圖像空域增強(qiáng)

1、本科生實驗報告（ 二 ）姓名: 學(xué)院: 專業(yè):信息安全班級:信息安全實驗課程名稱:數(shù)字圖像處理與分析實驗日期:2013 年 4 月 25 日指導(dǎo)教師及職稱:王云峰實驗成績:開課時間：2012-2013 學(xué)年 第 2 學(xué)期甘肅政法學(xué)院實驗管理中心印制實驗題目圖像空域增強(qiáng)小組合作否姓名 班級信息安全學(xué) 號 一、實驗?zāi)康?、掌握灰度變換的基本原理。2、掌握直方圖處理的基本原理。3、掌握Matlab中灰度變換和直方圖處理的實現(xiàn)方法。4、理解圖像濾波的基本定義及目的；5、掌握空域濾波的基本原理及方法；6、掌握用MATLAB語言進(jìn)行圖像的空域濾波的方法。二實驗環(huán)境裝有的MATLAB軟件的計算機(jī)和一些圖片。

2、三、實驗內(nèi)容與步驟圖象增強(qiáng)是通過某種技術(shù)有選擇地突出對某一具體應(yīng)用有用的信息，削弱或抑制一些無用的信息。圖象增強(qiáng)按增強(qiáng)處理所在空間不同分為空域增強(qiáng)方法和頻域增強(qiáng)方法。空域增強(qiáng):直接在圖像所在的二維空間進(jìn)行處理，即直接對每一像素的灰度值進(jìn)行處理 ?？臻g域增強(qiáng)方法主要有灰度變換增強(qiáng)、直方圖增強(qiáng)、圖像平滑和圖像銳化等。1. 灰度變換 灰度變換:基于點操作，將每一個像素的灰度值按照一定的數(shù)學(xué)變換公式轉(zhuǎn)換為一個新的灰度值。常用的有:對比度增強(qiáng)、直方圖均衡化等方法。 分段線性灰度變換(1) 程序源代碼： close all clear clc disp(=E4_4_2.m=); I=imread(rice

3、.png); subplot(3,3,1),imshow(I),ylabel(原圖像); subplot(3,3,2),imhist(I); %方法1-系統(tǒng)函數(shù)%把灰度值范圍80,160映射到20,220，灰度值小于80的映射為20，灰度值大于160的映射為220 J=imadjust(I,80/255 160/255,20/255 220/255); subplot(3,3,4),imshow(J),ylabel(變換圖像(方法1); subplot(3,3,5),imhist(J); %方法2-編程實現(xiàn)%把灰度值范圍80,160映射到20,220，灰度值小于80的映射為20，灰度值大于16

4、0的映射為220 f0=0;g0=20; %分段曲線的第1個點f1=80;g1=20; %分段曲線的第2個點f2=160;g2=220; %分段曲線的第3個點f3=255;g3=220; %分段曲線的第4個點subplot(3,3,9),plot(f0,f1,f2,f3,g0,g1,g2,g3),xlabel(f),ylabel(g),axis(0 255 0 255); %繪制變換曲線r1=(g1-g0)/(f1-f0); %曲線1的斜率b1=g0-r1*f0; %曲線1的截距r2=(g2-g1)/(f2-f1); %曲線2的斜率b2=g1-r2*f1; %曲線2的截距r3=(g3-g2)/

5、(f3-f2); %曲線3的斜率b3=g2-r3*f2; %曲線3的截距m,n=size(I); K=double(I); for i=1:m for j=1:n f=K(i,j); g(i,j)=0;17 if(f=f0)&(f=f1)&(f=f2)&(f=f3) g(i,j)=r3*f+b3; %曲線3的方程y=r3*x+b3 end end end end end subplot(3,3,7),imshow(uint8(g),ylabel(變換圖像(方法2); subplot(3,3,8),imhist(uint8(g); (2)實驗結(jié)果 灰度變換（對數(shù)變換） (1) 程序源代碼： cl

