基于Matlab的数字图像增强处理

1、 MATLAB的数字图像的增强处理摘要：数字图像处理是集光学、数学、计算机科学、电子学、信息论、控制论、物理学、心理学和生理学等学科为一体的一门综合性边缘学科。由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文论述了利用MATLAB实现空间域直方图均衡化，平滑及锐化处理。关键词：MATLAB 空间域直方图均衡化 平滑 锐化 目

2、的：1、 提高分析问题、解决问题的能力，进一步巩固数字图像处理中的基本原理、方法；2、 熟悉掌握MATLAB语言，可以进行数字图像应用处理的开发设计；3、 编程实现数字图像的增强处理功能：空间域直方图均衡化、平滑及锐化算法。1、 直方图均衡化处理主要功能：利用Matlab对给定图像进行直方图均衡化处理。原理及算法： 在获取图像的过程中，由于多种因素的影响，导致图像质量多少会有所退化。图像增强的目的在于：1、采用一系列技术改善图像的视觉效果，提高图像的清晰度；2、将图像转换成一种更适合于人或机器进行分析处理的形式。它不是以图像保真度为原则，而是通过处理涉法有选择地突出便于人或机器分析某些感兴趣的

3、信息，抑制一些无用的信息，以提高图像的使用价值。而空间域增强是直接对图像像素灰度进行操作。 灰度直方图反映了数字图像中每一灰度级与其出现像素频率间的统计关系。大多数自然图像由于其灰度分布集中在较窄的区间，引起图像细节不够清晰。采用直方图修正后可使图像的灰度间距拉开或使灰度分布均匀，从而增大反差，使图像细节清晰，达到增强的目的。直方图均衡化是通过对原图像进行某种变换，使原图像的灰度直方图修正为均匀分布的一种方法。设r和s分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。即 在0,1区间内的任一个r值，都可产生一个s值，且 T(r)作为变换函数，满足下列条件：在0r1内为单调递增函数，保证灰

4、度级从黑到白的次序不变；在0r1内，有0T(r)1，确保映射后的像素灰度在允许的范围内。反变换关系为 T-1(s)对s同样满足上述两个条件。 由概率论理论可知，如果已知随机变量r的概率密度为pr(r),而随机变量s是r的函数，则s的概率密度ps(s)可以由pr(r)求出。 假定随机变量s的分布函数用Fs(s)表示，根据分布函数定义 利用密度函数是分布函数的导数的关系，等式两边对s求导，有： 可见，输出图像的概率密度函数可以通过变换函数T(r)控制原图像灰度级的概率密度函数得到,因而改善原图像的灰度层次,这就是直方图修改技术的基础。 从人眼视觉特性来考虑，一幅图像的直方图如果是均匀分布的，即Ps

5、(s)=k(归一化时k=1)时，该图像色调给人的感觉比较协调。因此将原图像直方图通过T(r)调整为均匀分布的直方图，这样修正后的图像能满足人眼视觉要求。 因为归一化假定 则有 两边积分得 上式表明，当变换函数为r的累积直方图函数时，能达到直方图均衡化的目的。 对于离散的数字图像，用频率来代替概率,则变换函数T(rk)的离散形式可表示为: 可见，均衡后各像素的灰度值Sk可直接由原图像的直方图算出。程序代码：I=imread('d.jpg'); subplot(2,2,1);imshow(I); title('原始图像');PS=rgb2gray(I); m,n=s

6、ize(I); GP=zeros(1,256); for k=0:255 GP(k+1)=length(find(I=k)/(m*n); endsubplot(2,2,2)bar(0:255,GP,'g') title('原图像直方图')xlabel('灰度值')ylabel('出现概率')N=zeros(1,256);for i=1:256 for j=1:i N(i)=GP(j)+N(i); endendS2=round(N*256)+0.5); for i=1:256 GPeq(i)=sum(GP(find(S2=i); e

7、ndsubplot(2,2,3)bar(0:255,GPeq,'b') title('均衡化后直方图') xlabel('灰度值')ylabel('出现概率')X=PS;for i=0:255 X(find(PS=i)=S2(i+1); endsubplot(2,2,4)imshow(X); title('均衡化后图像'); % 画出均衡后的图像直方图；效果图：2、图像平滑处理主要功能：利用Matlab对给定图像进行平滑处理原理及算法：任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量

8、下降，图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。它对脉冲干扰及椒盐噪声的抑制效果好，且比邻域、超限像素平均法更有效。在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。 一般来说，二维中值滤波器比一维滤波器更能抑制噪声。不同形状的窗

9、口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。一般来说，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。 程序代码：M=imread('d.jpg'); %读入图像 subplot(2,2,1)imshow(M) %显示原始图像title('原图像') P1=imnoise(M,'gaussian',0.02); %加入高斯躁声subplot(2,2,2)imshow(P1) %加入高斯躁声后显示图像 title('噪声图');g1=medfilt2(P1(:,:,1);%红

10、g2=medfilt2(P1(:,:,2);%绿 g3=medfilt2(P1(:,:,3);%蓝g(:,:,1)=g1;g(:,:,2)=g2;g(:,:,3)=g3;subplot(2,2,3) imshow(g)title('平滑图');效果图：3、图像锐化处理主要功能：利用Matlab对给定图像进行锐化处理原理及算法：在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 Laplacian 算子是线性二阶微分算子。即 2f(x，y)=对离散的数字图像而言，二阶偏导数可用

11、二阶差分近似，可推导出Laplacian算子表达式为 2f(x，y)= f(x+1，y)+f(x-1，y)+ f(x，y+1)+f(x，y-1)-4f(x，y) Laplacian增强算子为： g(x，y)=f(x，y)- 2f(x，y)=5f(x，y)- f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1) 其特点是：1、在灰度均匀的区域或斜坡中间2f(x，y)为0，增强图像上像元灰度不变；2、在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲”。程序代码：I=imread('a.jpg');%读入图像if isrgb(I) ima=rgb2gray(I);%如果是彩色图像，则转为灰度图像 endI=double(I);h1=fspecial(&#