实验四-图像增强

1、 实验4 MATLAB实现数字图像增强2、空间域滤波(1)、噪声添加j = imnoise(i,'salt & pepper',0.02);(2)、图像平滑滤波均值滤波>> i = imread('elain.bmp');figure,imshow(i);j = imnoise(i,'salt & pepper',0.02);k1 = filter2(fspecial('average',3),j);k2 = filter2(fspecial('average',5),j);k3 = f

2、ilter2(fspecial('average',7),j); figuresubplot(221);imshow(j,),title('添加噪声'); subplot(222);imshow(k1,),title('用3*3模板消除噪声'); subplot(223);imshow(k2,),title('用5*5模板消除噪声'); subplot(224);imshow(k3,),title('用7*7模板消除噪声');中值滤波i =imread('elain.bmp');j = imnois

3、e(i,'salt & pepper',0.02);k1 = medfilt2(j,3 3);k11 = ordfilt2(j,5,ones(3,3);subplot(221),imshow(i),title('原图')subplot(222);imshow(j,),title('添加噪声'); subplot(223);imshow(k1,),title('用3*3模板消除噪声（medfilt2函数）'); subplot(224);imshow(k11,),title('用3*3模板消除噪声（ordfilt2函

4、数）');(3)、图像锐化滤波【实验内容】1、灰度变换(1)、利用直接灰度变换法对任选的一副图像进行灰度变换（imjust函数），要求将原图像0.5到0.75的灰度级扩展到范围0 1，再实现明暗转换(负片图像)，显示原图，直方图，处理后的图像。i=imread('elain.bmp');subplot(221),imshow(i),title('原图');subplot(222),imhist(i),title('原图的直方图');j=imadjust(i,0.5,0.75,0,1);subplot(223),imshow(j),titl

5、e('灰度级扩展');subplot(224),imshow(255-j),title('明暗转换');figure,imhist(j),title('灰度级扩展');(2)、一幅灰度图像如图4.4左(也可选用任意一副灰度图像),运用imjust函数，将060灰度级压缩到030范围内,压缩比1/2;60180的灰度级扩大到30240,比率为190/120;将180255灰度级压缩到240255范围内,压缩比为15/75。效果图如图右。i=imread('elain.bmp');subplot(221),imshow(i),titl

6、e('原图');j=imadjust(i,0,60/255,0,30/255);j1=imadjust(i,60/255,180/255,30/255,240/255);j2=imadjust(i,180/255,1,240/255,1);subplot(222),imshow(j),title('灰度级扩展图1');subplot(223),imshow(j1),title('灰度级扩展图2');subplot(224),imshow(j2),title('灰度级扩展图3');问题：第三个灰度级扩展后，它任然包含很多低灰度级的像

7、素，为何会很亮？(3)、对数变换对数变换常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清楚。i=imread('elain.bmp');j=double(i);figuresubplot(121),imshow(i),title('原图'); j1=(log(j+1)/10; subplot(122),imshow(j1,),title('对数变换');可以看出，原图中低灰度值的部分在经过对数变换后灰度值有所增强。但是为什么高灰度值的部分也增强了？(4)、任选一副灰度图像对其进行幂次变换，选择不同的r(分别取r=0.5,r

8、= 1,r=5),观察分析其显示结果。i=double(imread('elain.bmp');figure,subplot(221),imshow(i,);c = 4; n1 = 0.5;n2=1;n3=5;i1 = c .* i .n1;i2 = c .* i .n2;i3 = c .* i .n3;subplot(222),imshow(i1,),title('r=0.5')subplot(223),imshow(i2,),title('r=1')subplot(224),imshow(i3,),title('r=5')当r

9、<1时，图像变亮；当r=1时，没有改变；当r>1时，图像变暗。(5)、练习教学资料上分段线性灰度变换例子。2、直方图变换（直方图均衡化和直方图规定化）实现图像增强(histeq，imhist函数) （1）、任选一幅灰度图像，显示原图像，绘制其及直方图，然后对图像进行均衡化处理，并显示处理后图像及其直方图，与原图像作比较；i=imread('elain.bmp');subplot(221),imshow(i),title('原图像');subplot(222),imhist(i),title('原图像直方图');j=histeq(i);

10、subplot(223),imshow(j),title('直方图均衡化');subplot(224),imhist(j),title('直方图均衡化');直方图均衡化扩展了原图的直方图，使图像的对比度扩大。但是比原图显得更粗糙，整体效果并不是很理想。（2）、对原图做直方图规定化，目标直方图服从正态分布-N(4,8),观察经过规定化处理的图像效果。clear,close allI=imread('elain.bmp');subplot(221),imshow(I),title('原图像');subplot(222),imhist(

11、I),title('原图像的直方图');x=0:255;gaussion=normpdf(x,4,8);%高斯分布的随机数生成器J=histeq(I,gaussion);subplot(223),imshow(J,),title('直方图规定化后的图像');subplot(224),imhist(J),title('规定化的直方图');利用表达式构造正太分布。观察规定化后的直方图，近似符合正太分布。3、空间域滤波（1）选择任一副图像作为源图像，使用函数imnoise分别添加两种不同的噪声，用ordfilt2实现图像增强，然后设置不同的参数，比较显

