第三章 空间域图像增强

第三章 图像增强

燕山大学电气工程学院 赵彦涛

3.1图像增强的概念

对于一般可理解的图像增强，是指使经过增强处理后的图像其视觉效果更好，如对于某些图像看起来比较灰暗，增强处理后使其亮度增强，人眼看起来更舒服；也就是说，改善曝光不足或曝光过度对图像的影响。淡化背景，强化前景；广义的图像增强指处理后的图像比原始图像更适合于特定应用，更有利于后续图像处理，消除噪声干扰，强化有用信息等都可认为为后续的计算机处理、分析更有利。 根据其处理数据所进行空间不同，图像增强的方法可分为空域（空间域）图像增强方法和变换域（频域）增强方法。空域图像增强方法是直接处理构成图像的像素点的灰度值，而变换域图像增强方法是经过图像变换后，增强方法在其变换域中间接进行。

图像增强是与具体问题紧密相联系的，增强的目的不同，图像类型不同，采用的方法也不同，没有一种增强算法能适用于所有的应用场合。

3.2图像增强的点运算

所谓点运算就是输出图像上的每个像素的灰度值仅由相应输入像素点的值确定。空域方法是指直接对图像的像素点的灰度值进行操作，空域处理可定义为

)),((),(y x f T y x g = （1）

式中，),(y x f 是输入图像，),(y x g 是处理后的图像，T 是一种操作方法。

3.2.1 直接灰度变换

直接进行灰度变换是图像增强最简单的一类方法，设处理前后的图像的像素点的灰度值分别为r 和s ，变换方式为

)(r T s = （2）

式中，T 是把灰度值r 变换为s 的映射。由于处理的是数字量，变换函数的值通常存储在一个一维向量中，通过函数或者查表将灰度值r 映射为s 。对于8比特的灰度值，一个包含这种映射的查找表要有256个记录。

3.2.1.1 图像的直方图

图像的直方图表示图像中各种灰度级的个数（或概率），反映了一幅图像中灰度级与出现这种灰度级的概率之间的关系。对于一个8 bit （有256个灰度等级）的图像，直方图就是

N

n r p k k =)( （4） 式中，k r 是第k 个灰度等级， k n 为图像中灰度等级为k r 的像素点的个数，N 是

该图像中所有像素点的个数，这里]255,0[ k ，)(k r p 代表原始图像第k 个灰度级出现的概率。

例如，如果有一个图像为图**：

v 0=5/64v 1=12/64v 2=18/64v 3=8/64v 4=1/64v 5=5/64v 6=8/64v 7=5/64 该图像像元总数为8*8=64, 灰度值的范围为[0,7]，则其直方图计算结果为图*，直方图为图*。

图像直方图是图像明暗信息的统计结果，给出了图像中灰度级分布的全局描述。如果图像的灰度级是狭窄的，说明图像中像素点的灰度级集中在一小段，那么就意味着图像的对比度较差（图b 中可看出其灰度等级多集中在比较灰度值比较小的区域内，这样的图像看起来比较暗），而广泛分布的直方图意味着图像中像素点的灰度值几乎分布在灰度级的整个区间里面，因此对比度很好（图a ），通过直方图修改可实现图像增强。

3.2.1.2 EmguCV 直方图显示

在EmguCV 中，直方图显示的控件为HistogramBox ，要显示直方图，还用到类DenseHistogram 。首先从工具栏中将控件HistogramBox 添加到主程序面板中，然后在HelloWorld 例程中直接修改ImageGrabbed()函数：

0501001502002500

500

1000

1500

2000

2500

3000

0501001502002500

200

400

600

800

1000

1200

void _capture_ImageGrabbed(object sender, EventArgs e)

{

Image image = _capture.RetrieveGrayFrame();

int rBins = 256;

RangeF rRange = new RangeF(0f, 255f);

histogramBox1.ClearHistogram();

DenseHistogram hist = new DenseHistogram(rBins, rRange);

hist.Calculate(new IImage[] { image }, false, null);

histogramBox1.AddHistogram("直方图", Color.Red, hist);

imageBox1.Image = image;

histogramBox1.Refresh();

