- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数字图像处理课设计空域图像增强
数字图像处理
—空域图像增强
目录
1. 摘要 - 3 -
2. 直方图增强、图像平滑与图像锐化 - 3 -
2.1直方图增强处理 - 3 -
2.2图像平滑 - 4 -
2.3图像锐化 - 5 -
3. 软件仿真 - 7 -
3.1图像增强 - 7 -
3.2图像平滑 - 8 -
3.3图像锐化 - 9 -
4. 结果与分析 - 9 -
4.1图像增强 - 9 -
4.2图像平滑 - 10 -
4.3图像锐化 - 10 -
5. 参考文献 - 11 -
摘要
在图像处理中,空间域是指由像素组成的空间,简称空域。空域增强技术就是直接对图像中的像素进行操作的过程,空域处理可以定义为g(x,y)=E[f(x,y)],式中f(x,y)和g(x,y)分别为增强前后的图像,E代表增强操作。
空域图像增强操作分为两类,如果增强操作仅定义再图像的带个像素,则这类操作称为点操作;如果增强操作E还定义在像素的邻域,则这类操作称为模版操作。点操作能让用户改变图像数据占据的灰度范围;模版操作是实现空间滤波的基础,应用更多,如图像平滑处理和图像锐化处理。
直方图增强、图像平滑与图像锐化
2.1直方图增强处理
了解空间域图像增强的各种方法(点处理、掩模处理),通过编写程序掌握采用直方图均衡化进行图像增强的方法;直方图均衡化处理实际上就是寻找一个灰度变换函数 T ,使变化后的灰度值满足s=T(r),其中,s归一化为0=s=1,建立r和s之间的映射关系,要求处理后图像灰度分布的概率密度Ps(s)=1,期望所有灰度级出现概率相同。
其计算步骤为:(1)统计原始图像的直方图:
(2)计算直方图累积分布曲线:
(3)用累积分布函数作为变换函数进行图像灰度变换。
图像增强:
I=imread(cell_128.bmp/fing_128.bmp);
I=rgb2gray(I);
K=16;
H=histeq(I,K);
figure;
subplot(221);
imshow(I,[]);
subplot(222);
imshow(H,[]);hold on
subplot(223);
hist(double(I),16);
subplot(224);
hist(double(I),16);
2.2图像平滑
使用邻域平均法编写程序实现图像增强,进一步掌握掩模法及其改进(加门限法)消除噪声的原理;是消除或尽量减少噪声的影响,改善图像的质量。在提取大的目标之前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙。
局部平滑法:假设图像是由许多灰度恒定的小块组成,相邻像素间存在很高的空间相关性,而噪声则是统计独立的。因此,可用领域内个像素的灰度平均代替该像素原来的灰度值,实现图像平滑。
超像素平滑法:对邻域平均法稍加改进,可导出超限像素平滑法。它是将和邻域平均差的绝对值与选定的阀值进行比较,根据比较结果决定点(x,y)的最后灰度g1(x,y)。其表达式为:
g(x,y) ,当|f(x,y)-g(x,y)| T
g1(x,y)=
f(x,y) ,当|f(x,y)-g(x,y)| = T
图像平滑:
clear all;
I=imread(fing_128.bmp);
I=rgb2gray(I);
J=imnoise(I,salt pepper,0.02);
subplot(2,2,1);imshow(I);title(原图);
subplot(2,2,2);imshow(J);title(加噪图像);
A=1/5*[0,1,0;1,1,1;0,1,0];
Q=imfilter(J,A);
subplot(2,2,3);imshow(Q);title(不加门限);
T=0;
for i=1:128
for j=1:128
T=T+double(J(i,j));
end
end
T=0.5*1/(128*128)*T;
for i=2:127
for j=2:127
if Q(i,j)=T
Q(i,j)=J(i,j);
end
end
end
subplot(2,2,4);imshow(Q);title(加门限);
2.3图像锐化
了解并掌握使用微分算子进行图像边缘检测的基本原理;编写程序使用Laplacian算子(二阶导数算子)实现图像锐化,进一步理解图像锐化的实质;掌握使用不同梯度算子(一阶导数算子)进行图像边缘检测的原理、方法,根据实验结果分析各种算子的工作效果。
锐化的目的是突出图像中细节或增强被模糊的细节;锐化可用微分来完成,而微分算子的
文档评论(0)