜的成像过程可以分成两步：第一步是通过物的衍射光在透镜后焦面(即频谱面)上形成空间频谱，这是衍射所引起的“分频”作用；第二步是代表不同空间频率的各光束在像平面上相干叠加而形成物体的像，这是干涉所引起的“合成”作用。
成像过程的这两步本质上就是两次傅里叶变换。
如果这两次傅里叶变换是完全理想的，即信息没有任何损失，则像和物应完全相似。
如果在频谱面上设置各种空间滤波器，挡去频谱某一些空间频率成份，则将会使像发生变化。
空间滤波就是在光学系统的频谱面上放置各空间滤波器，去掉(或选择通过)某些空间频率或者改变它们的振幅和相位，使二维物体像按照要求得到改善。
这也是相干光学处理的实质所在。
以图l-l 为例，平面物体的图像可由一个二维函数g(x,y)描述，则其空间频谱G(f x ，f y )即为g(x ，y)的傅里叶变换：2(,)(,)(,)x y i f x f y x y G f f g x y edxdy π∞-∞-=⎰⎰ （1-1）设,x y ''为透镜后焦面上任一点的位置坐标，则式中为x x f F λ'=，y y f Fλ'= （1-2） 方向的空间频率，量纲为L -1, F 为透镜焦距，λ为入射平行光波波长。
再进行一次傅里叶变换，将(,)G fx fy 从频谱分布又还原到空间分布(,)g x y '''''。
数字图象处理期末考试复习
数字图象处理第一章绪言一幅图像可以定义为一个二维函数f(x,y),其中x和y是空间坐标，而f在任意一对坐标（x,y）处的幅度称为该图像的亮度或灰度，当x,y和f的幅值都是有限的离散值时，称该图像为数字图像，数字图象处理就是用计算机处理数字图像，数字图象处理是由有限数量的元素组成的，图像的处理分为：低级、中级和高级处理。
低级处理包括原始操作，它的特点是其输入输出均为图像。
中级处理的特点是，其输入通常是图像，但输出则是从这些图像中提取的属性，高级处理通过执行通常与人类视觉相关的感知函数。
Matlab的典型应用有：数学和计算、算法开发、数据获取、建模、模拟和原型设计、数据分析、研究和可视化、科学和工程图形、应用开发文件必须在当前的目录中，或者在搜索路径的目录中M函数有两种可以由用户显示的信息类型，第一种信息类型称为H1，它包含函数名和一行描述，第二种信息类型称为帮助文本快。
第二章基本原理数据处理工具箱（IPT）是扩展MAtLAB数值计算能力的函数集一幅图像可以定义为一个二维函数f(x,y),其中x和y是空间（平面）坐标，而f在任意一对坐标（x,y）处的幅度称为该图像的亮度或灰度，灰度是用来表示黑白图像亮度的一个术语，而彩色图像是单个二维图像组合形成的。
将坐标值数字化称为取样，将振幅数字化称为量化,当F的x,y分量和振幅都是有限且离散的量时，称该图像为数字图像。
取样和量化的结果是一个实数矩阵，工具箱使用（r,c）表示行与列。
读取图像函数imread(‘图像名‘)imread支持GIF格式，但imwrite不支持，函数size（f）可以输出一幅图像的行数和列数，whos f可以显示出一个数组的附加信息，显示图像用函数imshow（f,G）,f 是一个图像数组，G使显示该图像的灰度等级，省略则默认灰度等级为256，imshow(f,[low high])，会将所有小于或等于low的值都显示为黑色，所有大于或等于high的值都显示为白色，imshow（f,[ ]）可以将变量的low设置为数组f的最小值，将变量high设置为数组f的最大值，函数Pixval经常用来交互地显示单个像素的亮度值。
数字图像处理实验(MATLAB版)
数字图像处理实验(MATLAB版)数字图像处理(MATLAB版)实验指导书(试用版)湖北师范学院教育信息与技术学院2009年4月试行目录实验一、数字图像获取和格式转换 2 实验二、图像亮度变换和空间滤波 6 实验三、频域处理7 实验四、图像复原9 实验五、彩色图像处理10１实验六、图像压缩11 实验七、图像分割13 教材与参考文献14２《数字图像处理》实验指导书实验一、数字图像获取和格式转换一、实验目的1掌握使用扫描仪、数码相机、数码摄像级机、电脑摄像头等数字化设备以及计算机获取数字图像的方法；2修改图像的存储格式；并比较不同压缩格式图像的数据量的大小。
二、实验原理数字图像获取设备的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。
各类设备都标明了它的光学分辨率和最大分辨率。
分辨率的单位是dpi，dpi是英文Dot Per Inch的缩写，意思是每英寸的像素点数。
扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者图纸照片；然后启３动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。
为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD 上，CCD将RGB光带转变为模拟电子信号，此信号又被A/D变换器转变为数字电子信号。
