matlab中圖像增強技術的實現-數字圖像處理課程設計(編輯修改稿)

　

【文章內容簡介】 符號計算，可視化建模仿真，文字處理及實時控制等功能。學科工具包是專業性比較強的工具包，控制工具包，信號處理工具包，通信工具包等都屬于此類。除內部函數外，所有 MATLAB 主包文件和各種工具包都是可讀可修改的文件。 Matlab Main Toolbox—— matlab 主工具箱 System Identification Toolbox—— 系統辨識工具箱 Image Processing Toolbox—— 圖象處理工具箱 LMI Control Toolbox—— 線性矩陣不等式工具箱 Optimization Toolbox—— 優化工具箱 Simulink Toolbox—— 動態仿真工具箱 Wavele Toolbox—— 小波工具箱 它附加的工具箱，即單獨提供的專用 matlab 函數集，擴展了 matlab 環境，以解決這些應用領域內特定類型的問題。 小 結 對于 MATLAB，由于本科階段我們大量的運用它來進行編程學習，對于以上所敘，均比較了解，但是對于其圖像處理功能還是不十分熟悉，因此以下將著重從這方面介紹： 圖像處理工具包是由一系列支持圖像處理操作的函數組成的。所支持的圖像處理操作有 :圖像的幾何操作、鄰域和區域操作、圖像變換、圖像恢復與增強、線性濾波和濾波器設計、變換 (DCT 變換等 ) 、圖像分析和統計、二值圖像操作等。下面就 MATLAB 在圖像處理中各方面的應用分別進行介紹。 1) 圖像文件格式的讀寫和顯示。 MATLAB 提供了圖像文件讀入函數 imread ( ) ,用來讀取如 : bmp 、 tif 、 jpg、 pcx、 tiff 、 gpeg、 hdf 、 xwd 、 png等各種格式的圖像文件 。圖像寫出函數 imwrite () ,還有圖像顯示函數 image ( ) 、imshow( ) 等等。 2) 圖像處理的基本運算。 MATLAB 提供了圖像的和、差等線性運算 ,以及卷積、相關、濾波等非線性運算。例如 ,conv2( I ,J ) 實現了 I ,J 兩幅圖像的卷積。 第二章 Matlab 的簡介 11 3) 圖像變換。 MATLAB 提供了一維和二維離散傅立葉變換 (DFT) 、快速傅立葉變換 (FFT) 、 離散余弦變換 (DCT) 及其反變換函數 ,以及連續小波變換 (CWT) 、離散小波變換 (DWT) 及其反變換。 4) 圖像的分析和增強。針對圖像的統計計算 ,MATLAB 提供了校正、直方圖均衡、中值濾波、對比度調整、自適應濾波等對圖像進行的處理。 以上所提到的 MATLAB 在圖像中的應用都是由相應的 MATLAB 函數來實現的 ,使用時 ,只需按照函數的調用語法正確輸入參數即可。具體的用法可參考 MATLAB 豐富的幫助文檔。 12 第三章 Matlab 圖像增強 圖像增強是按特定的需要突出一幅圖像中的某些信息，同時，消弱 或去除某些信息使得圖像更加實用。圖像增強技術主要包含直方圖修改處理、圖像平滑處理、圖像尖銳化處理和彩色技術等。 圖像增強技術概述 圖像增強技術主要包括：直方圖修改處理，圖像平滑處理，圖像尖銳化處理，彩色圖像處理。從純技術上講主要有兩類：頻域處理法和空域處理法。 頻域處理法主要是卷積定理，采用修改圖像傅立葉變換的方法實現對圖像的增強處理技術；空域處理法：是直接對圖像中的像素進行處理，基本上是以灰度映射變換為基礎的。 空域濾波增強 使用空域模板進行的圖像處理被稱為空域濾波 ,模板本身被稱為空域濾 波器。空域濾波器包括：線性濾波器和非線性濾波器。空域濾波處理效果來分類，可以分為平滑濾波器，和銳化濾波器，平滑的目的在于消除混雜在圖像中的干擾因素，改善圖像質量，強化圖像表現特征。銳化的目的在于增強圖像邊緣，以及對圖像進行識別和處理。 平滑濾波器 用于模糊處理和減小噪聲。平滑線性空間濾波器的輸出（響應）是包含在濾波掩模鄰域內像素的簡單平均值。因此這些濾波器也被稱為均值濾波器。