圖像增強實驗
一、實驗目的
1、了解圖像增強的目的及意義，加深對圖像增強的感性認識，鞏固所學理論知識。
2、學會對圖像直方圖的分析。
3、掌握直接灰度變換的圖像增強方法。
4、掌握直方圖均衡化。
5、采用均值濾波、中值濾波實現圖像平滑。
6、采用梯度方法、拉普拉斯算子、Sobel 算子和 Prewitt 算子實現圖像銳化。
二、實驗原理及知識點
圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時，消弱或去除某些不需要的信息的處理方法。其主要目的是處理后的圖像對某些特定的應用比原來的圖像更加有效。圖像增強技術主要有直接灰度尺度變換、直方圖修改處理、圖像平滑化處理、圖像尖銳化處理等。
1、 灰度變換
灰度變換是圖像增強的一種重要手段，它常用于改變圖象的灰度范圍及分布，是圖象數字化及圖象顯示的重要工具。
在實際應用中,為了突出圖像中感興趣的研究對象，常常要求局部擴展拉伸某一范圍的灰度值，或對不同范圍的灰度值進行不同的拉伸處理。若假定原圖像f(x, y)的灰度范圍為［a, b］，希望變換后圖像 g(x, y)的灰度范圍擴展至［c, d］，則線性變換可表示為：
2、 直方圖變換
直方圖是圖像的最基本的統計特征，它反映的是圖像的灰度值的分布情況。直方圖均衡化的目的是使圖像在整個灰度值動態變化范圍內的分布均勻化，改善圖像的亮度分布狀態，增強圖像的視覺效果。直方圖均衡化是通過灰度變換將一幅圖像轉換為另一幅具有均衡直方圖，即在每個灰度級上都具有相同的象素點數的過程。
依據定義，在離散形式下， 用rk 代表離散灰度級，用pr(rk)代表(r)，并且有下式成立
式中： 為圖像中出現級灰度的像素數，n 是圖像像素總數，而即為頻數。
3、 空域濾波
空域濾波是在圖像空間中借助模板對圖像進行領域操作，處理圖像每一個像素的取值都是根據模板對輸入像素相應領域內的像素值進行計算得到的。空域濾波基本上是讓圖像在頻域空間內某個范圍的分量受到抑制，同時保證其他分量不變，從而改變輸出圖像的頻率分布，達到增強圖像的目的。空域濾波一般分為線性濾波和非線性濾波兩類。根據功能又主要分為平滑濾波器和銳化濾波器
空間濾波器都是基于模板卷積，其主要工作步驟是：
1) 將模板在圖中移動，并將模板中心與圖中某個像素位置重合；
2) 將模板上的系數與模板下對應的像素相乘；
3) 將所有乘積相加；
4) 將和（模板的輸出響應）賦給圖中對應模板中心位置的像素。
4、 圖像平滑
圖像平滑的目的可分為兩類：一類是模糊，目的是在提取較大的目標前去除太小的細節或將目標內的小肩端連接起來；另一類是消除噪聲。平滑是用低通濾波器來完成，在空域中全是正值。
1） 均值濾波
均值濾波也稱為線性濾波，其采用的主要方法為領域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度g（x，y），即g（x，y）=1/m ∑f（x，y），m為該模板中包含當前像素在內的像素總個數。
2） 中值濾波
中值濾波是對一個滑動窗口內的諸像素灰度值排序，用其中值代替窗口中心象素的原來灰度值，它是一種非線性的圖像平滑法，它對脈沖干擾級椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護邊緣少受模糊。
5、 圖像銳化
銳化可用高通濾波來實現，銳化的目的是為了增強被模糊的細節。
1） 梯度法
鄰域平均可以模糊圖像，因為平均對應積分，所以利用微分可以銳化圖像。圖像處理中最常用的微分方法是利用梯度。梯度算子是一種一階微分算子，常用的梯度算法有經典梯度算法和Roberts梯度算法。常用的其他一階微分算子有sobel 算子、prewitt 算子等。
2） 拉普拉斯算子
拉普拉斯算子是一種二階微分算子，它的模板中心系數都是正的，而周圍的系數都是負的，所有的系數之和為0。
對3×3 的模板來說，典型的系數取值為：
前者為離散拉普拉斯算子的模板，后者為擴展模板。
三、實驗儀器與軟件
1、PC 計算機
2、MatLab 軟件/語言包括圖像處理工具箱(Image Processing Toolbox)
3、實驗所需要的圖片
四、實驗內容及步驟
1、灰度變換和伽馬校正
函數：imadjust() 功能：調整圖像灰度值或顏色映像表，也可實現伽馬校正。 語法： J = imadjust(I,[low_in high_in],[low_out high_out],gamma)
|
程序
pic=imread('E:abcice.bmp');
imshow(pic);
[count,x]=imhist(pic,32);
stem(x,count);
pic1=imadjust(pic);
imshow(pic1);
