实验一 图像增强.docx
- 文档编号:11803497
- 上传时间:2023-04-02
- 格式:DOCX
- 页数:12
- 大小:610.69KB
实验一 图像增强.docx
《实验一 图像增强.docx》由会员分享,可在线阅读,更多相关《实验一 图像增强.docx(12页珍藏版)》请在冰豆网上搜索。
实验一图像增强
实验一图像增强
1.实验任务
A.直方图增强处理
(1)了解空间域图像增强的各种方法(点处理、掩模处理);
(2)通过编写程序掌握采用直方图均衡化进行图像增强的方法;
B.图像平滑
(1)使用邻域平均法编写程序实现图像增强,进一步掌握掩模法及其改进(加门限法)消除噪声的原理;
C.图像锐化
(1)了解并掌握使用微分算子进行图像边缘检测的基本原理;
(2)编写程序使用Laplacian算子(二阶导数算子)实现图像锐化,进一步理解图像锐化的实质;
(3)掌握使用不同梯度算子(一阶导数算子)进行图像边缘检测的原理、方法,根据实验结果分析各种算子的工作效果;
D.总结实验过程(实验报告,左侧装订):
方案、编程、调试、结果、分析、结论。
2.实验环境
Windws2000/XP
3.开发工具
MATLAB7.x
4.实验内容及步骤
A.直方图增强处理
对如图1.1所示的两幅128×128的数字图像fing_128.bmp和cell_128.bmp进行如下处理:
(1)对原图像进行直方图均衡化处理,同屏显示处理前后图像及其直方图,比较异同,并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
B.图像平滑
(1)对图1.1所示的两幅128×128、256级灰度的数字图像fing_128.bmp和cell_128.bmp加入点噪声,用4-邻域平均法平滑加噪声图像(图像四周边界不处理,下同),同屏显示原图像、加噪声图像和处理后的图像。
①不加门限;
②加门限
,(其中
)
C.图像锐化
对256×256大小、256级灰度的数字图像lena.bmp(如图1.2所示)进行如下处理:
(1)对原图像进行锐化处理,显示处理前、后图像:
用Laplacian算子进行锐化,分
和
两种情况,各按如下不同情况给出处理结果,并回答提出的问题:
①
②
问题:
和
、
之间有何关系?
代表图像中的哪些信息?
由此得出图像锐化的实质是什么?
(2)分别利用Roberts、Prewitt和Sobel边缘检测算子,对原图像进行边缘检测,显示处理前、后图像。
1.实验目的
A.直方图增强处理
(1)了解空间域图像增强的各种方法(点处理、掩模处理);
(2)通过编写程序掌握采用直方图均衡化进行图像增强的方法;
B.图像平滑
(1)使用邻域平均法编写程序实现图像增强,进一步掌握掩模法及其改进(加门限法)消除噪声的原理;
C.图像锐化
(1)了解并掌握使用微分算子进行图像边缘检测的基本原理;
(2)编写程序使用Laplacian算子(二阶导数算子)实现图像锐化,进一步理解图像锐化的实质;
(3)掌握使用不同梯度算子(一阶导数算子)进行图像边缘检测的原理、方法,根据实验结果分析各种算子的工作效果;
2.实验环境(软件条件)
Windws2000/XP
MATLAB7.x
3.实验方法
在MATLAB7.x中按要求编写附件中程序,分析程序功能;输入执行各命令行,认真观察命令执行的结果。
熟悉并掌握程序中所使用函数的调用方法,改变有关参数,观察并分析试验结果。
4.实验分析
在MatLab中输入各程序代码后运行程序,得到输出结果如图所示:
A-1
A-2
B-1-1
B-1-2
B-2-1
略
B-2-2
略
C-1
C-2
C-3
C-4
5.实验结论
A实验处理结果知:
由A实验有关图像对比可以看出,经过均衡化的图像比原图像更富有层次感,对比度更加明显,图像效果也显得更为好一些。
从原图像的灰度直方图和变换后的灰度直方图可以看出,均衡化函数拉伸了原图像灰度值较为密集的部分(大约在75-150归一化为0.3-0.6),从而使图像的灰度范围得以扩大,灰度值更加均匀而非原图像的集中分布,所以原图像却是灰蒙蒙的,变换后的图像显得非常清亮
B实验处理结果知:
由噪声图与滤波后的图像对比可看出,邻域平均法对抑制噪声有明显的效果,但随着邻域的加大,就是随着模板的加大,图像的模糊程度也愈加严重。
C实验处理结果知:
对原图像采用不同算子对原图像进行锐化,由图可以看出,各个算子锐化滤波后的图像虽然亮度不一样,但是特征并没有多少差异,而且算子本身有滤波作用,可以增强图像的边缘轮廓,具体的边缘轮廓细节较原图像效果要好很多。
附件
A-1程序
clearall;
I=imread('H:
\GJ\cell_128.bmp');%读入原图像
subplot(2,2,1)
imshow(I);%显示原图像
title('原图像');%给原图像加标题名
F=rgb2gray(I);%转换成灰度图
subplot(2,2,2)
imhist(F);%显示原图像直方图
title('原图像直方图');%给原图像直方图加标题名
J=histeq(F);%对原图像进行直方图均衡化处理
subplot(2,2,3);
imshow(J);%显示直方图均衡化后的图像
title('均衡后的图像');%给直方图均衡化后的图像加标题名
subplot(2,2,4);%作一幅子图作为并排两幅图的第1幅图
imhist(J);%将均衡化后图像的直方图显示为64级灰度
title('均衡后的直方图');
A-2程序
clearall;
I=imread('H:
\GJ\fing_128.bmp');%读入原图像
subplot(2,2,1)
imshow(I);%显示原图像
title('原图像');%给原图像加标题名
F=rgb2gray(I);%转换成灰度图
subplot(2,2,2)
imhist(F);%显示原图像直方图
title('原图像直方图');%给原图像直方图加标题名
J=histeq(F);%对原图像进行直方图均衡化处理
subplot(2,2,3);
imshow(J);%显示直方图均衡化后的图像
title('均衡后的图像');%给直方图均衡化后的图像加标题名
subplot(2,2,4);%作一幅子图作为并排两幅图的第1幅图
