圖像處理的MATLAB實現(xiàn)實驗一空域圖像增強(qiáng)

圖像處理的MATLAB實現(xiàn)實驗一空域圖像增強(qiáng)一、實驗?zāi)康?1掌握基本的空域圖像增強(qiáng)方法,觀察圖像增強(qiáng)的效果,加深理解;(2了解空域平滑模板的特性及其對不同噪聲的影響;(3了解空域銳化模板的特性及其對邊緣的影響。二、實驗內(nèi)容(1直方圖處理:直方圖均衡(2空域平滑:均值濾波、中值濾波;三、實驗要求(1用matlab語言進(jìn)行仿真實驗;(2遞交實驗報告,要求給出實驗原理、源程序、實驗結(jié)果及分析。四、具體實驗內(nèi)容及要求4.1實驗內(nèi)容4.1.1直方圖均衡(1讀入原圖像pollen.png并顯示原圖像以及直方圖(2對原圖像進(jìn)行直方圖均衡處理(3顯示均衡后圖像以及直方圖。4..1.2圖像空域平滑(1讀入原圖像lena.bmp并顯示;(2對原圖像分別添加高斯噪聲和椒鹽噪聲,并顯示加噪圖像;(3采用均值濾波進(jìn)行去噪處理,并顯示去噪圖像;(4采用中值濾波進(jìn)行去噪處理,并顯示去噪圖像。4.1.3空域銳化(1讀入原圖像bridge.gif并顯示;(2采用sobel算子對圖像進(jìn)行處理,并顯示結(jié)果;(3嘗試采用其他銳化模板進(jìn)行處理。4.2實驗原理4.2.1直方圖均衡實驗原理對圖像像素個數(shù)多的灰度級進(jìn)行展寬,而對圖像中像素個數(shù)少的灰度級進(jìn)行壓縮。而且,輸入灰度級r與輸出灰度級s的概率密度函數(shù)(rpr和(sps有如下關(guān)系((dsdrrpsprs=積分形式如下(((dwwpLrTsrr?-==014.2.2圖像濾波(1、椒鹽噪聲的中值濾波由于椒鹽噪聲的出現(xiàn)使該點的像素比周圍的亮或暗許多,如果在某個模板中,對像素由小到大重新排列,那么最暗或最亮的點一定被排在兩側(cè),取模板中間位置的灰度值像素代替待處理圖像像素的灰度值,從而達(dá)到濾除噪聲的目的。(2、高斯噪聲的均值濾波均值濾波是一種空域線性的濾波方法,用像素鄰域內(nèi)各像素的灰度平均值代替該像素原來的灰度值;均值濾波采用的是模板操作,將模板在圖像中從左到右,從上到下的順序移動將模板中心與每個像素重合;將模板中個系數(shù)與其對應(yīng)的像素一并相乘,然后再經(jīng)所有的結(jié)果一并相加;將上面相加的結(jié)果重新付給模板中心對應(yīng)的像素點,那么該灰度值,就是經(jīng)均值濾波后平滑后的灰度值。4.2.3圖像銳化對于圖像銳化空域中有兩種方式,第一個是使用sobel算子,即梯度銳化;而另一種是采用laplace算子,對于(yxf,的八鄰域內(nèi),在水平方向上和豎直方向上的差分方程為:2(2(,2(2(741963'321987'ffffffffffffffyx++-++=++-++=那么對于該像素點的梯度為'',(yxffyxgrad+=;而對于采用laplace算子的差分方程為((((((yxfyxfyxfyxfyxfyxf,41,1,,1,1,2--+++-++=?。采用這兩種方式就可以進(jìn)行圖像的銳化。4.3實驗源程序,結(jié)果及分析4.3.1直方圖均衡(1實驗源程序及圖像:I=imread('C:\DocumentsandSettings\Administrator\桌面\實驗\圖像\pollen.png';//由于是彩色圖形,所以再求直方圖時要先求RGBimshow(I,[]X=1:366Y=1:366I(X,Y,1:3>>R=ans(:,:,1;>>G=ans(:,:,2;>>B=ans(:,:,3;imhist(R05010015020025005001000150020002500300035004000Imhist(G050100150200250050010001500200025003000Imhist(B05010015020025005001000150020002500300035004000J=histeq(R,64imshow(J,[]J=histeq(G,64Imshow(JJ=histeq(B,64Imshow(JImhist(J050100150200250050010001500200025003000(2實驗結(jié)果分析變換以后,灰度級減少了,原直方圖中頻率較小的灰度級被合并到一個或幾個灰度級中,即頻率小的灰度級被壓縮,頻率大的灰度級被增強(qiáng),這也是均衡化的實質(zhì),即減少圖像的灰度級換取對比度的加大。本次實驗選取的是一張彩色的圖像,而彩色圖像有R、G、B三個分量,因此先得將一個三維圖像變成一幅二維的灰度圖像,通過比較均衡以前和均衡以后的灰度圖像,明顯均衡以后的圖像雖然對比度大大增加,但是圖像的主要信息沒有丟失,且更加符合人眼的視覺特性。4.3.2圖像的濾波(1實驗源程序I=imread('C:\DocumentsandSettings\Administrator\桌面\實驗\圖像\lena.bmp';subplot(331imshow(I;title('原圖像'G1=imnoise(I,'gaussian',0,0.02;G2=imnoise(I,'salt&pepper',0.08;subplot(332imshow(G1;title('被高斯噪聲污染的圖像'subplot(333imshow(G2;title('被椒鹽噪聲污染的圖像'%被高斯噪聲污染的圖像處理h=(1/16*[111;181;111];G11=filter2(h,G1,'same';subplot(334imshow(G11,[];title('采用3x3模板的均值濾波'h1=(1/32*[11111;11111;11811;11111;11111];G12=filter2(h1,G1,'same';subplot(335imshow(G12,[];title('采用5x5模板的均值濾波'h2=(1/56*[1111111;1111111;1111111;1118111;1111111;1111111;1111111];G13=filter2(h2,G1,'same';subplot(336imshow(G12,[];title('采用7x7模板的均值濾波'%被椒噪聲污染的圖像處理G21=medfilt2(G2,[77];G22=medfilt2(G2,[55];G23=medfilt2(G2,[33];subplot(337imshow(G23,[];title('采用3x3模板的中值濾波'subplot(338imshow(G22,[];title('采用5x5模板的中值濾波'subplot(339imshow(G21,[]title('采用7x7模板的中值濾波'(2實驗結(jié)果如圖見下圖二(3實驗結(jié)果分析實驗得到的結(jié)果可以看出,在被高斯噪