图像的空域增强
实验二空域图像增强
实验三空域图像增强一、实验目的与要求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、实验内容与步骤1、图像的直方图与直方图均衡方法a. 从硬盘加载cameraman.tif图象(using function imread).b. 显示图象.c. 显示图象的直方图(using function imhist).d. 用直方图均衡方法进行图象增强.e. 对处理后的图象显示其直方图.f. 比较图象的质量并且进行讨论.代码如下：I=imread(‘原图像名.gif); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理Imshow(I); %显示原图像Title(‘原图像’); %给原图像加标题名Figure；imshow(J); %对原图像进行屏幕控制；显示直方图均衡化后的图像Title(‘直方图均衡化后的图像’) ; %给直方图均衡化后的图像加标题名Figure; subplot(1,2,1) ;%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图Imhist(I,64); %将原图像直方图显示为64级灰度Title(‘原图像直方图’) ; %给原图像直方图加标题名Subplot(1,2,2); %作第2幅子图Imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度Title(‘均衡变换后的直方图’) ; %给均衡化后图像直方图加标题名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。
2、对图象加入躁声，改变噪声参数（均值、方差或比例），比较其影响。
使用3x3或7x7的均值滤波器、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；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。
图像增强的基本原理
图像增强的基本原理图像增强是一种用于改善图像视觉质量或提取目标特征的技术。
它通过改变图像的亮度、对比度、颜色、清晰度等属性来增强图像的可视性和可识别性。
图像增强的基本原理可以归纳为以下几点：1. 空域增强：采用空域操作，即对图像的每个像素进行操作。
常见的空域增强方法有直方图均衡化、灰度拉伸、滤波等。
直方图均衡化通过重新分布图像中像素的亮度来增加图像的对比度，灰度拉伸则通过线性转换将图像的亮度范围拉伸到整个灰度级范围内。
滤波则通过应用低通、高通、中通等滤波器来增强图像的细节和轮廓。
2. 频域增强：采用频域操作，即将图像转换到频域进行处理。
常见的频域增强方法有傅里叶变换、小波变换等。
傅里叶变换可以将图像从空域转换到频域，通过对频谱进行滤波操作来增强图像的细节和边缘。
小波变换则可以将图像分解为不同频率的子带，可以更加灵活地选择性地增强特定频率的信息。
3. 增强算法：通过应用特定的增强算法来增强图像的视觉效果。
常用的增强算法有Retinex算法、CLAHE算法等。
Retinex算法通过模拟人眼对光源的自适应调整能力来增强图像的亮度和对比度，CLAHE算法则通过分块对比度受限的直方图均衡化来增强图像的细节和纹理。
4. 机器学习方法：利用机器学习算法对图像进行增强。
通过训练模型，学习图像的特征和上下文信息，然后根据学习到的模型对图像进行增强处理。
常见的机器学习方法包括卷积神经网络、支持向量机等。
综上所述，图像增强的基本原理包括空域增强、频域增强、增强算法和机器学习方法等。
这些原理可以单独或结合使用，根据图像的特点和需求，选择合适的方法来对图像进行增强处理，以获得更好的图像视觉质量和目标特征提取效果。
遥感入门-遥感数字图像增强处理
或：
Lg g ( x, y ) f ( x, y ),
研究边缘灰度 级的变化，但 不受背景影响
只对边缘位置 感兴趣
f ( x, y ) g ( x, y ) Lb , L g ( x, y ) g Lb ,
直方图规定化
直方图规定化
T（xa）为原图像直方图均衡化的变换函 数,G(yc)为参考图像直方图均衡化的变换函 数,变换后的灰度值均为Zb,由上述可知
Z b T ( xa ) ha( xaj )
j 0 k k
Z b G ( yc ) hc( ycj )
j 0
yc G ( zb ) G [T ( xa )]
4
6 5 5 4 3 3
0.35
0.47 0.57 0.67 0.76 0.82 0.88
0.33
0.51 0.51 0.67 0.82 0.82 0.92
14 ／16
15 ／16 1
2
2 2
0.92
0.96 1
0.92
1.00 1.00
空域增强-邻域增强
• 邻域
对于图像中的某个像元f（x,y），把以像元为中心一定距 离内的像元集合Axy=｛x±p，y±q｝（p,q取任意整数） 叫做该像元的邻域。
