圖像增強(qiáng)實驗報告

1、基于像素的圖像增強(qiáng) 實驗報告姓名：趙傳 學(xué)號：1120120260一、 實驗?zāi)康膱D像增強(qiáng)作為基本的圖像處理技術(shù)，其目的是對圖像進(jìn)行加工，以得到對具體應(yīng)用來說視覺效果更“好”更“有用”的圖像。由于具體應(yīng)用的目的和要求不同，因而“好”和“有用”的含義也不相同，因此圖像增強(qiáng)技術(shù)是面向具體問題的。從根本上說，圖像增強(qiáng)的通用標(biāo)準(zhǔn)是不存在的。本實驗通過應(yīng)用課堂上介紹過的圖像空域增強(qiáng)方法中的點(diǎn)處理，在MATLAB軟件上進(jìn)行編程，實現(xiàn)對不同圖像（主要是黑白圖像）的處理，從而加深對這些方法在原理層面的認(rèn)識；同時通過簡單的判斷，較為“主觀”給出不同方法處理不同問題時的優(yōu)劣程度。二、 引言由于受自然環(huán)境，獲取圖像的

2、手段（傳感器）、方式，圖像傳輸，圖像接收等一系列因素的影響，使得獲取的圖像信息往往存在許多問題，如：圖像偏暗、偏亮、動態(tài)范圍小、有噪點(diǎn)、對比度小等。嚴(yán)重影響了有用信息的提取，因此，圖像后期處理（圖像增強(qiáng)技術(shù)）就顯得十分重要。在這門課程中，我學(xué)到了圖像增強(qiáng)技術(shù)根據(jù)其處理的空間不同，可分為兩大類：空域方法和頻域方法。前者直接在圖像所在像素空間進(jìn)行處理；而后者是通過對圖像進(jìn)行傅里葉變換后在頻域上間接進(jìn)行的。在空域方法中，根據(jù)每次處理是針對單個像素還是小的子圖像塊又可分為兩種：一種是基于像素的圖像增強(qiáng)，也叫點(diǎn)處理，這種增強(qiáng)過程中對每個像素的處理與其他像素?zé)o關(guān)；另一種是基于模板的圖像增強(qiáng)，也叫空域濾波，

3、這種增強(qiáng)過程中的每次處理操作都是基于圖像中的某個小的區(qū)域。本實驗主要針對點(diǎn)處理。點(diǎn)處理有以下幾種方式：1. 圖像反轉(zhuǎn)。所謂圖像反轉(zhuǎn)，簡單說來就是使黑變白，使白變黑。2. 分段線性變換。增強(qiáng)圖像對比度實際是增強(qiáng)原圖的各部分的反差，也就是說增強(qiáng)圖像中感興趣的灰度區(qū)域，相對抑制那些不感興趣的灰度區(qū)域。3. 指數(shù)變換。也叫校正，通過設(shè)置 的值 從而根據(jù)具體需要增強(qiáng)圖像對比度。4. 對數(shù)變換。對于因動態(tài)范圍太大而引起的失真，最常用的是借助對數(shù)形式對動態(tài)范圍進(jìn)行調(diào)整。5. 直方圖均衡化。若一幅圖像其像素占有全部可能的灰度級并且分布均勻，則這樣的圖像有高對比度和多變的灰度色調(diào)，而顯示出一幅灰度級豐富且動態(tài)范

4、圍大的圖像。三、 問題描述及解決方法1.輸入圖像如下：該圖像是一張醫(yī)用圖像，為了更清楚的觀察到某些病變組織、結(jié)構(gòu)，需要突出圖上某些信息。針對存在問題，可以考慮應(yīng)用圖像反轉(zhuǎn)的方法。2.輸入圖像如下：該圖整體偏暗，從灰度直方圖可以清楚發(fā)現(xiàn)圖片整體灰度在100以下。因而，該圖某些細(xì)節(jié)無法看到。處理方法可以嘗試線性灰度變換，將某些灰度較低的圖像映射為灰度值較高的圖像，從而使某些細(xì)節(jié)可以看的更清楚。3.輸入圖像如下： 該圖像整體偏亮，也導(dǎo)致了某些細(xì)節(jié)無法看清。在灰度直方圖上可以看出，灰度在200左右的像素點(diǎn)數(shù)非常多。因此，可以利用 校正的方法。當(dāng)設(shè)定 時，可以使圖像變暗；當(dāng) 時，可以使圖像變亮（可以用來

