基于MATLAB的圖像增強處理

學號：2011-2012學年第1學期專業(yè)綜合課程設計報告題目：基于MATLAB的圖像增強處理專業(yè)：通信工程班級：08通信（本）姓名：指導教師：成績：電氣工程系2011年11月15日課程設計任務書學生班級：08通信工程學生姓名：學號：設計名稱：基于MATLAB的圖像增強處理起止日期：2011-11-13——11—17指導教師：師設計要求：數(shù)字圖像處理是一種通過計算機采用一定的算法對圖形圖像進行處理的技術。數(shù)字圖像處理技術已經(jīng)在各個領域上都有了比較廣泛的應用。通過這次課程設計，應了解MATLAB語言的特點,以及基于MATLAB的數(shù)字圖像處理環(huán)境，如何利用MATLAB及其圖像處理工具箱進行數(shù)字圖像處理，并通過實踐掌握了利用MATLAB圖像處理工具箱進行圖像處理的方法。內容摘要 數(shù)字圖像處理是指將圖像信號轉換成數(shù)字格式并利用計算機對其進行處理的過程。圖像增強是數(shù)字圖像處理的過程中經(jīng)常采用的一種方法，它對提高圖像質量起著重要的作用。本文先對圖像增強的原理進行概述，然后對圖像增強的方法分類并給出直方圖增強、對比度增強、平滑和銳化等幾種常用的增強方法的理論基礎，通過Matlab實驗得出的實際處理效果來對比各種算法的優(yōu)缺點，討論不同的增強算法的技術要點，并對其圖像增強方法進行性能評價。目錄設計要求…………………………1內容摘要…………………………2目錄………………3MATLAB的簡介………………………4MATLAB的主要功能……………………4MATLAB圖像增強概述………………42.1數(shù)字增強技術概述………………………42.2數(shù)字圖像的表示…………5第三章直方圖均衡化……………63.1圖像的灰度………………63.2灰度直方圖………………83.3直方圖均衡化……………9第四章圖像二值化……………104.1圖像二值化………………12第五章對比度增強……………125.1灰度調整…………………125.2對比擴展法………………125.3對數(shù)變換…………………13第六章濾波……………………136.1平滑濾波…………………146.2線性濾波…………………146.3非線性率…………………146.4二維中值濾波……………156.5高通濾波…………………15第七章銳化……………………15第八章參考文獻………………16第九章自我評價………………171.Matlab的簡介1.1MATLAB主要功能MATLAB是建立在向量、數(shù)組和矩陣基礎上的一種分析和仿真工具軟件包，包含各種能夠進行常規(guī)運算的“工具箱”，如常用的矩陣代數(shù)運算、數(shù)組運算、方程求根、優(yōu)化計算及函數(shù)求導積分符號運算等；同時還提供了編程計算的編程特性，通過編程可以解決一些復雜的工程問題；也可繪制二維、三維圖形，輸出結果可視化。目前，已成為工程領域中較常用的軟件工具包之一。2.MATLAB的主要功能2.1數(shù)字增強技術概述圖像增強是按特定的需要突出一幅圖像中的某些信息，同時，消弱或去除某些信息使得圖像更加實用。圖像增強技術主要包含直方圖修改處理、圖像平滑處理、圖像尖銳化處理等。圖像增強技術主要包括：直方圖修改處理，圖像平滑處理，圖像尖銳化處理，彩色圖像處理。從純技術上講主要有兩類：頻域處理法和空域處理法。頻域處理法主要是卷積定理，采用修改圖像傅立葉變換的方法實現(xiàn)對圖像的增強處理技術；空域處理法：是直接對圖像中的像素進行處理，基本上是以灰度映射變換為基礎的。2.2數(shù)字圖像的表示圖像并不能直接用計算機來處理，處理前必須先轉化成數(shù)字圖像。由于從外界得到的圖像多是二維（2-D）的，一幅圖像可以用一個2-D數(shù)組表示。這里x和y表示二維空間XY中一個坐標點的位置，而f則代表圖像在點的某種性質數(shù)值。為了能夠用計算機對圖像進行處理，需要坐標空間和性質空間都離散化。3．直方圖的均衡化3.1圖像的灰度常用的圖像一般是灰度圖，這時f表示灰度值，反映了圖像上對應點的亮度。亮度是觀察者對所看到的物體表面反射光強的量度。作為圖像灰度的量度函數(shù)應大于零。人們日?？吹降膱D像一般是從目標上反射出來的光組成的，所以可看成由兩部分構成：入射到可見場景上光的量；場景中目標對反射光反射的比率。確切地說它們分別稱為照度成分和反射成分。與和都成正比，可表示成＝×。3.2灰度直方圖灰度變換是圖像增強的一種重要手段，使圖像對比度擴展，圖像更加清晰，特征更加明顯?；叶燃壍闹狈綀D給出了一幅圖像概貌的描述，通過修改灰度直方圖來得到圖像增強。程序如下：%灰度直方圖I=imread('D:\image\rice.bmp');%讀取圖像subplot(2,1,1);Imshow(I);%顯示圖像title('(a)原圖');subplot(2,1,2);imhist(I);%繪制圖像的灰度直方圖title('(b)原圖的灰度直方圖');圖4.13.3直方圖均衡化直方圖均衡化過程如下：（1）計算原圖像的灰度直方圖；（2）計算原圖像的灰度累積分布函數(shù)，進一步求出灰度變換表；（3）根據(jù)灰度變換表，將原圖像各灰度級映射為新的灰度級?