用这种非线性的滤波，比邻域平均法可以在很大的程 度上防止边缘的模糊。
3
5
10 12 16
2
5
4
6
8
8
10 5
3 7
4
3
6
7
45 8
10 19
30 8
试用1*3和3*3的窗口对此进行中值滤波
数字图像处理冈萨雷斯空间域图像增强(共104张PPT)
例如每个象素点的灰度值用8bit表示，假设某像素点的灰度值为00100010,分解处理 如下 :
00100010
00000000(0) 00000010(2)
00000000(0)
00000000(0) 00000000(0)
001000(0302) 00000000(0)
这样这个位置的像素，就分解 成了8局部，各局部的值转成
1时 ， 该 变 换 将
低 灰 度 值 （ 暗 值 ） 进 行 拉 伸
例 ： 0.4时 ， 该 变 换 将 动 态 范 围
从 [0,L5]扩 展 到 [0,L2]
1时 ， 该 变 换 将
L5
高 灰 度 值 （ 亮 值 ） 进 行 拉 伸
3.2 根本灰度变换
幂次变换应用 (伽马)校正 s cr
00000000(0)
十进制就是该点在该位平面上
的灰度值。
④分段线性变换函数
3.2 根本灰度变换
位图切割
位图切割例如
位图切割在图像压缩和重建中的应用
重建：
①第n个bit平面的每个像素 2 n1 ；
②所有bit平面相加；
MATLAB 例子:线性变换
I=imread('pout.tif');
pout=double(I);
随机变量:不一定是均匀分布的
根据该方程可以由原图像的各像素灰度值直接得到直方图 均衡化后各灰度级所占的百分比
➢直方图均衡化处理的计算步骤如下：
(1)统计原始图象的直方图
是rk 输入图象灰度级； (2)计算直方图累积分布曲线
pr
rk
nk n
3.3 直方图处理
sk T(rk)j k0pr(rj)j k0nnj
简述空域处理方法和频域处理方法的区别
空域处理方法和频域处理方法是数字图像处理中常见的两种基本处理方法，它们在处理图像时有着不同的特点和适用范围。
下面将从原理、应用和效果等方面对两种处理方法进行简要介绍，并对它们的区别进行分析。
一、空域处理方法1. 原理：空域处理是直接对图像的像素进行操作，常见的空域处理包括图像增强、平滑、锐化、边缘检测等。
这些处理方法直接针对图像的原始像素进行操作，通过像素之间的关系来改变图像的外观和质量。
2. 应用：空域处理方法广泛应用于图像的预处理和后期处理中，能够有效改善图像的质量，增强图像的细节和对比度，以及减轻图像的噪声。
3. 效果：空域处理方法对图像的局部特征和细节有很好的保护和增强作用，能够有效地改善图像的视觉效果，提升图像的清晰度和质量。
二、频域处理方法1. 原理：频域处理是通过对图像的频率分量进行操作，常见的频域处理包括傅立叶变换、滤波、频域增强等。
这些处理方法将图像从空间域转换到频率域进行处理，再通过逆变换得到处理后的图像。
2. 应用：频域处理方法常用于图像的信号处理、模糊去除、图像压缩等方面，能够有效处理图像中的周期性信息和干扰信号。
3. 效果：频域处理方法能够在频率域对图像进行精细化处理，提高图像的清晰度和对比度，对于一些特定的图像处理任务有着独特的优势。
三、空域处理方法和频域处理方法的区别1. 原理不同：空域处理方法直接对图像像素进行操作，而频域处理方法是通过对图像进行频率分析和变换来实现图像的处理。
2. 应用范围不同：空域处理方法适用于对图像的局部特征和细节进行处理，而频域处理方法适用于信号处理和频率信息的分析。
3. 效果特点不同：空域处理方法能更好地保护和增强图像的细节和对比度，频域处理方法能更好地处理图像中的周期性信息和干扰信号。
空域处理方法和频域处理方法是数字图像处理中常用的两种处理方法，它们在原理、应用和效果等方面有着不同的特点和适用范围。
在实际应用中，可以根据图像的特点和处理需求选择合适的方法，以获得更好的处理效果。
微弱红外目标图像增强技术研究
微弱红外目标图像增强技术研究微弱红外目标图像增强技术研究引言：红外图像技术在军事、安防、医学等领域具有重要的应用价值。
然而，由于红外图像的特殊性质，即目标低热性、低对比度和低分辨率等问题，使得微弱红外目标的检测和识别成为一项具有挑战性的任务。
为了克服这些问题，研究人员提出了各种微弱红外目标图像增强技术。
本文将对几种常见的微弱红外目标图像增强技术进行综述，并对各种技术的优缺点进行评述。
一、微弱红外目标图像增强技术综述1. 直方图均衡化技术：直方图均衡化是一种常见的图像增强技术，通过将图像的灰度级分布均匀化，增强图像的对比度和细节。
然而，直方图均衡化容易导致图像的亮度和对比度过度增强，同时在图像局部细节的增强方面效果较差。
2. 基于滤波的增强技术：滤波技术被广泛应用于红外图像增强中，包括中值滤波、高斯滤波和自适应滤波等。
这些滤波方法可以有效去噪，但在增强微弱红外目标方面存在一定局限性，容易产生边缘模糊等不可逆失真。
