1、实验三 数字图像增强,了解图像增强的基本方法。 利用MATLAB提供的函数实现对图像增强处理。,一、实验目的,二、实验原理,图像增强在自然界中很多图像可能不符合人的视觉特点，因此有必要根据图像的特点采用一定的方法增强图像的视觉效果。 图像增强分为空间域和频率域。,空间域增强,空间域增强是指在空间域中，通过线性或非线性变换来增强构成图像的像素。增强的方法主要分为点处理和模板处理。 点处理：作用在单个像素，包括图像灰度变换、直方图处理和伪彩色处理等。 模板处理：作用于像素领域的处理方法，包括图像平滑和图像锐化等技术。,频率域图像增强,是增强技术的重要组成部分，通过傅立叶变换，可以把空间域混叠的成分
2、在频率域中分离出来，从而提取或滤去相应的图像成分，达到图像增强的目的。这一过程中的核心基础为傅立叶变换。 频率域图像增强技术主要有：频率域平滑技术（低通滤波）、频率域锐化技术（高通滤波）和同态滤波等。,1、直方图调整,数字图像的直方图是作为图像每一个灰度级的统计概率分布，它提供了图像灰度分布的概貌，直方图增强技术正是利用修改给定图像直方图的方法来增强图像，最后得到的图像增强程度取决于我们所采用的直方图。 直方图调整方法常用的有直方图均衡化和直方图规定化。,直方图均衡化,一幅图像的像素总数为N，分L个灰度级，用Nk代表灰度级rk出现的频数，于是第k个灰度级出现的频率为：Pr(rk)=Nk/N，其
3、中：0=rk=1，k=0,1,2,L-1。各灰度直方图均衡离散变换公式为 ；因此，可以根据原图像的直方图统计量，求得均衡化后各像素的灰度变换值。,直方图规定化,由于均衡化的直方图技术只能产生一种近似均匀的直方图，而不适于需要交互作用的图像增强的应用。实际上为了能增强图像中某些灰度级的范围，有时希望能够规定交互作用的特定的直方图，直方图规定化可看作是直方图均衡化方法的改进。 假设Pr(r)和Pz(z)分别表示原始和希望的图像概率密度函数，利用直方图均衡变化可得：,变换后的灰度s和v，其密度函数是相同的。这样，可以从原始图像中得到的均匀灰度s代替逆过程中的v，其结果灰度级z=G-1(s)就是所要求
4、的概率密度函数。 上述过程可表示为：1、将原始图像的灰度级均衡化；2、规定希望的概率密度函数，并得到变换函数G(z)。3、计算逆变换函数z=G-1(v)便得到了所希望的灰度级。,2、灰度图像常用平滑、锐化滤波,锐化和平滑是图像增强的重要手段，采用前者可以突出图像的细节，采用后者可以滤除图像中的噪声，从而达到图像清晰的目的。 平滑滤波采用平滑滤波器对图像滤波。 锐化滤波采用“原图-低通图像”及“原图-高通图像”的方法锐化图像。,三、实验用函数,颜色图变亮或变暗函数： brighten(beta) 用于调整灰度值或颜色图，0beta1增量，反之变暗 其基本调用格式如下： MAP=brighten(
5、beta) 返回当前使用的颜色图的更亮或更暗变换后的颜色图MAP，但不改变现有的显示。 NEWMAP=brighten(MAP,beta) 返回指定颜色图的更亮或更暗变换后的颜色图，但不改变显示。 brighten(FIG,beta) 增强图FIG的所有物体。,用于调整灰度值或颜色图，其基本调用格式： J=imadjust(I,low high,bottom top,gamma) 将灰度图像I转换为图像J，使值从low到high与从bottom到top相匹配。值大于high或小于low的被减去。即小于low与bottom相匹配，大于high的与top相匹配。如果矩阵为空矩阵表示缺省值为0，1。
6、gamma用来指定描述I和J值关系曲线的形状，gamma1，越亮输出值越减弱；缺省gamma=1，表示线性变换。,对比度调整函数：imadjust( ),map1=imadjust(map,low high,bottom,top,gamma) 对索引图像的颜色图进行变换，如果low high，bottom top均为23矩阵，则gamma为13向量，函数分别调整红、绿、蓝成分，调整后的颜色图的大小与原来的一样。 RGB1=imadjust(GRB,low high,bottom,top,gamma) 对彩色图像进行变换，与索引图像中颜色图调整方法一样。 特殊情况：如果topbottom，则图像