6、ose all clear clc disp(=E4_4_6.m=); I=imread(rice.png); subplot(3,3,1),imshow(I),ylabel(原圖像); subplot(3,3,2),imhist(I); %對數(shù)變換c=255/log(1+255); % 語句1 x=0:1:255; y=c*log(1+x); subplot(3,3,6),plot(x,y),axis tight,xlabel(f),ylabel(g); %繪制變換曲線m,n=size(I); K=double(I); g=c*log(K+1); % %等價的循環(huán)語句實現(xiàn)for i=1:m

7、for j=1:n g(i,j)=0; g(i,j)=c*log(K(i,j)+1); end end % subplot(3,3,4),imshow(uint8(g),ylabel(對數(shù)變換);subplot(3,3,5),imhist(uint8(g); %#系統(tǒng)函數(shù)調(diào)用# J=imadjust(I,0.216); subplot(3,3,7),imshow(J),ylabel(對數(shù)變換(系統(tǒng)調(diào)用); subplot(3,3,8),imhist(J); (2)實驗結(jié)果：直方圖處理（直方圖均衡化） (1) 程序源代碼： close all clear clc disp(=E4_5_2.m=)

8、; I=imread(tire.tif); J=histeq(I); subplot(2,2,1),imshow(I),ylabel(原圖像); subplot(2,2,2),imhist(I); subplot(2,2,3),imshow(J),ylabel(直方圖均衡圖像); subplot(2,2,4),imhist(J); (2) 觀察并記錄實驗結(jié)果：作為實驗報告的內(nèi)容。2. 空域濾波空域濾波:基于鄰域處理，應(yīng)用某一模板對每個像素及其周圍鄰域的所有像素進(jìn)行某種數(shù)學(xué)運(yùn)算，得到該像素的新的灰度值。圖像平滑與銳化技術(shù)就屬于空域濾波。均值濾波是在空間域?qū)D像進(jìn)行平滑處理的一種方法，易于實現(xiàn)，效

9、果也挺好。中值濾波是一種非線性處理技術(shù)，能抑制圖像中的噪聲。它是基于圖像的這樣一種特性：噪聲往往以孤立的點的形式出現(xiàn)，這些點對應(yīng)的象素很少，而圖像則是由像素數(shù)較多、面積較大的小塊構(gòu)成。在一維的情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。在處理之后，位于窗口正中的像素的灰度值，用窗口內(nèi)各像素灰度值的中值代替。中值濾波在某些情況下抑制噪聲，而在另一些情況下卻會抑制信號。均值濾波源代碼I=imread(rice.tif);J=imnoise(I, salt&pepper, 0.02);h=fspecial(average, 3);I2=filter2(h, J); subplot(1,3,1),

10、imshow(I), title(原圖像);subplot(1,3,2), imshow(J), title(加噪聲圖像);subplot(1,3,3), imshow(I2, ), title(均值濾波后圖像);程序執(zhí)行的結(jié)果如圖：結(jié)論：鄰域平均法雖然可以平滑圖像，但在消除噪聲的同時，會使圖像中的一些細(xì)節(jié)變得模糊。中值濾波則在消除噪聲的同時還能保持圖像中的細(xì)節(jié)部分，防止邊緣模糊 。中值濾波是一種非線性濾波。它首先確定一個奇數(shù)像素窗口W，窗口內(nèi)各像素按灰度值從小到大排序后，用中間位置灰度值代替原灰度值。設(shè)增強(qiáng)圖像在(x,y)的灰度值為f(x,y)，增強(qiáng)圖像在對應(yīng)位置(x,y)的灰度值為g(x,