3. 空域增强技术：空域增强技术是基于图像局部统计特性进行增强的方法，包括维纳滤波、谱偏移、算子滤波等。
这些技术能够提高图像的对比度和边缘信息，但对于微弱红外目标的增强效果有限。
4. 基于光谱特征的增强技术：利用红外图像的光谱特征进行增强是一种有效的策略，包括基于小波多尺度分析的增强方法、多尺度Retinex增强方法等。
这些方法将图像分解为不同尺度的子带，通过增强各个子带的细节信息，提高了微弱红外目标的可见度。
二、微弱红外目标图像增强技术优缺点评价1. 直方图均衡化技术：优点：简单易行，适用于快速增强红外图像的场景。
缺点：容易造成过度增强和细节信息丢失。
2. 基于滤波的增强技术：优点：能够有效去噪，提高图像的清晰度。
缺点：容易造成边缘模糊和不可逆失真。
3. 空域增强技术：优点：能够提高图像的边缘信息和对比度。
缺点：对微弱红外目标的增强效果有限。
4. 基于光谱特征的增强技术：优点：提高了微弱红外目标的可见度。
图像增强-数字图像处理
图像增强
2.图像噪声的特点 (1)噪声在图像中的分布和大小不规则,即具有随机性。 (2)噪声与图像之间一般具有相关性。 (3)噪声具有叠加性。
图像增强
3.3.2 模板卷积 模板操作是数字图像处理中常用的一种邻域运算方式,
灰度变换就是把原图像的像素灰度经过某个函数变换成 新图像的灰度。常见的灰度变换法有直接灰度变换法和直方 图修正法。直接灰度变换法可以分为线性变换、分段线性变 换以及非线性变换。直方图修正法可以分为直方图均衡化和 直方图规定化。
图像增强
3.1.1 线性变换 假定原图像f(x,y)的灰度范围为[a ,b],希望变换后图像
ቤተ መጻሕፍቲ ባይዱ
图像增强
例如,假定一幅大小为64×64、灰度级为8个的图像,其灰 度分布及均衡化结果如表3-1 所示,均衡化前后的直方图及变 换用的累积直方图如图3-10所示,则其直方图均衡化的处理 过程如下。
图像增强
图像增强 由式(3-12)可得到一组变换函数:
依此类推:s3=0.81,s4=0.89,s5=0.95,s6=0.98,s7=1.0。变换函 数如图3-10(b)所示。
图像增强
１
图像增强
图3-1 灰度线性变换
图像增强
图3-2 灰度线性变换示例
图像增强
3.1.2 分段线性变换 为了突出感兴趣的灰度区间,相对抑制那些不感兴趣的
灰度区间,可采用分段线性变换。常用的3段线性变换如图33所示,L 表示图像总的灰度级数,其数学表达式为
图像增强
图3-3-分段线性变换
图像增强
设r 为灰度变换前的归一化灰度级(0≤r≤1),T(r)为变换函 数,s=T(r)为变换后的归一化灰度级(0≤s≤1),变换函数T(r)满足 下列条件:
图像处理中的图像质量评价与图像增强技术研究
图像处理中的图像质量评价与图像增强技术研究图像处理是一门研究如何利用计算机技术对图像进行处理和分析的学科。
在现代社会中，图像处理技术已经广泛应用于各个领域，如医学影像分析、远程感知、计算机视觉等。
然而，在图像处理的过程中，图像质量评价和图像增强技术是两个重要的问题。
本文将从图像质量评价和图像增强技术两个方面，来探讨图像处理中的相关研究内容。
一、图像质量评价图像质量评价是图像处理中常用的一个重要指标，它可以用来评价图像的清晰度、对比度和色彩等特征。
图像质量评价的目的是帮助我们找出图像中存在的问题，以便进一步采取措施对图像进行处理和修复。
1. 主观评价主观评价是人眼对图像质量的直观感受。
在主观评价中，一些训练有素的观察者被要求对一组图像进行评价，然后通过统计分析得到图像的质量评分。
主观评价的优点是能够真实地反映人眼对图像的感受，但其缺点在于评分的主观性和人为因素的干扰。
2. 客观评价客观评价是利用计算机算法对图像进行分析和评价。
常用的客观评价方法包括均方根误差（MSE）、峰值信噪比（PSNR）和结构相似性指标（SSIM）等。
这些评价指标可以通过计算图像的差异性来得到图像质量评分，客观评价的优点在于能够自动化地进行评价，但其缺点是无法完全代表人眼对图像的感受。
二、图像增强技术图像增强技术是指通过各种算法和方法对图像进行处理，以改善图像的质量和细节。
图像增强技术的目的是使图像更加清晰、锐利、对比度更高和色彩更鲜艳。
1. 空域增强技术空域增强技术是指在图像的像素级别上进行处理，包括直方图均衡化、空间滤波和锐化等。
其中，直方图均衡化是一种常用的增强技术，它通过对图像的像素值进行线性变换，使图像的直方图分布更均匀，从而增加图像的对比度和细节。
2. 频域增强技术频域增强技术是指将图像从空域转换到频域进行处理，然后再将图像转换回空域。
其中，快速傅里叶变换（FFT）和小波变换是常用的频域增强技术。
通过对图像的频谱进行分析和处理，可以改善图像的细节和对比度。
图像增强的原理
图像增强的原理
图像增强的原理主要包括以下几个方面：
1. 直方图均衡化：通过调整图像的灰度级分布，使得图像中的像素更加均匀地分布在整个灰度级范围内。
具体操作包括计算图像的累积直方图，并将其映射到期望的均匀分布上。
