第3章 图像的增强.ppt

作业 请写一个小论文，有关如下话题，选择其一完成： 1、结合自己的专业特点或实际需要，请选择空域和频域两种方法实现一张图像的增强。 2、对比和分析空域与频域两种方法。 对比之前的灰度调整 clear all; RGB1=imread(peppers.png); subplot(1,2,1);imshow(RGB1); xlabel(a)原图)); RGB2=imadjust(RGB1,[.2 .3 0;.6 .7 1],[]); subplot(1,2,2);imshow(RGB2); xlabel(b)校正图像)); stretchlim函数可以方便地指定灰度范围，其常用调用格式： LOW_High=stretchlim(I,TOL) I输入的图像矩阵 TOL是一个两元素的向量，确定需要映射的灰度，默认值为[0.01 0.99] 例8：用stretchlim函数确定映射的灰度 I = imread(rice.png);%读取图像 J = imadjust(I,stretchlim(I),[0 1]);%确定映射的灰度并调整灰度范围 figure, %显示变化后的图像和直方图 subplot(221),imshow(I); subplot(222),imshow(J); subplot(223),imhist(I); subplot(224),imhist(J); (2)有限对比自适应直方图均衡化 adapthisteq函数替换histeq函数可以进行有限对比自适应直方图均衡化。 histeq函数是在整个图像上进行均衡，而adapthisteq函数可以在图像上的一块小区域进行均衡。由于每一小块区域进行了直方图均衡，因此输出图像的直方图与指定的直方图匹配。在进行直方图均衡化后， adapthisteq函数使用双线性插值方法来组合相邻的区域，以消除人为产生的边界。 adapthisteq函数的调用格式： J= adapthisteq(I) I是需要均衡化的图像 J是自适应直方图均衡化后的图像 例9 有限对比自适应直方图均衡化 (3)使用去相关性进行色度拉伸 去相关色度拉伸使用明显的颜色相关来增强图像的颜色分离。这些拉伸的颜色改善了图像的视觉效果，同时使图像的特征更容易分离。使用decorrestretch函数，调用格式： S= decorrestretch(I) I是输入的图像矩阵 S是返回的去相关拉伸后的图像 图像中色带的数目，即NBANDS,通常为3，但是使用去相关进行色度拉伸的方法可以不用考虑色带的数目。原始图像的颜色值映射到一个更大的图像的像素值范围。每个像素值被转换到NBANDS* NBANDS协方差或相关矩阵的特征空间，像素值范围拉伸为色带的方差，然后再变换到原来的色带。 8) 线性滤波增强 滤波是一种图像增强的技术。对一幅图像进行滤波就是刻意强调一些特征而去除另外一些特征。通过滤波可以实现图像的光滑、锐化和边缘检测。 图像滤波是一种邻域操作，输出图像的像素值是对输入图像相应像素的邻域进行一定的处理而得到的。线性滤波是指对输入图像的邻域进行线性算法操作得到输出图像。 （1）卷积 图像的滤波通过卷积实现。卷积是一种线性的领域操作，其输出像素值为输入像素值的加权和。权重矩阵称为卷积核，也称为滤波器，卷积核是相关核旋转180度得到的。 （2）线性滤波器 线性滤波器可以去除一定的噪声。除了线性滤波外，也可以选择均值滤波器或者高斯滤波器进行滤波。例如对于粒状的噪声，均值滤波器可以很好地滤除，因为均值滤波得到的像素值是邻近区域的均值，因此粒状噪声能够被去除。 线性空间滤波的函数是imfilter,调用格式： B=imfilter(A,H) B=imfilter(A,H,option1,option2,…) A是输入图像矩阵 H是多维滤波器 option1,option2是一些可选参数 B是返回的滤波图像，跟A有相同的数据类型和维数。 例9，通过imfilter（）函数滤波对图像进行平滑处理 clear all;clc; I=imread(coins.png); J=imnoise(I,salt pepper,0.02); h=ones(3,3)/5; h(1,1)=0;h(1,3)=0; h(3,1)=0;h(3,3)=0; K=imfilter(J,h); figure; subplot(131);imshow(I); subplot(132);imshow(J); subplot(133);imshow(K); （3）中值滤波器 中值滤波器的原理类似于均值滤波器，均值滤波器输出的像素值为相应像素邻域内的平均值，而中值滤波器输出的像素值为相应像素邻域内