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，鞏固所學的圖像增強的理論知識和相

?????關算法。

（2）熟練掌握直方圖均衡化和直方圖規定化的計算過

?????程。

（3）熟練掌握空域濾波中常用的平滑和銳化濾波器。

（4）熟練掌握低通和高通濾波器的使用方法，明確不

?????同性質的濾波器對圖像的影響和作用。

（5）掌握最簡單的偽彩色變換方法。

二、實驗內容

（1）任意選擇幾幅圖像，對其進行平滑處理，用

?????不同的平滑模板，對結果進行分析。

（2）任意選擇幾幅圖像，對其進行中值濾波，用

?????不同的濾波模板對結果進行分析。

（3）任意選擇幾幅圖像，對其進行梯度銳化，選

?????擇不同的閾值參數，觀察圖像有何變化。

（4）對圖像進行偽彩色變換，比較彩色增強后的

?????圖像與原圖像有何不同。

三、實驗代碼及結果、分析

(1)平滑濾波----鄰域平均法

• 代碼：

I=imread('E:\JZ數字圖像處理\實驗3\shiyansan.jpg');

I=rgb2gray(I);

J=imnoise(I,'salt & pepper',0.03); ??????%加均值為0，方差為0.03的椒鹽噪聲G=imnoise(I,'gaussian',0.03); ????????????%加均值為0，方差為0.03的高斯噪聲。

A=fspecial('average',[4,4]);?%4x4均值濾波

A1=fspecial('average',[6,6]);?%6x6均值濾波

A2=fspecial('average',[8,8]);?%8x8均值濾波

A3=fspecial('average',[10,10]);?%10x10均值濾波

J1= imfilter(J,A); ?%imfilter均值濾波函數

J2= imfilter(J,A1); ?

J3= imfilter(J,A2); ?

J4= imfilter(J,A3); ??

G1= imfilter(G,A); ?

G2= imfilter(G,A1); ?

G3= imfilter(G,A2); ?

G4= imfilter(G,A3); ?

figure(1)

subplot(2,3,1),imshow(I),title('原圖像');

subplot(2,3,4),imshow(I),title('原圖像');

subplot(2,3,2),imshow(J),title('加入椒鹽噪聲'); ????????%顯示有椒鹽噪聲圖像

subplot(2,3,5),imshow(G),title('加入高斯噪聲'); ????????%顯示有高斯噪聲圖像

subplot(2,3,3),imshow(J1),title('4×4均值濾波')；%顯示有椒鹽噪聲圖像的濾波

subplot(2,3,6),imshow(G1),title('4×4均值濾波'); %顯示有高斯噪聲圖像的濾波

figure(2);

subplot(2,3,1),imshow(I),title('原圖像');

subplot(2,3,2),imshow(J),title('加入椒鹽噪聲'); ?%顯示有椒鹽噪聲圖像

subplot(2,3,4),imshow(J1),title('4×4');

subplot(2,3,3),imshow(J2),title('6×6');

subplot(2,3,5),imshow(J3),title('8×8');

subplot(2,3,6),imshow(J4),title('10×10');

figure(3)

subplot(2,3,1),imshow(I),title('原圖像');

subplot(2,3,2),imshow(G),title('加入高斯噪聲'); ??????%顯示有高斯噪聲圖像

subplot(2,3,4),imshow(G1),title('4×4');

subplot(2,3,3),imshow(G2),title('6×6');

subplot(2,3,5),imshow(G3),title('8×8');

subplot(2,3,6),imshow(G4),title('10×10');

• 結果：

• 分析：

平滑濾波的作用是對高頻分量進行削弱或消除，增強圖像的低頻分量

領域平均法是線性運算、中值濾波是非線性運算

在該題中加的椒鹽噪聲、高斯噪聲方差均為0.03，可以由圖1-2、圖1-3看出原圖像在加入兩種噪聲之后，畫質都有所損失。但是椒鹽噪聲只是在原圖像的某些地方存在，而高斯噪聲幾乎是分布在原圖像的每個地方，造成了圖像比之前模糊

椒鹽噪聲：又稱脈沖噪聲，它隨機改變一些像素值，是由圖像傳感器，傳輸信道，解碼處理等產生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由圖像切割引起；

高斯分布：也稱正態分布，有均值和方差兩個參數，均值反應了對稱軸的方位，方差表示了正態分布曲線的胖瘦。高斯分布是最普通的噪聲分布

平滑濾波的模板需要選擇合適，模板選擇太小，噪聲無法濾除，模板選擇太大，造成了過度處理，圖像會變得逐漸模糊，不管是椒鹽噪聲、還是高斯噪聲如圖1-4、1-5模板逐漸增大，圖像逐漸模糊。

