Matlab(二)亮度变换与空间滤波.pptVIP

* * Matlab图像处理知识（二） 图像标定 亮度变换 直方图均衡化 空间滤波 灰级窗 图像标定 原理：将图像的值域标定到某个范围 1.fm=f-min(f) 2.fs=K[fm/max(fm)] 该操作生成一幅标定的图像fs，其值在 [0，K]范围内。 图像标定 例：将图像标定到[0，1]，也叫做归一化。 function g = imnorm(f) %imnorm函数将输入的图像归一化到[0，1] %f为输入图像，g为标定后的图像 f=double(f); fm=f-min(f(:)); fs=fm./max(fm(:)); g=fs; 亮度（灰度）变换 原理： s=T(r) r表示图像f中点的灰度，s表示变换后的图像g中相应点的灰度。 线性变换 gamma变换 对数变换 课堂思考： 在亮度变换中，下列哪种映射最能够 压缩输入图像的高值，更多的体现 输入图像低亮度值的部分 函数imadjust介绍 imadjust(f,[low_in high_in],[low_out high_out],gamma) 对图像进行灰度变换 所有输入输出都指定在0和1之间 gamma指定曲线的形状 gamma=1是线性变换 gamma1低灰度区扩展，高灰度区压缩。 gamma1高灰度区扩展，低灰度区压缩。 对数变换 g=c*log(1+double(f)) 主要用于压缩动态范围 要得到显示效果可结合 mat2gray(g),将值归一化到[0,1]内 亮度变换 例：3段线性变换，并画出变换函数的映射图。 x=[0 a b 256]; y=[0 c d 256]; plot(x,y); 直方图均衡化 步骤： 1、计算每个灰度级的像素个数在整个图像中所占的概率(百分比) 2、计算图像各灰度级的累计分布概率 直方图均衡化的步骤 3、根据 的值判断变换后的灰度值 设图像的灰度级只有8级，因此需用1/7为量化单位进行舍入运算。 的值落到的哪个区间,则对应变换到该灰度值 直方图均衡化 均衡化前后直方图比较 例 相关函数 imhist（f，n）函数：计算和显示图像的直方图。n为指定的灰度级数目，缺省值为256 。 g=histeq(f,nlev)%f为输入图像，nlev是输出图像的灰度级数，默认值为64，通常我们设置为256。 g=histeq(f,hspec)%f为输入图像，hspec为指定的直方图。 直方图均衡化 例1：利用histeq函数对图像做直方图均衡化，并画出变换函数图 例2：根据直方图均衡化公式，自己编写histeq2函数 空间域滤波是在图像空间借助模板对图像进行邻域操作 。 空域滤波器根据功能又主要分成： 1、平滑（smoothing）滤波器。图像平滑的目的 主要是消除图像中的噪声； 2、锐化(sharpening)滤波器。而图像锐化的则是为了增强被模糊的细节如图像的边缘等。 空间滤波 平滑（smoothing）滤波器 1. 均值滤波器 2. 中值滤波器 Roberts Operator Sobel Operator Prewitt Operator 0 -1 1 0 -1 0 0 1 　 -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 -1 -1 -1 0 0 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 x方向 y方向 几种典型的一阶微分算子 锐化（sharpening）滤波器 二阶微分锐化 —— Laplacian 算子 拉普拉斯算子是一个标量而不是向量，具有线性特性和旋转不变，即各向同性的性质。 在原有的算子基础上，对模板系数进行改变，获得Laplacian变形算子如下所示。 线性滤波函数 g=imfilter(f,w,filtering_mode,boundary_options,size_options) 其中：f为输入图像，w为滤波掩模。 其他参数见说明。 对于卷积操作，可以先rot90(w,2)将模板进行旋转，再实施相关操作 w可通过fspecial函数生成。 生成滤波掩模的函数 fspecial(‘type’,parameter)%生成滤波掩模的函数 Type表示滤波器的类型 Parameter进一步定义了指定的滤波器 非线性滤波器 g=ordfilt2(f,order,domain) 生成统计排序滤波器 其中： order表示用第几个元素来替代 domain是一个由0和1组成的大小为m*n的矩阵 g=medfilt2(f,[m n],pad