2. 空域滤波：利用不同的滤波器对图像进行滤波操作，以增强或抑制特定频率的信息。
例如，使用高通滤波器可以增强图像的边缘信息，而使用低通滤波器可以抑制噪声。
3. 空间域法：通过调整图像的像素值来增强图像的局部细节。
例如，使用直方图拉伸可以增加图像的对比度，而局部对比度增强可以突出图像中的细节。
4. 频域法：将图像转换到频域进行处理，然后再进行反变换得到增强后的图像。
例如，使用傅里叶变换可以将图像转换到频域进行滤波操作，然后再进行反变换得到增强后的图像。
5. 去噪处理：通过滤波等方法去除图像中的噪声，以提高图像的质量。
常用的去噪方法包括中值滤波、高斯滤波等。
总之，图像增强的原理是通过对图像的像素值、灰度级分布、频域信息等进行调整和处理，来改善图像的质量、对比度、细节等。
不同的增强方法适用于不同的图像特点和需求，可以根据具体情况选择合适的方法进行处理。
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
图像增强最全的几种方法和手段
图像增强最全的几种方法和手段图像处理学院信息工程学院姓名钟佳杭班级14级物联网工程学号1440903010321、图像增强的原理及应用前景图象增强是图像处理的基本内容之一，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信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。
增强图象中的有用信息，它是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
近年来，随着消费型和专业型数码相机的日益普及，海量的图像数据正在被产生．但由于场景条件的影响，很多在高动态范围场景、昏暗环境或特殊光线条件下拍摄的图像视觉效果不佳，需要进行后期增强处理调整动态范围或提取一致色感才能满足显示和印刷的要求。
人类视觉系统具有强烈的全局和区域的自适应性和非线性，在多种不同的光照条件下都能清晰地辨识细节，具有电子设备所不可比拟的优势。
因此，图像增强引起了广泛的关注，很多图像增强方法在设计时考虑描述和模仿人类视觉系统的特性，以期获得符合人类视觉系统特性的增强效果。
2图像增强的算法分类图像增强算法可分成两大类：频率域法和空间域法。
前者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。
基于频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。
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。
基于空域的算法处理时直接对图像灰度级做运算，具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
基于空域的算法分为点运算算法和邻域去噪算法。
matlab中的图像增强实验附程序代码
matlab中的图像增强实验附程序代码图像增强实验⼀：试验⽬的熟悉并掌握数字图像空域增强：空域变换增强，空域滤波增强⼆：实验内容（1）直⽅图均衡化进⾏图像增强代码： imag=imread('pout.tif'); imag=im2double(imag);subplot(2,2,1);imshow(imag);title('原始图像');subplot(2,2,2);imhist(imag);title('原始图像的直⽅图'); imag1=histeq(imag);subplot(2,2,3);imshow(imag1);title('直⽅图均衡化后的图像');subplot(2,2,4);imhist(imag1);title('直⽅图均衡化后的图像的直⽅图'); 直⽅图均衡化进⾏图像增强效果图（2）对图像加⼊椒盐噪声，并分别⽤中值滤波和⾃适应的⽅法进⾏去噪处理的代码：imag2=imnoise(imag,'salt',0.02); imag3=medfilt2(imag2); imag4=wiener2(imag2);subplot(2,2,1);imshow(imag);title('原始图像');subplot(2,2,2);imshow(imag2);title('加⼊椒盐噪声后的图像'); subplot(2,2,3);imshow(imag3);title('进⾏中值滤波后的图像'); subplot(2,2,4);imshow(imag4);title('进⾏⾃适应滤波后的图像');对图像加⼊椒盐噪声，并分别⽤中值滤波和⾃适应的⽅法进⾏去噪处理的效果原始图像0.51原始图像的直⽅图直⽅图均衡化后的图像0.510直⽅图均衡化后的图像的直⽅图（3）对⽐度增强代码：I=imread('C:\Documents and Settings\Administrator\桌⾯\测试图像\rice.tif'); J=imadjust(I,[0.3,0.7],[]); subplot(2,2,1);imshow(I);title('原始图像'); subplot(2,2,2);imshow(J);title('');subplot(2,2,3);imhist(I);title('原始图像的灰度直⽅图');subplot(2,2,4);imhist(J);title('进⾏对⽐度增强后的图像的灰度直⽅图'); 对⽐度增强效果原始图像加⼊椒盐噪声后的图像进⾏中值滤波后的图像进⾏⾃适应滤波后的图像原始图像10020005001000原始图像的灰度直⽅图1002000500100015002000进⾏对⽐度增强后的图像的灰度直⽅图。
