實驗四-圖像增強

1、 實驗4 MATLAB實現(xiàn)數(shù)字圖像增強2、空間域濾波(1)、噪聲添加j = imnoise(i,'salt & pepper',0.02);(2)、圖像平滑濾波均值濾波>> i = imread('elain.bmp');figure,imshow(i);j = imnoise(i,'salt & pepper',0.02);k1 = filter2(fspecial('average',3),j);k2 = filter2(fspecial('average',5),j);k3 = f

2、ilter2(fspecial('average',7),j); figuresubplot(221);imshow(j,),title('添加噪聲'); subplot(222);imshow(k1,),title('用3*3模板消除噪聲'); subplot(223);imshow(k2,),title('用5*5模板消除噪聲'); subplot(224);imshow(k3,),title('用7*7模板消除噪聲');中值濾波i =imread('elain.bmp');j = imnois

3、e(i,'salt & pepper',0.02);k1 = medfilt2(j,3 3);k11 = ordfilt2(j,5,ones(3,3);subplot(221),imshow(i),title('原圖')subplot(222);imshow(j,),title('添加噪聲'); subplot(223);imshow(k1,),title('用3*3模板消除噪聲（medfilt2函數(shù)）'); subplot(224);imshow(k11,),title('用3*3模板消除噪聲（ordfilt2函

4、數(shù)）');(3)、圖像銳化濾波【實驗內(nèi)容】1、灰度變換(1)、利用直接灰度變換法對任選的一副圖像進(jìn)行灰度變換（imjust函數(shù)），要求將原圖像0.5到0.75的灰度級擴展到范圍0 1，再實現(xiàn)明暗轉(zhuǎn)換(負(fù)片圖像)，顯示原圖，直方圖，處理后的圖像。i=imread('elain.bmp');subplot(221),imshow(i),title('原圖');subplot(222),imhist(i),title('原圖的直方圖');j=imadjust(i,0.5,0.75,0,1);subplot(223),imshow(j),titl

5、e('灰度級擴展');subplot(224),imshow(255-j),title('明暗轉(zhuǎn)換');figure,imhist(j),title('灰度級擴展');(2)、一幅灰度圖像如圖4.4左(也可選用任意一副灰度圖像),運用imjust函數(shù)，將060灰度級壓縮到030范圍內(nèi),壓縮比1/2;60180的灰度級擴大到30240,比率為190/120;將180255灰度級壓縮到240255范圍內(nèi),壓縮比為15/75。效果圖如圖右。i=imread('elain.bmp');subplot(221),imshow(i),titl

6、e('原圖');j=imadjust(i,0,60/255,0,30/255);j1=imadjust(i,60/255,180/255,30/255,240/255);j2=imadjust(i,180/255,1,240/255,1);subplot(222),imshow(j),title('灰度級擴展圖1');subplot(223),imshow(j1),title('灰度級擴展圖2');subplot(224),imshow(j2),title('灰度級擴展圖3');問題：第三個灰度級擴展后，它任然包含很多低灰度級的像

7、素，為何會很亮？(3)、對數(shù)變換對數(shù)變換常用來擴展低值灰度，壓縮高值灰度，這樣可以使低值灰度的圖像細(xì)節(jié)更容易看清楚。i=imread('elain.bmp');j=double(i);figuresubplot(121),imshow(i),title('原圖'); j1=(log(j+1)/10; subplot(122),imshow(j1,),title('對數(shù)變換');可以看出，原圖中低灰度值的部分在經(jīng)過對數(shù)變換后灰度值有所增強。但是為什么高灰度值的部分也增強了？(4)、任選一副灰度圖像對其進(jìn)行冪次變換，選擇不同的r(分別取r=0.5,r

8、= 1,r=5),觀察分析其顯示結(jié)果。i=double(imread('elain.bmp');figure,subplot(221),imshow(i,);c = 4; n1 = 0.5;n2=1;n3=5;i1 = c .* i .n1;i2 = c .* i .n2;i3 = c .* i .n3;subplot(222),imshow(i1,),title('r=0.5')subplot(223),imshow(i2,),title('r=1')subplot(224),imshow(i3,),title('r=5')當(dāng)r

