数字图像实验三图像增强

1、实验三、图像增强一、 实验目的（1） 熟悉并学会使用MATLAB中图像增强的相关函数。（2） 掌握图像灰度修正 、平滑去噪 、锐化加强边缘和轮廓的方法，并编程实现。二、 实验主要仪器设备（1） 台式机或笔记本电脑。（2） MATLAB软件（含图像处理工具箱）。注意：由于软件版本的缘故，软件的界面可能有所差异，读者可以根据实际安装的软件选择相关的命令。（3） 典型的灰度、彩色图像文件。三、 实验原理数码相机的曝光量指到达DC感光器件上的光线总量，用曝光值（EV）表示。图像的过度曝光、曝光不足时，用曝光补偿调节曝光量，这种功能可修正自动曝光设置值为上升或下降几级。例如，某些DC

2、的EV调整范围为+30-3。尝试对同一景象进行正确曝光、过度曝光和曝光不足三种情况成像情况。（1） 将一幅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（读入），imshow（显示），imnoise（加噪），filter2（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

3、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。四、 实验内容MATLAB图像增强：图像灰度修正；图像平滑方法；图像锐化方法。五、 实验步骤MATLAB图像增强。（1） 图像灰度修正。测试图像为pout.tif、tire.tif。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

4、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止。（2） 不均匀光照的校正。测试图像为pout.tif。采用分块处理函数blkproc和图像相减函数imsubtract校正图6.6存在的不均匀光照现象。（3） 三段线性变换增强。测试图像为eight.tif。选择合适的转折点，编程进行三段线性变换增强。（4）  图像平滑方法。测试图像为eight.tif。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

5、种去噪方法对不同噪声图像处理的去噪或降噪效果。（5） 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种锐化处理，比较各自效果。六、 实验程序（1）I = imread('pout.tif');subplot(2,2,1);imshow(I);subplot(2,2,2);imhist(I);J = imadjust(I,0.3 0.7,);subplot(2,2,3);imshow(J);subplot(2,2,4);imhist(J)（2）I=imread('rice.png');subplot(2,2,1);imshow(I);title(

6、'原始图像');J = imnoise(I,'salt &pepper', 0.1);subplot(2,2,2);imshow(J);title('加噪图像');blocks=blkproc(J,128 128,estibackground);background=imresize(blocks,256256,'bilinear'); subplot(2,2,3);imshow(background);title('提取背景');I2=imsubtract(J,background);Iout=medfi

7、lt2(I2,3 3);subplot(2,2,4);imshow(Iout,);title('校正图像');functionbackgray=estibackground(x,thr)meanx=mean(x(:);stdx=std(x(:);minx=min(x(:);backgray=max(meanx-thr*stdx,minx);（3）f = imread('pout.tif');M,N=size(f);g=zeros(M,N);f=double(f);g=double(g);k1=min(min(f);k2=max(max(f);a=k1+50;b=

8、k2-50;c=k1-30;d=k2+20; for i=1:M for j=1:N if(f(i,j)>=a)&&(f(i,j)<b) g(i,j)=(d-c)/(b-a)*(f(i,j)-a)+c; end if(f(i,j)<a) g(i,j)=c; end if(f(i,j)>=b) g(i,j)=d; end end end figure; subplot(1,2,1); imshow(f,); subplot(1,2,2); imshow(g,);（4）I = imread('eight.tif');subplot(2,3,1

9、);imshow(I);title('原始图像');J=imnoise(I,'gaussian',0.01);subplot(2,3,2);imshow(J);title('高斯白噪声');h0=1/9.*1 1 1 1 1 1 1 1 1;h1=0.1 0.1 0.1;0.1 0.2 0.1;0.1 0.1 0.1;h2=1/16.*1 2 1;2 4 2;1 2 1;h3=1/8.*1 1 1;1 0 1;1 1 1;g0=filter2(h0,J);g1=filter2(h1,J);g2=filter2(h2,J);g3=filter2(h

10、3,J);subplot(2,3,3);imshow(g0,);subplot(2,3,4);imshow(g1,);subplot(2,3,5);imshow(g2,);subplot(2,3,6);imshow(g3,);（5）I=imread('rice.png');subplot(2,3,1);imshow(I);title('原始图像');B1=edge(I,'roberts',0.1);subplot(2,3,2);imshow(B1);title('0.1');B2=edge(I,'roberts',

11、0.05);subplot(2,3,3);imshow(B2);title('0.05');B3=edge(I,'roberts',0.07);subplot(2,3,4);imshow(B3);title('0.07');B4=edge(I,'roberts',0.01);subplot(2,3,5);imshow(B4);title('0.01');七、 实验结果（1）（2）（3）（4）（5）八、 思考题（1） 如何针对图像过暗、过亮、对比度不足设计灰度变换函数？灰度g与灰度f之间的关系为：g=a+(b-a)(

12、b-a)*(f-a)，可见，如果b-a?b-a,则线性变换使得图像灰度范围增大，即对比度增大，图像会变得清晰；如果b-a<b-a，则使得图像灰度范围缩小，即对比度减小。在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内，这时在显示器上看到的将是一个模糊不清、没有灰度层次的 图像。采用线性变换对图像的每一个像素灰度做线性拉伸，将有效地改善图像的视觉效果。以曝光不足为例，选取b-a>b-a，则使曝光不充分的图像中黑的更黑，拜的更白，从而有效的提高图像灰度的对比度。（2） 比较同一种去噪方法对不同噪声处理的效果。对于高斯噪声, 仍然是中值滤波的峰值信噪比最低, 总体变分的均方误差最小, 的情况一致所以,对于高斯噪声, 中值滤波的降噪效果不太理想, 而总体变分模型则取得比较好 看出均值滤波的峰值信噪比最低,小波TV 的峰值信噪比比较接近而总体变分的均方误差仍为最小，对于高斯噪声, 线性均值滤波和TV去噪可以取得较好的去噪效果但对于椒盐噪声, 中值滤小波、总体变分(TV)的去噪平滑效果比较好其中,总体变分模型对两种噪声都取得了比较好的去噪效果, 它是现在图像平滑