[count,x]=imhist(pic1,32);
stem(x,count);
pic1=imadjust(pic,[0.2 0.5],[0.2 0.9],0.5);
imshow(pic1);
[count,x]=imhist(pic1,32);
stem(x,count);
pic2=imadjust(pic,[0.2 0.4],[0.2 0.9],0.4);
imshow(pic2);
[count,x]=imhist(pic2,32);
stem(x,count);
Pic
Pic1
參數gama的作用：gama函數可以根據不同的取值選擇性地增強低灰度區域的對比度或是高灰度區域的對比度
2、直方圖均衡
的圖像直方圖，比較兩種均衡的效果差異
函數：histeq() 功能：直方圖均衡。 語法： J = histeq(I,hgram)將原始圖像I的直方圖變成用戶指定的向量 hgram。hgram中的各元素的值域為[0,1] J = histeq(I,n)指定直方圖均衡后的灰度級數n，默認值為64。 |
程序
pic3=histeq(pic);
imshow(pic3);
[count,x]=imhist(pic3,32);
stem(x,count);
pic4=adapthisteq(pic);
imshow(pic4);
[count,x]=imhist(pic4,32);
stem(x,count);
原圖像
均衡化處理之后
3、圖像平滑
pic=imread('E:aaalena512color.JPG');
imshow(pic);
graypic=rgb2gray(pic);
imshow(graypic);
noisepic=imnoise(graypic,'gaussian',0,1);
imshow(noisepic);
noisepic=imnoise(graypic,'gaussian',0,0.5);
imshow(noisepic);
noisepic=imnoise(graypic, 'salt & pepper',1);
imshow(noisepic);
noisepic=imnoise(graypic, 'salt & pepper',0.5);
imshow(noisepic);
H=fspecial('average',360);
imshow(H);
H=fspecial('average',32);
imshow(H);
denoisepic=imfilter(noisepic,H);
imshow(denoisepic);
denoisepic=medfilt2(noisepic,[360,360]);
imshow(denoisepic);
denoisepic=medfilt2(noisepic,[32,32]);
imshow(denoisepic);
4、圖像銳化
邊緣檢測性能。包括梯度方法、拉普拉斯算子、Sobel 算子和 Prewitt 算子。
pic=imread('E:aaaice.bmp');
imshow(pic)
BW1 = edge(pic,'sobel');
imshow(BW1)
BW2 = edge(pic,'prewitt');
imshow(BW2);
BW3 = edge(pic,'roberts');
imshow(BW3);
BW4 = edge(pic,'log');
imshow(BW4);
BW5 = edge(pic,'canny');
imshow(BW5);
五、實驗報告要求
1. 簡述實驗目的和實驗原理；
2. 描述實驗基本步驟，給出各個步驟中取得的實驗結果和源代碼，敘述各段程序功能；
3. 改變有關函數的參數，分析比較實驗結果，進行必要的討論；
六、思考題/問答題
1．直方圖是什么概念？它反映了圖像的什么信息？
2．直方圖均衡化是什么意思？它的主要用途是什么？
3．結合實驗內容，定性評價均值濾波器/中值濾波器對高斯噪聲和椒鹽噪聲的去噪效果？
4．結合實驗內容，定性評價濾波窗口對去噪效果的影響？
答：1.直方圖是指將一個變量的不同等級的相對頻數用矩形塊標繪的圖表，反映了數字圖像中每一灰度級和它出現頻率間的關系。
2.直方圖均衡化是將原圖像通過某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方法。其主要用途是通過修改直方圖的方法增強圖像。
完整論文下載（word格式 可編輯）：
圖像增強.rar
(3.43 MB, 下載次數: 28)
| 歡迎光臨 (http://www.raoushi.com/bbs/) | Powered by Discuz! X3.1 |