matlab-光电图像处理实验(图像增强)

光学图像处理实验报告学生姓名：班级：学号：指导教师：日期：一、实验室名称：二、实验项目名称：图像增强三、实验原理：图像增强处理是数字图像处理的一个重要分支。

很多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像增强技术来改善人的视觉效果，增强图象中的有用信息，它可以是一个失真的过程，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。

比如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。

图像增强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。

这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。

图像增强的应用领域也十分广阔并涉及各种类型的图像。

例如，在军事应用中，增强红外图像提取我方感兴趣的敌军目标；在医学应用中，增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置；在空间应用中，对用太空照相机传来的月球图片进行增强处理改善图像的质量；在农业应用中，增强遥感图像了解农作物的分布；在交通应用中，对大雾天气图像进行增强，加强车牌、路标等重要信息进行识别；在数码相机中，增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。

图像增强可分成两大类：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。

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。

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。

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。

在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。

图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。

基于空域的算法处理时直接对图像灰度级做运算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。

基于空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。

四、实验目的：1．掌握空域和频域图像增强的基本方法和原理；2．熟练掌握空域直方图均衡、图像锐化算子、平滑算子实现方法和流程。

3．熟练掌握频域图像的锐化、平滑实现方法和流程。

4．熟悉和掌握利用Matlab工具进行图像增强的基本步骤、MATLAB 函数使用及具体变换处理流程；五、实验器材（设备、元件）：计算机，Matlab软件六、实验内容及步骤：八、实验结果分析总结1、直方图其源代码为：%灰度直方图I=imread('trees.tif');%读取图像subplot(2,1,1);Imshow(I);%显示图像title('(a)原图');subplot(2,1,2);imhist(I);%绘制图像的灰度直方图title('(b)原图的灰度直方图');其结果为：2、灰度直方图均衡化其源代码为：%灰度直方图均衡化I=imread('trees.tif');%读取图像subplot(2,2,1);Imshow(I);%显示图像title('原图');subplot(2,2,2);imhist(I);%绘制图像的灰度直方图title('原图的灰度直方图');subplot(2,2,3);J=histeq(I,64);%对图像进行均衡化处理，返回有64级灰度的图像J Imshow(J);%显示图像title('原图直方图均衡化');subplot(2,2,4);imhist(J);%绘制图像的灰度直方图title('均衡后的灰度直方图');其结果为：3、图像二值化其源代码为：%图像二值化（选取一个域值，(5) 将图像变为黑白图像）I=imread('onion.png');bw=im2bw(I,0.5);%选取阈值为0.5subplot(1,3,1);imshow(I);title('原图');subplot(1,3,2);imshow(bw);title('显示二值图像');J=find(I<150);I(J)=0;J=find(I>=150);I(J)=255;subplot(1,3,3);imshow(I);title(' 图像二值化 ( 域值为150 ） ');其结果为：4、直方图变换其源代码为：%imadjust函数I=imread('rice.png');%读取图像subplot(2,2,1);Imshow(I);%显示图像title('原图');subplot(2,2,2);imhist(I);%绘制图像的灰度直方图title('原图的灰度直方图');subplot(2,2,3);J=imadjust(I,[0.3 0.7],[]);%对图像进行灰度变换Imshow(J);%显示图像title('原图直方图均衡化');subplot(2,2,4);imhist(J);%绘制图像的灰度直方图title('均衡后的灰度直方图');其结果为：5、对数变换其源代码为：%对数变换I=imread('rice.png');%读取图像I=mat2gray(I);%对数变换不支持uint8类型数据，将一个矩阵转化为灰度图像的数据格式(double)J=log(I+1);subplot(1,2,1);Imshow(I);%显示图像title('原图');subplot(1,2,2);Imshow(J);title('对数变换后的图像')其结果为：6、校正其源代码为：%Gamma校正for i=0:255;f=power((i+0.5)/256,1/2.2);LUT(i+1)=uint8(f*256-0.5);endimg=imread('博园揽胜.JPG');img0=rgb2ycbcr(img);R=img(:,:,1);G=img(:,:,2);B=img(:,:,3);Y=img0(:,:,1);Yu=img0(:,:,1);[x y]=size(Y);for row=1:xfor width=1:yfor i=0:255if (Y(row,width)==i)Y(row,width)=LUT(i+1); break;endendendendimg0(:,:,1)=Y;img1=ycbcr2rgb(img0);R1=img1(:,:,1);G1=img1(:,:,2);B1=img1(:,:,3);subplot(1,2,1);imshow(img);%显示图像title('原图');subplot(1,2,2);imshow(img1);title('Gamma后的图像')其结果为：7、滤波1（1）%线性平滑滤波其源代码为：%线性平滑滤波I=imread('cameraman.tif');J=imnoise(I,'salt & pepper',0.02);subplot(221),imshow(I)title('原图像')subplot(222),imshow(J)title('添加椒盐噪声图像')K1=filter2(fspecial('average',3),J)/255;%应用3*3邻域窗口法subplot(223),imshow(K1)title('3x3窗的邻域平均滤波图像')K2=filter2(fspecial('average',7),J)/255;%应用7*7邻域窗口法subplot(224),imshow(K2)title('7x7窗的邻域平均滤波图像')其结果为：（2）%利用低通邻域平均模板进行平滑其源代码为：I=imread('济大.bmp');I=rgb2gray(I);subplot(1,3,1);imshow(I);title('原图');J=fspecial('average');J1=filter2(J,I)/255;subplot(1,3,2);imshow(J1);title('3*3滤波');K=fspecial('average',9);K1=filter2(K,I)/255;subplot(1,3,3);imshow(K1);title('9*9滤波');其结果为：8、滤波2（1）%中值滤波和平均滤波I=imread('白云广厦.JPG ');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.01); subplot(2,2,1);imshow(I);title('原图');subplot(2,2,2);imshow(J);title('noise');K=fspecial('average',5);K1=filter2(K,J)/255;subplot(2,2,3);imshow(K1);title('平均滤波');L=medfilt2(J,[3 5]);subplot(2,2,4);imshow(L);title('中值滤波');其源代码为：其结果为：（2）%二维中值滤波其源代码为：hood=3;[P,map]=imread('济大.bmp');I=rgb2gray(P);imshow(I,map);noisy=imnoise(I,'salt & pepper',0.05); %加入强度为0.05的椒盐噪声subplot(221);imshow(noisy,map);title('加入椒盐噪声');filtered1=medfilt2(noisy,[hood hood]);%3×3窗口二维中值滤波subplot(222);imshow(filtered1,map);title('3×3窗口');hood=5;filtered2=medfilt2(noisy,[hood hood]); %5×5窗口二维中值滤波subplot(223);imshow(filtered2,map);title('5×5窗口');hood=7;filtered3=medfilt2(noisy,[hood hood]); %7×7窗口二维中值滤波subplot(224);imshow(filtered3,map);title('7×7窗口');I=imread('leno.bmp');figure;imshow(I);title('原图');其结果为：（3）%高通滤波边缘增强其源代码为：I=imread('济大.bmp');I=rgb2gray(I);subplot(2,2,1);imshow(I);title('original pic'); J=fspecial('average',3); J1=conv2(I,J)/255; subplot(2,2,2);imshow(J1);title('3*3lowpass');K=fspecial('prewitt'); K1=filter2(K,J1)*5; subplot(2,2,3);imshow(K1);title('prewitt');L=fspecial('sobel');L1=filter2(L,J1)*5; subplot(2,2,4);imshow(L1);title('sibel');其结果为：9、%锐化其源代码为：a=imread('cameraman.tif');subplot(131);imshow(a);title('原图');b=double(a);%将图像矩阵转化为double类型s=size(b);c=zeros(s(1,1),s(1,2));for x=2:s(1,1)-1for y=2:s(1,2)-1c(x,y)=(-b(x+1,y)-b(x-1,y)-b(x,y+1)-b(x,y-1)+4*b(x,y));endend%用拉氏算子对图像进行滤波，这个过程相当于运用了一个3×3的掩膜[0，－1，0；－1，4，－1；0，－1，0]subplot(132);imshow(c);title('Laplace锐化滤波图像');d=b+c;%当拉普拉斯掩膜中心系数为正时，增强图像为原图像于拉氏算子滤波图像之和d=uint8(d);%将图像矩阵变回uint8格式subplot(133);imshow(d);title('Laplace锐化滤波结果');其结果为：12、%真彩色图像的分解其源代码为：RGB=imread('白云广厦.JPG'); subplot(221),imshow(RGB)title('原始真彩色图像')subplot(222),imshow(RGB(:,:,1)) title('真彩色图像的红色分量') subplot(223),imshow(RGB(:,:,2)) title('真彩色图像的绿色分量') subplot(224),imshow(RGB(:,:,3)) title('真彩色图像的蓝色分量')其结果为：九、思考题：1、图像的空域增强方法及分类？答：根据空间域增强所用模板大小，可将空间域增强分为三类：A、基于点的操作；B、基于邻域的操作；C、基于图像集的操作。