12、示结果有什么不同。添加椒盐噪声后滤波I=imread('elain.bmp');subplot(231),imshow(I),title('原图像');J1=imnoise(I,'salt & pepper',0.06);subplot(232),imshow(J1),title('添加椒盐噪声');Y1=ordfilt2(J1,1,ones(3,3);Y2=ordfilt2(J1,5,ones(3,3);Y3=ordfilt2(J1,9,ones(3,3);Y4=ordfilt2(J1,25,ones(7,7);subp

13、lot(234),imshow(Y1),title('3*3的最小值滤波');subplot(235),imshow(Y2),title('3*3的中值滤波');subplot(236),imshow(Y3),title('3*3的最大值滤波');subplot(233),imshow(Y4),title('7*7的中值滤波');添加高斯噪声后滤波I=imread('elain.bmp');subplot(231),imshow(I),title('原图像');J1=imnoise(I,'g

14、aussian',0.03);subplot(232),imshow(J1),title('添加高斯噪声');Y1=ordfilt2(J1,1,ones(3,3);Y2=ordfilt2(J1,5,ones(3,3);Y3=ordfilt2(J1,9,ones(3,3);Y4=ordfilt2(J1,13,ones(5,5);subplot(234),imshow(Y1),title('3*3的最小值滤波');subplot(235),imshow(Y2),title('3*3的中值滤波');subplot(236),imshow(Y3)

15、,title('3*3的最大值滤波');subplot(233),imshow(Y4),title('5*5的中值滤波');从不同的参数中可以看出，中值滤波对椒盐噪声的处理效果更好。中值滤波要好于最小值、最大值滤波。中值滤波会产生不连续效果，因此不宜处理包含细线、顶点的图。（2）、请采用二维中值滤波函数medfilt2对受椒盐噪声干扰的任意一副图像滤波，窗口分别采用3*3,7*7，显示结果(提示：首先对图像添加椒盐噪声，最后调用mefilter2函数滤波)I=imread('elain.bmp');subplot(221),imshow(I),t

16、itle('原图像');J=imnoise(I,'salt & pepper',0.02);subplot(222),imshow(J),title('添加椒盐噪声');K1=medfilt2(J,3,3);K2=medfilt2(J,7,7);subplot(223),imshow(K1),title('3*3窗口滤波');subplot(224),imshow(K2),title('7*7窗口滤波');利用中值滤波函数可以很好的滤除椒盐噪声。但是窗口的增大会使处理的图像产生不连续和模糊。(3)、选择合适

17、的MATLAB函数对受高斯噪声干扰的一副图像进行均值滤波（提示：首先对图像添加高斯噪声，然后用fspecial函数构造均值滤波器h，最后调用filter2函数滤波）；I=imread('elain.bmp');subplot(221),imshow(I),title('原图像');J=imnoise(I,'gaussian',0.01);subplot(222),imshow(J),title('添加高斯噪声');h1=fspecial('average',3);K1=filter2(h1,J);h2=fspeci

18、al('average',7);K2=filter2(h2,J);subplot(223),imshow(K1,),title('3*3窗口滤波');subplot(224),imshow(K2,),title('7*7窗口滤波');均值滤波可以有效去除高斯噪声，但会造成图像模糊，窗口越大越模糊。(4)、任意采用三种不同锐化算子对任一副图像进行锐化处理，显示原图像及处理后的图像效果。(可以用fpecial1,也可使用直接写出算子)I=rgb2gray(imread('shangke.png');subplot(221),imsho

19、w(I),title('原图像');H1=fspecial('sobel');%sobel算子H2=fspecial('prewitt');%prewitt算子H3=0 1 0;1 -4 1;0 1 0;K1=filter2(H1,I);K2=filter2(H2,I);K3=filter2(H3,I);subplot(222),imshow(K1,),title('sobel算子锐化');subplot(223),imshow(K2,),title('prewitt算子锐化');subplot(224),imsh

20、ow(K3,),title('拉普拉斯算子锐化');Sobel算子的特点：它获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界比较清晰；priwitt算子与sobel算子相比，有一定的抗干扰性，图像效果比较干净。priwitt算子与sobel算子的思路相同，属于同一类型，因此处理效果基本相同。拉普拉斯算子获得的边界是比较细致的边界，反映的额边界信息包括了许多的细节信息，但是所反映的边界不太清晰。一阶微分和二阶微分的区别: （1） 一阶微分处理通常会产生较宽的边缘，二阶微分处理得到的边缘则细。 （2）二阶微分处理对细节有较强的响应，如细线和孤立点

