图像增强课程的设计.docVIP

《数据图像处理》 ——课程设计报告 一．图像增强 1.1 实验目的 在图像的形成，传输或变换的过程中，由于受多种因素的影响，如光学系统失真，系统噪声，曝光不足或过量，相对运动等，图像往往与原始景物之间或图像与原始图像之间产生某种差异。这种差异称为降质或退化。降质或退化的图像通常模糊不清，使人观察起来不满意，或者使机器从中提取的信息减少甚至造成错误，因此必须对降质放入图像进行改善。而图像增强与平滑可以达到此目的。 1.2 实验原理 图像增强是按特定的需要突出一幅图像中的某些信息，同时消弱或去除某些信息使得图像更加实用。图像增强技术主要包含直方图修改处理，图像平滑处理，图像尖锐化处理，彩色图像处理。 31直方图均衡化 1.实验步骤： 灰度变换指通过使图像对比度扩展，图像更加清晰，特征更加明显。灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像增强。直2.方图均衡化过程如下： 计算原图像的灰度直方图； 计算原始图像的灰度累积分布函数；进一步求出灰度变换表； 根据灰度变换表，将原图像各灰度级映射为新的灰度级。 3.灰度直方图均衡化代码如下：(datapictrue1.m) I=imread(C:\Users\acer\Desktop\pictrue1.png); I1=rgb2gray(I); subplot(2,2,1); imshow(I1); title(原图); subplot(2,2,2); imhist(I1); title(原图的灰度直方图); subplot(2,2,3); J=histeq(I1); imshow(J); title(原图直方图均衡化); subplot(2,2,4); imhist(J); title(均衡化后直方图); 4.实验结果： 1.32图像二值化 1.实验步骤： 图像二值化处理即为将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能突显出感兴趣的目标轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。 选取一个阈值； 将图像变为黑白图像； 2.图像二值化代码如下：(pictrue2.m) I=imread(C:\Users\acer\Desktop\pictrue1.png); I1=rgb2gray(I); bw=im2bw(I1,0.45);%选取阈值 subplot(1,3,1); imshow(I1); title(原始图像); subplot(1,3,2); imshow(bw); title(二值化图像); J=find(I1100); I1(J)=0; J=find(I1=100); I1(J)=255; subplot(1,3,3); imshow(I1); title(二值化图像阈值为100); 3.实验结果： 1.33图像平滑滤波 1.实验步骤 平滑技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均或中值。以此来达到既平滑噪声又保护图像信号。 对于一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用领域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。 给原始图像添加噪声； 选择模板； 对添加噪声后的图像适用领域均值滤波器处理。 2.代码如下：(pictrue3.m) I0=imread(C:\Users\acer\Desktop\pictrue1.png); I=rgb2gray(I0); subplot(2,2,1); imshow(I); title(原始图像); J=imnoise(I,salt pepper,0.02); subplot(2,2,2); imshow(J); title(添加椒盐噪声图像); K1=filter2(fspecial(average,3),J)/255; subplot(2,2,3); imshow(K1); title(3*3模板的领域均值滤波图像); K2=filter2(fspecial(average,7),J)/255; subplot(2,2,4); imshow(K2); title(7*7模板的领域均值滤波图像); 3.实验结果： 1.34图像锐化 1.实验步骤 图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。图像模糊的实质是图像受到平均运算或积分运算，因此可以对图像进行逆运算，如微分运算从而突出图像细节使图像变得更为清晰。 对原始图像采用拉氏算子进行滤波。 2.代码如下：(pictrue4.m) I0=imread(C:\Users\acer\Desktop\pictrue1.png