9、<1時，圖像變亮；當(dāng)r=1時，沒有改變；當(dāng)r>1時，圖像變暗。(5)、練習(xí)教學(xué)資料上分段線性灰度變換例子。2、直方圖變換（直方圖均衡化和直方圖規(guī)定化）實現(xiàn)圖像增強(histeq，imhist函數(shù)) （1）、任選一幅灰度圖像，顯示原圖像，繪制其及直方圖，然后對圖像進(jìn)行均衡化處理，并顯示處理后圖像及其直方圖，與原圖像作比較；i=imread('elain.bmp');subplot(221),imshow(i),title('原圖像');subplot(222),imhist(i),title('原圖像直方圖');j=histeq(i);

10、subplot(223),imshow(j),title('直方圖均衡化');subplot(224),imhist(j),title('直方圖均衡化');直方圖均衡化擴展了原圖的直方圖，使圖像的對比度擴大。但是比原圖顯得更粗糙，整體效果并不是很理想。（2）、對原圖做直方圖規(guī)定化，目標(biāo)直方圖服從正態(tài)分布-N(4,8),觀察經(jīng)過規(guī)定化處理的圖像效果。clear,close allI=imread('elain.bmp');subplot(221),imshow(I),title('原圖像');subplot(222),imhist(

11、I),title('原圖像的直方圖');x=0:255;gaussion=normpdf(x,4,8);%高斯分布的隨機數(shù)生成器J=histeq(I,gaussion);subplot(223),imshow(J,),title('直方圖規(guī)定化后的圖像');subplot(224),imhist(J),title('規(guī)定化的直方圖');利用表達(dá)式構(gòu)造正太分布。觀察規(guī)定化后的直方圖，近似符合正太分布。3、空間域濾波（1）選擇任一副圖像作為源圖像，使用函數(shù)imnoise分別添加兩種不同的噪聲，用ordfilt2實現(xiàn)圖像增強，然后設(shè)置不同的參數(shù)，比較顯

12、示結(jié)果有什么不同。添加椒鹽噪聲后濾波I=imread('elain.bmp');subplot(231),imshow(I),title('原圖像');J1=imnoise(I,'salt & pepper',0.06);subplot(232),imshow(J1),title('添加椒鹽噪聲');Y1=ordfilt2(J1,1,ones(3,3);Y2=ordfilt2(J1,5,ones(3,3);Y3=ordfilt2(J1,9,ones(3,3);Y4=ordfilt2(J1,25,ones(7,7);subp

13、lot(234),imshow(Y1),title('3*3的最小值濾波');subplot(235),imshow(Y2),title('3*3的中值濾波');subplot(236),imshow(Y3),title('3*3的最大值濾波');subplot(233),imshow(Y4),title('7*7的中值濾波');添加高斯噪聲后濾波I=imread('elain.bmp');subplot(231),imshow(I),title('原圖像');J1=imnoise(I,'g

14、aussian',0.03);subplot(232),imshow(J1),title('添加高斯噪聲');Y1=ordfilt2(J1,1,ones(3,3);Y2=ordfilt2(J1,5,ones(3,3);Y3=ordfilt2(J1,9,ones(3,3);Y4=ordfilt2(J1,13,ones(5,5);subplot(234),imshow(Y1),title('3*3的最小值濾波');subplot(235),imshow(Y2),title('3*3的中值濾波');subplot(236),imshow(Y3)

15、,title('3*3的最大值濾波');subplot(233),imshow(Y4),title('5*5的中值濾波');從不同的參數(shù)中可以看出，中值濾波對椒鹽噪聲的處理效果更好。中值濾波要好于最小值、最大值濾波。中值濾波會產(chǎn)生不連續(xù)效果，因此不宜處理包含細(xì)線、頂點的圖。（2）、請采用二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾的任意一副圖像濾波，窗口分別采用3*3,7*7，顯示結(jié)果(提示：首先對圖像添加椒鹽噪聲，最后調(diào)用mefilter2函數(shù)濾波)I=imread('elain.bmp');subplot(221),imshow(I),t

16、itle('原圖像');J=imnoise(I,'salt & pepper',0.02);subplot(222),imshow(J),title('添加椒鹽噪聲');K1=medfilt2(J,3,3);K2=medfilt2(J,7,7);subplot(223),imshow(K1),title('3*3窗口濾波');subplot(224),imshow(K2),title('7*7窗口濾波');利用中值濾波函數(shù)可以很好的濾除椒鹽噪聲。但是窗口的增大會使處理的圖像產(chǎn)生不連續(xù)和模糊。(3)、選擇合適