}

首先要创建一个DenseHistogram对象hist，然后通过其成员函数Calculate()计算图像的直方图，然后把hist添加到histogramBox1的直方图显示。如果得到是视频，可以通过成员函数ClearHistogram()清除直方图、通过Refresh()刷新显示，结果如图*所示。

由于_capture_ImageGrabbed()函数分属不同线程，为解决此问题，可在构造函数Form1()中添加代码：

CheckForIllegalCrossThreadCalls = false;

3.2.1.3 直方图均衡化

直方图均衡化通过调整图像灰度级，使图像的直方图均匀的分布在灰度级的整个区域，实现增加像素灰度值的动态范围，从而达到增强图像整体对比度的效果，直方图均衡化的目的如图*所示，

a 输入图像直方图b均衡化后图像直方图

图直方图均衡化的目的

EmguCV中，类Image有一个成员函数可直接实现其均衡化

void _EqualizeHist()

需要注意的是该函数的返回值为空，该函数直接原始图像变量。

Image frame = new Image(‘”Lena.jpg”);

frame._EqualizeHist();

将彩色图像frame进行直方图均衡化后的结果直接反映在图像frame上。

图*为均衡化结果，左侧图为原始图像，右侧为均衡化后的图像。

3.2 图像空域滤波增强

空域滤波是直接针对图像中的像素点的灰度值借助模板进行邻域操作，按照其特点，空间滤波的方法可分为线性滤波和非线性滤波两大类。线性滤波的概念源于频域中信号处理所使用的傅立叶变换，非线性空间滤波则一般只能在空域中进行，即直接对邻域进行操作。

图像空域滤波方法根据功能划分，主要分为图像平滑和图像锐化。图像平滑可以减弱或消除傅立叶空间的高频分量，但不影响低频分量。由于图像经傅立叶变换后的高频部分对应原始图像的边缘部分，而低频部分对应图像的平滑部分，高频分量滤除后相当于去除了图像的边缘，使图像模糊，图像的平滑的作用主要是模糊和噪声消除。

3.2.1 邻域平均法

设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有

式中 x,y =0,1,…,N-1；

s 为（x,y ）邻域内像素坐标的集合；

M 表示集合s 内像素的总数。

可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。

? 邻域平滑特点：

? （1）算法简单。

? （2）降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。

模板操作是数字图像处理中常用的一种运算方式，图像的平滑、锐化等都要用到模板操作。其实现的方法为图*所示，不失一般性，假设要计算像素点P5用所给3×3模板的滤波过程为：

P 5new = Pi ?Hi 9i =1

H1H4H7H2H5H8H3H6H9

3×3邻域3×3模板P1.H1+

P2.H2+

P3.H3+

P4.H4+

P5.H5+

P6.H6+

P7.H7+

P8.H8+

P9.H9=

P5的新值

从图像的左上角，依次向右向下移动，一直运算到图像的右下角，计算出原始图像中所有的像素点的值（边缘点不处理，或需要特殊处理）。

空域低通滤波（图像平滑）的模板有：

??????????=111111111911H ??????????=1111211111012H ????

??????=1212421211613H

空域高通滤波（图像锐化）常用的模板有：

EmguCV 中，图像平滑的函数有很多，都属于类Image 的成员函数，主要有三个： SmoothBilatral(int kernelSize,int colorSigma, int spaceSigma)

moothBlur(int width, int height) （有重载函数）

SmoothGaussian(int kernelSize) （有重载函数）

例如代码：

Image frame = _capture.RetrieveGrayFrame();

Image SmoothFrame = frame.SmoothGaussian(3);

可以实现3*3大小的高斯平滑滤波。

由于各种图像传感器都存在噪声，消除这种噪声的最好的方法是计算多幅相同背景图像的均值，但有时多幅相同背景图像不易得到，常用相邻像素点实现图像的平滑运算，平滑滤波的主要作用是消除图像噪声，但在消除噪声的同时，也使图像变得模糊。通常在进行边缘检测时，首先应对图像进行平滑滤波，以消除噪声对于边缘检测结果的影响。

