基于MATLAB的圖像研究

1、基于MATLAB的圖像研究直方圖均衡化處理基本原理在實(shí)際應(yīng)用中，希望能夠有目的地增強(qiáng)某個(gè)灰度區(qū)間的圖像， 即能夠人為地修正直方圖的形狀， 使之與期望的形狀相匹配，這就是直方圖規(guī)定化的基本思想。換句話說(shuō)，希望可以人為地改變直方圖形狀，使之成為某個(gè)特定的形狀，直方圖規(guī)定化就是針對(duì)上述要求提出來(lái)的一種增強(qiáng)技術(shù)，它可以按照預(yù)先設(shè)定的某個(gè)形狀來(lái)調(diào)整圖像的直方圖。每一可能的灰度層次所占的像素個(gè)數(shù)盡量均等，每個(gè)像素具有同樣的顯示機(jī)會(huì)，從而使圖像細(xì)節(jié)清晰，改善圖像的整體對(duì)比度。直方圖及其均衡化結(jié)果圖1 直方圖及其均衡化空域圖像處理均值濾波 對(duì)一些圖像進(jìn)行線性濾波可以去除圖像中某些類型的噪聲。領(lǐng)域平均法就是一種

2、非常適合去除通過(guò)掃描得到的圖像中的噪聲顆粒的線性濾波。領(lǐng)域平均法是空間域平滑噪聲技術(shù)。對(duì)于給定的圖像中的每個(gè)像素點(diǎn)，取其領(lǐng)域S。設(shè)S含有M個(gè)像素，取其平均值作為處理后所得圖像像素點(diǎn)處的灰度。用一像素領(lǐng)域內(nèi)各像素灰度平均值來(lái)代替該像素原來(lái)的灰度，即領(lǐng)域平均技術(shù)。領(lǐng)域S的形狀和大小根據(jù)圖像特點(diǎn)確定。一般取的形狀是正方形、矩形及十字形等，S的形狀和大小可以在全圖處理過(guò)程中保持不變，也可以根據(jù)圖像的局部統(tǒng)計(jì)特性而變化，點(diǎn)(m,n)一般位于S的中心。如S為33領(lǐng)域，點(diǎn)(m,n)位于S中心，則 中值濾波中值濾波是一種非線性濾波，由于它在實(shí)際運(yùn)算過(guò)程中并不需要圖像的統(tǒng)計(jì)特性，所以比較方便。但是對(duì)一些細(xì)節(jié)多，

3、特別是點(diǎn)、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替。設(shè)有一個(gè)一維序列，取窗口長(zhǎng)度為m(m為奇數(shù))，對(duì)此序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出m個(gè)數(shù)，其中為窗口的中心位置，再將這m個(gè)點(diǎn)按其數(shù)值大小排列，取其序號(hào)為正中間的那作為輸出。用數(shù)學(xué)公式表示為： 在進(jìn)行濾波前，首先給圖像添加噪聲，在此，給圖像添加高斯噪聲和椒鹽噪聲，并進(jìn)行均值濾波和中值濾波得到圖像如下：圖2高斯噪聲與椒鹽噪聲下的均值濾波與中值濾波結(jié)果分析中值濾波和均值濾波后，都?xì)埩粢恍┰朦c(diǎn)，但是均值濾波殘留的噪點(diǎn)量要明顯小于中值濾波。說(shuō)明均值濾波對(duì)于

4、線性的高斯噪聲的濾波效果要優(yōu)于中值濾波。圖像銳化圖像銳化的基本概述圖像在傳輸過(guò)程中，通常質(zhì)量都要降低，除了噪聲因素外，圖像一般都要變得模糊。這主要是因?yàn)閳D像的傳輸或轉(zhuǎn)換系統(tǒng)的傳遞函數(shù)對(duì)高頻成分的衰減作用，造成圖像的細(xì)節(jié)輪廓不清晰。圖像銳化就是使灰度反差增強(qiáng)，從而增強(qiáng)圖像中邊緣信息，有利于輪廓抽取。因?yàn)檩喞蜻吘壘褪菆D像中灰度變化率最大的地方。因此，為了把輪廓抽取出來(lái)，就是要找一種方法把圖像的最大灰度變化處找出來(lái)。在拉普拉斯算子下的空域銳化結(jié)果如下：圖3 拉普拉斯算子下的空域銳化結(jié)果頻域圖像處理 頻率域平滑處理就是選擇合適的低通濾波器對(duì)其頻譜成分進(jìn)行調(diào)整，然后經(jīng)逆傅立葉變換得到平滑圖像。其中常用