17、的MATLAB函數(shù)對受高斯噪聲干擾的一副圖像進(jìn)行均值濾波（提示：首先對圖像添加高斯噪聲，然后用fspecial函數(shù)構(gòu)造均值濾波器h，最后調(diào)用filter2函數(shù)濾波）；I=imread('elain.bmp');subplot(221),imshow(I),title('原圖像');J=imnoise(I,'gaussian',0.01);subplot(222),imshow(J),title('添加高斯噪聲');h1=fspecial('average',3);K1=filter2(h1,J);h2=fspeci

18、al('average',7);K2=filter2(h2,J);subplot(223),imshow(K1,),title('3*3窗口濾波');subplot(224),imshow(K2,),title('7*7窗口濾波');均值濾波可以有效去除高斯噪聲，但會造成圖像模糊，窗口越大越模糊。(4)、任意采用三種不同銳化算子對任一副圖像進(jìn)行銳化處理，顯示原圖像及處理后的圖像效果。(可以用fpecial1,也可使用直接寫出算子)I=rgb2gray(imread('shangke.png');subplot(221),imsho

19、w(I),title('原圖像');H1=fspecial('sobel');%sobel算子H2=fspecial('prewitt');%prewitt算子H3=0 1 0;1 -4 1;0 1 0;K1=filter2(H1,I);K2=filter2(H2,I);K3=filter2(H3,I);subplot(222),imshow(K1,),title('sobel算子銳化');subplot(223),imshow(K2,),title('prewitt算子銳化');subplot(224),imsh

20、ow(K3,),title('拉普拉斯算子銳化');Sobel算子的特點：它獲得的邊界是比較粗略的邊界，反映的邊界信息較少，但是所反映的邊界比較清晰；priwitt算子與sobel算子相比，有一定的抗干擾性，圖像效果比較干凈。priwitt算子與sobel算子的思路相同，屬于同一類型，因此處理效果基本相同。拉普拉斯算子獲得的邊界是比較細(xì)致的邊界，反映的額邊界信息包括了許多的細(xì)節(jié)信息，但是所反映的邊界不太清晰。一階微分和二階微分的區(qū)別: （1） 一階微分處理通常會產(chǎn)生較寬的邊緣，二階微分處理得到的邊緣則細(xì)。 （2）二階微分處理對細(xì)節(jié)有較強的響應(yīng)，如細(xì)線和孤立點

21、。 （3）一階微分處理一般時灰度階梯有較強的響應(yīng)。 （4）二階微分處理對灰度級階梯變化產(chǎn)生雙響應(yīng)。 （5）二階微分在圖像中灰度值變化相似時，對線的響應(yīng)要比對階梯強，且點比線強。 大多數(shù)應(yīng)用中，對圖像增強來說.二階微分處理比一階微分好，因為形成細(xì)節(jié)的能力強,而一階微分處理主要用于提取邊緣。 由于拉普拉斯是一種微分算子，它的應(yīng)用強調(diào)圖像中灰度的突變即降低灰度緩慢變化的區(qū)域，這將產(chǎn)生一幅把圖像中的淺灰色邊線和突變點疊加到暗背景中的圖像。將原始圖像和拉普拉斯圖像疊加在一起的方法可以保護拉普拉斯銳化處理的效果，同時又能復(fù)原背景信息。如果所使用的定義具有負(fù)的中心系數(shù)

22、，那么就必須將原始圖像減去經(jīng)拉普拉斯變換后的圖像，從而得到銳化的結(jié)果，反之如果拉普拉斯定義的中心系數(shù)為正，則原始圖像要加上經(jīng)拉普拉斯變換后的圖像。（加黑部分解釋了原因，但是沒懂）(摘自百度文庫)4、頻域濾波實現(xiàn)圖像增強分別調(diào)試運行以下程序，修改可能的錯誤，比較分析實驗結(jié)果，并回答問題1）、低通濾波， A、高斯低通濾波I=double(imread('elain.bmp');H=fspecial('gaussian',10,7);FD=double(filter2(H,I);H1=fspecial('gaussian',10,1);FD1=doub