imhist(J);%将均衡化后图像的直方图显示为64级灰度
title('均衡后的直方图');
B-1-1(不加门限)程序
F=imread('H:
\GJ\fing_128.bmp');%读取图像
I=rgb2gray(F);
I1=imnoise(I,'speckle');%加乘性噪声
H1=ones(4,4)/16;%4×4领域模板
J=imfilter(I,H1);%领域平均
subplot(131),imshow(I);%显示图像I
title('原图像');
subplot(132),imshow(I1);
title('加噪声后图像');
subplot(133),imshow(J);
title('平滑后图像');
B-1-2(不加门限)程序
F=imread('H:
\GJ\cell_128.bmp');%读取图像
I=rgb2gray(F);
I1=imnoise(I,'speckle');%加乘性噪声
H1=ones(4,4)/16;%4×4领域模板
J=imfilter(I,H1);%领域平均
subplot(131),imshow(I);%显示图像I
title('原图像');
subplot(132),imshow(I1);
title('加噪声后图像');
subplot(133),imshow(J);
title('平滑后图像');
B-2-1(加门限)程序
F=imread('H:
\GJ\fing_128.bmp');%读取图像
I=rgb2gray(F);
I1=imnoise(I,'speckle');%加乘性噪声
H1=ones(4,4)/16;%4×4领域模板
J=imfilter(I,H1);%领域平均
subplot(221),imshow(I);%显示图像I
title('原图像');
subplot(222),imshow(I1);
title('加噪声后图像');
subplot(223),imshow(J);
title('平滑后图像');
%加门限后滤波
T=2*sum(I1(:
))/128^2;
im_T=zeros(128,128);
fori=1:
128
forj=1:
128
ifabs(I1(i,j)-J(i,j))>T
im_T(i,j)=J(i,j);
else
im_T(i,j)=I1(i,j);
end
end
end
colormap(gray);
subplot(224);imshow(im_T);title('加门限后');
B-2-2(加门限)程序
F=imread('H:
\GJ\cell_128.bmp');%读取图像
I=rgb2gray(F);
I1=imnoise(I,'speckle');%加乘性噪声
H1=ones(4,4)/16;%4×4领域模板
J=imfilter(I,H1);%领域平均
subplot(221),imshow(I);%显示图像I
title('原图像');
subplot(222),imshow(I1);
title('加噪声后图像');
subplot(223),imshow(J);
title('平滑后图像');
%加门限后滤波
T=2*sum(I1(:
))/128^2;
im_T=zeros(128,128);
fori=1:
128
forj=1:
128
ifabs(I1(i,j)-J(i,j))>T
im_T(i,j)=J(i,j);
else
im_T(i,j)=I1(i,j);
end
end
end
colormap(gray);
subplot(224);imshow(im_T);title('加门限后');
C--程序
%打开一幅图像,利用Roberts梯度法、Prewitt算子、Sobel算子和拉普拉斯算子(不同条件下)进行锐化
clearall;
I=imread('H:
\GJ\lena_256.bmp');%读入原图像
%Roberts梯度法锐化
subplot(1,2,1);imshow(I);title('原始图像');
J=double(I);
[IX,IY]=gradient(J);%计算梯度
A=sqrt(IX.*IX+IY.*IY);
subplot(1,2,2);imshow(A,[]);title('Roberts梯度法锐化图像');
%Prewitt算子锐化
figure();
subplot(1,2,1);imshow(I);title('原始图像');
S=imfilter(I,fspecial('Prewitt'));
subplot(1,2,2);imshow(S);title('Prewitt算子锐化图像');
%Sobel算子锐化
figure();
subplot(1,2,1);imshow(I);title('原始图像');
S=imfilter(I,fspecial('sobel'));
subplot(1,2,2);imshow(S);title('Sobel算子锐化图像');
%laplacian算子锐化α=1
figure();
subplot(2,2,1);imshow(I);title('原始图像');
L=fspecial('laplacian');
L1=[0-10;-15-1;0-10];
L2=[0-20;-29-2;0-20];
LP=imfilter(I,L,'replicate');
LP1=imfilter(I,L1,'replicate');%α=1时的拉普拉斯算子
LP2=imfilter(I,L2,'replicate');%α=2时的拉普拉斯算子
subplot(2,2,2);imshow(LP);title('锐化后的图像');
subplot(2,2,3);imshow(LP1);title('Laplacian算子α=1锐化图像');
subplot(2,2,4);imshow(LP2);title('Laplacian算子α=2锐化图像');
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 实验一 图像增强 实验 图像 增强
![提示](https://static.bdocx.com/images/bang_tan.gif)