至此，反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号，最后通过串行或者并行等接口送至计算机。
扫描仪每扫一行就得到原稿x方向一行的图像信息，随着沿y方向的移动，在计算机内部逐步形成原稿的全图。
扫描仪工作原理见图1.1。
４图1.1扫描仪的工作原理在扫描仪的工作过程中，有两个元件起到了关键的作用。
一个是CCD，它将光信号转换成为电信号；另一个是A/D变换器，它将模拟电信号变为数字电信号。
数字图像处理03亮度变换与空间滤波
数字图像处理
14
计算机科学与工程系
3.4 空间滤波
空间滤波（邻域处理） (1) 定义中心点(x, y); (2) 对预先定义的以(x, y)为中心点的邻域内的像素进行运算; (3) 令运算结果为该点处处理的响应; (4) 对图像中的每个点重复(1)(3)步骤. 空间滤波的分类： 线性空间滤波, 对邻域中像素的计算为线性运算. 如均值 滤波等. 非线性空间滤波,对邻域中像素的计算为非线性运算.如 统计排序滤波等
数字图像处理
15
计算机科学与工程系
y
滤波器 掩模 滤波掩模 核, 模板 窗口 图像f (x, y) x
w(-1,-1)
w(-1,Leabharlann )w(-1,1)w(0,-1)
w(0,0)
w(0,1)
w(1,-1)
w(1,0)
w(1,1)
f(x-1,y-1) f(x-1,y) f(x-1,y+1)
f(x,y-1)
3.1 背景知识
空间域技术 空间域技术直接对图像的像素进行处理.
数字图像处理
3
计算机科学与工程系
3.1 背景知识
点的邻域
定义一个点(x, y)的邻域 的主要方法是利用中心 在(x, y)点的正方形或矩 形子图像 如1×1邻域, 3×3邻域, 5×5邻域
数字图像处理
4
计算机科学与工程系
13 计算机科学与工程系
数字图像处理
3.3 直方图处理与函数绘图
3.3.2 直方图均衡化
sk T (r k ) pr (rj )
j 1 j 1 k k
nj n
函数histeq: histeq(f, nlev) 例3.5 直方图均衡化
亮度变换与空间滤波-冈萨雷斯版
3.2 亮度变换函数
例3.2 使用对数变换减小动态范围
图a是一个取值范围为0至1.5×106的傅里叶频谱，显示在线性 比例尺的8比特系统上。
图b是图a使用以下命令进行对数变换后的结果
g=im2uint8(mat2gray(log(1+double(f))) imshow(g)
h(rk)=nk, 其中rk是[0,G]内的第k级亮度， nk是灰度级为rk的图
像中的像素数。 水平方向：灰度值 垂直方向：灰度值出现的概率
3.3.1 生成并绘制图像的直方图
归一化直方图 p(rk)= h(rk)/n= nk/n
h=imhist(f,b), b是灰度级的个数 归一化直方图 p=imhist(f,b)/numel(f)
3.2 亮度变换函数
实用的一些亮度变换函数
处理可变数目的输入和输出
nargin,nargout
检测传递的参量数目是否正确的函数nargchk
msg=nargchk(low,high,number)
可变的输入变量varargin和输出变量varargout 图像类别转换g=changeclass(newclass,f) 函数intrans, 见书上P52。
例3.9 使用函数imfilter
例3.10 手工指定滤波器和增强技术的比较
3.5 图象处理工具箱的标准空间函数
3.5.2 非线性空间滤波器
排序滤波器，ordfilt2 g=ordfilt2(f,order,domain)
最小滤波器 最大滤波器 中值滤波器 二维中值滤波器 medfilt2(f,[m n],padopt)
3.2 亮度变换函数
3.2 亮度变换函数
空间滤波
用普通显微镜观察样品， 衬比度极小。 Zernike提出
切片 （物）
e
相位板 i
像
在玻璃片中 相位反衬法：
心滴一小滴厚h 的液体，
2 π nh
放到频谱面上引起 0 级相移：
~ ~ i（x , y） U物 ( x, y) At ( x, y) Ae
A1 i
1873年，德国阿贝二次成象理论与实验—空间滤波 与光学信息处理的先导 1935年，荷兰泽尼克相衬显微术—空间滤波与光学 信息处理的杰出范例 60年代，Cutrona对综合孔径雷达数据处理、1963年 Vander Lugt全息滤波器、1965年Lohmann和Brown计算 全息图—空间滤波与光学信息处理的蓬勃发展时期
光学强有力的数学手段— 付氏分析， 给了数学上的付氏变换的运算提供了一个新 技术— 光学计算术。 一个透镜就是一个光学模拟计算机。 光学模拟计算机的优点：
1）能直接处理连续函数，不需要抽样离散化… 2）能直接处理二元函数 f (x , y)。 3）是并行输入，光束交叉可独立传播。 4）速度快，不受电路时间常数 RC 的限制。 5）装置简单，价格低。
这样：
I ( x, y) 1 2 ( x, y)
