数字图像(图像增强)实验报告

1、实验：图像增强1 实验目的（1） 熟悉并学会使用MATLAB中图像增强的相关函数（2） 了解图像增强的办法、去噪的方法和效果。2 实验主要仪器设备（1） 微型计算机：Intel Pentium及更高。（2） MATLAB软件（含图像处理工具箱）。（3） 典型的灰度、彩色图像文件。3 实验原理（1） 将一副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)、imshow(显示)、imnoise(加噪)、filter(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

2、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。4 实验内容（1） 图像灰度修正。（2） 图像平滑方法。（3） 图

3、像锐化方法。5 实验步骤（1） 图像灰度修正。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正。（2） 图像平滑方法。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，观测和分析各种去噪方法对不同噪声图像处理的去噪或降噪效果。（3） 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种蜕化处理，比较各自效果。1图像灰度修正img = imrea

4、d(d:001.bmp);figure();imshow(img);I = double(img); val=max(max(I);a=log2(val);b=round(a);max_gray=2b;H, W=size(I);J = zeros(H, W);for i = 1 : H for j = 1 : W J(i,j)=max_gray-1-I(i,j); end % endfor jend % endfor iimg2 = uint8(J);subplot(1,2,1),imshow(img);title(原图);subplot(1,2,2),imshow(img2);title(变

5、换后);imwrite(img2,d:2.bmp); 实验截图：2.1程序代码：img = imread(d:LENA_8G_4bit.bmp);figure();imshow(img);subplot(2,1,1);imshow(img);subplot(2,1,2);imshow(img);I = double(img);%matlab 不支持uint8类型数据的矩阵运算，因此首先要将图像数据转换为double类型，计算后再转换为uint8类型H, W=size(I);J = zeros(H, W);for i = 1 : H for j = 1 : W J(i,j) =255.0/15.

6、0*I(i,j); end;% endfor jend; % endfor iimg2 = uint8(J);subplot(1,2,1),imshow(img,);title(原图);subplot(1,2,2),imshow(img2);title(变换后);imwrite(img2,d:LENA_255G .bmp);实验截图：2.2程序代码：img = imread(d:LENA_255G .bmp);figure();imshow(img);subplot(2,1,1);imshow(img);subplot(2,1,2);imshow(img);I = double(img);%m

7、atlab 不支持uint8类型数据的矩阵运算，因此首先要将图像数据转换为double类型，计算后再转换为uint8H, W=size(I);J = zeros(H, W);for i = 1 : H for j = 1 : W if I(i,j)30 J(i,j)=I(i,j); elseif I(i,j)150 J(i,j) = 170.0/120.0*(I(i,j)-30)+30; else J(i,j)= 55.0/105.0*(I(i,j)-150)+200; end; end ;% endfor jend; % endfor iimg2 = uint8(J);subplot(1,2

8、,1),imshow(img,);title(原图);subplot(1,2,2),imshow(img2,);title(变换后);imwrite(img2,d:L.bmp);实验截图：3.1程序代码：img=imread(d:GIRL_8G.bmp);I = double(img);H, W=size(I);max_gray=max(max(I);L=ceil(log2(max_gray);gray=2L-1;x=0:gray;y=zeros(1,gray+1);for i=1:H for j=1:W y(img(i,j)+1)=y(img(i,j)+1)+1; end;end;y1=y/

9、(H*W);S=zeros(1,gray+1);S(1)=y1(1);for i=2:length(S) S(i)=S(i-1)+y1(i);end;S1=floor(S*gray)+0.5);Z=zeros(H,W);for i=1:H for j=1:W Z(i,j)=S1(img(i,j)+1); end;end;img2=uint8(Z);y2=zeros(1,gray+1);for i=1:H for j=1:W y2(img2(i,j)+1)=y2(img2(i,j)+1)+1; end;end;bar(x,y);%原直方图bar(x,y2);%变换后直方图subplot(1,2,

10、1);imshow(img,);title(原图);subplot(1,2,2);imshow(img2,);title(变换后 );实验截图：原灰度直方图：均衡后灰度直方图：图像平滑和图像锐化1. 加入噪声title(加入椒盐噪声的图像);2. 图像的平滑邻域平均模板加权平均模板3. 邻域平均M1=(1/4)*0,1,0;1,0,1;0,1,0;M2=(1/8)*1,1,1;1,0,1;1,1,1;L=imfilter(J,M1);G=imfilter(J,M2);subplot(1,2,1);imshow(L);title(4邻域平均)subplot(1,2,2);imshow(G);ti

11、tle(8邻域平均)4. 加权平均M3=(1/5)*0,1,0;1,1,1;0,1,0;M4=(1/16)*1,2,1;2,4,2;1,2,1;L=imfilter(J,M3);G=imfilter(J,M4);subplot(1,2,1);imshow(L);title(1/5加权平均)subplot(1,2,2);imshow(G);title(1/16加权平均)图像的锐化拉普拉斯模板Laplacian锐化模板I=imread(fabric.png);%读取图像K=rgb2gray(I);M1=0,1,0;1,-4,1;0,1,0;M2=1,1,1;1,-8,1;1,1,1;K=doubl

12、e(K);J=conv2(K,M1,same); %卷积G=conv2(K,M2,same);F=K-J;E=K-G;figure,imshow(K,),figure,imshow(J),figure,imshow(G),figure,imshow(F,)figure,imshow(E,)原图像4邻域8邻域4邻域锐化图像8邻域锐化图像小结 平均滤波和加权滤波的效果都不怎么好，不能完全除去高斯噪声，它们对椒盐噪声的处理效果比较理想但仍旧存在提升的空间；另外，在对4邻域8邻域的比较以及1/5加权以及1/16加权平均的比较可以看出，多领域的处理效果比较好，但是它的缺点是会引起图像的模糊。可以肯定的是不同的模版其效果不同，对特定的图像要使用特定的模版。 图像变模糊的原因一般为成像系统聚焦不好、信道过窄以及平均过积分运算。图像的锐化使得目标物轮廓变模糊，细节