平滑濾波器的概念很簡單：它是用濾波掩模確定的領域內像素的平均值去代替圖像每個像素點的值。這種處理減少了圖像灰度的尖銳化。每 個掩模前邊的乘數等于它的系數值的和，以計算平均值。 我們經常用這些極端類型的模糊處理來去除圖像中的一些小物體。例如：在matlab 中利用線性平滑濾波器處理一副圖像 I=imread(39。39。)。 J=imnoise(I,39。salt amp。 pepper39。,)。 %添加椒鹽噪聲 第三章 Matlab 圖像增強 13 subplot(221) imshow(I) title(39。原圖像 39。) subplot(222) imshow(J) title(39。添加椒鹽噪聲圖像 39。) K1=filter2(fspecial(39。average39。,3),J)/255。 %應用 3*3 鄰域窗口法 subplot(223),imshow(K1) K2=filter2(fspecial(39。average39。,7),J)/255。 %應用 7*7 鄰域窗口法 subplot(224),imshow(K2) 中值濾波器 其原理是把數字圖像或數字序列中某一點的值用該點的一個鄰域中各點值的中值交換。中值濾波器的窗口可以取方形，圓形，十字形等。 例如：濾波函數圖像處理 1 clc。clear。 fid = fopen(39。39。)。 temp= fread(fid, [256,256])。 LenaRaw=uint8(temp39。)。 subplot(1,3,1) Imshow(LenaRaw)。 title(39。原始圖像 39。) subplot(1,3,2) Imshow(smoothingMedianFilter(LenaRaw,3))。 title(39。自制函數，使用用 3*3 模板，中值濾波圖像 39。) subplot(1,3,3) Imshow(medfilt2(LenaRaw,[3,3]))。 title(39。調用庫函數 medfilt2，使用 3*3 模板，中值濾波圖像 39。) 14 銳化濾波器 銳化處理主要目的是突出圖像中的細節或者增強被模糊了的細節，這種模糊不是由于錯誤操作，就是特殊圖像獲取方法的固有影響。常用的方法有兩種即為微分法和模板匹配法。 其中微分法中梯度是圖像處理常用的一次微分方法，在灰度驟變區域，梯度值大，在灰度相似區域，梯度值小。在灰度級為常數的區域，梯度為零； Laplacian算子是線性二次微分算子，與梯度算子一樣，具有旋轉 不變性，從而滿足不同走向的圖像邊界的銳化要求。 而對于模板匹配法則是出去能夠增強圖像邊緣外，還具有平滑噪聲的優點。 低通濾波器 一幅圖像的邊緣，跳躍部分以及顆粒噪聲代表圖像信號的高頻分量，而大面積的背景區域代表了圖像信號的低頻分量。低通濾波器的作用就是濾除這些高頻分量，保留低頻分量，使圖像信號平滑。它包括：理想低通濾波器，巴特沃斯低通濾波器，指數低通濾波器等。 例如：頻域增強 I=imread(39。39。)。 J=imnoise(I,39。salt amp。 pepper39。,)。 subplot(121),imshow(J) title(39。含噪聲的圖像 39。) J=double(J)。 f=fft2(J)。 g=fftshift(f)。 [M,N]=size(f)。 n=3。d0=20。 n1=floor(M/2)。n2=floor(N/2)。 for i=1:M for j=1:N d=sqrt(in1)^2+((in2)^2)。 h=1/(1+*(d/d0)^(2*n))。 g(i,j)=h*g(i,j)。 end 第三章 Matlab 圖像增強 15 end g=ifftshift(g)。 g=uint8(real(ifft2(g)))。 subplot(122),imshow(g) title(39。三階 Butterworth 濾波圖像 39。) 高通濾波器 與低通濾波器相反，它將高頻信號通過，而抑制了低頻信號。 