图像处理的MATLAB实现实验一 空域图像增强
图像处理的MATLAB实现实验一 空域图像增强
一、实验目的
(1)掌握基本的空域图像增强方法,观察图像增强的效果,加深理解;
(2)了解空域平滑模板的特性及其对不同噪声的影响;
(3)了解空域锐化模板的特性及其对边缘的影响。
二、实验内容
(1)直方图处理:直方图均衡
(2)空域平滑:均值滤波、中值滤波;
实验要求
(1)用matlab语言进行仿真实验;
(2)递交实验报告,要求给出实验原理、源程序、实验结果及分析。
具体实验内容及要求
4.1 实验内容
4.1.1 直方图均衡
(1)读入原图像pollen.png并显示原图像以及直方图
(2)对原图像进行直方图均衡处理
(3)显示均衡后图像以及直方图。
4..1.2 图像空域平滑
(1)读入原图像lena.bmp并显示;
(2)对原图像分别添加高斯噪声和椒盐噪声,并显示加噪图像;
(3)采用均值滤波进行去噪处理,并显示去噪图像;
(4)采用中值滤波进行去噪处理,并显示去噪图像。
4.1.3 空域锐化
(1)读入原图像bridge.gif并显示;
(2)采用sobel算子对图像进行处理,并显示结果;
(3)尝试采用其他锐化模板进行处理。
4.2 实验原理
4.2.1 直方图均衡实验原理
对图像像素个数多的灰度级进行展宽,而对图像中像素个数少的灰度级进行压缩。而且,输入灰度级r与输出灰度级s的概率密度函数和有如下关系
积分形式如下 4.2.2 图像滤波
、椒盐噪声的中值滤波
由于椒盐噪声的出现使该点的像素比周围的亮或暗许多,如果在某个模板中,对像素由小到大重新排列,那么最暗或最亮的点一定被排在两侧,取模板中间位置的灰度值像素代替待处理图像像素的灰度值,从而达到滤除噪声的目的。
、高斯噪声的均值滤波
均值滤波是一种空域线性的滤波方法,用像素邻域内各像素的灰度平均值代替该像素原来的灰度值;均值滤波采用的是模板操作,将模板在图像中从左到右,从上到下的顺序移动将模板中心与每个像素重合;将模板中个系数与其对应的像素一并相乘,然后再经所有的结果一并相加;将上面相加的结果重新付给模板中心对应的像素点,那么该灰度值,就是经均值滤波后平滑后的灰度值。
4.2.3 图像锐化
对于图像锐化空域中有两种方式,第一个是使用sobel算子,即梯度锐化;而另一种是采用laplace算子,对于的八邻域内,在水平方向上和竖直方向上的差分方程为:
那么对于该像素点的梯度为;而对于采用laplace算子的差分方程为。采用这两种方式就可以进行图像的锐化。
4.3 实验源程序,结果及分析
4.3.1 直方图均衡
(1) 实验源程序及图像:
I=imread('C:\Documents and Settings\Administrator\桌面\实验\图像\pollen.png'); //由于是彩色图形,所以再求直方图时要先求RGB
imshow(I,[])
X=1:366
Y=1:366
I(X,Y,1:3)
>>R=ans(:,:,1);
>> G=ans(:,:,2);
>> B=ans(:,:,3);
imhist(R)
Imhist(G)
Imhist(B)
J=histeq(R,64)
imshow(J,[])
J=histeq(G,64)
Imshow(J)
J=histeq(B,64)
Imshow(J)
Imhist(J)
(2) 实验结果分析
变换以后,灰度级减少了,原直方图中频率较小的灰度级被合并到一个或几个灰度级中,即频率小的灰度级被压缩,频率大的灰度级被增强,这也是均衡化的实质,即减少图像的灰度级换取对比度的加大。本次实验选取的是一张彩色的图像,而彩色图像有R、G、B三个分量,因此先得将一个三维图像变成一幅二维的灰度图像,通过比较均衡以前和均衡以后的灰度图像,明显均衡以后的图像虽然对比度大大增加,但是图像的主要信息没有丢失,且更加符合人眼的视觉特性。
4.3.2 图像的滤波
(1)实验源程序
I=imread('C:\Documents and Settings\Administrator\桌面\实验\图像\lena.bmp');
subplot(331)
imshow(I);
title('原图像')
G1=imnoise(I,'gaussian',0,0.02);
G2=imnoise(I,'salt&pepper',0.08);
subplot(332)
imshow(G1);
title('被高斯噪声污染的图像')
subplot(333)
imshow(G2);
title('被椒盐噪声污染的图像'