数字图像(图像增强)实验报告

实验：图像增强1．实验目的（1）熟悉并学会使用MATLAB中图像增强的相关函数（2）了解图像增强的办法、去噪的方法和效果。2．实验主要仪器设备（1）微型计算机：IntelPentium及更高。（2）MATLAB软件（含图像处理工具箱）。（3）典型的灰度、彩色图像文件。3．实验原理（1）将一副图像视为一个二维矩阵，用MATLAB进行图像增强。（2）利用MATLAB图像处理工具箱中的函数imread(读)、imshow(显示)、imnoise(加噪)、filter(滤波)对图像进行去噪处理。（3）图像灰度修正：灰度变换。对不满意的图像通过线性或非线性灰度映射关系进行变换，其效果可以得到明显提高。通过分析，会发现变换前后图像的直方图也发生相应的变化。（4）图像平滑方法：领域平均、中值滤波。分析图像降质的性质，区分平稳性还是非平稳型、加性还是乘性等，采用合适的去噪方法，可以去除或降低噪声对图像的影响。从频率域看，平均操作在降低噪声的同时衰减了图像的高频分量，会影响图像细节的重现。中值滤波对某些信号具有不变形，适用于消除图像中的突发干扰，但如果图像含有丰富的细节，则不宜使用。（5）图像锐化方法：人眼对目标的边缘和轮廓较为敏感，对图像进行锐化，有助于突出图像的这些特征。从频率域看，锐化提升了图像的高频分量。4．实验内容（1）图像灰度修正。（2）图像平滑方法。（3）图像锐化方法。5．实验步骤（1）图像灰度修正。读入一幅灰度级分布不协调的图像，分析其直方图。根据直方图，设计灰度变换表达式，或调用imadjuct函数。调整变换表达式的参数，直到显示图像的灰度级分布均衡为正。（2）图像平滑方法。对有噪声图像或人为加入噪声的图像进行平滑处理。根据噪声的类型，选择不同的去噪方法，如领域平均、中值滤波等方法，调用filter2、medfilt2函数，选择不同的滤波模板和参数，观测和分析各种去噪方法对不同噪声图像处理的去噪或降噪效果。（3）图像锐化方法。读入一幅边缘模糊地图像，利用罗伯茨梯度对图像进行4种蜕化处理，比较各自效果。。1．图像灰度修正img=imread('d:\001.bmp');figure();imshow(img);I=double(img);val=max(max(I));a=log2(val);b=round(a);max_gray=2^b;[H,W]=size(I);J=zeros(H,W);fori=1:Hforj=1:WJ(i,j)=max_gray-1-I(i,j);end%endforjend%endforiimg2=uint8(J);subplot(1,2,1),imshow(img);title('原图');subplot(1,2,2),imshow(img2);title('变换后');imwrite(img2,'d:\2.bmp');实验截图：2.1程序代码：img=imread('d:\LENA_8G_4bit.bmp');figure();imshow(img);subplot(2,1,1);imshow(img);subplot(2,1,2);imshow(img);I=double(img);%matlab不支持uint8类型数据的矩阵运算，因此首先要将图像数据转换为double类型，计算后再转换为uint8类型[H,W]=size(I);J=zeros(H,W);fori=1:Hforj=1:WJ(i,j)=255.0/15.0*I(i,j);end;%endforjend;%endforiimg2=uint8(J);subplot(1,2,1),imshow(img,[]);title('原图');subplot(1,2,2),imshow(img2);title('变换后');imwrite(img2,'d:\LENA_255G.bmp');实验截图：2.2程序代码：img=imread('d:\LENA_255G.bmp');figure();imshow(img);subplot(2,1,1);imshow(img);subplot(2,1,2);imshow(img);I=double(img);%matlab不支持uint8类型数据的矩阵运算，因此首先要将图像数据转换为double类型，计算后再转换为uint8[H,W]=size(I);J=zeros(H,W);fori=1:Hforj=1:WifI(i,j)30J(i,j)=I(i,j);elseifI(i,j)150J(i,j)=170.0/120