于是像的光强中就更加突出了相位的变化。 Zernike 因此获得了1953年诺贝尔物理奖。
普通显微镜（左）和相衬显微镜拍摄的硅藻照片
三 复数滤波器－图象识别和消模糊
复数滤波器制作：1963年Vander Lugt全息方法制作 L1 P
滤波函数为
T ( f x ) j 2f x
fx可取正、负两值。 为实现负值，可将两块模片叠合，一块是振幅模片 ，其透过率为 T1 ( f x ) 2f x 另一块是相位模片，做成在的正范围和负范围中， 其相位差为的相位掩模，其透过率函数为
- 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)。
• 注意： 滤波后的图像的每个元素使用双精度 浮点算术进行运算，然而imfilter会将输出 图像转换为与输入图像相同的类，因此， 若f是一个整数数组，则输出中超过整形范 围的元素将被截断，且小数会四舍五入。 若结果要求更高的精度，则f需要在使用函 数imfilter之前利用im2double或double转换 为double类。
2014-1-24
程序： A=imread('3-1.jpg'); figure,imshow(A) w1=fspecial('average',3); w2=fspecial('average',5); w3=fspecial('average',9); g1=imfilter(A,w1,'replicate'); g2=imfilter(A,w2,'replicate'); g3=imfilter(A,w3,'replicate'); subplot(2,2,1),imshow(A) subplot(2,2,2),imshow(g1) subplot(2,2,3),imshow(g2) subplot(2,2,4),imshow(g3)
2014-1-24
• 3、调整图像的大小
函数：imresize 作用：通过特定的插补方法来调整图像的大小 使用（1）B=imresize(A,m,method) 用method方法返回大小等于A的m倍 的图像B。 （2）B=imresize(A,[mrows ncols],method) 用method方法返回大小等于mrows*ncols 的图像B。
g1
2014-1-24
g2
g3
2、对数变换和对比度拉伸变换 用于减少动态范围 例:>>f=imread('1x.jpg'); >> figure,imshow(f) >> g=im2uint8(mat2gray(log(1+double(f)))); >> figure,imshow(g) 效果图：
2014-1-24
边缘点处理：
（1）将掩模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。（最优） （2）补零 （3）抽边缘的像素补充
2014-1-24
滤波函数 imfilter
语法： g=imfilter(f,w,filtering_mode,boundary_options,size_o ptions) 其中： （1）filtering_mode是指定在滤波过程中是使用 “相 关‘corr‟”或者”卷积‘conv‟”,默认是相关。P67 （2） boundary_option是边界填充问题,“P”表示填充 0，‘replicate‟表示复制外边界，默认填充0 （3）size_options可以是’same‟或‘full‟，默认是 same
2014-1-24
3、亮度变换的一个M函数 intrans 要注意的： （1）输入的变量是如何处理的 （2）错误检验是如何插入代码的 （3）输入图像的类是如何与输出图像的类相匹配的 例子：>> f=imread('3-2.jpg'); >> g=intrans(f,'stretch',mean2(im2double(f)),0.9); >> figure,imshow(g)
2014-1-24
2、图像增强的两大类方法： 空间域：是指图像平面自身，这类方法 是以对图像的像素直接处理为基础。 频域：将一幅图像像元值在空间上的变 化分解为具有不同振幅、空间频率和相位的 简振函数的线性叠加,图像中各种空间频率成 分的组成和分布称为空间频谱。这种对图像 的空间频率特征进行分解、处理和分析称为 空间频率域处理或波数域处理。 处理技术是 以修改图像的傅氏方法为基础的。
重点： （1）对比度增强方法（adjust和intrans函数） （2）直方图的画法（bar、stem和plot函数） （3）均值及中值滤波方法 难点： 微分算子的锐化作用（掌握拉普拉斯算子、 Robert、Sobel算子）
2014-1-24
3.1 图像的几何操作
• 1、插补运算 插补运算是通过在输入图像中查找与输出 像素对应的点来确定插补像素点的数据值。 MATLAB提供的插补运算： 近邻插补运算（nearest neighbor） 双线性插补运算（bilinear） 双立方插补运算（bicubic）
2014-1-24