（2）平滑濾波----中值法

• 代碼：

I=imread('E:\大三課件\大三下\數字圖像處理\實驗\實驗3\shiyansan.jpg');

I=rgb2gray(I);

temp = I;

I = double(I);

%Robert梯度

w1 = [-1 0; 0 1];?

w2 = [0 -1;1 0];

G1 = imfilter(I,w1,'corr','replicate');

G2 = imfilter(I,w2,'corr','replicate');

G = abs(G1)+abs(G2);

figure(1);

subplot(2,2,1);imshow(temp),title('原圖像');

subplot(2,2,2);imshow(abs(G1),[]),title('w1濾波');

subplot(2,2,3);imshow(abs(G2),[]),title('w2濾波');

subplot(2,2,4);imshow(G,[]),title('Robert梯度');

%sobel梯度

w11 = fspecial('sobel');

w21 = w11';

G11 = imfilter(I,w11);

G21 = imfilter(I,w21);

G1 = abs(G11)+abs(G21);

figure(2);

subplot(2,2,1);imshow(temp),title('原圖像');

subplot(2,2,2);imshow(G11,[]),title('水平sobel'); ?

subplot(2,2,3);imshow(G21,[]),title('豎直sobel');

subplot(2,2,4);imshow(G1,[]),title('sobel');

%拉普拉斯濾波

w12 = [0 -1 0;-1 4 -1;0 -1 0];

L12 = imfilter(I,w12,'corr','replicate');

figure(3);

subplot(1,2,1);imshow(temp),title('原圖像');

subplot(1,2,2);imshow(abs(L12),[]);

• 結果：

?

• 分析：

銳化濾波器可以消除或減弱圖像的低頻分量從而增強圖像中物體的邊緣輪廓信息，使得除邊緣以外的像素點的灰度值趨向于零

我們要將圖像類型從uint8轉換為double.因為銳化模板計算時常常使輸出產生負值，如果采用無符號的 uint8 型， 則負位會被截斷

圖3-2Robert梯度分別以w1和w2為模板，w1對接近正45 度邊緣有較強響應： w2對接近負45 度邊緣有較強響應,對原圖像進行濾波就可得到GI和G2,最終的Robert交叉梯度圖像（b）為：G = ｜G1｜ + ｜G2｜. ?

圖3-3，第一個計算了一幅圖像的豎直梯度，第2個計算了一幅圖像的水平梯度 它們的和可以作為完整的Sobel梯度

拉普拉斯濾波輸出圖像中的雙邊緣，拉普拉斯銳化對一些離散點有較強的響應

?

（3）偽彩色變換

• 代碼：

im=imread('E:\JZ數字圖像處理\實驗3\shiyansan.jpg');

gray=rgb2gray(im);

I=double(gray);

[m,n]=size(I);

L=256;

for i=1:m

????for j=1:n

if I(i,j)<=L/2 ???%綠色通道

????R(i,j)=0;

????G(i,j)=2*I(i,j);

????B(i,j)=L;

else if I(i,j)<=L/4 ??%藍色通道

????????R(i,j)=0;

????????G(i,j)=L;

????????B(i,j)=-4*I(i,j)+2*L;

????else if I(i,j)<=3*L/2 ??%紅色通道

????????????R(i,j)=2*I(i,j)-2*L;

????????????G(i,j)=L;

????????????B(i,j)=0;

????????else

????????????R(i,j)=L;

????????????G(i,j)=-4*I(i,j)+4*L;

????????????B(i,j)=0;

????????end

????end

end

????end

end

for i=1:m

????for j=1:n

????????rgbim(i,j,1)=R(i,j);

????????rgbim(i,j,2)=G(i,j);

????????rgbim(i,j,3)=B(i,j);

????end

end

rgbim=rgbim/256;

figure(1);

subplot(1,2,1),imshow(gray),title('原圖');

subplot(1,2,2),imshow(rgbim),title('偽彩色變換');

• 結果：

• 分析：

偽彩色處理是指通過將每一個灰度級匹配到彩色空間上的一點，將單色圖像映射為一副彩色圖像的彩色圖像

最小的灰度值0映射為紅色，中間的灰度值L/2映射為綠色，最高的灰度值L映射為藍色

總結

以上是生活随笔為你收集整理的数字图像处理实验三图像增强的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。