1、人體骨骼核掃描圖的混合空間增強一、 實驗目的：對混合模糊圖像進行處理，為得到一個滿意的結果，對其應用多種互補的圖像增強技術，最終得到良好效果。二、 實驗要求：本次的數字圖像處理作業是對人體骨骼核掃描圖片進行混合增強處理，通過混合增強突出骨骼的更多細節。原圖中骨骼比較模糊，邊緣不夠清晰，對比度不夠，對此應該采取的策略是首先用拉普拉斯變換突出圖像中的小細節，然后用梯度法突出其邊緣。平滑后的拉普拉斯變換將用于掩蔽拉普拉斯圖像，最后用灰度變換來擴展圖像的灰度動態范圍。三、 實驗內容：軟件開發環境：基于matlab實現軟件編寫。具體步驟：（1）拉普拉斯算子h1=0,-1,0;-1,4,-1;0,-1,0

2、;離散拉普拉斯所用的濾波器掩膜,用h1與原圖進行卷積，得到中心像素點與鄰域像素點的差值。M1=imfilter(I,h1);%掩膜得到的拉普拉斯變換圖M1M2=M1+I; %與原圖相加得到M2，銳化原圖 （2）邊緣檢測 一幅圖像的邊緣是通過一階和二階數字導數來檢測得到的。邊緣的寬度取決于從初始灰度級躍變到最終灰度級的斜坡的長度。這個長度又取決于斜度，而斜度又取決于模糊程度。所以，我們可知，模糊的邊緣使其變粗，而清晰的邊緣使其變得較細。一幅數字圖像的一階導數是基于各種二維梯度的近似值。圖像在位置的梯度定義為下列向量：梯度向量指向在坐標的的最大變化率方向。在邊緣檢測中，一個重要的量是向量的大小，用

3、表示，。一般來講稱為梯度。在實踐中計算數字梯度時最常用的是Prewitt算子和Sobel算子，雖然Prewitt模版的實現比Sobel模版更簡單，但是Sobel模版在抑制噪聲上更勝一籌，考慮到圖片中的噪聲，所以在此處用Sobel模版。模版是用于求梯度分量的，其中Sobel算子為H1= -1 -2 -1 0 0 0 1 2 1H2= 1 0 -1 2 0 -2 1 0 -1實現圖像邊緣檢測的程序代碼（Matlab）為：h2=-1,-2,-1;0,0,0;1,2,1;h3=-1,0,1;-2,0,2;-1,0,1;Gx=imfilter(I,h2);Gy=imfilter(I,h3);for i=

4、1:m for j=1:n M3(i,j)=abs(Gx(i,j)+abs(Gy(i,j); endend % sobel算子運算結果得到M3，保留邊緣去除噪聲根據最后運行的結果顯示，Sobel圖像的邊緣要比拉普拉斯圖像的邊緣突出很多。拉普拉斯變換作為一種二階微分算子，在圖像細節的增強處理方面有明顯的優點，但拉普拉斯變換與梯度變換相比較會產生更多的噪聲。其中位于平滑區域的噪聲非常顯眼，梯度變換在灰度變換的區域的相應要比拉普拉斯更強烈，而梯度變換對噪聲和小細節的響應要比拉普拉斯變換弱，而且可以通過均值濾波器對其進行平滑處理而進一步的降低，對梯度圖像進行平滑處理并用拉普拉斯圖像與他相乘。處理后的結

5、果在灰度變化強的區域仍然保留細節，而在灰度變化相對平坦的區域則減少噪聲，這種處理可以看做是將拉普拉斯變換與梯度變換的有點結合。（3）平滑處理用一個5*5的均值濾波器對圖像進行平滑處理，代碼為M4=M3;for x=3:m-2 for y=3:n-2 for a=-2:2 for b=-2:2 M4(x,y)=(M4(x,y)+M3(x+a,y+b)/25; end end endend %5*5的均值濾波器對圖像進行平滑處理（3）銳化圖像 拉普拉斯與平滑后的梯度圖像乘積的結果可以看出，強邊緣的優勢和可見噪聲的減少。將乘積圖像與原始圖像相加就得到了銳化圖像。與原始圖像相比，銳化處理后的圖像細節增

6、加很明顯。單獨使用拉普拉斯或者梯度變換不能達到這種效果。而且以上的銳化過程沒有影響圖像的灰度動態變化范圍。進行增強處理的最后一步就是擴大銳化圖像的灰度動態范圍。程序代碼：M6=I+M5;%得到的銳化圖像for x=1:m for y=1:n M7(x,y)=(M6(x,y)0.5; endend %做冪次變換，擴散灰度范圍，提升對比度，但冪次必須小于1經過該步以后，人體的骨架清晰可見，相比原圖顯示了很好的視覺改進效果。四、 學習總結在這次的作業中，我使用了課本提供的算法流程，熟悉運用了拉普拉斯銳化和冪次變換提升對比度的原理方法，了解了matlab在數字圖像處理中的簡單使用，不僅加深了對書本知識

7、的理解，也加深了對于本門課程的了解和喜愛。五、 代碼實現及運行結果clearJ=imread('picture.jpg');m,n=size(J);I=im2double(J);h1=0,-1,0;-1,4,-1;0,-1,0;M1=imfilter(I,h1);%拉普拉斯變換得到M1M2=M1+I;%與原圖相加得到M2,銳化原圖h2=1,0,-1;2,0,-2;1,0,-1;h3=-1,-2,-1;0,0,0;1,2,1;Sx=imfilter(I,h2);Sy=imfilter(I,h3);for i=1:m for j=1:n M3(i,j)=sqrt(Sx(i,j)2+

8、(Sy(i,j)2); endend%sobel算子運算結果得到M3,保留邊緣去除噪聲M4=zeros(m,n);for x=2:m-1 for y=2:n-1 for a=-1:1 for b=-1:1 M4(x,y)=(M4(x,y)+M3(x+a,y+b)/9; end end endendfor c=1:m for d=1:n M4(c,1)=M3(c,1); M4(1,d)=M3(1,d); endend%作3*3模板的均值平滑for e=1:m for f=1:n M5(e,f)=M2(e,f)*M4(e,f); endendM6=I+M5;for g=1:m for h=1:n M7(g,h)=2*(M6(g,h)1.15; endend%作冪次變換,提升亮度2倍,提升對比度subplot(241);imshow(I);subplot(242);imshow(M1);subplot(243);imshow(M2);su