圖像增強(qiáng)圖像濾波邊緣檢測的MATLAB實現(xiàn)圖形

1、直方圖統(tǒng)計算法對灰度圖像進(jìn)行增強(qiáng)n=64n=256時：直方圖均衡化增強(qiáng)圖像的對比度用直方圖均衡化后，圖像的直方圖的灰度間隔被拉大了，均衡化的圖像的一些細(xì)節(jié)顯示了出來，這有利于圖像的分析和識別。直方圖均衡化就是通過變換函數(shù)histeq將原圖的直方圖調(diào)整為具有“平坦”傾向的直方圖，然后用均衡直方圖校正圖像。直方圖規(guī)定化對圖像進(jìn)行增強(qiáng)50:2:25050:1:250hgram=50:5:250;3  圖像濾波的 Matlab 實現(xiàn)3.1 conv2 函數(shù)功能：計算二維卷積格式：C=conv2(A,B)        C=

2、conv2(Hcol,Hrow,A)        C=conv2(.,'shape')說明：對于 C=conv2(A,B) ，conv2 的算矩陣 A 和 B 的卷積，若 Ma,Nasize(A), Mb,Nb=size(B), 則 size(C)=Ma+Mb-1,Na+Nb-1;C=conv2(Hcol,Hrow,A) 中，矩陣 A 分別與 Hcol 向量在列方向和 Hrow 向量在行方向上進(jìn)行卷積；C=conv2(.,'shape') 用來指定 conv2返回二維卷積結(jié)果部分，參數(shù) sh

3、ape 可取值如下：        full 為缺省值，返回二維卷積的全部結(jié)果；        same 返回二維卷積結(jié)果中與 A 大小相同的中間部分；        valid 返回在卷積過程中，未使用邊緣補(bǔ) 0 部分進(jìn)行計算的卷積結(jié)果部分，當(dāng) size(A)>size(B) 時，size(C)=Ma-Mb+1,Na-Nb+1。3.2 conv 函數(shù)功能：計算多維卷積格式：與 c

4、onv2 函數(shù)相同3.3 filter2函數(shù)功能：計算二維線型數(shù)字濾波，它與函數(shù) fspecial 連用格式：Y=filter2(B,X)        Y=filter2(B,X,'shape')說明：對于 Y=filter2(B,X) ，filter2 使用矩陣 B 中的二維 FIR 濾波器對數(shù)據(jù) X 進(jìn)行濾波，結(jié)果 Y 是通過二維互相關(guān)計算出來的，其大小與 X 一樣；對于 Y=filter2(B,X,'shape') ，filter2 返回的 Y 是通過二維互相關(guān)計算出來的，其大小由參數(shù)

5、 shape 確定，其取值如下：        full 返回二維相關(guān)的全部結(jié)果，size(Y)>size(X)；        same 返回二維互相關(guān)結(jié)果的中間部分，Y 與 X 大小相同；        valid 返回在二維互相關(guān)過程中，未使用邊緣補(bǔ) 0 部分進(jìn)行計算的結(jié)果部分，有 size(Y)<size(X) 。3.4 fspecial 函數(shù)功能：產(chǎn)生預(yù)定義濾波器格

6、式：H=fspecial(type)        H=fspecial('gaussian',n,sigma)         高斯低通濾波器        H=fspecial('sobel')            

7、60;             Sobel 水平邊緣增強(qiáng)濾波器        H=fspecial('prewitt')                       Prew

8、itt 水平邊緣增強(qiáng)濾波器        H=fspecial('laplacian',alpha)             近似二維拉普拉斯運(yùn)算濾波器        H=fspecial('log',n,sigma)       

9、60;         高斯拉普拉斯（LoG）運(yùn)算濾波器        H=fspecial('average',n)                   均值濾波器        H

10、=fspecial('unsharp',alpha)             模糊對比增強(qiáng)濾波器說明：對于形式 H=fspecial(type) ，fspecial 函數(shù)產(chǎn)生一個由 type 指定的二維濾波器 H ，返回的 H 常與其它濾波器搭配使用。圖像濾波平滑模板對圖像進(jìn)行濾波：（二維線性濾波fliter2）線性濾波（鄰域平均）      線性低通濾波器最常用的是線性平滑濾波器，這種濾波器的所有系數(shù)都是正的

11、，也稱鄰域平均。鄰域平均減弱或消除了傅立葉變換的高頻分量，對噪聲的消除有所增強(qiáng)，但是由于平均而使圖像變得更為模糊，細(xì)節(jié)的銳化程度逐漸減弱。中值濾波中值濾波可以保留目標(biāo)邊緣，這是中值濾波器相對于均值濾波器的最大優(yōu)勢。中值濾波具有去噪的性能，可以消除孤立的噪聲點(diǎn)，可以用來減弱隨機(jī)干擾和脈沖干擾，但是邊緣不模糊。中值濾波的效果要比鄰域平均的低通濾波效果好，中值濾波以后的圖像的輪廓比較清晰，而且使用較小的模板得到的視覺效果反而好一些。銳化濾波圖像銳化處理的目的是使模糊圖像變得清晰，銳化濾波器減弱或消除了傅立葉空間的低頻分量，保留高頻分量，從而加強(qiáng)了圖像的輪廓，使圖像看起來比較清晰。面應(yīng)用Laplaci

12、an算子對圖像進(jìn)行銳化處理：      Laplacian算子是線性二次微分算子，其格式為：h = fspecial('laplacian', alpha)，返回一個3×3的濾波器來近似二維Laplacian算子的形狀，參數(shù)alpha決定了Laplacian算子的形狀，alpha的取值范圍為0.01.0，默認(rèn)的值為0.2。分析：由圖可以看出，應(yīng)用了Laplacian算子對圖像銳化以后，將圖像區(qū)域的邊緣輪廓勾劃了出來，因此Laplacian算子對于邊緣檢測也具有很好的功效。邊緣檢測下面利用sobel算子對圖像進(jìn)行邊緣檢測

13、：      使用edge函數(shù)實現(xiàn)圖像的邊緣檢測，其調(diào)用格式為：      BW=edge(I,'sobel',thresh,direction)   根據(jù)指定的敏感閾值thresh用Sobel算子對圖像進(jìn)行邊緣檢測，edge函數(shù)忽略了所有小于閾值的邊緣，如果沒有指定閾值thresh或為空，函數(shù)自動選擇參數(shù)值，direction指定Sobel算子邊緣檢測的方向，其參數(shù)值為'horizontal'，'vertical'或'both'（默認(rèn)）。測試結(jié)果圖：           sobel算子自動選擇的閾值為：0.1433由圖可以看出，在采用水平和垂直方向的Sobel算子對圖像進(jìn)行邊緣檢測時，分別對應(yīng)的水平和垂直方向上的邊緣有較強(qiáng)的響應(yīng)，閾值