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。
图像处理习题和思考题(2-9)
第二章 习题和考虑题1、解释概念：颜色模型、二值图像，索引图像，灰度图像，RGB 图像2、简述HSI 颜色模型和RGB 颜色模型。
3、谈谈现代显示技术显示颜色的根本原理.4、简述三色假说。
5、存储一幅大小为N ×M 的图像，256灰度级的图像需要多少个字节？假如图像是RGB 真彩色图像需要多大存储空间？6、分别画出某象素的4邻域和8邻域。
第三章 图像增强一、空域增强1、解释概念：直方图，直方图平衡化，图像增强，图像平滑、图像锐化、灰度变换、伪彩色增强2、简述题平滑滤波器的主要用处、锐化滤波器的主要用处3、图象的直方图可以反映图像哪些信息？举例说说4、请说明以下各图所示空间滤波器类型〔平滑、锐化〕4、请说明以下各图所示的灰度变换的作用5、图(a)的直方图如图〔b 〕所示。
设计一个增强比照度的灰度变换函数，使图像进步比照度，并详细说明增强原理。
〔a 〕 〔b 〕⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=111111111911H ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1111211111012H ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1212421211613H ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=111101111814H ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=010*******H ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=1111811116H6、图(a)的直方图如(b)所示，设计一个增强比照度的灰度变换函数，使图像比照度进步，并详细说明增强原理。
〔a〕〔b〕7、试举例说说图像加法、图像减法的主要应用。
8、利用累积分布函数将下面的直方图平衡化。
r k P(r k)=n k/nr0=0 0.25r1=1 0.19r2=2 0.17r3=3 0.14r4=4 0.12r5=5 0.07r6=6 0.05r7=7 0.019、对下列图，分别作3×3中值滤波和邻域平均滤波处理，写出处理结果。
10、使用Roberts、Prewitt、Sobel算子计算上图的梯度，画出梯度幅度图。
基于空域的图像增强技术研究
赤 峰 学 院 学 报（ 自 然 科 学 版 ） Journal of Chifeng University（Natural Science Edition）
Vol. 28 No. 4 Apr. 2012
基于空域的图像增强技术研究
关雪梅
（辽宁对外经贸学院 信息技术系，辽宁 大连 116052）
图像直方图是图像处理中一种十分重要的图像分析工 具，它描述了一副图像的灰度级内容，任何一副图像的直方 图都包含了丰富的信息，它主要用在图像分割、图像灰度变
- 22 -
换等处理过程中.从数学上来说图像直方图是图像各灰度值 统计特性与图像灰度值的函数，它统计一副图像中各个灰 度级出现的次数或概率；从图像上来说，它是一个二维图， 横坐标表示图像中各个像素点的灰度级，纵坐标为各个灰 度级上图像各个像素点出现的次数或概率，它是图像最基 本的统计特征.
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.
直方图均衡化的具体实现步骤如下：
（2）一副图像对应一个直方图，但不同的图像可能有相 同的直方图.也就是说，图像与直方图之间是一种多对一的 映射关系.
（3）各子图像的直方图之和等于整幅图像的直方图. 2.2 直方图的均衡化
直方图均衡化又称直方图平坦化，是将一已知灰度概 率密度分布的图像经过某种变换，变成一幅具有均匀灰度 概率密度分布的新图像.其结果是扩展了像元取值的动态范 围，从而达到增强图像整体对比度的效果.
数字图像处理实验报告 空域图像增强技术