5、處理問題2）。4.輸入圖像如下：該圖像存在的問題是：灰度分布不均勻。可以采用直方圖均衡化的方法解決這一問題。四、 實驗1. 圖像反轉(zhuǎn)法第一行為輸入，第二行為輸出。結(jié)果對比及分析：本實驗實現(xiàn)的是“黑變白，白變黑”，即每一個像素點(diǎn)的灰度值變?yōu)?55減去原來灰度值，這樣可以突出某些原來不明顯的特征，經(jīng)常用于醫(yī)療領(lǐng)域圖像處理。2. 分段線性變換第一行是輸入，第二行是輸出。進(jìn)行線性分段變換的函數(shù)為： 結(jié)果對比及分析：通過線性變化，第一，將低灰度部分映射到高灰度部分，使圖像整體變亮。第二，擴(kuò)大了圖像的動態(tài)范圍，使圖像細(xì)節(jié)更加突出。3. 校正 圖1 圖2圖1中，第一行為輸入，第二行為輸出。圖2為變換函數(shù)。

6、圖3圖3中，第一行 ，第二行 ，第三行 圖4 圖5圖4中，第一行為輸入，第二行 ，第三行 結(jié)果對比及分析：圖1應(yīng)用指數(shù)變換，將原來偏亮的圖像變暗，則圖像細(xì)節(jié)更加突出。圖3、圖4證明，隨著 的增大，圖像逐漸變暗；隨著 的減小，圖像逐漸變亮。4.直方圖均衡化 圖1圖1，第一行為輸入，第二行為輸出。 圖2圖2，第一行為經(jīng)過第一次圖像均衡化后的圖像，第二行為經(jīng)過第二次圖像均衡化的圖像。結(jié)果對比及分析：由圖1可知，經(jīng)過灰度均衡化變換后，圖片對比度增大，圖像細(xì)節(jié)更加豐滿。但是根據(jù)灰度直方圖可知，由于圖像是由離散點(diǎn)構(gòu)成，均衡后的圖像仍然不能做到讓所有灰度上分布相同像素點(diǎn)數(shù)。由圖2證明，灰度均衡化只能使用一次

7、，多次重復(fù)，圖像無變化。五、 結(jié)論優(yōu)點(diǎn)：圖像點(diǎn)運(yùn)算可以解決圖像偏暗、偏亮、動態(tài)范圍小等問題。經(jīng)過圖像點(diǎn)運(yùn)算，也可以增強(qiáng)圖像中某些我們更加關(guān)注的細(xì)節(jié)，讓圖像更迎合人的視覺感覺。缺點(diǎn)：除了反轉(zhuǎn)變換，其他所有變換方式不可避免的都會產(chǎn)生圖像信息丟失的問題。使用灰度均衡變換時，甚至?xí)奚鼒D像細(xì)節(jié)、出現(xiàn)偽輪廓、噪聲增強(qiáng)等問題。值得一提的是，使用這些方法時，要根據(jù)具體需要選擇合適的變換方式、變換參數(shù)。并且圖像處理是一個非常主觀的過程，不存在絕對的對與錯、好與壞。六、 主要程序1. 反轉(zhuǎn)變換clearclcclose all im=imread('D:1120120260 ÕÔ&#

8、180;«13.tif'); im1=255-im; subplot(2,2,2),imhist(im)subplot(2,2,1),imshow(im)subplot(2,2,4),imhist(im1)subplot(2,2,3),imshow(im1)2. 分段線性變換clearclcclose all im=imread('D:1120120260 ÕÔ´«12.tif');% imshow(im)subplot(2,2,1),imshow(im)subplot(2,2,2),imhist(im)im=doubl

9、e(im);m,n=size(im); s1=10;s2=80;t1=30;t2=200;im1 = zeros(1,256); for i=1:m for j=1:n if im(i,j)<=s1 im1(i,j)=im(i,j) elseif im(i,j)<=s2 im1(i,j)=(t2-t1)/(s2-s1)*(im(i,j)-s1)+t1; else im1(i,j)=(255-t2)/(255-s2)*(im(i,j)-s2)+t2; end endend subplot(2,2,3),imshow(uint8(im1)subplot(2,2,4),imhist(ui

10、nt8(im1)3. 校正learclcclose all im=imread('D:1120120260 ÕÔ´«11.tif');im1=double(im);% subplot(2,2,1),imshow(im,)% subplot(2,2,2),imhist(im);im1=im1./255;y=5;im_1=im1.y;% subplot(2,2,4),imhist(im_1);% subplot(2,2,3),imshow(im_1,);y=10im_2=im1.y; y=30im_3=im1.y; subplot(3,2,1

11、),imhist(im_1);subplot(3,2,2),imshow(im_1,);subplot(3,2,3),imhist(im_2);subplot(3,2,4),imshow(im_2,);subplot(3,2,5),imhist(im_3);subplot(3,2,6),imshow(im_3,);% r=0:0.001:1;% s=r.y;% figure,plot(r,s);% hold on% plot(r,r,'r')4.直方圖均衡化clearclcclose all im = imread('D:1120120260 ÕÔ´«LENA.bmp');% subplot(2,2,1),imshow(im)% subplot(2,2,2),imhist(im)J=histeq(im,256)H=histeq(J,256) % subplot(2,2,3),imshow(J)% subplot(2,2,4),imhist(J)% imhist(J);% figure,imhist(H)% % figure,imshow(J);