实验四 图像增强

信息工程学院实验报告

课程名称：数字图像处理

成 绩： 实验项目名称：实验四 图像增强 实验时间：2016.11.08 班级： 姓名： 学号：

指导老师(签名)：

一、实验目的

1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。 2. 掌握图像空域增强算法的基本原理。

3. 掌握图像空域增强的实际应用及MATLAB实现。 4. 掌握频域滤波的概念及方法。 5. 熟练掌握频域空间的各类滤波器。 6.掌握怎样利用傅立叶变换进行频域滤波。

7. 掌握图像频域增强增强的实际应用及MATLAB实现。 二、实验步骤及结果分析

1. 基于幂次变换的图像增强 程序代码：

clear all; close all;

I{1}=double(imread('fig534b.tif')); I{1}=I{1}/255;

figure,subplot(2,4,1);imshow(I{1},[]);hold on I{2}=double(imread('room.tif')); I{2}=I{2}/255;

subplot(2,4,5);imshow(I{2},[]);hold on for m=1:2 Index=0;

for lemta=[0.5 5] Index=Index+1;

F{m}{Index}=I{m}.^lemta;

subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[]) end end

执行结果：

第 1 页 共 16 页

图1 幂次变换增强结果

实验结果分析：

由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。

2. 直方图规定化处理 程序代码：

clear all clc close all

%0.读图像

I=double(imread('lena.tiff')); subplot(2,4,1); imshow(I,[]); title('原图') N=32;

Hist_image=hist(I(:),N);

Hist_image=Hist_image/sum(Hist_image);

Hist_image_cumulation=cumsum(Hist_image);%累计直方图 subplot(245);

stem(0:N-1,Hist_image); title('原直方图'); %1.设计目标直方图 Index=0:N-1;

%正态分布直方图

Hist{1}=exp(-(Index-N/2).^2/N); Hist{1}=Hist{1}/sum(Hist{1}); Hist_cumulation{1}=cumsum(Hist{1})

;

subplot(242);

stem([0:N-1],Hist{1}); title('规定化直方图1'); %倒三角形状直方图

Hist{2}=abs(2*N-1-2*Index); Hist{2}=Hist{2}/sum(Hist{2}); Hist_cumulation{2}=cumsum(Hist{2});

subplot(246); stem(0:N-1,Hist{2}); title('规定化直方图2'); %2. 规定化处理

Project{1}=zeros(N); Project{2}=zeros(N); Hist_result{1}=zeros(N); Hist_result{2}=zeros(N); for m=1:2 Image=I;

%SML处理(SML,Single Mapping Law单映射规则 for k=1:N

Temp=abs(Hist_image_cumulation(k)-

第 2 页 共 16 页

Hist_cumulation{m});

[Temp1,Project{m}(k)]=min(Temp); end

%2.2 变换后直方图 for k=1:N

Temp=find(Project{m}==k); if isempty(Temp) Hist_result{m}(k)=0; else

Hist_result{m}(k)=sum(Hist_image(Temp)); end end

subplot(2,4,(m-1)*4+3); stem(0:N-1,Hist_result{m});

title(['变换后的直方图',num2str(m)]); %2.3结果图 Step=256/N; for K=1:N

Index=find(I>=Step*(k-1)&I

Image(Index)=Project{m}(k); end

subplot(2,4,(m-1)*4+4),imshow(Image,[]);

title(['变换后的结果图',num2str(m)]); end

执行结果：

规定化直方图1原图0.10.080.060.10.040.0200.0500.20.15变换后的直方图1变换后的结果图1020规定化直方图240020变换后的直方图240原直方图0.10.080.060.040.040.0200.020.080.060.120.10.080.060.040.02变换后的结果图202040002040002040

图2 直方图规定化

实验结果分析：

由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。 3. 灰度图像常用平常、锐化滤波 程序代码：

第 3 页 共 16 页

clear all; close all;

%0.原图

I=double(imread('lena.tiff')); subplot(2,4,1);imshow(I,[]);title('原图');

%1.均值低通滤波

H=fspecial('average',5); F{1}=double(filter2(H,I)); subplot(2,4,2);imshow(F{1},[]);title('均值低通滤波');

%2.gaussian 低通滤波

H=fspecial('gaussian',7,3); F{2}=double(filter2(H,I)); subplot(2,4,3);imshow(F{2},[]);title('高斯低通滤波');

%3.增强图像=原图-均值低通滤波

F{3}=2*I-F{1};

subplot(2,4,4);imshow(uint8(F{3}),[]);title('原图-均值低通滤波'); %4.增强图像=原图-高斯低通滤波 F{4}=2*I-F{2};

subplot(2,4,5);imshow(uint8(F{4}),[]);title('原图-高斯低通滤波'); %5.'prewitt'边缘算子增强 H=fspecial('prewitt'); F{5}=uint8(I+filter2(H,I)); subplot(2,4,6);imshow(F{5},[]);title('prewitt边缘算子增强'); %6.'soble'边缘算子增强 H=fspecial('sobel'); F{6}=uint8(I+filter2(H,I)); subplot(2,4,7);imshow(F{6},[]);title('sobel边缘算子增强');

执行结果：

原图均值低通滤波高斯低通滤波原图-均值低通滤波原图-高斯低通滤波prewitt边缘算子增强sobel边缘算子增强

图3 灰色图像平滑、锐化

实验结果分析：

由实验结果可知，均值和高斯滤波都使原图模糊，而采用原图减去低通滤波图像方法、prewitt算子、sobel算子都可以增强图像边缘。

4. 频率域滤波：对于给定图像+噪声，使用不同的频域滤波器对图像进行滤波处理。 (1)用Butterworth低通滤波器实现图像信号的滤波运算。 程序代码：

第 4 页 共 16 页