课程名称：实验项目：实验地点：专业班级：学号：学生姓名：指导教师：2012年月日实验一 空域图像增强技术一、 实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的线性变换和直方图均衡化的原理和应用；3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4 了解噪声模型及对图像添加噪声的基本方法。
二、 实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。
)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβαn y m x ,2,1 ,,,2,1==2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。
按照图像概率密度函数PDF 的定义：1,...,2,1,0 )(-==L k nn r p k k r 通过转换公式获得：1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。
将模板中的全体像素的均值（中值）来代替原来像素值的方法。
4 拉普拉斯算子如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。
三、 实验步骤1 启动MA TLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化、均值滤波、中值滤波和梯度锐化操作。
添加噪声，重复上述过程观察处理结果。
- 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)。
K= imnoise(I,'gaussian',0.01,0.01);
subplot(132);imshow(J);title('Salt&pepper noise');
subplot(133);imshow(K);title('gaussian noise');
4)运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点,显示均值处理后的图像（提示:利用fspecial函数的’average’类型生成均值滤波器）。
figure;
I=imread('coins.jpg');
J = imnoise(I,'salt & pepper',0.05);
H= fspecial('gaussian',[3 3],0.5);
gaussian = imfilter(I,H,'replicate');
subplot(224);imshow(gaussian);title('gaussian imag');
3)使用函数imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像。
subplot(232),imshow(K1);title('laplacian operator 5*5 ');
K2=conv2(T,w2,'same');
subplot(233),imshow(K2);title('laplacian operator 9*9 ');
K3=conv2(T,w3,'same');
w = ones(n);
x = ceil(n/2);
w(x, x) = -1 * (n * n - 1);
end
3)分别采用5×5，9×9大小的拉普拉斯算子对blurry_moon.tif进行锐化滤波，观察其有何不同，要求在同一窗口中显示。
w1 = genlaplacian(5);
w2 = genlaplacian(9);
评语：
h=fspecial('average');
J1=imfilter(J,h);
for i=1:10
J1=imfilti=1:20
J2=imfilter(J,h);
end
subplot(131);imshow(I); title('Original image');
subplot(132);imshow(J1); title('10-Averaging image');
originalRGB = imread('peppers.png');
h = fspecial('motion', 50, 45);
RGB = imfilter(originalRGB, h);
boundaryReplicateRGB = imfilter(originalRGB, h, 'replicate');
二、实验内容
1）实现平滑空间滤波
2）实现锐化空间滤波
三、实验过程（步骤、命令）及结果（截图、源程序）
1、平滑空间滤波
1)读出coins.jpg这幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中。
figure;
I=imread('coins.jpg');
