……………………………………………………装………………订………………线……………………………………………………………………
图5-1 增强对比度
MATLAB增强对比度程序代码如下： X1=imread('333.jpg'); figure,imshow(X1) f0=0;g0=0; f1=70;g1=30; f2=180;g2=230; f3=255;g3=255;
r1=(g1-g0)/(f1-f0); b1=g0-r1*f0;
r2=(g2-g1)/(f2-f1); b2=g1-r2*f1;
r3=(g3-g2)/(f3-f2); b3=g2-r3*f2; [m,n]=size(X1); X2=double(X1); for i=1:m for j=1:n
f=X2(i,j); g(i,j)=0;
if(f>=0)&(f<=f1) g(i,j)=r1*f+b1;
elseif (f>=f1)&(f<=f2) g(i,j)=r2*f+b2;
elseif (f>=f2)&(f<=f3) g(i,j)=r3*f+b3; end end
第 20 页 共 41 页
……………………………………………………装………………订………………线……………………………………………………………………
end
figure,imshow(mat2gray(g)) 运行得到如下结果：
图5-2原图 图5-3 增强对比度后图像
在MATLAB中还提供了imadjust对比度调整函数，用于调整灰度值或者颜色图，但处理图像只能是灰度图像。MATLAB程序代码如下： clear all;
I=imread('333.jpg');
subplot(1,2,1);imshow(I); J=imadjust(I);
subplot(1,2,2);imshow(J); 运行程序得到如下结果图5-4：
(1) 原始图像 (2) 增强对比度后图像 图5-4 增强对比度
5.1.2 图像求反
所谓对图像求反是将原来的灰度值翻转，简单的说就是使黑变白，使白变黑。假设对灰度级范围是[0,L-1]变换到[L-1,0],变换公式为(5-4):
t?L?1?s (5-4) 这种方法尤其适用于增强嵌入于图像暗色区域的白色或灰色细节。 MATLAB图像求反程序代码如下： clear all;
第 21 页 共 41 页
……………………………………………………装………………订………………线……………………………………………………………………
I=imread('999.jpg'); figure,imshow(I); J=double(I); J=256-1-J; J=uint8(J);
figure,imshow(J);
运行程序得到如下结果图5-5：
(1) 原始图像 (2) 图像求反后图像 图5-5 图像其反
5.2 空域滤波增强
一般情况下，像素的邻域比该像素要大，也就是说这个像素的邻域中除了本身以外还包括其他像素。在这种情况下，g(x,y)在(x,y)位置处的值不仅取决于f(x,y)在以(x,y)为中心的邻域内所有的像素的值。
为在邻域内实现增强操作，常可利用模板与图像进行卷积。每个模板实际上是一个二维数组，其中各个元素的取值定了模板的功能，这种模板操作也称为空域滤波。
仍以s和t分别表示f(x,y)在(x,y)位置处的增强前后的灰度值，并以n(s)代表f(x,y)在(x,y)邻域内像素的灰度值，则 t=EA[s,n(s)]。
5.2.1原理
根据其特点，空域滤波一般可分为线性滤波和非线性滤波两类。线形滤波器的设计常基于对傅立叶变换的分析。非线形空域滤波器则一般直接对邻域进行操作。
另外各种滤波器根据功能又主要分成平滑滤波器和锐化滤波器。平滑可用低通来实现，平滑的目的是模糊和消除噪声。锐化可用高通来实现，锐化的目的是为了增强被模糊的细节。所以共有（非）线性平滑滤波器和（非）线性锐化滤波器四种空间滤波增强方法。
平滑滤波器：它能减弱或消除傅立叶空间的高频分量，但不影响低频分量。因为高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图像平滑。
第 22 页 共 41 页
……………………………………………………装………………订………………线……………………………………………………………………
锐化滤波器：它能减弱或消除傅立叶空间的低频分量，但不影响高频分量。因为低频分量对应图像中灰度值缓慢变化的区域，因而与图像的整体特性，如整体对比度和平均灰度值等有关，将这些分量滤去可使图像锐化。
空域滤波器都是利用模板卷积，主要步骤如下：
（1）将模板在图中漫游，并将模板中心与图中某个像素位置重合； （2）将模板上的系数与模板下对应的像素相乘； （3）将所有的乘积相加；
（4）将模板的输出响应赋给图中对应模板中心位置的像素。
[17]
下面分别介绍在MATLAB中如何应用平滑和锐化滤波器。
5.2.2 线性平滑滤波器（领域均值法）
线性平滑滤波可以去除图像中某些类型的噪声，其中领域平均法就是常用的简单空间域线性平滑噪声技术。领域平均法将一个像素及其领域中所有的像素的平均值赋给输出图像中相应的像素，从而达到平滑的目的，又称均值滤波。
对于给定图像f（x，y）中的每个像素点（i，j），设其领域S，S含有M个像素，假定噪声n（x，y）是加性噪声，在空间各点互不相关，且期望为0，方差为?2，领域平均处理后的图像为g（x，y），则有(5-5):
11??fx,y?n?x,y? (5-5) g?x,y????MM从式子中看出噪声均值不变，噪声方差变小，说明噪声强度减弱了，抑制
了噪声。
MATLAB领域平均法程序代码如下： clear all;
I=imread('rice.png');
J=imnoise(I,'salt & pepper',0.02); figure,imshow(I); figure,imshow(J);
K1=filter2(fspecial('average',3),J);%进行3*3模板平滑滤波 K2=filter2(fspecial('average',5),J);%进行5*5模板平滑滤波 figure,imshow(uint8(K1)); figure,imshow(uint8(K2));
运行程序，得到如下结果图5-6：
从程序运行后的结果看出，模板越大，去噪能力越强，但同时会让图像变得模糊。
第 23 页 共 41 页
相关推荐：
loading