；叶戎狈綀D均衡化程序：%灰度直方圖均衡化I=imread('D:\image\bubbles.bmp');%讀取圖像subplot(2,2,1);Imshow(I);%顯示圖像title('原圖');subplot(2,2,2);imhist(I);%繪制圖像的灰度直方圖title('原圖的灰度直方圖');subplot(2,2,3);J=histeq(I,64);%對圖像進行均衡化處理，返回有64級灰度的圖像JImshow(J);%顯示圖像title('原圖直方圖均衡化');subplot(2,2,4);imhist(J);%繪制圖像的灰度直方圖title('均衡后的灰度直方圖')以下展示了直方圖均衡化的效果：圖4.2優(yōu)勢：能夠使得處理后圖像的概率密度函數(shù)近似服從均勻分布，其結果擴張了像素值的動態(tài)范圍，是一種常用的圖像增強算法。不足：不能抑制噪聲。4．圖像二值化4.1圖像二值化圖像的二值化處理就是將圖像上的像素點的灰度值設置為0或255，也就是講整個圖像呈現(xiàn)出明顯的黑白效果。首先，圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標的輪廓。其次，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。圖像二值化程序：%圖像二值化（選取一個域值，(5) 將圖像變?yōu)楹诎讏D像）I=imread('beauty.tif');bw=im2bw(I,0.5);%選取閾值為0.5subplot(1,3,1);imshow(I);title('原圖');subplot(1,3,2);imshow(bw);title('顯示二值圖像');J=find(I<150);I(J)=0;J=find(I>=150);I(J)=255;subplot(1,3,3);imshow(I);title('圖像二值化(域值為150）');下圖為圖像二值化的效果：圖 4.35.對比度增強5.1對比度增強對比度增強是按一定的規(guī)則修改輸入圖像每一個像素的灰度，從而改變圖像灰度的動態(tài)范圍。例如，觀察圖4.4可以發(fā)現(xiàn)，該圖的對比度不高其灰度直方圖沒有低于35或高于210的值，如果將圖像數(shù)據(jù)映射到整個灰度范圍內，則圖像的對比度將大大增大。圖4.45.2灰度調整灰度調整程序：%imadjust函數(shù)I=imread('D:\image\rice.bmp');%讀取圖像subplot(2,2,1);Imshow(I);%顯示圖像title('原圖');subplot(2,2,2);imhist(I);%繪制圖像的灰度直方圖title('原圖的灰度直方圖');subplot(2,2,3);J=imadjust(I,[0.30.7],[]);%對圖像進行灰度變換Imshow(J);%顯示圖像title('原圖直方圖均衡化');subplot(2,2,4);imhist(J);%繪制圖像的灰度直方圖title('均衡后的灰度直方圖')以下展示了常用對比度擴展法的結果：圖4.5從圖4.5【原圖】可以看出原始圖像動態(tài)范圍較小，整體較暗，反映在直方圖上像素主要集中在低灰度的一側。經(jīng)過對比度調整，圖像變亮。5.3對數(shù)變換對數(shù)變化常用來擴展低值灰度，壓縮高值灰度，這樣可以使低值灰度的圖像細節(jié)更容易看清。對數(shù)變換程序：%對數(shù)變換I=imread('beauty.tif');%讀取圖像I=mat2gray(I);%對數(shù)變換不支持uint8類型數(shù)據(jù)，將一個矩陣轉化為灰度圖像的數(shù)據(jù)格式(double)J=log(I+1);subplot(1,2,1);Imshow(I);%顯示圖像title('原圖');subplot(1,2,2);Imshow(J);title('對數(shù)變換后的圖像')圖4.6對數(shù)變換確實能夠擴展低值灰度，而壓縮高值灰度，使低值灰度的圖像細節(jié)更容易看清。6.濾波6.1平滑濾波 平滑技術用于平滑圖像中的噪聲。平滑噪聲可以在空間域中進行，基本方法是求像素灰度的平均或中值。為了既平滑噪聲又保護圖像信號。6.2線性濾波輸出圖像的值等于輸入圖像濾波后值的局部平均，各個項具有相同的權。下面是平滑窗口分別為矩形和圓形的情況。對一些圖像進行線性濾波可以去除圖像中某些類型的噪聲，如采用鄰域平均法的均值濾波器就非常適用于去除通過掃描得到的圖像中的顆粒噪聲。