实验一 空域图像增强技术

《实验一 空域图像增强技术》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

实验报告课程名称：数字图像处理实验名称：空域图像增强技术实验地点：明向校区D001机房专业班级：测控1401班学号：2014001796学生姓名：郭佳鑫指导教师：刘帆2017年4月14日 《数字图像处理》实验报告一、实验目的1.结合实例学习如何在视频显示程序中增加图像处理算法。2.理解和掌握图像的线性变换和直方图均衡化的原理和应用。3.了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法。4.了解噪声模型及对图像添加噪声的基本方法。二、实验原理1.灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。g(x,y)T[f(x,y)]f(x,y)0f(x,y)ag(x,y)[f(x,y)a]gaaf(x,y)b[f(x,y)b]gbf(x,y)255bx1,2,,m,y1,2,n2.直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF的定义：nkp(r)k0,1,2,...,L1rkn通过转换公式获得：kknjskT(rk)pr(rj)k0,1,2,...,L1j0j0n3.均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。4.拉普拉斯算子如下：111181111拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。三、实验仪器1.计算机。2.MATLAB程序。3.记录用的笔、纸。2 《数字图像处理》实验报告四、实验步骤与内容1.图像的灰度线性变换程序代码：>>I=imread('tyut.bmp');imshow(I);I=double(I);[M,N]=size(I);fori=1:Mforj=1:NifI(i,j)<=30I(i,j)=I(i,j);elseifI(i,j)<=150I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30;elseI(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200;endendend>>figure(2);imshow(uint8(I));实验图像及结果：可以看出，图像整体亮度提升，天空变得更白，“太原理工大学”几个字变得更鲜红，整体对比度上升。3 《数字图像处理》实验报告2.图像的直方图均衡化程序代码：>>I=imread('circuit.tif');figuresubplot(221);imshow(I);subplot(222);imhist(I)>>I1=histeq(I);>>figure;>>subplot(221);imshow(I1)>>subplot(222);imhist(I1)实验图像及结果：（前几行错误是由于读取的图像未输入扩展名“.tif”；并且由于imhist只能处理单通道灰度图像，因而只能使用MATLAB本身拥有的circuit.tif图像文件）从图像和直方图共同对比可以看出，原本图像的本身偏暗，在直方图中灰度值也都集中在黑色部分；而处理后的图像黑色部分仍然明显，但白色明显增多，直方图也显示图像整体的灰度范围变得更均衡。3.图像的均值滤波程序代码：>>clearclearallI=imread('pout.tif');[M,N]=size(I);II1=zeros(M,N);fori=1:164 《数字图像处理》实验报告II(:,:,i)=imnoise(I,'gaussian',0,0.01);II1=II1+double(II(:,:,i));ifor(or(i==1,i==4),or(i==8,i==16));figure;imshow(uint8(II1/i));endend实验图像及结果：Figure1中为添加了噪声的图像，Figure2、3、4分别是4、8、16张加入了同类噪声的图像叠加后取平均的结果，可以看出，进行平均的数量越多，噪声对图像的干扰就越小。4.图像的中值滤波程序代码：>>I=imread('eight.tif');J=imnoise(I,'salt&pepper',0.02);>>subplot(231),imshow(I);title('原图');>>subplot(232),imshow(J);title('噪声图')>>k1=medfilt2(J);>>k2=medfilt2(J,[5,5]);>>k3=medfilt2(J,[7,7]);>>k4=medfilt2(J,[9,9]);>>subplot(233),imshow(k1);title('3x3中值滤波')5 《数字图像处理》实验报告>>subplot(234),imshow(k2);title('5x5中值滤波')>>subplot(235),imshow(k3);title('7x7中值滤波')>>subplot(236),imshow(k4);title('9x9中值滤波')实验图像及结果：从实验结果图像可知，中值滤波克服了线性平滑滤波带来的整体模糊，处理后的图像较为纯净，但显然，使用高阶模板的中值滤波，在硬币图案的精细纹路处仍然损失了较多细节。