11、y)，則有： W為選定窗口大小。中值濾波源代碼：I=imread(rice.tif);J=imnoise(I, gaussian, 0.02);I2=medfilt2(J, 3, 3);subplot(1,3,1), imshow(I), title(原圖像);subplot(1,3,2), imshow(J), title(加噪聲圖像);subplot(1,3,3), imshow(I2), title(中值濾波后圖像);運(yùn)行的結(jié)果如圖； 四、實驗過程與分析圖象增強(qiáng)是通過某種技術(shù)有選擇地突出對某一具體應(yīng)用有用的信息，削弱或抑制一些無用的信息。圖象增強(qiáng)按增強(qiáng)處理所在空間不同分為空域增強(qiáng)方法和頻

12、域增強(qiáng)方法?？沼蛟鰪?qiáng):直接在圖像所在的二維空間進(jìn)行處理，即直接對每一像素的灰度值進(jìn)行處理 。空域增強(qiáng)按技術(shù)不同可分為灰度變換和空間濾波。灰度變換:基于點操作，將每一個像素的灰度值按照一定的數(shù)學(xué)變換公式轉(zhuǎn)換為一個新的灰度值。常用的有:對比度增強(qiáng)、直方圖均衡化等方法?；叶茸儞Q增強(qiáng)灰度變換可使圖像對比度擴(kuò)展，圖像清晰，特征明顯。它是圖像增強(qiáng)的重要手段?；叶茸儞Q是一種點處理方法，它將輸入圖像中每個像素(x,y)的灰度值f(x,y)，通過映射函數(shù)T()，變換成輸出圖像中的灰度g(x, y)，即： g(x,y)=Tf(x,y) 灰度變換可以選擇不同的灰度變換函數(shù)，如正比函數(shù)和指數(shù)函數(shù)等 。常用的灰度變換函

13、數(shù)主要有： 1.線性灰度變換。 2.分段線性灰度變換。 3.非線性灰度變換。 將輸入圖像（原始圖像）灰度值的動態(tài)范圍按線性關(guān)系公式拉伸擴(kuò)展至指定范圍或整個動態(tài)范圍。線性拉伸采用的變換公式一般為:g(x,y)=f(x,y) C+R C、R的值由輸出圖像的灰度值動態(tài)范圍決定。假定原始輸入圖像的灰度取值范圍為fmin, fmax，輸出圖像的灰度取值范圍gmin, gmax，其變換公式為一般要求gmin fmax。線性拉伸示意圖如下: 線性拉伸前:圖象灰度集中在a,b之間.線性拉伸后:圖象灰度集中在a,b之間.線性拉伸將原始輸入圖像中的灰度值不加區(qū)別地擴(kuò)展。在實際應(yīng)用中,為了突出圖像中感興趣的研究對象

14、，常常要求局部擴(kuò)展拉伸某一范圍的灰度值，或?qū)Σ煌秶幕叶戎颠M(jìn)行不同的拉伸處理，即分段線性拉伸。分段線性拉伸是僅將某一范圍的灰度值進(jìn)行拉伸，而其余范圍的灰度值實際上被壓縮了。常用的幾種分段線性拉伸的示意圖 :非線性拉伸不是對圖像的整個灰度范圍進(jìn)行擴(kuò)展，而是有選擇地對某一灰度值范圍進(jìn)行擴(kuò)展，其他范圍的灰度值則有可能被壓縮。與分段線性拉伸區(qū)別: 非線性拉伸不是通過在不同灰度值區(qū)間選擇不同的線性方程來實現(xiàn)對不同灰度值區(qū)間的擴(kuò)展與壓縮，而是在整個灰度值范圍內(nèi)采用統(tǒng)一的非線性變換函數(shù)，利用函數(shù)的數(shù)學(xué)性質(zhì)實現(xiàn)對不同灰度值區(qū)間的擴(kuò)展與壓縮。常用的兩種非線性擴(kuò)展方法 :(1)對數(shù)擴(kuò)展:基本形式: g(x,y)