6.2線性平滑濾波程序：%線性平滑濾波I=imread('beauty.tif');J=imnoise(I,'salt&pepper',0.02);subplot(221),imshow(I)title('原圖像')subplot(222),imshow(J)title('添加椒鹽噪聲圖像')K1=filter2(fspecial('average',3),J)/255;%應用3*3鄰域窗口法subplot(223),imshow(K1)title('3x3窗的鄰域平均濾波圖像')K2=filter2(fspecial('average',7),J)/255;%應用7*7鄰域窗口法subplot(224),imshow(K2)title('7x7窗的鄰域平均濾波圖像')如圖4.8(a)為線性平滑濾波的例子：如圖子6.3非線性濾波 中值濾波是一種最常用的圖像增強技術，是非線性濾波。對椒鹽噪聲有很好的去噪效果。下圖是加高斯噪聲后，中值濾波和平均濾波的濾波效果程序：%中值濾波和平均濾波I=imread('girl.bmp');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.01);subplot(2,2,1);imshow(I);title('原圖');subplot(2,2,2);imshow(J);title('noise');K=fspecial('average',5);K1=filter2(K,J)/255;subplot(2,2,3);imshow(K1);title('平均濾波');L=medfilt2(J,[35]);subplot(2,2,4);imshow(L);title('中值濾波');對比：圖 4.9(a)但對于椒鹽噪聲，中值濾波效果比均值濾波效果好。中值濾波程序：%二維中值濾波hood=3;[P,map]=imread('leno.bmp');I=rgb2gray(P);imshow(I,map);noisy=imnoise(I,'salt&pepper',0.05);%加入強度為0.05的椒鹽噪聲subplot(221);imshow(noisy,map);title('加入椒鹽噪聲');filtered1=medfilt2(noisy,[hoodhood]);%3×3窗口二維中值濾波subplot(222);imshow(filtered1,map);title('3×3窗口');hood=5;filtered2=medfilt2(noisy,[hoodhood]);%5×5窗口二維中值濾波subplot(223);imshow(filtered2,map);title('5×5窗口');hood=7;filtered3=medfilt2(noisy,[hoodhood]);%7×7窗口二維中值濾波subplot(224);imshow(filtered3,map);title('7×7窗口');I=imread('leno.bmp');figure;imshow(I);title('原圖');實現(xiàn)中值濾波的效果圖如下：圖 4.9(b)比較發(fā)現(xiàn)，圖像的噪聲點被去除；圖像的邊緣稍微的變得模糊。高通濾波邊緣增強程序：%高通濾波邊緣增強I=imread('girl.bmp');I=rgb2gray(I);subplot(2,2,1);imshow(I);title('originalpic');J=fspecial('average',3);J1=conv2(I,J)/255;subplot(2,2,2);imshow(J1);title('3*3lowpass');K=fspecial('prewitt');K1=filter2(K,J1)*5;subplot(2,2,3);imshow(K1);title('prewitt');L=fspecial('sobel');L1=filter2(L,J1)*5;subplot(2,2,4);imshow(L1);title('sibel');下圖為高通濾波邊緣增強的例子：圖 4.9(c)優(yōu)勢：去噪效果明顯，并且能夠較好的保持圖像邊緣位置和細節(jié)。不足：非線性濾波算法的實現(xiàn)相對線性濾波比較困難。7銳化圖像銳化處理的作用是使灰度反差增強，從而使模糊圖像變得更加清晰。圖像模糊的實質就是圖像受到平均運算或積分運算，因此可以對圖像進行逆運算，如微分運算以突出圖像細節(jié)使圖像變得更為清晰。銳化程序：%銳化a=imread('dowels.tif');subplot(131);imshow(a);title('原圖');b=double(a);%將圖像矩陣轉化為double類型s=size(b);c=zeros(s(1,1),s(1,2));forx=2:s(1,1)-1fory=2:s(1,2)-1c(x,y)=(-b(x+1,y)-b(x-1,y)-b(x,y+1)-b(x,y-1)+4*b(x,y));endend%用拉氏算子對圖像進行濾波，這個過程相當于運用了一個3×3的掩膜[0，－1，0；－1，4，－1；0，－1，0]subplot(132);imsho