图像增强、图像滤波、边缘检测的MATLAB实现

1、2. 图像增强图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某些特定的应用比原来的图像更加有效。图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理、和彩色处理技术等。图像增强有图像对比度增强、亮度增强，轮廓增强等等。 下面利用直方图统计算法对灰度图像进行增强：程序代码：I=imread('cameraman.tif');subplot(121) imshow(I);title('原始图像');subplot(122) imhist(I,64) %绘制图像的直方图，n=64

2、为灰度图像灰度级， 若I为灰度图像，默认n=256； 若I为二值图像，默认n=2。title('图像的直方图'); （请自己运行查看）n=256时： （请自己运行查看）下面利用直方图均衡化增强图像的对比度：I=imread('cameraman.tif');J=histeq(I); %将灰度图像转换成具有64（默认）个离散灰度级的灰度图像 imshow(I) title('原始图像')figure,imshow(J)title('直方图均衡化后的图像')figure(1) subplot(121);imhist(I,64)titl

3、e('原始图像的直方图')subplot(122);imhist(J,64) title('均衡化的直方图')（请自己运行查看）分析：从上图中可以看出，用直方图均衡化后，图像的直方图的灰度间隔被拉大了，均衡化的图像的一些细节显示了出来，这有利于图像的分析和识别。直方图均衡化就是通过变换函数histeq将原图的直方图调整为具有“平坦”倾向的直方图，然后用均衡直方图校正图像。下面利用直方图规定化对图像进行增强：I=imread('cameraman.tif');figure,imshow(I);title('原始图像');hgram=

4、50:2:250; %规定化函数J=histeq(I,hgram); figure,imshow(J);title('直方图规定化后的图像');figure,imhist(I,64); title('原始图像的直方图');figure,imhist(J,64); title('直方图规定化后的直方图');运行结果： 变换灰度间隔后的图像和直方图：hgram=50:1:250; hgram=50:5:250;3 图像滤波的 Matlab 实现3.1 conv2 函数功能：计算二维卷积 格式：C=conv2(A,B) C=conv2(Hcol,Hro

5、w,A)C=conv2(.,'shape')说明：对于 C=conv2(A,B) ，conv2 的算矩阵 A 和 B 的卷积，若Ma,Na=size(A), Mb,Nb=size(B),则 size(C)=Ma+Mb-1,Na+Nb-1; C=conv2(Hcol,Hrow,A) 中，矩阵 A 分别与 Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积；C=conv2(.,'shape') 用来指定 conv2 返回二维卷积结果部分，参数 shape 可取值如下：full 为缺省值，返回二维卷积的全部结果；same 返回二维卷积结果中与 A 大小相同的中

6、间部分； valid 返回在卷积过程中，未使用边缘补 0 部分进行计算的卷积结果部分，当 size(A)>size(B) 时，size(C)=Ma-Mb+1,Na-Nb+1 。3.2 conv 函数 功能：计算多维卷积 格式：与 conv2 函数相同3.3 filter2函数 功能：计算二维线型数字滤波，它与函数 fspecial 连用 格式：Y=filter2(B,X) Y=filter2(B,X,'shape') 说明：对于 Y=filter2(B,X) ，filter2 使用矩阵 B 中的二维 FIR 滤波器对数据 X 进行滤波，结果 Y 是通过二维互相关计算出来的

7、，其大 小与 X 一样；对于 Y=filter2(B,X,'shape') ，filter2 返回的 Y 是通过二维互相关计算出来的，其大小由参数 shape 确定，其取值如下 ： full 返回二维相关的全部结果，size(Y)>size(X)； same 返回二维互相关结果的中间部分，Y 与 X 大小相同； valid 返回在二维互相关过程中，未使用边缘补 0 部分进行计算的结果部分，有 size(Y)<size(X) 。3.4 fspecial 函数功能：产生预定义滤波器 格式：H=fspecial(type) H=fspecial('gaussian

8、',n,sigma) 高斯低通滤波器 H=fspecial('sobel') Sobel 水平边缘增强滤波器 H=fspecial('prewitt') Prewitt 水平边缘增强滤波器 H=fspecial('laplacian',alpha) 近似二维拉普拉斯运算滤波器 H=fspecial('log',n,sigma) 高斯拉普拉斯（LoG）运算滤波器 H=fspecial('average',n) 均值滤波器 H=fspecial('unsharp',alpha) 模糊对比增强滤波

9、器 说明：对于形式 H=fspecial(type) ，fspecial 函数产生一个由 type 指定的二维滤波器 H ，返回的 H 常与其它滤波器搭配使用。4. 滤波4.1 目的 运用中值滤波克服线性滤波器所带来的图像细节模糊。4.2 使用设备 PC兼容机一台，操作系统为Windows2000（或Windows98，WindowsXP，以下默认为Windows2000）4.3 使用滤波对图像进行增强下面使用不同的平滑模板对图像进行滤波：（二维线性滤波fliter2）程序代码： I=imread('cameraman.tif');imshow(I) title('原始