5.图像的梯度锐化操作程序代码：>>I=imread('cameraman.tif');>>subplot(131),imshow(I)>>H=fspecial('Sobel');>>H=H';>>TH=filter2(H,I);>>subplot(132),imshow(TH,[]);>>H=H';>>TH=filter2(H,I);>>subplot(133),imshow(TH,[])实验图像即结果：6 《数字图像处理》实验报告从图中可以看到，图1为原图像；图2为Sobel算子使用水平模板进行梯度锐化，它对垂直边缘（摄影师以及三脚架轮廓）有较强的响应；图3为使用垂直模板进行锐化，它对水平边缘（背景中的建筑轮廓、水平线以及水面的波纹）有较强的响应。五、思考题1.设定不同的斜率值和截距，显示效果会怎样？答：修改第一小项的实验代码，增加一幅处理图像，修改线性灰度变换处理的灰度区间。程序代码：>>I=imread('tyut.bmp');imshow(I);I=double(I);[M,N]=size(I);fori=1:Mforj=1:NifI(i,j)<=30I(i,j)=I(i,j);elseifI(i,j)<=150I(i,j)=(100-30)/(150-30)*(I(i,j)-30)+30;这里改变了斜率和截else距，后面会做出说明。I(i,j)=(255-100)/(255-150)*(I(i,j)-150)+100;endend7 《数字图像处理》实验报告end>>figure(3);imshow(uint8(I));执行结果图像如下：可以看出，前两幅图为之前的实验结果，这里增加了图3，其处理过程与图2相反：将小于30的灰度值不变，将30到150的灰度值压缩到30到100（图2是拉伸），同时拉伸150到255的灰度值到100到255之间（图2是压缩）。也就是说，两张处理后的图像均保持了暗部不变，图2拉伸了中间灰度，压缩了亮部（高灰度区间），从而导致中间灰度动态范围增大，颜色更鲜艳，但也导致亮部变得一片白，损失了天空中云彩的细节；修改程序后得到的图3反其道而行之，压缩了中间灰度，拉伸了亮部，使得天空部分动态范围增大，蓝白过渡更自然，从而得到了蔚蓝的天空，但同样也导致中间灰度颜色范围变窄，整体变暗，花丛以及“太原理工大学”的字样变得不再夺目。令我感觉有意思的是，上图中的Figure1、2、3，时辰上来讲仿佛是清晨、正午和傍晚。由此可知，通过修改线性灰度变换的斜率和截距，可以对任意灰度区间进行拉伸或压缩。从显示效果上就可以看出图像某一灰度区间的细节变得明显，或者颜色变得更艳。从现实上来讲，通过变化不同的斜率和截距，我们可以根据实际需求，得到不同风格，或是细节表现位置各不相同的图片。2.直方图均衡化是什么意思？它的主要用途是什么？答：直方图均衡化是直方图修正的一种方法。它令一幅图像其中的像素占有全部可能的灰度级，并且均匀分布，这样一来图像就有了高对比度和多变的灰度色调，从而显示出灰度级丰富且动态范围大的图像。上述实验中也提到，从图像和直方图共同对比可以看出，原本图像的本身偏暗，在直方图中灰度值也都集中在黑色部分；而处理后的图像黑色部分仍然明显，但白色明显增多，直方图也显示图像整体的灰度范围变得更均衡。8 《数字图像处理》实验报告3.均值（中值）滤波的模板大小对处理效果有什么影响？答：从实验结果图像可以看出，滤波模板越大，降噪效果越好，图片越纯净，但同时也会丢失较多的图案、线条细节，并且边缘会有一定程度的模糊。显然实验中的图像使用3x3中值滤波即可达到目的，后面的5x5、7x7和9x9效果都不尽如人意。所以应该根据噪声的级别、种类，对应使用不同大小的中值滤波模板，从而在达到降噪目的的同时保留较多原图中的细节。六、实验总结实验一让我学习到了图像处理的一些基本算法；理解和掌握了图像的线性变换和直方图均衡化的原理和应用；了解平滑处理的算法和用途，学会了使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；并使我了解噪声模型及对图像添加噪声的基本方法。个人觉得仍然比较模糊的一点是，上述实验“均值滤波”在课本上叫做“图象平均”，而与其名称相似的“平均值滤波”（又叫“平滑滤波”）原理却截然不同，上述“均值滤波”是数张同类噪声图像相加取平均，而“平均值滤波”是仅在一张图中使用平滑模板取目标像素四周像素的平均值。上述每项实验我都在下面写了一些自己的感受和结论，不过总而言之，整个实验让我非常直观的感受到了图像处理的强大能力，更让我意识到，数字图像处理在现实中也有着广泛且重要的应用，我应当继续努力钻研这门学科。9