数字图像增强处理对比分析

1、数字图像增强技术的对比分析数字图像增强技术的对比分析小组成员：小组成员：周哲 亓先哲 董锐王强 周洋 韩亚衡一一. .实验要求实验要求 （1 1）了解对灰度图片处理的基本原理和方法；）了解对灰度图片处理的基本原理和方法；（2 2）熟悉掌握）熟悉掌握matlabmatlab软件；软件；（3 3）对灰度图片模拟加入噪声；）对灰度图片模拟加入噪声；（4 4）利用）利用matlabmatlab对加入噪声的该图片进行处理，记对加入噪声的该图片进行处理，记录实验过程中每一种方法的过程，录实验过程中每一种方法的过程，并进行比较，分析哪种噪声的所对应的增强方法效果并进行比较，分析哪种噪声的所对应的增强方法效果

2、最好；最好； （5 5）在进行处理时要对相关步处理进行理论分析）在进行处理时要对相关步处理进行理论分析（6 6）根据课程设计有关规范，小组按时完成课程）根据课程设计有关规范，小组按时完成课程设计说明书。设计说明书。二二. .实验方法介绍实验方法介绍 1 数字图像噪声数字图像噪声 数字图像在图像获取集数字化过程，以及在数字图像传输的过程中，有可能会受到噪声干扰。图像传感器在获取图像中会受到环境和原件质量的影响，产生噪声。例如照相机照相时会受到光照影响。数字图像在传输过程中，由于传输信道回手到噪声干扰，也会产生噪声。 噪声有很多种类，例如：高斯噪声，瑞利噪声，椒盐噪声，指数分布噪声等等。本次课设讨

3、论的是高斯噪声和椒盐噪声。 高斯噪声符合高斯分布，高斯噪声的产生源于电子电路噪声和由低照明度或高温带来的传感器噪声。 椒盐噪声又称（双极）脉冲噪声。 ba,灰度级b在图像中将显示为一个亮点，灰度级a为一个暗点。椒盐噪声最主要表现在成像中的短暂停留中。 2 空间域图像增强空间域图像增强 对噪声图片处理要使用图像增强的方法。图像增强技术是为了人类视觉系统的生理接受特点而设计一种改善图像的方法，处理图像，使其更适合于特定应用。图像增强的方法有空间域方法和频域方法。 本次课本次课程程设设计计使用的是使用的是空间域方法空间域方法。空间域指图像平面本身，以图像像素直接处理为基础。空间域增强包括灰度变换，用

4、算数、逻辑操作增强，空间滤波等。其中空间滤波包括平滑空间滤波器，锐化空间滤波器。平滑空间滤波器包括平滑线性滤波器和统计排序滤波器。 平滑线性滤波器，即为均值滤波，其输出是包含在滤波掩模邻域内像素的简单平均值。这种处理减小了图像灰度的尖锐变化，可以减噪，也会有灰度边缘模糊的负面效应。三。实验内容三。实验内容1 增强对比度增强对比度 增强对比度实际是增强原图像的各部分的反差。实际中往往是通过原图中某两个灰度值之间的动态范围来实现的。 通过变换可以使原图的较高的和较低的灰度值的动态范围减小了，而原图在二者之间的动态范围增加了，从而其范围的对比度增加了。 MATLAB代码所示： zx=imread(C

5、:UsersAdministratorDesktop0.jpg); imshow(zx),title(原图像); f0=0;g0=0; f1=70;g1=30; f2=180;g2=230; f3=255;g3=255; r1=(g1-g0)/(f1-f0); b1=g0-r1*f0;r2=(g2-g1)/(f2-f1);b2=g1-r2*f1;r3=(g3-g2)/(f3-f2);b3=g2-r3*f2; m,n=size(zx); ZX=double(zx); for i=1:mfor j=1:nf=ZX(i,j);g(i,j)=0; if(f=0)&(f=f1)&(f=f

6、2)&(f figure,imshow(mat2gray(g),title(增强对比度的图像)分析分析 在图中可以看出，通过变换可以使原图的较高的在图中可以看出，通过变换可以使原图的较高的和较低的灰度值的动态范围减小了，而原图在二和较低的灰度值的动态范围减小了，而原图在二者之间的动态范围增加了，从而其范围的对比度者之间的动态范围增加了，从而其范围的对比度增加了增加了 。2.图像求反图像求反对图像求反是将原来的灰度值翻转，简单的说就是使黑变白，使白变黑。普通的黑白底片和照片就是这样的关系。具体的变换就是将图像中每个像素的灰度值根据变换曲线进行映射。MATLAB代码所示：f1=200; I

7、=imread(C:UsersAdministratorDesktop0.jpg);zx=im2bw(I,0.5);imshow(zx),title(黑白)g1=256;k=g1/f1;m,n=size(zx);ZX=double(zx); for i=1:m for j=1:n f=ZX(i,j); g(i,j)=0;if(f=0)&(f=f1) g(i,j)=g1-k*f; else g(i,j)=0;endendendfigure,imshow(mat2gray(g)title(求反后的图像)3.直方图均衡化处理法直方图均衡化处理法直方图均衡也称灰度均衡，处理的中心思想是把原始图

8、像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布对其取整并得出源灰度sk到tk的灰度映射关系，其中N为灰度的级数。重复上述步骤，得到所有的源图像各灰度级到目标图像各灰度级的映射关系，再按照新的映射关系对源图像各点像素进行灰度转换，即可完成对源图的直方图均衡化。I=imread(C:UsersAdministratorDesktopmeunv.jpg); j=rgb2gray(I);subplot(221),imshow(I),title(原图像); subplo

9、t(222),imhist(j),title(原图像直方图);K=histeq(j);subplot(223),imshow(K),title(均衡化后图像);subplot(224),imhist(K),title(均衡化后图像直方图);实验结果如下图所示 分析：分析： 由直方图可以看出，经过灰度均衡后，图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显；从实现算法上也可以看出，其优点主要在于能自动增强整幅图像的对比度，但只能得到全局均衡化处理的直方图。在实际应用中，往往要根据不同的要求有选择的对某灰度范围进行局部范围内的对比度增强，此时若再采用直方图均衡就不太适合。4.均值滤波

10、法均值滤波法实验程序如下实验程序如下I=imread(C:UsersAdministratorDesktopmeunv.jpg);I1=imnoise(I,gaussian); I2=imnoise(I,salt & pepper,0.02); H1=ones(3,3)/9;J1=imfilter(I1,H1); J2=imfilter(I2,H1);subplot(231),imshow(I),title(原图像);subplot(232),imshow(I1),title(高斯噪声干扰的图片);subplot(233),imshow(I2),title(椒盐噪声干扰的图片);subplot(235),imshow(J1),title(滤除高斯噪声干扰的图片);subplot(236), imshow(J2),title(滤除椒盐噪声干扰的图片); K1=I-J1; K2=I-J2; subplot(211),imshow(K1),title(原图减滤除高斯噪声干扰的图片);subplot(212),imshow(K2),title(原图减