1、- 1 -数字图像处理空域图像增强- 2 -目录1. 摘要 - 3 -2. 直方图增强、图像平滑与图像锐化 .- 3 -2.1 直方图增强处理 - 3 -2.2 图像平滑 - 4 -2.3 图像锐化 - 5 -3. 软件仿真 - 7 -3.1 图像增强 - 7 -3.2 图像平滑 - 8 -3.3 图像锐化 - 9 -4. 结果与分析 - 9 -4.1 图像增强 - 9 -4.2 图像平滑 - 10 -4.3 图像锐化 - 10 -5. 参考文献 - 11 - 3 -1. 摘要在图像处理中，空间域是指由像素组成的空间，简称空域。空域增强技术就是直接对图像中的像素进行操作的过程，空域处理可以定义
2、为 g(x,y)=Ef(x,y)，式中 f(x,y)和 g(x,y)分别为增强前后的图像，E 代表增强操作。空域图像增强操作分为两类，如果增强操作仅定义再图像的带个像素，则这类操作称为点操作；如果增强操作 E 还定义在像素的邻域，则这类操作称为模版操作。点操作能让用户改变图像数据占据的灰度范围；模版操作是实现空间滤波的基础，应用更多，如图像平滑处理和图像锐化处理。2. 直方图增强、图像平滑与图像锐化2.1 直方图增强处理了解空间域图像增强的各种方法（点处理、掩模处理） ，通过编写程序掌握采用直方图均衡化进行图像增强的方法；直方图均衡化处理实际上就是寻找一个灰度变换函数 T ，使变化后的灰度值满
3、足 s=T(r)，其中，s 归一化为 0 Tg1（x，y）= - 5 -f（x，y） ，当|f（x，y）-g （x，y）| = T图像平滑：clear all; I=imread(fing_128.bmp);I=rgb2gray(I);J=imnoise(I,salt subplot(2,2,1);imshow(I);title(原图 );subplot(2,2,2);imshow(J);title(加噪图像 );A=1/5*0,1,0;1,1,1;0,1,0;Q=imfilter(J,A);subplot(2,2,3);imshow(Q);title(不加门限 );T=0;for i=1:1
4、28for j=1:128T=T+double(J(i,j);end endT=0.5*1/(128*128)*T;for i=2:127for j=2:127if Q(i,j)=TQ(i,j)=J(i,j); endend endsubplot(2,2,4);imshow(Q);title(加门限 );2.3 图像锐化了解并掌握使用微分算子进行图像边缘检测的基本原理；编写程序使用 Laplacian 算子（二阶导数算子）实现图像锐化，进一步理解图像锐化的实质；掌握使用不同梯度算子（一阶导数算子）进行图像边缘检测的原理、方法，根据实验结果分析各种算- 6 -子的工作效果。锐化的目的是突出图像中
5、细节或增强被模糊的细节；锐化可用微分来完成，而微分算子的响应强度与图像在该点（应用了算子）的突变程度有关； 图像微分增强了边缘和其它突变（如噪声）并削弱了灰度变化缓慢的区域。图像锐化：clear all;I=imread(lena_256.bmp);subplot(2,2,1)imshow(I);%显示原图像title(原始 图像 );h=fspecial(laplacian);h1=0 -1 0;-1 5 -1;0 -1 0;h2=0 -2 0;-2 9 -2;0 -2 0;bw1=imfilter(I,h,replicate);bw2=imfilter(I,h1,replicate);%a
6、=1时的拉普拉斯算子bw3=imfilter(I,h2,replicate);%a=2时的拉普拉斯算子subplot(2,2,2);imshow(bw1);title(锐化后的 图像 );subplot(2,2,3);imshow(bw2);title(锐化后四 邻域a=1的 图像 );subplot(2,2,4);imshow(bw3);title(锐化后四 邻域a=2的 图像 );figure(2);BW1=edge(I,sobel); %用SOBEL算子进行边缘检测 BW2=edge(I,roberts);%用Roberts算子进行边缘检测 BW3=edge(I,prewitt); %用
7、prewitt算子进行边缘检测 subplot(221), imshow(BW1); title(SOBEL算子边缘检测 ); subplot(222), imshow(BW2); title(Roberts算子边缘检测 ); subplot(223), imshow(BW3); title(prewitt算子边缘检测 ); - 7 -3. 软件仿真3.1 图像增强- 8 -3.2 图像平滑- 9 -3.3 图像锐化4. 结果与分析4.1 图像增强由实验结果可知：变换后直方图趋向平坦，灰级减少，灰度- 10 -合并；有展开输入图像直方图的一般趋势，直方图均衡化后的图像灰度级能跨越更大范围；实际
8、视觉能够接收的信息量大大的增强了；直方图均衡化能自动地确定变换函数，该函数寻求产生有均匀直方图的输出图像，得到的结果可预知。在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。数字图像均衡化后其直方图并非完全均匀分布的原因是：在 MATLAB 实验中，所使用的值均为离散值，在处理时不是概率密度函数与积分，而是概率与求和，所以其均衡后的直方图并非完全均匀分布。4.2 图像平滑四邻域平均平滑不加门限：这种算法简单，但它的主要缺点是在降低噪声的同时是图像模糊，特别是在边缘和细节处。而且邻域越大，在去
9、噪能力增强的同时模糊程度越严重。四邻域平均加门限即超像素平滑法：对边缘和细节处的模糊有改善，主要是这种算法的出发点是集中在在如何选择邻域的大小、形状和方向，参加平均的点数及邻域各点的权重系数等。局部平均法和超像素平滑法对图像中的噪声都有抑制作用但同时又使图像的边缘、细节处模糊。不同的平滑方法对不同的噪声的作用不同。4.3 图像锐化图像锐化的目的是增强图像的边缘和轮廓，可通过微分使图像边缘突出、清晰，可以通过 Laplacian 算子，Roberts、Prewitt 和 Sobel 边缘检测算子等方法达到增强效果。用 Laplacian 算子进行锐化，其边缘方向信息被丢失，対孤立噪声点响应是阶跃
10、边缘的四倍，对像素线条的响应是阶跃边缘的两倍，对线端和斜向边缘的响应大于垂直和水平边缘的响应。 asbtasbt tswtyxftyxg),(,),(- 11 -5. 参考文献1.许 录 平 编 著 ， 数 字 图 像 处 理 ， 科 学 出 版 社 ， 2007. 2.许 录 平 编 著 ， 数 字 图 像 处 理 学 习 指 导 ， 科 学 出 版 社 ，2009. 3.Prince, J. L. and Links, J. M Medical Imaging, Signals, and Systems， Prentice Hall 2006 4.Morgan Kaufmann Machi
11、ne Vision: Theory, Algorithms, Practicalities， Thomson Learning 2005 5.Castleman K.R. Digital Image Processing, 2nd Edition, Prentice-Hall, 2002. 6.Gonzalez R.C. and Woods R.E, Digital Image Processing, Prentice Hall, 2002 7.容 观 澳 编 著 ， 计 算 机 图 像 处 理 ， 清 华 大 学 出 版 社 ， 2000 年 2 月 。 8.崔 屹 编 著 ， 图 像 处 理 与 分 析 数 学 形 态 学 ， 科 学 出版 社 ， 2000 年 4 月 。 9.张 德 丰 等 编 著 ， MATLAB 数 字 图 像 处 理 ， 机 械 工 业 出版 社 ， 2009-1-1。 10.郭 文 强 ， 侯 勇 严 编 著 ， 数 字 图 像 处 理 ， 西 安 电 子 科技 大 学 出 版 社 ， 2009-5-1。