3.3 中值滤波

中值滤波是一种典型的非线性滤波方法。中值滤波就是用一个奇数点的移动窗口， 先将小窗口内的所有像素的灰度按从大到小的顺序排列，将中间值作为该像素点的灰度值。其代码为：

Image SmoothFrame =frame.SmoothMedian(5);

可实现窗口大小为5*5的中值滤波，中值滤波在消除噪声的同时，可较好地保持图像边缘，对于椒盐噪声消除的效果非常好。

3.4 卷积

在Emgucv 中，图像的卷积已经将其变为操作符 *，其原型为：

public static Image operator *(

Image image,

ConvolutionKernelF kernel

)

其中kernel 为卷积的变换核，例如可以定义：

float[,] kernel = { { 0, 2, 0 }, { 2, 4, 2 }, { 0, 2, 0 } };

ConvolutionKernelF mykernel = new ConvolutionKernelF(kernel);

FrameOut=frame * mykernel

例如：

float [,] kernel = { { 0, -1, 0 }, { -1,5, -1 }, { 0, -1, 0 } };

ConvolutionKernelF mykernel = new ConvolutionKernelF (kernel);

imageBox1.Image = frame* mykernel;

imageBox2.Image = frame.Convert();

textBox1.Text = (frame * mykernel).AbsDiff(new Bgr (0,0,0))[100, 100].ToString();

textBox2.Text = (frame.Convert())[100, 100].ToString();

3.3 图像锐化及边缘检测

3.3.1 常用边缘检测算子

图像锐化可用高通滤波实现，即保留高频部分，滤除其低频部分。由于高频部分对应图像的边缘部分，而低频部分对应图像的平滑部分，因此图像锐化后，使图像的平滑部分消除，这样就突出了图像的边缘部分。空域图像锐化可采用上节提到的模板操作完成，只是模板有些不同。图像锐化的模板可为：

??????????--------=111181111911H ??????????--------=121242121912H ????

??????----=010*********H 空域图像锐化和边缘检测常用的函数有Sobel()、Laplace()、canny()等。例如对一幅灰度图像进行sobel 边缘检测：

Image frame = _capture.RetrieveGrayFrame();

Image frameSoble = frame.Sobel(1, 1, 5);

注意Sobel()函数的返回类型为Image。

对图像进行Canny 算子边缘检测:

Image frame = _capture.RetrieveGrayFrame();

Image frameSoble = frame.SmoothGaussian(3).Canny(new Gray(230), new Gray(80));

图*为canny 算子边缘检测结果，一般在进行边缘检测前，先对其进行平滑滤波，减小图像噪声，可以获得更好的边缘检测结果。

3.3.2

在进行图像二值化时，一般整体会设一个阈值，但有时这是不合适，Emgucv 中有一个函数，可以根据相邻像素点计算阈值，实现图像的二值化，其函数原型为：

Image AdaptiveThreshold(gray maxValue,ADAPTIVE_THRESHOLD_TYPE adaptiveType,THRESH thresholdType,int blockSize, grayparam1)

例如：

frame._SmoothGaussian(5);

Image Adaptframe =frame.ThresholdAdaptive(new Gray(255), Emgu.CV.CvEnum.ADAPTIVE_THRESHOLD_TYPE. CV_ADAPTIVE_THRESH_MEAN_C, Emgu.CV.CvEnum.THRESH.CV_THRESH_BINARY, 11, new Gray(3));

运行结果为图**：

函数AdaptiveThreshold()有两种不同的自使用阈值方法，可以用参数thresholdType进行设置。该函数通过过计算像素点周围blockSize* blockSize 区域的加权（由参数adaptiveType确定，可以设为高斯平滑，或均值平滑）平均值，然后减去一个常数param1确定，参数maxValue确定输出二值图像的最大值。该函数虽然用的是自适应方法确定阈值，并由该值实现图像二值化，但得到的结果在blockSize不大时可以较为精确检测图像的边缘，随着该参数增大，检测位置的精度降低，对光照变化不敏感。

3.4 傅立叶变换

空间域和频率域结合的图像增强技术及实现(1)

南京理工大学紫金学院毕业设计(论文)开题报告 学生姓名：杨程学号：090402159 专业：光电信息工程 设计(论文)题目：空间域和频率域结合的图像增强技术 及实现 指导教师:曹芳 2012年12月20日

