数字图像图像增强实验报告文档格式.docx
- 文档编号:13811463
- 上传时间:2022-10-13
- 格式:DOCX
- 页数:12
- 大小:533.16KB
数字图像图像增强实验报告文档格式.docx
《数字图像图像增强实验报告文档格式.docx》由会员分享,可在线阅读,更多相关《数字图像图像增强实验报告文档格式.docx(12页珍藏版)》请在冰豆网上搜索。
(4)图像平滑方法:
领域平均、中值滤波。
分析图像降质的性质,区分平稳性还是非平稳型、加性还是乘性等,采用合适的去噪方法,可以去除或降低噪声对图像的影响。
从频率域看,平均操作在降低噪声的同时衰减了图像的高频分量,会影响图像细节的重现。
中值滤波对某些信号具有不变形,适用于消除图像中的突发干扰,但如果图像含有丰富的细节,则不宜使用。
(5)图像锐化方法:
人眼对目标的边缘和轮廓较为敏感,对图像进行锐化,有助于突出图像的这些特征。
从频率域看,锐化提升了图像的高频分量。
4.实验容
(1)图像灰度修正。
(2)图像平滑方法。
(3)图像锐化方法。
5.实验步骤
读入一幅灰度级分布不协调的图像,分析其直方图。
根据直方图,设计灰度变换表达式,或调用imadjuct函数。
调整变换表达式的参数,直到显示图像的灰度级分布均衡为正。
对有噪声图像或人为加入噪声的图像进行平滑处理。
根据噪声的类型,选择不同的去噪方法,如领域平均、中值滤波等方法,调用filter2、medfilt2函数,选择不同的滤波模板和参数,观测和分析各种去噪方法对不同噪声图像处理的去噪或降噪效果。
读入一幅边缘模糊地图像,利用罗伯茨梯度对图像进行4种蜕化处理,比较各自效果。
。
1.图像灰度修正
img=imread('
d:
\001.bmp'
);
figure();
imshow(img);
I=double(img);
val=max(max(I));
a=log2(val);
b=round(a);
max_gray=2^b;
[H,W]=size(I);
J=zeros(H,W);
fori=1:
H
forj=1:
W
J(i,j)=max_gray-1-I(i,j);
end%endforj
end%endfori
img2=uint8(J);
subplot(1,2,1),imshow(img);
title('
原图'
subplot(1,2,2),imshow(img2);
变换后'
imwrite(img2,'
\2.bmp'
实验截图:
2.1程序代码:
\LENA_8G_4bit.bmp'
subplot(2,1,1);
subplot(2,1,2);
%matlab不支持uint8类型数据的矩阵运算,因此首先要将图像数据转换为double类型,计算后再转换为uint8类型
J(i,j)=255.0/15.0*I(i,j);
end;
%endforj
end;
%endfori
subplot(1,2,1),imshow(img,[]);
\LENA_255G.bmp'
实验截图:
2.2程序代码:
%matlab不支持uint8类型数据的矩阵运算,因此首先要将图像数据转换为double类型,计算后再转换为uint8
ifI(i,j)<
30
J(i,j)=I(i,j);
elseifI(i,j)<
150
J(i,j)=170.0/120.0*(I(i,j)-30)+30;
else
J(i,j)=55.0/105.0*(I(i,j)-150)+200;
end;
subplot(1,2,2),imshow(img2,[]);
\L.bmp'
3.1程序代码:
img=imread('
\GIRL_8G.bmp'
max_gray=max(max(I));
L=ceil(log2(max_gray));
gray=2^L-1;
x=0:
gray;
y=zeros(1,gray+1);
fori=1:
H
forj=1:
W
y(img(i,j)+1)=y(img(i,j)+1)+1;
y1=y/(H*W);
S=zeros(1,gray+1);
S
(1)=y1
(1);
fori=2:
length(S)S(i)=S(i-1)+y1(i);
S1=floor((S*gray)+0.5);
Z=zeros(H,W);
Z(i,j)=S1(img(i,j)+1);
img2=uint8(Z);
y2=zeros(1,gray+1);
y2(img2(i,j)+1)=y2(img2(i,j)+1)+1;
bar(x,y);
%原直方图
bar(x,y2);
%变换后直方图
subplot(1,2,1);
imshow(img,[]);
subplot(1,2,2);
imshow(img2,[]);
变换后'
原灰度直方图:
均衡后灰度直方图:
图像平滑和图像锐化
1.加入噪声
加入椒盐噪声的图像'
2.图像的平滑
邻域平均模板
加权平均模板
3.邻域平均
M1=(1/4)*[0,1,0;
1,0,1;
0,1,0];
M2=(1/8)*[1,1,1;
1,1,1];
L=imfilter(J,M1);
G=imfilter(J,M2);
imshow(L);
4邻域平均'
)
imshow(G);
8邻域平均'
4.加权平均
M3=(1/5)*[0,1,0;
1,1,1;
M4=(1/16)*[1,2,1;
2,4,2;
1,2,1];
L=imfilter(J,M3);
G=imfilter(J,M4);
1/5加权平均'
1/16加权平均'
图像的锐化
拉普拉斯模板
Laplacian锐化模板
I=imread('
fabric.png'
%读取图像
K=rgb2gray(I);
M1=[0,1,0;
1,-4,1;
M2=[1,1,1;
1,-8,1;
K=double(K);
J=conv2(K,M1,'
same'
%卷积
G=conv2(K,M2,'
F=K-J;
E=K-G;
figure,imshow(K,[]),
figure,imshow(J),
figure,imshow(G),
figure,imshow(F,[])
figure,imshow(E,[])
原图像
4-邻域
8-邻域
4-邻域锐化图像
8-邻域锐化图像
小结
∙平均滤波和加权滤波的效果都不怎么好,不能完全除去高斯噪声,它们对椒盐噪声的处理效果比较理想但仍旧存在提升的空间;
另外,在对4邻域8邻域的比较以及1/5加权以及1/16加权平均的比较可以看出,多领域的处理效果比较好,但是它的缺点是会引起图像的模糊。
可以肯定的是不同的模版其效果不同,对特定的图像要使用特定的模版。
∙图像变模糊的原因一般为成像系统聚焦不好、信道过窄以及平均过积分运算。
图像的锐化使得目标物轮廓变模糊,细节轮廓不清晰,加重目标物轮廓,使模糊图像变清晰。
拉普拉斯算子是常用的边缘增强算子,拉普拉斯运算也是偏导数运算的线性组合运算,而且是一种各向同性(旋转不变性)的线性运算。
∙在比较4邻域以及8邻域的锐化图像我们可以发现,4邻域锐化在边缘以及与原图像的相似程度上都有比较满意的效果,8邻域锐化在灰度级对比上比4邻域更加优秀,但它的一个缺点是丢失了一部分图像细节,从而导致图片看起来变得“模糊”。
- 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:
- 数字图像 图像 增强 实验 报告
![提示](https://static.bdocx.com/images/bang_tan.gif)