23、le(filter2(H1,I);figure,subplot(2,2,1),imshow(I,),title('原圖');subplot(2,2,2),imshow(FD,),title('sigma=7');subplot(2,2,3),imshow(I,),title('原圖');subplot(2,2,4),imshow(FD1,),title('sigma=1'); H=fspecial('gaussian',m n,sigma)gaussian是指高斯分布，即濾波器類型，高斯低通濾波器。m n是顯示的模

24、板，默認(rèn)3 3, 若由一個數(shù)來代替r,c，則表示一個方形的高斯濾波器。sigma是標(biāo)準(zhǔn)偏差, 是正態(tài)分布的標(biāo)準(zhǔn)差，值越大，圖像越模糊（平滑）。高斯模糊是一種圖像濾波器，它使用正態(tài)分布（高斯函數(shù)）計算模糊模板，并使用該模板與原圖像做卷積運算，達(dá)到模糊圖像的目的。B、%各種頻率低通濾波器對gray.bmp圖像的增強的MATLAB程序清單：clc;I,map=imread(gray.bmp);noisy= imnoise(I,'gaussian',0.01); imshow(noisy); M N=size(I); F=fft2(noisy); fftshift(F); Dcut=1

25、00; D0=150; D1=250;for u=1 : M for v=1 : N D(u,v)=sqrt(u2+v2); BUTTERH(u,v)=1/(1+(sqrt(2)-1)*(D(u,v)/ Dcut)2); EXPOTH(u,v)=exp(log(1/sqrt(2)*(D(u,v)/ Dcut)2); if D(u,v)<D0 TRAPEH(u,v) =1; elseif D(u,v) <=D1 TRAPEH(u,v)= (D(u,v)-D1)/(D0-D1); else TRAPEH(u,v)=0; end endendBUTTERG=BUTTERH.*F; BUT

26、TERfiltered=ifft2(BUTTERG);EXPOTG=EXPOTH.*F; EXPOTfiltered=ifft2(EXPOTG);TRAPEG=TRAPEH.*F; TRAPEfiltered=ifft2(TRAPEG); subplot(2,2,1),imshow(noisy); subplot(2,2,2),imshow(BUTTERfiltered) subplot(2,2,3),imshow(EXPOTfiltered)subplot(2,2,4),imshow(TRAPEfiltered)利用頻域低通濾波法除去圖像中的高頻分量就能去掉噪聲，從而得到平滑。程序?qū)崿F(xiàn)了巴特

27、沃斯、指數(shù)及梯形低通濾波器。2）、頻域高通濾波法對圖像進(jìn)行增強A、頻域高通濾波程序I1=imread('blood1.tif');M N=size(I1);F=fft2(I1);F=fftshift(F);m1=fix(M/2);n1=fix(N/2);for u=1:M for v=1:N D=sqrt(u-m1)2+(v-n1)2); if D=0 H(u,v)=0; else H(u,v)=1/(1+0.414*(5/D)4); end endendF1=H.*F;F1=ifftshift(F1);I2=abs(ifft2(F1);subplot(121),imshow(

28、I1,);subplot(122),imshow(I2,); 什么類型高通濾波器？-2階巴特沃斯帶阻濾波器。B、選擇各種頻域高通濾波器對圖像進(jìn)行增強clc;I,map=imread(gray.bmp);noisy= imnoise(I,gaussian,0.01);M N=size(I);F=fft2(noisy);Fftshift(F);Dcut=100;DO=250;D1=150;for u=1 : M for v=1 : ND( u,v)=sqrt(u2+v2);BUTTERH(u,v)=1/(1+(sqrt(2)-1)*(Dcut /D(u,v)2);EXPOTH（u,v)=exp(log(1/sqrt(2)*(Dcut /D(u,v)2);if D(u,v)<D1 TRAPEH(u,v) =0; elseif D(u,v) <=D0 TRAPEH(u,v)= D(u,v) D1)/(D0-D1); else TRAPEH(u,v)=1; end end end BUTTERG=BUTTERH.*F; BUTTERfiltered=ifft2(BUTTERG);EXPOTG=EXPOTH.*F;EXPOTfiltered=ifft2(EXPOTG);TRAPFG= TRAPEH.