7、颜色或灰度值将倒置。,直方图调整：histeq( ),直方图均衡通过转换灰度图像亮度值或索引图像的颜色图值来增强图像对比度，输出图像的直方图近似与给定的直方图相匹配。 J=histeq(I,N) 将灰度图像I转换成具有N个离散灰度级的灰度图像J，N缺省值为64。 NEWMAP=histeq(X,MAP,hgram) 变换索引图像X的颜色图，使索引图像的灰度级成分与hgram相匹配，返回变换后的颜色图NEWMAP，length(hgram)必须与size(MAP,1)一样。,J=imhist(I,n)显示图像I的直方图， n为灰度级数目，灰图像的缺省值为256，黑白图像缺省值为2。 J=imhi
8、st(I,map)J 返回调色板为map的图像I的直方图。 counts,X=imhist(I,)返回图像I的每个灰度上的像素点数目。,滤波工具函数：fspecial(type),格式：H=fspecial(type) type取值：average 均值低通滤波gaussian 高斯低通滤波prewitt 边缘算子增强滤波sobel 边缘算子增强滤波,四、实验参考程序,灰度图像亮度调整 clear a=imread(abc.jpg); I=rgb2gray(a); subplot(1,2,1); imshow(I) J=imadjust(I,0.1 0.8,0.5); subplot(1,2,
9、2); imshow(J),灰度图像倒置 clear a=imread(abc.jpg); I=rgb2gray(a); subplot(1,2,1); imshow(I) J=imadjust(I,0 1,1 0,1.3); subplot(1,2,2); imshow(J),直方图调整,直方图均衡化 clear a=imread(abc.jpg); I=rgb2gray(a); subplot(1,2,1); imshow(a) J=histeq(I); subplot(1,2,2); imshow(J),直方图规定化,I=imread(rice.png); subplot(2,4,1);
10、imshow(I); subplot(2,4,5);imhist(I,256); J=histeq(I,32); subplot(2,4,2);imshow(J); subplot(2,4,6);imhist(J,256); counts,x=imhist(J); K=imread(cameraman.tif); subplot(2,4,3);imshow(K); subplot(2,4,7);imhist(K); L=histeq(K,counts); subplot(2,4,4);imshow(L); subplot(2,4,8);imhist(L);,几种滤波的比较,I=double(i
11、mread(cameraman.tif); subplot(2,2,1); imshow(I,) H=fspecial(average,5); F1=double(filter2(H,I); subplot(2,2,2); imshow(F1,) H=fspecial(gaussian,7,3); F2=double(filter2(H,I); subplot(2,2,3); imshow(F2,) H=fspecial(prewitt); F3=uint8(I+filter2(H,I); subplot(2,2,4); imshow(F3,),通过实验可知，均值和高斯滤波是使图像模糊，而边缘算子可以增强图像边缘。,采用“原图-低通图像”的方法锐化图像,I=double(imread(cameraman.tif); subplot(1,3,1) imshow(I,) H=fspecial(average,5); F1=double(filter2(H,I); subplot(1,3,2) imshow(F1,) F2=2*I-F1; subplot(1,3,3) imshow(uint8(F2),),五、实验报告要求,简述实验目的； 简述直方图修正技术基本原理； 分析图像处理前后图像的变化； 附程序清单和处理前后图像。,