开题报告填写要求 1．开题报告（含“文献综述”）作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签署意见及所在专业审查后生效； 2．开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见； 3．“文献综述”应按论文的格式成文，并直接书写（或打印）在本开题报告第一栏目内，学生写文献综述的参考文献应不少于15篇（不包括辞典、手册）； 4．有关年月日等日期的填写，应当按照国标GB/T 7408—2005《数据元和交换格式、信息交换、日期和时间表示法》规定的要求，一律用阿拉伯数字书写。如“2007年3月15日”或“2007-03-15”。

毕业设计（论文）开题报告 1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2000字左右的文献综述： 文献综述 空域法与时域法相结合的图像增强 一、研究的目的和意义 图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，其手段主要可分为空域法和时域法[1]。 二、图像增强的发展现状 图像增强的早期应用是对宇宙飞船发回的图像所进行的各种处理。到了70 年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响[2]。 三、空间域和频率域图像增强处理基本原理及优缺点比较： 图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使得模糊的图片变得清晰[3]。后者是直接对原图象的灰度级别进行数据运算，它分为两类，一类是与象素点邻域有关的局部运算，如平滑，中值滤波，锐化等；另一类是对图象做逐点运算，称为点运算如灰度对比度扩展，削波，灰度窗口变换，直方图均衡化等[4]。 下面将讨论两种作用域增强算法的技术要点，并对其图像增强方法进行性能评价。 3.1 空间域图像增强的方法 空间域处理是直接对原图像的灰度级别进行数据运算，具体可分为以下几类: 1.灰度变换[5] 当图像成像时曝光不足或过度，图像记录设备的范围太窄等因素，都会产生对比不

数字图像处理实验报告(空间域图像增强)

实验报告 实验名称空间域图像增强课程名称数字图像处理 姓名成绩 班级学号 日期地点

1.实验目的 （1）了解空间域图像增强的各种方法（点处理、掩模处理）； （2）通过编写程序掌握采用直方图均衡化进行图像增强的方法； （3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理； （4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。 2.实验环境（软件、硬件及条件） Windws7 MATLAB 6.x or above 3.实验方法 对如图4.1所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img 进行如下处理： （1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同， 并回答为什么数字图像均衡化后其直方图并非完全均匀分布。 （2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。 ①不加门限； ②加门限T=(1/2)*avg(f(m,n)), 其中avg（f(m,n)=(1/N^2)*f(i,j)） 本次实验中的第一题，是对图像进行直方图统计和均衡化，在Matlab中有imhist()函数和histeq()函数直接调即可获得相应结果，代码如下： close all; clear all; fid=fopen('cell_128.img','r'); image1=fread(fid,[128,128],'uint8'); image1=uint8(image1); fclose(fid); subplot(2,2,1); %显示原图像 imshow(image1,[]); title('原图像'); subplot(2,2,2); %统计图像直方图 imhist(image1); title('原图像直方图');

