图像增强图像滤波边缘检测的MATLAB实现图形.docVIP

直方图统计算法对灰度图像进行增强 n=256时： 直方图均衡化增强图像的对比度 用直方图均衡化后，图像的直方图的灰度间隔被拉大了，均衡化的图像的一些细节显示了出来，这有利于图像的分析和识别。直方图均衡化就是通过变换函数histeq将原图的直方图调整为具有“平坦”倾向的直方图，然后用均衡直方图校正图像。 直方图规定化对图像进行增强 hgram=50:5:250; 3? 图像滤波的 Matlab 实现3.1 conv2 函数 功能：计算二维卷积 格式：C=conv2(A,B) ??????? C=conv2(Hcol,Hrow,A) ??????? C=conv2(...,shape) 说明：对于 C=conv2(A,B) ，conv2 的算矩阵 A 和 B 的卷积，若 [Ma,Na]＝size(A), [Mb,Nb]=size(B), 则 size(C)=[Ma+Mb-1,Na+Nb-1]; C=conv2(Hcol,Hrow,A) 中，矩阵 A 分别与 Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积；C=conv2(...,shape) 用来指定 conv2 返回二维卷积结果部分，参数 shape 可取值如下： ??????? 》full 为缺省值，返回二维卷积的全部结果； ??????? 》same 返回二维卷积结果中与 A 大小相同的中间部分； ??????? valid 返回在卷积过程中，未使用边缘补 0 部分进行计算的卷积结果部分，当 size(A)size(B) 时，size(C)=[Ma-Mb+1,Na-Nb+1]。 3.2 conv 函数 功能：计算多维卷积 格式：与 conv2 函数相同 3.3 filter2函数 功能：计算二维线型数字滤波，它与函数 fspecial 连用 格式：Y=filter2(B,X) ??????? Y=filter2(B,X,shape) 说明：对于 Y=filter2(B,X) ，filter2 使用矩阵 B 中的二维 FIR 滤波器对数据 X 进行滤波，结果 Y 是通过二维互相关计算出来的，其大 小与 X 一样；对于 Y=filter2(B,X,shape) ，filter2 返回的 Y 是通过二维互相关计算出来的，其大小由参数 shape 确定，其取值如下 ： ??????? 》full 返回二维相关的全部结果，size(Y)size(X)； ??????? 》same 返回二维互相关结果的中间部分，Y 与 X 大小相同； ??????? 》valid 返回在二维互相关过程中，未使用边缘补 0 部分进行计算的结果部分，有 size(Y)size(X) 。 3.4 fspecial 函数 功能：产生预定义滤波器 格式：H=fspecial(type) ??????? H=fspecial(gaussian,n,sigma)???????? 高斯低通滤波器 ??????? H=fspecial(sobel)????????????????????????? Sobel 水平边缘增强滤波器 ??????? H=fspecial(prewitt)?????????????????????? Prewitt 水平边缘增强滤波器 ??????? H=fspecial(laplacian,alpha)???????????? 近似二维拉普拉斯运算滤波器 ??????? H=fspecial(log,n,sigma)???????????????? 高斯拉普拉斯（LoG）运算滤波器 ??????? H=fspecial(average,n)?????????????????? 均值滤波器 ??????? H=fspecial(unsharp,alpha)???????????? 模糊对比增强滤波器 说明：对于形式 H=fspecial(type) ，fspecial 函数产生一个由 type 指定的二维滤波器 H ，返回的 H 常与其它滤波器搭配使用。 图像滤波平滑模板对图像进行滤波：（二维线性滤波fliter2） 线性滤波（邻域平均）????? 线性低通滤波器最常用的是线性平滑滤波器，这种滤波器的所有系数都是正的，也称邻域平均。邻域平均减弱或消除了傅立叶变换的高频分量，对噪声的消除有所增强，但是由于平均而使图像变得更为模糊，细节的锐化程度逐渐减弱。中值滤波 中值滤波可以保留目标边缘，这是中值滤波器相对于均值滤波器的最大优势。中值滤波具有去噪的性能，可以消除孤立的噪声点，可以用来减弱随机干扰和脉冲干扰，但是边缘不模糊。 中值滤波的效果要比邻域平均的低通滤波效果好，中值滤波以后的图像的轮廓比较清晰，而且使用较小的模板得到的视觉效果反而好一些。 锐化滤波图像锐化处理的目的是使