10、图像')J=imnoise(I,'salt & pepper'); %添加盐椒噪声，噪声密度为默认值0.05 figure,imshow(J) title('添加盐椒噪声后的图像')K1=filter2(fspecial('average',3),J)/255; %应用3×3邻域窗口法figure,imshow(K1) title('3×3窗的邻域平均滤波图像')K2=filter2(fspecial('average',7),J)/255; %应用7×7邻域窗口法fi

11、gure,imshow(K2) title('7×7窗的邻域平均滤波图像')K3=filter2(fspecial('average',9),J)/255; %应用9×9邻域窗口法figure,imshow(K3) title('9×9窗的邻域平均滤波图像')K4=filter2(fspecial('average',11),J)/255; %应用11×11邻域窗口法figure,imshow(K4) title('11×11窗的邻域平均滤波图像')程序代码：I=i

12、mread('cameraman.tif');imshow(I) title('原始图像')J=imnoise(I,'salt & pepper',0.02); %添加盐椒噪声，噪声密度为0.02figure,imshow(J) title('添加盐椒噪声后的图像')K1=medfilt2(J); %在默认的3×3的邻域窗中进行中值滤波figure,imshow(K1) title('默认的3×3的邻域窗的中值滤波图像')K2=medfilt2(J,5 5); %在5×5的邻域

13、窗中进行中值滤波figure,imshow(K2) title('5×5的邻域窗的中值滤波图像')从上可见，中值滤波的效果要比邻域平均的低通滤波效果好，中值滤波以后的图像的轮廓比较清晰，而且使用较小的模板得到的视觉效果反而好一些。图像锐化处理的目的是使模糊图像变得清晰，锐化滤波器减弱或消除了傅立叶空间的低频分量，保留高频分量，从而加强了图像的轮廓，使图像看起来比较清晰。 下面应用Laplacian算子对图像进行锐化处理： Laplacian算子是线性二次微分算子，其格式为：h = fspecial('laplacian', alpha)，返回一个3&#

14、215;3的滤波器来近似二维Laplacian算子的形状，参数alpha决定了Laplacian算子的形状，alpha的取值范围为0.01.0，默认的值为0.2。程序代码： %应用Laplacian算子对图像进行锐化I=imread('cameraman.tif');imshow(I) title('原始图像')H=fspecial('laplacian'); %应用laplacian算子滤波锐化图像laplacianH=filter2(H,I);figure,imshow(laplacianH) title('laplacian算子锐化

15、后的图像')分析：由图可以看出，应用了Laplacian算子对图像锐化以后，将图像区域的边缘轮廓勾划了出来，因此Laplacian算子对于边缘检测也具有很好的功效。5. 边缘检测下面利用sobel算子对图像进行边缘检测： 使用edge函数实现图像的边缘检测，其调用格式为： BW=edge(I,'sobel',thresh,direction) 根据指定的敏感阈值thresh用Sobel算子对图像进行边缘检测，edge函数忽略了所有小于阈值的边缘，如果没有指定阈值thresh或为空，函数自动选择参数值，direction指定Sobel算子边缘检测的方向，其参数值为'

16、;horizontal'，'vertical'或'both'（默认）。程序代码：I=imread('cameraman.tif');imshow(I) title('原始图像')BW=edge(I,'sobel'); %以自动域值选择法对图像进行Sobel算子边缘检测 figure,imshow(BW); title('自动域值的Sobel算子边缘检测')BW,thresh=edge(I,'sobel'); %返回当前Sobel算子边缘检测的阈值disp('sobel

17、算子自动选择的阈值为：')disp(thresh)BW1=edge(I,'sobel',0.02,'horizontal'); %以域值为0.02水平方向对图像进行Sobel算子边缘检测figure,imshow(BW1) title('域值为0.02的水平方向的sobel算子检测')BW2=edge(I,'sobel',0.02,'vertical'); %以域值为0.02垂直方向对图像进行Sobel算子边缘检测figure,imshow(BW2) title('域值为0.02的垂直方向的sobe

18、l算子检测')BW3=edge(I,'sobel',0.05,'horizontal'); %以域值为0.05水平方向对图像进行Sobel算子边缘检测figure,imshow(BW3) title('域值为0.05的水平方向的sobel算子检测')BW4=edge(I,'sobel',0.05,'vertical'); %以域值为0.05垂直方向对图像进行Sobel算子边缘检测figure,imshow(BW4) title('域值为0.05的垂直方向的sobel算子检测')测试结果图：

19、sobel算子自动选择的阈值为：0.1433 由图可以看出，在采用水平和垂直方向的Sobel算子对图像进行边缘检测时，分别对应的水平和垂直方向上的边缘有较强的响应，阈值越小，检测的图像的边缘细节数越多，而增大阈值时，有些轮廓则未能检测出。其用法和Sobel算子类似。其调用格式为： BW=edge(I,'prewitt',thresh,direction) 根据指定的敏感阈值thresh用Prewitt算子对图像进行边缘检测。程序代码：I=imread('cameraman.tif');imshow(I) title('原始图像')BW=edge(I,'prewitt'); %以自动域值选择法对图像进行Prewitt算子边缘检测 figure,imshow(BW);title('自动域值的prewitt算子边缘检测')BW,thresh=edge(I,'prewitt'); %返回当前Prewitt算子边缘检测的阈值 disp('pre