第三章 空间域图像增强

第三章 图像增强 燕山大学电气工程学院 赵彦涛 3.1图像增强的概念 对于一般可理解的图像增强，是指使经过增强处理后的图像其视觉效果更好，如对于某些图像看起来比较灰暗，增强处理后使其亮度增强，人眼看起来更舒服；也就是说，改善曝光不足或曝光过度对图像的影响。淡化背景，强化前景；广义的图像增强指处理后的图像比原始图像更适合于特定应用，更有利于后续图像处理，消除噪声干扰，强化有用信息等都可认为为后续的计算机处理、分析更有利。 根据其处理数据所进行空间不同，图像增强的方法可分为空域（空间域）图像增强方法和变换域（频域）增强方法。空域图像增强方法是直接处理构成图像的像素点的灰度值，而变换域图像增强方法是经过图像变换后，增强方法在其变换域中间接进行。 图像增强是与具体问题紧密相联系的，增强的目的不同，图像类型不同，采用的方法也不同，没有一种增强算法能适用于所有的应用场合。 3.2图像增强的点运算 所谓点运算就是输出图像上的每个像素的灰度值仅由相应输入像素点的值确定。空域方法是指直接对图像的像素点的灰度值进行操作，空域处理可定义为 )),((),(y x f T y x g = （1） 式中，),(y x f 是输入图像，),(y x g 是处理后的图像，T 是一种操作方法。 3.2.1 直接灰度变换 直接进行灰度变换是图像增强最简单的一类方法，设处理前后的图像的像素点的灰度值分别为r 和s ，变换方式为 )(r T s = （2） 式中，T 是把灰度值r 变换为s 的映射。由于处理的是数字量，变换函数的值通常存储在一个一维向量中，通过函数或者查表将灰度值r 映射为s 。对于8比特的灰度值，一个包含这种映射的查找表要有256个记录。 3.2.1.1 图像的直方图 图像的直方图表示图像中各种灰度级的个数（或概率），反映了一幅图像中灰度级与出现这种灰度级的概率之间的关系。对于一个8 bit （有256个灰度等级）的图像，直方图就是 N n r p k k =)( （4） 式中，k r 是第k 个灰度等级， k n 为图像中灰度等级为k r 的像素点的个数，N 是

基于空间域的图像增强技术

MATLAB中基于空间域的 图像增强技术 学号：2009211757 专业：地理信息系统 时间：2011-12-27 摘要：图像增强技术可以改善图像的视觉效果，以便人眼或机器对图像的进一

步理解。空间域增强技术是指在空间域总，通过线形或非线性变换来增强构成图像的要素。直方图规定化可以将图像的直方图转化为特定的形状,以便能够对图像中的某些灰度级加以增强，使用户获得感兴趣的信息。本文对空间域增强技术的一些理论进行了介绍并对直方图规定化的基本原理进行了探讨，用Matlab语言工具实现了直方图规定化增强处理，给出并分析了实验结果。 关键词：空间域增强灰度变换直方图规定化 Malab 图像增强的首要目标是改善图像，使处理后的图像对某种特定的应用来说，比原始图像更适用。图像增强的方法分为两大类：空间域方法和频率域方法。空间域方法是以对图像像素的直接处理为基础的，常用的实现算法主要是基于户对变换的图像增强和直方图均衡化以及直方图规定化。 直方图均衡化处理基本思想是把原始图的直方图变换为均匀分布的形式,这样就增强了像素灰度值的动态范围,从而达到增强图像整体对比度的效果。但是由于它的变换函数采用的是累积分布函数，因此只能产生近似均匀的直方图[1]。有时需要具有特定的直方图的图像，以便能够对图像中的某些灰度级加以增强。这时可以采用比较灵活的直方图规定化方法。 1.基于灰度变换的图像增强： 灰度变换可调整图像的动态范围或图像对比度,是图像增强的重要手段之一。 主要包括灰度线性变换、分段线性变换（增强对比度）、反转变换、对数变换（动态范围压缩）、幂次变换、灰度切分等 以下是一个反转变换的实例： img1=imread('image.jpg'); img1=imread('image.jpg'); figure,imshow(img1);title('原图'); img2=imcomplement(img1); figure,imshow(img2);title('反转图形');

实验一、空域图像增强(2015)

实验一 空域图像增强（一） 时间： AM 10:00-12:00，2015.3.23(星期一) 地点：信软学院大楼(沙河校区计算机楼)继教院东309机房 一、实验目的 1．熟悉和掌握利用matlab工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。 2．熟练掌握各种空间域图像增强的基本原理及方法。 3．熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。 4．熟悉直方图均衡化的基本原理、方法和实现。 二、实验内容 本次实验主要包括数字图像的灰度变换和直方图处理两大部分内容。 （一）数字图像的灰度变换 1、线性灰度变换 1）读取一幅对比度低的灰度图像（如图1-1），并显示。 图1-1 原始低对比度图像（可下载原图，也可自行选图） 2）以m文件形式编写matlab代码，实现数字图像的灰度范围由[a,b]到[c,d]的线性拉伸，以便于提升原图像的对比度。线性灰度变换公式如下：

()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a c f x y a >????=?+≤≤???