.0*(I(i,j)-30)+30;elseJ(i,j)=55.0/105.0*(I(i,j)-150)+200;end;end;%endforjend;%endforiimg2=uint8(J);subplot(1,2,1),imshow(img,[]);title('原图');subplot(1,2,2),imshow(img2,[]);title('变换后');imwrite(img2,'d:\L.bmp');实验截图：3.1程序代码：img=imread('d:\GIRL_8G.bmp');I=double(img);[H,W]=size(I);max_gray=max(max(I));L=ceil(log2(max_gray));gray=2^L-1;x=0:gray;y=zeros(1,gray+1);fori=1:Hforj=1:Wy(img(i,j)+1)=y(img(i,j)+1)+1;end;end;y1=y/(H*W);S=zeros(1,gray+1);S(1)=y1(1);fori=2:length(S)S(i)=S(i-1)+y1(i);end;S1=floor((S*gray)+0.5);Z=zeros(H,W);fori=1:Hforj=1:WZ(i,j)=S1(img(i,j)+1);end;end;img2=uint8(Z);y2=zeros(1,gray+1);fori=1:Hforj=1:Wy2(img2(i,j)+1)=y2(img2(i,j)+1)+1;end;end;bar(x,y);%原直方图bar(x,y2);%变换后直方图subplot(1,2,1);imshow(img,[]);title('原图');subplot(1,2,2);imshow(img2,[]);title('变换后');实验截图：原灰度直方图：均衡后灰度直方图：图像平滑和图像锐化1.加入噪声title('加入椒盐噪声的图像');2.图像的平滑邻域平均模板加权平均模板3.邻域平均M1=(1/4)*[0,1,0;1,0,1;0,1,0];M2=(1/8)*[1,1,1;1,0,1;1,1,1];L=imfilter(J,M1);G=imfilter(J,M2);subplot(1,2,1);imshow(L);title('4邻域平均')subplot(1,2,2);imshow(G);title('8邻域平均')4.加权平均M3=(1/5)*[0,1,0;1,1,1;0,1,0];M4=(1/16)*[1,2,1;2,4,2;1,2,1];L=imfilter(J,M3);G=imfilter(J,M4);subplot(1,2,1);imshow(L);title('1/5加权平均')subplot(1,2,2);imshow(G);title('1/16加权平均')图像的锐化拉普拉斯模板Laplacian锐化模板I=imread('fabric.png');%读取图像K=rgb2gray(I);M1=[0,1,0;1,-4,1;0,1,0];M2=[1,1,1;1,-8,1;1,1,1];K=double(K);J=conv2(K,M1,'same');%卷积G=conv2(K,M2,'same');F=K-J;E=K-G;figure,imshow(K,[]),figure,imshow(J),figure,imshow(G),figure,imshow(F,[])figure,imshow(E,[])原图像4－邻域8－邻域4－邻域锐化图像8－邻域锐化图像小结平均滤波和加权滤波的效果都不怎么好，不能完全除去高斯噪声，它们对椒盐噪声的处理效果比较理想但仍旧存在提升的空间；另外，在对4邻域8邻域的比较以及1/5加权以及1/16加权平均的比较可以看出，多领域的处理效果比较好，但是它的缺点是会引起图像的模糊。可以肯定的是不同的模版其效果不同，对特定的图像要使用特定的模版。图像变模糊的原因一般为成像系统聚焦不好、信道过窄以及平均过积分运算。图像的锐化使得目标物轮廓变模糊，细节轮廓不清晰，加重目标物轮廓，使模糊图像变清晰。拉普拉斯算子是常用的边缘增强算子，拉普拉斯运算也是偏导数运算的线性组合运算，而且是一种各向同性（旋转不变性）的线性运算。在比较4邻域以及8邻域的锐化图像我们可以发现，4邻域锐化在边缘以及与原图像的相似程度上都有比较满意的效果，8邻域锐化在灰度级对比上比4邻域更加优秀，但它的一个缺点是丢失了一部分图像细节，从而导致图片看起来变得“模糊”。