数字图像处理.pptx

图像增强

基于MATLAB实现;引言：;空域增强方法可表示为：g(x,y)=EH[f(x,y)]

其中f（x，y）和g（x，y）分别为增强前后的图像，EH代表增强操作。

;空域变换增强;

从上图中可以看出，通过变换可以使原图的较高的和较低的灰度值的动态范围减小，而原图在二者之间的动态范围增加了，从而其范围的对比度增加了。

;使用Matlab增强对比度

MATLAB代码所示：

X1=imread(pout.tif);

figure,imshow(X1)

f0=0;g0=0;

f1=70;g1=30;

f2=180;g2=230;

f3=255;g3=255;

r1=(g1-g0)/(f1-f0);

b1=g0-r1*f0;

r2=(g2-g1)/(f2-f1);

b2=g1-r2*f1;

r3=(g3-g2)/(f3-f2);

b3=g2-r3*f2;

[m,n]=size(X1);

X2=double(X1);

fori=1:m

forj=1:n

f=X2(i,j);

g(i,j)=0;

if(f=0)(f=f1)

g(i,j)=r1*f+b1;

elseif(f=f1)(f=f2)

g(i,j)=r2*f+b2;

elseif(f=f2)(f=f3)

g(i,j)=r3*f+b3;

end

end

end

figure,imshow(mat2gray(g))

;图像处理图示

原图增强后;二、图像求反

对图像求反是将原来的灰度值翻转，简单的说就是使黑变白，使白变黑。普通的黑白底片和照片就是这样的关系。具体的变换就是将图像中每个像素的灰度值根据变换曲线进行映射。

;使用Matlab求反

MATLAB代码所示：

X1=imread(pout.tif);

f1=200;

g1=256;

k=g1/f1;

[m,n]=size(X1);

X2=double(X1);

fori=1:m

forj=1:n

f=X2(i,j);

g(i,j)=0;

if(f=0)(f=f1)

g(i,j)=g1-k*f;

else

g(i,j)=0;

end

end

end

figure,imshow(mat2gray(g))

;图像求反后如图;空域滤波增强;基本原理;平滑滤波器：它能减弱或消除傅立叶空间的高频分量，但不影响低频分量。因为高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图像平滑。

锐化滤波器：它能减弱或消除傅立叶空间的高频分量

空域滤波器都是利用模板卷积，主要步骤如下：

（1）将模板在图中漫游，并将模板中心与图中某个像素位置重合；

（2）将模板上的系数与模板下对应的像素相乘；

（3）将所有的乘积相加；

（4）将和（模板的输出响应）赋给图中对应的模板中心位置像素。

;线性平滑滤波器;MATLAB实现均值过滤器的代码所示：

I=imread(saturn.tif);

J=imnoise(I,saltpepper,0.02);

imshow（I）

figure，imshow（J）

K1=filter2(fspecial(average,3),J)/255;

figure,imshow(K1)

title(3*3的均值滤波器)

;原图像，加入椒盐噪声的图像和均值滤波的图像

原图加入椒盐噪声图;3*3的均值滤波器处理结果

;非线性平滑滤波器;MATLAB实现中值滤波器代码所示：

I=imread(saturn.tif);

J=imnoise(I,saltpepper,0.02);

K1=medfilt2(J,[3,3]);

figure,imshow(K1)

中值滤波的结果如图所示;线性锐化滤波器;用Matlab实现

MATLAB代码所示：

I=imread(saturn.tif);

m=fspecial(laplacian)

I1=filter2(m,I)

h=fspecial(unsharp,0.5);

I2=filter2(h,I)/255;

subplot(1,2,1);

imshow(I1);

title(高通滤波laplacian算子)

subp