空间域图象增强的方法

空间域图象增强的方法 图象增强的方法基本可分为空间域处理及频域处理两类。空间域处理是直接对原图象的灰度级别进行数据运算，它分为两类，一类是与象素点邻域有关的局部运算，如平滑，中值滤波，锐化等；另一类是对图象做逐点运算，称为点运算如灰度对比度扩展，削波，灰度窗口变换，直方图均衡化等。现对主要方法作简单介绍： 1、平滑 图像在生成和传输过程中会受到各种噪声源的干扰和影响，使图像质量变差。反映在图像上，噪声使原本均匀和连续变化的灰度突然变大或变小，形成一些虚假的物体边缘或轮廓。抑制或消除这些噪声而改善图像质量的过程称为图像的平滑。主要有 （1）邻域平均法 在邻域平均法中，假定图像是由许多灰度恒定的小块组成，相邻像素间有很强的空间相关性，而噪声是统计独立地加到图像上的。因此，可用像素邻域内个像素灰度值的平均来代表原来的灰度值。 （2）低通滤波法 从频谱上看，噪声特别是随机噪声是一种具有较高频率分量的信号。平滑的目的就是通过一定的手段滤去这类信号。一个很自然的想法就是使图像经过一个二维的低通数字滤波器，让高频信号得到较大的衰减。在空间域上进行的这种滤波实际上就是对图像和滤波器的冲击响应函数进行卷积。 (3)中值滤波法 中值滤波的思想是对一个窗口内的所有像素的灰度值进行排序，取排序结果的中间值作为原窗口中心点处像素的灰度值。这种平滑方法对脉冲干扰和椒盐类干扰噪声的效果较好。 中值滤波的关键在于选择合适的窗口大小和形状。但一般很难事先确定窗口的尺寸，通常是从小到大进行多次尝试。窗口的形状可选为正方形，也可选为十字形。 2、尖锐化 在图像判断和识别中，需要有边缘鲜明的图像。图像尖锐化技术常用来对图像的边缘进行增强。主要方法有： （1）微分法 在图像的判断和识别中，边缘是由不同灰度级的相邻像素点构成的。因此，若想增强边缘，就应该突出相邻点间的灰度级变化。微分运算可用来求信号的变化率，具有加强高频分量的作用。如果将其应用在图像上，可使图像的轮廓清晰。由于常常无法事先确定轮廓的取向，因而在挑选用于轮廓增强的微分算子时，必须选择那些不具备空间方向性和具有旋转不变性的线性微分算子。 （2）高通滤波法

空域和频域图像处理增强

空域和频域图像处理增强 实验目的： 1?熟悉Matlab处理图像的基本原理，并熟练地运用进行一些基本的图像操作； 2?能够用Matlab来进行亮度变换，直方图处理以及一些简单的空间滤波；实验内容： 去噪，灰度变换，直方图处理，空域和频域平滑锐化，同态滤波；结果分析： 1.直方图处理： ⑴ 显示原图直方图以及原图： 代码： >> imread('hui.jpg'); >> imshow(f); >> imhist (f); 原图以及原图直方图为：

⑵直方图均衡化： 代码： >> f=imread('test2.jpg'); >> n=imno ise(f); >> imwrite( n,'n .tif); >> [thr,sorh,keepapp] = dde ncmp('de n','wv',im2double( n)); >> r=wde ncmp('gbl',im2double(Noise),'sym2',2,thr,sorh,keepapp); >> r=wde ncmp('gb l' ,im2double( n),'sym2',2,thr,sorh,keepapp); >> imwrite(r,'r.tif); >> imshow(f); 现在的图片以及直方图为： 结论： 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效 地扩展常用的亮度来实现这种功能

