图像增强简易系统.docxVIP

数字图像处理图像增强简易系统计算机学院信计0901班实验目的提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。实验原理 图像的灰度拉伸 它的原理是作用在图像的灰度值上面，对于给定的灰度值 通过公式得到新的灰度值。其中，为原数字图像，g(x,y )为变换后的图像，T定义了某种操作，在数字图像处理时，指的是图像相邻的领域，它可以用中心在的正方型或长方形区域表示。图像的灰度拉伸包括线性灰度变化和非线性灰度变化，线性灰度变换的公式为ａ，ｂ为原数字图像的灰度值取舍范围，ｃ，ｄ为变化后的数字图像灰度值范围。该方法将大量的有用信息进行变化，而将其他少量信息保存为原灰度值。 图像的直方图均衡化和规定化 直方图均衡化的原理是将数字图像在每个灰度值上的个数进行累加，然后得出其灰度值的整体概率分布，根据灰度值对应的概率则可以画出直方图。并根据累计概率分布和一定的映射规则将原直方图灰度级进行拓宽，得出新的直方图，它使得图片的对比度增强。而图像的直方图的定化和均衡化类似，不同之处在于直方图规定化事先规定了一个映射矩阵，将原来的灰度直方图改造成所希望的灰度直方图。 图像的噪声叠加 在图像的传输过程中，由于电磁波的干扰，会对传输的信息有损。假设噪声函数为ｎ（ｘ，ｙ），则噪声图像表示为ｇ（ｘ，ｙ）＝ｆ（ｘ，ｙ）＋ｎ（ｘ，ｙ）。在MATLAB中，各种噪声的表达有guassian（高斯噪声）,speckle（随机噪声）,salt pepper(椒盐噪声)等，通过imnoise函数可以将噪声与数字图像进行叠加，生成噪声图像。 图像的平滑 常用的图像平滑方法有均值滤波，中值滤波，最大值滤波，最小值滤波和维纳滤波。均值滤波方法的原理是构造一个全1的模板，并将噪声图像与其模板进行卷积运算，得出在模板范围内图像的灰度平均值。中值滤波的原理和均值滤波相似，它也是首先构造一个模板，求原图像在模板范围内的灰度中值，在MATLAB中所用到的函数为medfilt函数。最大值滤波的方法原理则是在模板内取灰度值最大的灰度作为需要的灰度值，而最小值滤波与之相反，它取的是模板内最小的灰度值。维纳滤波根据最小均方误差准则，即滤波器的输入信号和需要的输出信号误差最小，MATLAB中提供了wiener2函数，用来自适应的对噪声图像进行滤波。 图像的锐化 它的原理是根据图像的灰度值求出它与相邻像素间的梯度变化值，或者是直接根据模板进行运算。常用的图像锐化算子有拉普拉斯算子、索贝尔算子和prewitt算子。在ＭＡＴＬＡＢ中，提供了fspecail函数生成滤化模板，然后再根据filter2和imfilter函数进行二维滤波操作。 图像的低通和高通 它的实验原理是对原图f(x,y)进行傅里叶变化F(x,y)，得到它的频谱图，然后选择合适的滤波器H(x,y)，对它的频谱成分进行处理，最后经过傅里叶逆变化恢复其为空域信息内的增强图。它的过程可用下面的图的表示：IDFTDFTH(u,v)将空域内的数字图像转化为频率内的频谱图像，所用的函数为fft2(二维离散傅里叶变换)。低通滤波就是根据截断频率使得小于截断频率的频谱通过，而阻断高于截断频率的频谱信息。高通滤波则相反，它能够抑制低频信息而保留高频信息。但是这种理想的低通或高通滤波方法在物理上无法实现，因为物理设备不可能完全将频率信息截断，而且这种方法会产生振铃现象，即边缘模糊，出现同心圆环，同心圆环半径反比于截断频率。所以，另外一种低通滤波器是巴特沃斯滤波器，它在物理上可以实现。由于带通和带阻之间没有明显的连续性，所以在用巴特沃斯低通和高通滤波器在抑制噪声的同时，图像边缘的模糊现象大大减小。功能操作文件打开：Imread(‘cameraman.tif’);文件保存：Imwrite(I,’E:\matlab\images\test.tif’)功能模块图像的灰度拉伸1.1ＭＡＴＬＡＢ函数 J=imadjust(I,[low_in,high_in],[low_out,high_out],gamma) 输入图像为Ｉ，Ｊ为输出图像灰度，它实现的功能是将[low_in,high_in]之间的灰度值映射到[low_out,high_out]灰度区间内，而low_in之前的灰度和high_in之后的灰度值都被剪切掉了，它们的默认值为［0 1］。ｇａｍｍａ参数指定了映射曲线的形状，若ｇａｍｍａ＞１，表示图像灰度减小；若ｇａｍｍａ＜１，表示图像灰度值增加；若ｇａｍｍａ＝１，则为线性变化，图像的灰度值不发生改变。1.2步骤 （１）用imread函数读入图片。 （２）取不同的ｇａｍｍａ值，对原数字图像求反。再用subplot函数分割显示区域，并用imshow 函数显示变化的结果。图1 图像