数字图像处理MATLAB版课件作者张德丰第8章节图像增强.ppt

第8章图像增强 8.1 论述 8.2 图像噪声 8.2.1 图像噪声的产生 8.2.2 图像噪声分类 8.2.3 图像噪声特点 8.2.1 图像噪声的产生 8.2.2 图像噪声分类 8.2.3 图像噪声特点 8.3 图像增强处理分类 8.3.1 空域增强法 8.3.2 频域增强法 8.3.3 图像增强效果评价 8.3.1 空域增强法 8.3.2 频域增强法 8.3.3 图像增强效果评价 8.4 直接灰度变换 8.4.1 灰度线性变换 8.4.2 灰度非线性变换 8.4.1 灰度线性变换 8.4.2 灰度非线性变换 8.5 直方图修正 8.6 图像平滑 8.6.1 平滑分析 8.6.2 邻域平均法 8.6.3 中值滤波 8.6.4 多图像平均法 8.6.5 自适应滤波 8.6.1 平滑分析 8.6.2 邻域平均法 8.6.3 中值滤波 8.6.4 多图像平均法 8.6.5 自适应滤波 8.7 图像锐化 8.7.1 空域高通滤波 8.7.2 频域高通滤波 8.7.3 同态滤波器图像增强的方法 8.7.4 图像锐化的MATLAB实现 8.7.1 空域高通滤波 8.7.2 频域高通滤波 8.7.3 同态滤波器图像增强的方法 8.7.4 图像锐化的MATLAB实现 （2）Prewitt算子 （3）Isotropic算子 3．拉普拉斯算子 图8-31 4种频域高通滤波器传递函数 的剖面图 （1）理想高通滤波器 （2）巴特沃斯高通滤波器 （3）指数型高通滤波器 该函数用于显示图像直方图，其语法格式如下。 imhist(I, n)：I为输入图像，n为灰度级，默认为256级灰度级。 imhist(X, map)：计算显示索引图像X的直方图，map为调色板。 [counts, x]=imhist(...)：返回直方图数据向量counts和相应的色彩值向量x。 （1）imhist函数 该函数实现对输入图像的直方图均衡化，其语法格式如下。 J=histeq(I, hgram)：将原始图像I的直方图变成用户指定的向量hgram，hgram中的各元素值域为[0，1]。 J=histeq(I, N)：对原始图像实现直方图均衡化，N为输入图像的灰度级数，默认时N为64。 （2）histeq函数 直方图均衡化的优点是能自动地增强整个图像的对比度，但它的具体增强效果不易控制，处理的结果也是得到全局均衡化的直方图。 2．直方图规定化 在MATLAB中，一般用imfilter函数对图像进行上述运算，其语法格式如下： b=imfilter(a, h, option1, option2,...) 其中a表示待处理的图像；h表示卷积核，比如上面的；option的含义如表8-4所示。 表8-4 option的含义 采用关联运算，和filter2结果相同，这是默认值 corr 采用卷积运算，核对称时二者相等 conv 相关和卷积 和原图像尺寸相同 same 全尺寸，要略大于原始图像的尺寸 full 输出尺寸 在边界运算时，处于边界之外的数组的设定值用最近邻替换的方式获得 relicate 在边界运算时，处于边界之外的数组的设定值用中心镜像的方式获得 symmetric 在边界运算时，处于边界之外的数组的设定值用周期方式获得，即平移复制 circular 边界选项X 说 明 option 该函数用于创建一个指定的滤波器模板，其语法格式为： H=fspecial(type) H=fspecial(type, parameters) （1）fspecial函数 该函数用于进行二维线性数字滤波，其语法格式为： Y=filter2(B, X) Y=filter2(B, X, shape) （2）filter2函数 在MATLAB中，实现这个功能的函数是medfilt2，其语法格式如下： b=medfilt2(a, [m n]) 其中a为待处理图像，[m n]为设定区域大小。 MATLAB图像处理工具箱中的wiener2函数可以实现对图像噪声的自适应滤除。 wiener2函数根据图像的局部方差来调整滤波器的输出。 当局部方差大时，滤波器的平滑效果较弱、当局部方差小时，滤波器的平滑效果强。 实现图像的锐化可使图像的边缘或线条变得清晰，高通滤波可用空域高通滤波法来实现。 1．梯度算子 图8-30 两种二维离散梯度的计算方法 利用梯度与差分原理组成的锐化算子还有以下几种。 2．其他锐化算子 （1）So