数字图像处理课设计空域图像增强

1、数字图像处理空域图像增强目录1.摘要- 3 -2.直方图增强、图像平滑与图像锐化- 3 -2.1直方图增强处理- 3 -2.2图像平滑- 4 -2.3图像锐化- 5 -3.软件仿真- 7 -3.1图像增强- 7 -3.2图像平滑- 8 -3.3图像锐化- 9 -4.结果与分析- 9 -4.1图像增强- 9 -4.2图像平滑- 10 -4.3图像锐化- 10 -5.参考文献- 11 -1. 摘要在图像处理中，空间域是指由像素组成的空间，简称空域。空域增强技术就是直接对图像中的像素进行操作的过程，空域处理可以定义为g(x,y)=Ef(x,y)，式中f(x,y)和g(x,y)分别为增强前后的图像，E

2、代表增强操作。空域图像增强操作分为两类，如果增强操作仅定义再图像的带个像素，则这类操作称为点操作；如果增强操作E还定义在像素的邻域，则这类操作称为模版操作。点操作能让用户改变图像数据占据的灰度范围；模版操作是实现空间滤波的基础，应用更多，如图像平滑处理和图像锐化处理。2. 直方图增强、图像平滑与图像锐化2.1直方图增强处理了解空间域图像增强的各种方法（点处理、掩模处理），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；直方图均衡化处理实际上就是寻找一个灰度变换函数 T ，使变化后的灰度值满足s=T(r)，其中，s归一化为0<=s<=1,建立r和s之间的映射关系，要求处理后图像灰

3、度分布的概率密度Ps（s）=1，期望所有灰度级出现概率相同。其计算步骤为：（1）统计原始图像的直方图： （2）计算直方图累积分布曲线： （3）用累积分布函数作为变换函数进行图像灰度变换。图像增强：I=imread('cell_128.bmp/fing_128.bmp');I=rgb2gray(I);K=16;H=histeq(I,K);figure;subplot(221);imshow(I,);subplot(222);imshow(H,);hold onsubplot(223);hist(double(I),16);subplot(224);hist(double(I),1

4、6);2.2图像平滑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；是消除或尽量减少噪声的影响，改善图像的质量。在提取大的目标之前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙。局部平滑法：假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用领域内个像素的灰度平均代替该像素原来的灰度值，实现图像平滑。超像素平滑法：对邻域平均法稍加改进，可导出超限像素平滑法。它是将和邻域平均差的绝对值与选定的阀值进行比较，根据比较结果决定点（x，y）的最后灰度g1（x，y）。其表达式为： g（x，y） ，当|f（x，y）-g

5、（x，y）| > Tg1（x，y）= f（x，y） ，当|f（x，y）-g（x，y）| <= T图像平滑：clear all; I=imread('fing_128.bmp');I=rgb2gray(I);J=imnoise(I,'salt & pepper',0.02);subplot(2,2,1);imshow(I);title('原图');subplot(2,2,2);imshow(J);title('加噪图像');A=1/5*0,1,0;1,1,1;0,1,0;Q=imfilter(J,A);subpl

6、ot(2,2,3);imshow(Q);title('不加门限');T=0;for i=1:128 for j=1:128 T=T+double(J(i,j); end endT=0.5*1/(128*128)*T;for i=2:127 for j=2:127 if Q(i,j)<=T Q(i,j)=J(i,j); end end endsubplot(2,2,4);imshow(Q);title('加门限');2.3图像锐化了解并掌握使用微分算子进行图像边缘检测的基本原理；编写程序使用Laplacian算子（二阶导数算子）实现图像锐化，进一步理解图像锐

7、化的实质；掌握使用不同梯度算子（一阶导数算子）进行图像边缘检测的原理、方法，根据实验结果分析各种算子的工作效果。锐化的目的是突出图像中细节或增强被模糊的细节；锐化可用微分来完成，而微分算子的响应强度与图像在该点（应用了算子）的突变程度有关； 图像微分增强了边缘和其它突变（如噪声）并削弱了灰度变化缓慢的区域。图像锐化：clear all;I=imread('lena_256.bmp');subplot(2,2,1)imshow(I);%显示原图像title('原始图像');h=fspecial('laplacian');h1=0 -1 0;-1 5

8、 -1;0 -1 0;h2=0 -2 0;-2 9 -2;0 -2 0;bw1=imfilter(I,h,'replicate');bw2=imfilter(I,h1,'replicate');%a=1时的拉普拉斯算子bw3=imfilter(I,h2,'replicate');%a=2时的拉普拉斯算子subplot(2,2,2);imshow(bw1);title('锐化后的图像');subplot(2,2,3);imshow(bw2);title('锐化后四邻域a=1的图像');subplot(2,2,4);i

9、mshow(bw3);title('锐化后四邻域a=2的图像');figure(2);BW1=edge(I,'sobel'); %用SOBEL算子进行边缘检测 BW2=edge(I,'roberts');%用Roberts算子进行边缘检测 BW3=edge(I,'prewitt'); %用prewitt算子进行边缘检测 subplot(221), imshow(BW1); title('SOBEL算子边缘检测 '); subplot(222), imshow(BW2); title('Roberts算子边缘

10、检测 '); subplot(223), imshow(BW3); title('prewitt算子边缘检测 '); 3. 软件仿真3.1图像增强3.2图像平滑3.3图像锐化4. 结果与分析4.1图像增强由实验结果可知：变换后直方图趋向平坦，灰级减少，灰度合并；有展开输入图像直方图的一般趋势，直方图均衡化后的图像灰度级能跨越更大范围；实际视觉能够接收的信息量大大的增强了；直方图均衡化能自动地确定变换函数，该函数寻求产生有均匀直方图的输出图像，得到的结果可预知。在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。若这些灰度级所构成的图象

11、细节比较重要，则需采用局部区域直方图均衡。数字图像均衡化后其直方图并非完全均匀分布的原因是：在MATLAB实验中，所使用的值均为离散值，在处理时不是概率密度函数与积分，而是概率与求和，所以其均衡后的直方图并非完全均匀分布。4.2图像平滑四邻域平均平滑不加门限：这种算法简单，但它的主要缺点是在降低噪声的同时是图像模糊，特别是在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。四邻域平均加门限即超像素平滑法：对边缘和细节处的模糊有改善，主要是这种算法的出发点是集中在在如何选择邻域的大小、形状和方向，参加平均的点数及邻域各点的权重系数等。局部平均法和超像素平滑法对图像中的噪声都有抑制作

12、用但同时又使图像的边缘、细节处模糊。不同的平滑方法对不同的噪声的作用不同。4.3图像锐化 图像锐化的目的是增强图像的边缘和轮廓，可通过微分使图像边缘突出、清晰，可以通过Laplacian算子，Roberts、Prewitt和Sobel边缘检测算子等方法达到增强效果。用Laplacian算子进行锐化，其边缘方向信息被丢失，対孤立噪声点响应是阶跃边缘的四倍，对像素线条的响应是阶跃边缘的两倍，对线端和斜向边缘的响应大于垂直和水平边缘的响应。5. 参考文献1.许录平 编著，数字图像处理，科学出版社，2007. 2.许录平 编著，数字图像处理学习指导，科学出版社，2009. 3.Prince, J. L. and Links, J. M Medical Imaging, Signals, and Systems，Prentice Hall 2006 4.Morgan Kaufmann Machine Vision: Theory, Algorithms, Practicalities，Thomson Learning 2005 5.Castleman K.R. Digital Image Processing, 2nd Edition, Prentice-Hall, 2002. 6.Gonzalez R.C. and Woods R.E, Digital Im