3.3、直方图处理与函数绘图
（1）什么是直方图？ 图像的直方图是一个关于图像灰度级别的离散
函数，描述的是图像中具有该灰度级别的像素个 数。直方图归一化之后，该函数在所有灰度级上的 离散和为1。
（2）图像的直方图和图像质量的关系
“差”图像的直方图很窄
“好”图像的直方图则要平坦很多
2014-1-24
2014-1-24
（5）直方图的绘制
a、条形图函数：bar 语法：bar(horz,v,width,style) 其中： v是一个列向量，包含将被绘制的点 horz是一个与v有相同维数的向量 width是[0 1]之间的值，代表条宽度，默认0.8 style是显示样式，’group‟表示成组显示，’sta 表示层叠显示。
2014-1-24
例子：使用双立方插补法改变图像的角度
程序： A=imread('hch.jpg'); B=imrotate(A,30,'bilinear','crop'); subplot(1,2,1),imshow(A) title('原始图像') 实验效果： subplot(1,2,2),imshow(B) title('旋转30度后的图像')
a b
其中，a=(m-1)/2,b=(n-1)/2，为了得到一副 完整的经过滤波处理后的图像，必须对 x=0,1,…,M-1,y=0,1,…,N-1依次应用上述公式， 这样，就保证了对图像中所有像素的处理。
2014-1-24
2014-1-24
掩模（滤波算子）：
函数：fspecial(type,para) 功能：用于建立预定义的滤波算子 其中，参数指定算子的类型，para指定相应 的参数。P72 表7.4
2014-1-24
color
符号 k w r g b c y m
2014-1-24
linestyle
符号 -: -. 线型 实线 虚线 点线 点划 线 无线
marker
符号 + o * . x s d none 颜色 加号 圆型 星号 点 叉型 方形 菱形 无标记
颜色 黑 白 红 绿 蓝 青 黄 品红
2014-1-24
卷积：
函数：conv2(A,B) 语法格式：c=conv2(A,B) 其中:若A的大小为[ma,na],B的大小为 [mb,nb],则c的大小为[ma+mb-1,na+nb-1]。 c=conv2(A,B,shape)用于指定卷积的范围。 shape的值为’full‟、‘same‟ 例子：A=magic(5); B=magic(3); C=conv2(A,B,‟same‟)
2014-1-24
空间域： 灰度变换 :基于点操作，将每一个像素的灰 空域增强按技术不同可分为灰度变
度值按照一定的数学变换公式转换为一个 新的灰度值。常用的有 :对比度增强、直方 换和空间滤波。 图均衡化等方法。 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素进行某 种数学运算，得到该像素的新的灰度值。 图像平滑与锐化技术就属于空域滤波。
2014-1-24
3.4 空间滤波
• 3.4.1基础概念： （1）空间滤波 （2） 掩模 （3）卷积 （4）边缘点处理
2014-1-24
空间滤波：
在大小为m*n的图像f上，用m*n大小的滤 波器进行线性滤波由下式给出：
g ( x, y ) s a t b w( s, t ) f ( x s, y t )
>> f=imread('3-3.jpg'); >> h=imhist(f); >> h1=h(1:10:256); >> horz=1:10:256; >> bar(horz,h1) >> axis([0 255 0 15000]) >> set(gca,'xtick',0:50:255) >> set(gca,'ytick',0:2000:15000) >> xlabel('x轴') >> ylabel('y轴') >> title('直方图绘制')
2014-1-24
例子：调整图像的大小
程序：
>>A=imread('hch.jpg'); >> figure,imshow(A) >> >>B=imresize(A,0.5,'bilinear'); >> figure,imshow(B)
实验效果：
注意：若指定图像和输入图像具有不同的宽高比， 则输出图像会变形。
2014-1-24
1、imadjust函数 （1）反转（用于增强嵌入在大片黑色区域中的白色细节） 语句：g=imadjust(f,[0 1][1 0]); 等价于：g=imcomplement(f); 效果图：
反转
2014-1-24
(2) imadust(突出感兴趣的亮度带) 语句：g1=imadjust(f,[0.5 0.75][0 1]); 自适应：g1=imadjust(f,stretchlim(f),[ ],) (3) 整体变亮或整体变暗(Gamma校正) 语句：g3=imadjust(f,[ ],[ ],0.5);//整体变亮 g4=imadjust(f,[ ],[ ],2);//整体变暗 效果图：