subplot(131);imshow(I); title('Original image');
boundary0RGB = imfilter(originalRGB, h, 0);
boundarysymmetricRGB = imfilter(originalRGB, h, 'symmetric');
boundarycircularRGB = imfilter(originalRGB, h, 'circular');
w3 = genlaplacian(15);
w4 = genlaplacian(25);
I=imread('blurry_moon.tif');
T=double(I);
subplot(231),imshow(T,[]);title('Original Image');
K1=conv2(T,w1,'same');
2)对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。
figure;
I=imread('coins.jpg');
subplot(221);imshow(I);title('original image');
H = fspecial('sobel');
Sobel = imfilter(I,H,'replicate');
subplot(234),imshow(K3);title('laplacian operator 15*15 ');
K4=conv2(T,w4,'same');
subplot(235),imshow(K4);title('laplacian operator 25*25 ');
四、存在问题及解决方法
subplot(324);imshow(boundary0RGB);title('0-padding image');
subplot(325);imshow(boundarysymmetricRGB);title('symmetric image');
subplot(326);imshow(boundarycircularRGB);title('circular image');
2、锐化空间滤波
1)读出blurry_moon.tif这幅图像，采用3×3的拉普拉斯算子w = [ 1,1,1; 1,–8,1; 1,1,1]对其进行滤波。
I=imread('blurry_moon.tif');
T=double(I);
subplot(121),imshow(T,[]);title('Original Image');
实验报告
2012年11月22日第9、10节综合楼426号室
进入实验室
时间
进入时仪器
设备状况
离开实验室
时间
离开时仪器
设备状况
机器号
15:30
良好
17:00
良好
4-54
实验项目名称
图像的空域增强
一、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。
J1=imfilter(J,h);
J2=medfilt2(J);
subplot(131);imshow(I); title('Original image');
subplot(132);imshow(J1); title('Averaging image');
subplot(133);imshow(J2); title('median image');
w =[1,1,1; 1,-8,1; 1,1,1];
K=conv2(T,w,'same');
subplot(122),imshow(K);title('laplacian transform');
2)编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n的拉普拉斯算子
function w = genlaplacian(n)
subplot(321);imshow(originalRGB);title('original image');
subplot(322);imshow(RGB);title('motion blurred image');
subplot(323);imshow(boundaryReplicateRGB);title('replicate image');
subplot(222);imshow(Sobel);title('sobel image');
H = fspecial('laplacian',0.4);
lap = imfilter(I,H,'replicate');
subplot(223);imshow(lap);title('laplacian image');
subplot(133);imshow(J2); title('20-Averaging image');
5)对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。
figure;
I=imread('coins.jpg');
h=fspecial('average');