5、的頻率域平滑處理方法一般為頻率域低通濾波法。頻率域低通濾波是在分析圖像信號(hào)的頻率特征性時(shí),一幅圖像中的邊緣、跳躍部分以及顆粒噪聲代表圖像信號(hào)的高頻分量，而大面積的背景區(qū)則代表圖像信號(hào)的低頻分量。用濾波的方法濾除其高頻部分就能去除噪聲，使圖像得到平滑。 Butterworth濾波器下的平滑銳化處理圖4 頻域低通濾波（平滑）圖5 頻域高通濾波（銳化）附錄%直方圖及其均衡化clear;I=imread(peng.jpg);I=rgb2gray(I);I2=I;add=;add1=;tab1=zeros(1,256);tab2=zeros(1,256);for n=0:255 X=I=n; add=a

6、dd;sum(sum(X);end;a,b=size(I);final=add/(a*b);for n=1:256 for i=1:n tab1(n)=tab1(n)+final(i); end;end;tab1=tab1*255;tab2=round(tab1);for n=1:a for m=1:b for t=0:255 if I(n,m)=t I2(n,m)=tab2(t+1); end; end; end;end;for n=0:255 X1=I2=n; add1=add1;sum(sum(X1);end;a1,b1=size(I2);final1=add1/(a1*b1);figu

7、re;subplot(211);stem(final,Marker,none); title(直方圖) subplot(212);stem(final1,Marker,none) ;title(直方圖均衡化) 空域銳化濾波 clear all; close allI = imread(peng.jpg);w=fspecial(laplacian,0.2)w8=1,1,1;1,-8,1;1,1,1I1= imfilter(I,w, replicate);figure(1)subplot(2,2,1),imshow(I1), title(拉普拉斯濾波圖像（uint8）); f = im2doubl

8、e(I);f1= imfilter(f,w, replicate);subplot(2,2,2), imshow(f1,), title(拉普拉斯濾波圖像（double）);f2= imfilter(f,w8, replicate);f4 = f-f1;f8 = f-f2;subplot(2,2,3), imshow(f4);title(原始圖像中減去 uint8); subplot(2,2,4), imshow(f8);title(原始圖像中減去double); 頻域圖像平滑和銳化clc;clear all;close all;f=imread (peng.jpg);row,col=size

9、(f);g=fft2(f);%二維離散傅里葉變換gls1=fftshift(g);gls2=fftshift(g);H=zeros(row,col);x0=floor(row/2);y0=floor(col/2);u0=x0;v0=y0;D0=50;%截止頻率n=0.2;%濾波器階數(shù)for u=1:row for v=1:col D=(u-u0)2+(v-v0)2; H1(u,v)=1/(1+(D/D0)(2*n); H2(u,v)=1/(1+(D0/D)(2*n); gls1(u,v) = gls1(u,v)*H1(u,v);% 低通濾波（平滑） gls2(u,v) = gls2(u,v)*

10、H2(u,v);% 高通濾波 （銳化） endend % 頻域圖像平滑 figure(1)rs1=ifftshift(gls1); % 反頻移r1=real(ifft2(rs1); % 反變換subplot (2,2,1);imshow(f);subplot (2,2,2);imshow(uint8(r1);subplot (2,2,3);imshow(f+uint8(r1);subplot (2,2,4);H3=H1(x0,y0:col);plot(H3);axis(0 y0 min(H3) max(H3);頻域圖像銳化figure(2)rs2=ifftshift(gls2); % 反頻移r2=real(ifft2(rs2); % 反變換sub