数字图像处理课设计空域图像增强.doc

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