空间域图像增强实验

1.空间伸展 imadjust ( f, [ low_in high_in ], [ low_out high_out ], gamma ) gamma所表示的意义： >1 ---------- 凹曲线 <1 ---------- 凸曲线 =1 ---------- 直线 2均衡化直方图 I=double(imread('lena_gray.jpg')); figure,imshow(I,[]) N=32; Hist_image=hist(I(:),N); %直方图 %使用函数histeq对图像进行直方图均衡，histeq的语法为 g = histeq( I, N); % nlev为输出的灰度级数，通常取256，默认64 figure, imhist(g); 3常用的灰度平滑锐化 2．实验原理 锐化和平滑是图像增强的重要手段，采用前者可以突出图像的细节，采用平滑可以滤除图像中的噪声，从而达到图像清晰的目的 3.实验程序 clear all close all % 0. 原图 I=double(imread('lena_gray.jpg')); figure,imshow(I,[]) % 1.均值低通滤波 H=fspecial('average',5); F{1}=double(filter2(H,I)); figure,imshow(F{1},[]); % 2.gaussian 低通滤波 H=fspecial('gaussian',7,3); F{2}=double(filter2(H,I)); figure,imshow(F{2},[]);

% 3.增强图像=原图-均值低通滤波F{3}=2*I-F{1}; figure,imshow(uint8(F{3}),[]); % 4. 增强图像=原图-高斯低通滤波F{4}=2*I-F{2}; figure,imshow(uint8(F{4}),[]); %5. 'prewitt'边缘算子增强 H=fspecial('prewitt'); F{5}=uint8(I+filter2(H,I)); figure,imshow(F{5},[]); %6. 'sobel'边缘算子增强 H=fspecial('sobel'); F{6}=uint8(I+filter2(H,I)); figure,imshow(F{6},[]); 4.实验结果和分析 5.思考题

实验报告六频域图像增强的方法

实验报告六 姓名：学号：班级： 实验日期： 2016.5.13 实验成绩： 实验题目：频域图像增强的方法 一．实验目的 （1）熟练掌握频域滤波增强的各类滤波器的原理及实现。 （2）分析不同用途的滤波器对频域滤波增强效果的影响，并分析不同的滤波器截止频率对频域滤波增强效果的影响。 二．实验原理 变换最慢的频率分量与图像的平均灰度成正比，当远离变换的原点时，低频对应于图像中变换缓慢的灰度分量，当从原点离开得更远时，较高的频率开始对应图像中越来越快的灰度变换，频率域滤波是通过傅里叶变换在频域上对频谱进行修改后再回到空间域的一种方法，在频域中直流项决定了图像的平均灰度，衰减高频通过低频的低通滤波器会模糊一副图像，而衰减低频通过高频的高通滤波器则会增加尖锐的细节，但会导致图像对比度的降低。

三．实验内容及结果 （1）选择图像fig620.jpg，对其进行傅里叶变换，在频率域中实现五种不同半径（截止频率）的butterworth低通滤波器的平滑作用。 显示原始图像和滤波图像。 图1不同半径巴特沃斯低通滤波图

（2）选择图像fig620.jpg，对其进行傅里叶变换，在频率域中实现五种不同半径（截止频率）的butterworth高通滤波的锐化效果，显示原始图像和滤波图像。 图2 不同半径巴特沃斯高通滤波图

四．结果分析 (1)观察图1，可以发现巴特沃斯低通滤波器半径越小，图像越模糊，但图像的背景亮度大小和原图像别无二致，这是因为低通滤波器实现的是滤除高频分量，保留低频分量的功能，所以半径越小，通过的低频分量越少，所以越模糊，但不论半径多小，它的整体亮度不变，这是由于决定图像平均灰度的直流分量处于图像中点（经过fftshift平移后），它一直是通过的，同时观察变量区的原图像傅里叶变换后的数据矩阵发现，最大数据小于并接近100，所以第五个滤波器设定为100半径，但是发现，滤波后图像的小a还是有一定的模糊，这是因为巴特沃斯滤波器不是理想滤波器，在截止频率处存在一定的过度带，所以小尺寸的物体可能会有模糊。 （2）观察图二，可以发现进过巴特沃斯高通滤波器后的图像背景均为黑色，这是由于高通滤波器阻止了代表图像平均灰度的直流分量通过，且发现半径越大，图像物体中边缘细节越尖锐，这表明滤波器中高频分量占的比重越来越大，同时观察图中字母a会有一定的缺口，这正是由于巴特沃斯平滑截止程度不够所带来的振铃现象，在低通中没有表现出来是由于背景的亮度掩盖了缺口，并且发现通过高通滤波器后图像的对比度也降低了。