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'