21、。 （3）一阶微分处理一般时灰度阶梯有较强的响应。 （4）二阶微分处理对灰度级阶梯变化产生双响应。 （5）二阶微分在图像中灰度值变化相似时，对线的响应要比对阶梯强，且点比线强。 大多数应用中，对图像增强来说.二阶微分处理比一阶微分好，因为形成细节的能力强,而一阶微分处理主要用于提取边缘。 由于拉普拉斯是一种微分算子，它的应用强调图像中灰度的突变即降低灰度缓慢变化的区域，这将产生一幅把图像中的浅灰色边线和突变点叠加到暗背景中的图像。将原始图像和拉普拉斯图像叠加在一起的方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。如果所使用的定义具有负的中心系数

22、，那么就必须将原始图像减去经拉普拉斯变换后的图像，从而得到锐化的结果，反之如果拉普拉斯定义的中心系数为正，则原始图像要加上经拉普拉斯变换后的图像。（加黑部分解释了原因，但是没懂）(摘自百度文库)4、频域滤波实现图像增强分别调试运行以下程序，修改可能的错误，比较分析实验结果，并回答问题1）、低通滤波， A、高斯低通滤波I=double(imread('elain.bmp');H=fspecial('gaussian',10,7);FD=double(filter2(H,I);H1=fspecial('gaussian',10,1);FD1=doub

23、le(filter2(H1,I);figure,subplot(2,2,1),imshow(I,),title('原图');subplot(2,2,2),imshow(FD,),title('sigma=7');subplot(2,2,3),imshow(I,),title('原图');subplot(2,2,4),imshow(FD1,),title('sigma=1'); H=fspecial('gaussian',m n,sigma)gaussian是指高斯分布，即滤波器类型，高斯低通滤波器。m n是显示的模

24、板，默认3 3, 若由一个数来代替r,c，则表示一个方形的高斯滤波器。sigma是标准偏差, 是正态分布的标准差，值越大，图像越模糊（平滑）。高斯模糊是一种图像滤波器，它使用正态分布（高斯函数）计算模糊模板，并使用该模板与原图像做卷积运算，达到模糊图像的目的。B、%各种频率低通滤波器对gray.bmp图像的增强的MATLAB程序清单：clc;I,map=imread(gray.bmp);noisy= imnoise(I,'gaussian',0.01); imshow(noisy); M N=size(I); F=fft2(noisy); fftshift(F); Dcut=1

25、00; D0=150; D1=250;for u=1 : M for v=1 : N D(u,v)=sqrt(u2+v2); BUTTERH(u,v)=1/(1+(sqrt(2)-1)*(D(u,v)/ Dcut)2); EXPOTH(u,v)=exp(log(1/sqrt(2)*(D(u,v)/ Dcut)2); if D(u,v)<D0 TRAPEH(u,v) =1; elseif D(u,v) <=D1 TRAPEH(u,v)= (D(u,v)-D1)/(D0-D1); else TRAPEH(u,v)=0; end endendBUTTERG=BUTTERH.*F; BUT

26、TERfiltered=ifft2(BUTTERG);EXPOTG=EXPOTH.*F; EXPOTfiltered=ifft2(EXPOTG);TRAPEG=TRAPEH.*F; TRAPEfiltered=ifft2(TRAPEG); subplot(2,2,1),imshow(noisy); subplot(2,2,2),imshow(BUTTERfiltered) subplot(2,2,3),imshow(EXPOTfiltered)subplot(2,2,4),imshow(TRAPEfiltered)利用频域低通滤波法除去图像中的高频分量就能去掉噪声，从而得到平滑。程序实现了巴特

27、沃斯、指数及梯形低通滤波器。2）、频域高通滤波法对图像进行增强A、频域高通滤波程序I1=imread('blood1.tif');M N=size(I1);F=fft2(I1);F=fftshift(F);m1=fix(M/2);n1=fix(N/2);for u=1:M for v=1:N D=sqrt(u-m1)2+(v-n1)2); if D=0 H(u,v)=0; else H(u,v)=1/(1+0.414*(5/D)4); end endendF1=H.*F;F1=ifftshift(F1);I2=abs(ifft2(F1);subplot(121),imshow(

28、I1,);subplot(122),imshow(I2,); 什么类型高通滤波器？-2阶巴特沃斯带阻滤波器。B、选择各种频域高通滤波器对图像进行增强clc;I,map=imread(gray.bmp);noisy= imnoise(I,gaussian,0.01);M N=size(I);F=fft2(noisy);Fftshift(F);Dcut=100;DO=250;D1=150;for u=1 : M for v=1 : ND( u,v)=sqrt(u2+v2);BUTTERH(u,v)=1/(1+(sqrt(2)-1)*(Dcut /D(u,v)2);EXPOTH（u,v)=exp(log(1/sqrt(2)*(Dcut /D(u,v)2);if D(u,v)<D1 TRAPEH(u,v) =0; elseif D(u,v) <=D0 TRAPEH(u,v)= D(u,v) D1)/(D0-D1); else TRAPEH(u,v)=1; end end end BUTTERG=BUTTERH.*F; BUTTERfiltered=ifft2(BUTTERG);EXPOTG=EXPOTH.*F;EXPOTfiltered=ifft2(EXPOTG);TRAPFG= TRAPEH.