15、=lgf(x,y) 實際應(yīng)用中一般取自然對數(shù)變換，具體形式如下：g(x,y)=Clnf(x,y)+1 f(x,y)+1是為了避免對零求對數(shù)，C為尺度比例系數(shù)，用于調(diào)節(jié)動態(tài)范圍。 變換函數(shù)曲線 :(2)指數(shù)擴(kuò)展:基本形式: g(x,y)=bf(x,y) 實際應(yīng)用中，為了增加變換的動態(tài)范圍，一般需要加入一些調(diào)制參數(shù)。具體形式如下：g(x,y)=bcf(x,y)-a-1 ，參數(shù)a可以改變曲線的起始位置，參數(shù)c可以改變曲線的變化速率.指數(shù)擴(kuò)展可以對圖像的高亮度區(qū)進(jìn)行大幅擴(kuò)展. 灰度直方圖灰度直方圖是灰度值的函數(shù)，它描述了圖像中各灰度值的像素個數(shù)。通常用橫坐標(biāo)表示像素的灰度級別，縱坐標(biāo)表示對應(yīng)的灰度級出

16、現(xiàn)的頻率（像素的個數(shù)）。頻率的計算公式為：p(r)=nr ，nr是圖像中灰度為r的像素數(shù) 。常用的直方圖是規(guī)格化和離散化的，即縱坐標(biāo)用相對值表示。 設(shè)圖像總像素為N，某一級灰度像素數(shù)為nr，則直方圖表示為： p(r)= nr /N 灰度直方圖反映了一幅圖像的灰度分布情況。直方圖均衡化通過把原圖像的直方圖通過變換函數(shù)修正為分布比較均勻的直方圖，從而改變圖像整體偏暗或整體偏亮，灰度層次不豐富的情況，這種技術(shù)叫直方圖均衡化。直方圖均衡化過程解析: 設(shè)r和s分別表示原圖像灰度級和經(jīng)直方圖均衡化后的圖像灰度級。為便于討論，對r和s進(jìn)行歸一化，使：0r，s1. 對于一幅給定的圖像，歸一化后灰度級分布在0r

17、l范圍內(nèi)。對0，1區(qū)間內(nèi)的任一個r值進(jìn)行如下變換： s=T(r) .變換函數(shù)s=T(r)應(yīng)滿足下列條件：在0r1的區(qū)間內(nèi),T(r)單值單調(diào)增加。保證圖像的灰度級從白到黑的次序不變 對于0r1,有0T(r)1。保證映射變換后的像素灰度值在允許的范圍內(nèi)。 從s到r的反變換用下式表示. r的概率密度為， s的概率密度為可由求出，對上述等式求導(dǎo)并積分最終得到:，該式右邊為的累積分布函數(shù)。表明當(dāng)變換函數(shù)為r的累積分布函數(shù)時，能達(dá)到直方圖均衡化的目的。 離散形式的直方圖均衡化:設(shè)一幅圖像的像元數(shù)為n，共有l(wèi)個灰度級，nk代表灰度級為rk的像元的數(shù)目，則第k個灰度級出現(xiàn)的概率可表示為：變換函數(shù)T(r)可改寫

18、為 :均衡化后各像素的灰度值可直接由原圖像的直方圖算出。 空間平滑濾波增強(qiáng) 空域平滑濾波器的設(shè)計比較簡單，常用的有鄰域均值法和中值濾波法，前者是線性的，后者則是非線性的。 鄰域平均法 假設(shè)圖像由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關(guān)性，而噪聲則相對獨立。可以將一個像素及其鄰域內(nèi)的所有像素的平均灰度值賦給平滑圖像中對應(yīng)的像素，從而達(dá)到平滑的目的，又稱均值濾波或局部平滑法。最簡單的鄰域平均法為非加權(quán)鄰域平均： 一幅圖像大小為NN的圖像f(x,y)，用鄰域平均法得到的平滑圖像為g(x,y)，則 x,y=0,1,N-1;s為(x,y)鄰域中像素坐標(biāo)的集合，其中不包括(x,y);M表示集合s內(nèi)像素的總數(shù)。常用的鄰域有4-鄰域和8- 鄰域。非加權(quán)鄰域平均法可以用模板卷積求得，即在待處理圖