同態濾波器 把頻率過濾和灰度變換結合起來的圖像處理方法叫同態濾波。 Matlab 圖像增強函數 Matlab 中圖像增強函數的具體使用方法： （ 1）直方圖 imhist 函數用于數字圖像的直方圖顯示，如： i=imread(39。e:\39。)。 imhist(a)。 （ 2）直方圖均化 histeq 函數用于數字圖像的直方圖均化，如： i=imread(39。e:\39。)。 j=histeq(a)。 （ 3）對比度調整 imadjust 函數用于數字圖像的對比度調整，如： i=imread(39。e:\39。)。 j=imadjust(a,[,],[])。 （ 4） 對數變換 log 函數用于數字圖像的對數變換，如： i=imread(39。e:\39。)。 j=double(a)。 k=log(v)。 （ 5）基于卷積的圖像濾波函數 filter2 函數用于圖像濾波，如： 16 i=imread(39。e:\39。)。 h=[1,2,1。0,0,0。1,2,1]。 j=filter2(h,i)。 （ 6） 線性濾波 利用二維卷積 conv2 濾波 , 如 : i=imread(39。e:\39。)。 h=[1,1,1。1,1,1。1,1,1]。 h=h/9。 j=conv2(i,h)。 （ 7）中值濾波 medfilt2 函數用于圖像的中值濾波，如： i=imread(39。e:\39。)。 j=medfilt2(i)。 （ 8）銳化 利用 Sobel 算子銳化圖像 , 如 : i=imread(39。e:\39。)。 h=[1,2,1。0,0,0。1,2,1]。%Sobel 算子 j=filter2(h,i)。 Matlab 應用于數字圖像增強和濾波 目的 1）熟悉灰度圖像讀入函數 imread 和圖像顯示函數 imshow。 2）掌握數據類型強制轉換函數 y=double(x)。 (注意進行運算前類型為 uint8的數據必須轉換為 double 類型 )。 3）掌握使用函數映射增強圖 像的方法。 4）熟悉使用 imhist 函數顯示圖像直方圖。 5）熟悉使用 histeq 函數進行直方圖均衡化 ,通過實驗結果理解直方圖均衡化的作用。 6）掌握加噪函數 imnoise 函數。 7）熟悉常用空域平滑濾波和銳化濾波模板。 第三章 Matlab 圖像增強 17 內容 根據簡單的函數映射規則編寫程序 ,完成圖像求反、增強對比度、降低對比度。 1）在 MATLAB 中讀入名為 的圖像給矩陣 D，將 D 強制類型轉換為 double。 2）對原始圖像求反 ,即轉換為黑色或白色 ,形成底片效果 ,結果賦值給矩陣 D1。 要求原 圖像灰度范圍 0~255,求反后灰度變化范圍 255~0。 3）對原始圖像 D 降低對比度 ,結果賦值給矩陣 D2。要求原圖像灰度范圍0~255,降低對比度后灰度變化范圍 0~127。 4）對降低對比度后的圖像 D2 增強對比度 , 結果賦值給矩陣 D3,要求與原始圖像外觀類似。 5）在 figure（ 1）中顯示求反圖像、增強對比度圖像和降低對比度圖像的圖像與直方圖 ,并添加標注說明。 6）對降低對比度后圖像矩陣 D2 使用 histeq 函數進行直方圖均衡化 ,結果賦值給矩陣 D4。在 figure 顯示降低對比度后圖像與直方圖均衡化后 圖像 ,并添加標注說明。 Dimread(39。39。)。 Ddouble(D/255。 D=1D D=(floor(D255/2)/255)。 D=(exp(D*255/10))/255。 figure,subplot(4,2,1),imshow(D title(39。原圖像 39。)。 subplot(4,2,2),imhist(D)。 title(39。原圖像直方圖 39。)。 subplot(4,2,3),imshow(D1)。 title(39。求反圖像 39。)。 subplot(4,2,4),imhist(D2)。 title(39。求反圖像直方圖 39。)。 subplot(4,2,5),i