1、實驗三、圖像增強一、實驗目的(1) 熟悉并學會使用 MATLAB中圖像增強的相關函數。( 2) 掌握圖像灰度修正 、平滑去噪 、銳化加強邊緣和輪廓的方法，并編程實現。二、實驗主要儀器設備( 1 ) 臺式機或筆記本電腦。(2) MATLAB 軟件含圖像處理工具箱 。注意：由于軟件版本的緣故，軟件的界面 可能有所差異，讀者可以根據實際安裝的軟件選擇相關的命令。(3) 典型的灰度、彩色圖像文件。三、實驗原理數碼相機的曝光量指到達 DC感光器件上的光線總量，用曝光值EV表示。圖像的過度曝光、曝光缺乏時，用曝光補償調節曝光量，這種功能可修正自動曝光設置值為上升或下降幾級。例如，某些DC的EV調整范圍為+

2、30-3。嘗試對同一景象進行正確曝光、過度曝光和曝光缺乏三種情況成像情況。(1) 將一幅圖像視為一個二維矩陣，用MATLAB進行圖像增強。(2) 利用MATLAB圖像處理工具箱中的函數 imread讀入，imshow顯示，imnoise加噪， filter2 濾波對圖像進行去噪處理。( 3)圖像灰度修正：灰度變換。對不滿意的圖像通過線性或非線性灰度映射關系進行變換，其效果可以得到明顯提高。通過分析，會發現變換前后圖像的直方圖 也發生相應的變化。( 4)圖像平滑方法：領域平均、中值濾波。分析圖像降質的性質，區分平穩性還是非平穩型、加性還是乘性等，采用適宜的去噪方法，可以去除或降低噪聲對圖 像的影

3、響。從頻率域看，平均操作在降低噪聲的同時衰減了圖像的高頻分量， 會影響圖像細節的重現。中值濾波對某些信號具有不變形，適用于消除圖像中 的突發干擾，但如果圖像含有豐富的細節，那么不宜使用。( 5)圖像銳化方法：人眼對目標的邊緣和輪廓較為敏感，對圖像進行銳化，有助于突出圖像的這些特征。從頻率域看，銳化提升了圖像的高頻分量。四、實驗內容MATLAB圖像增強：圖像灰度修正；圖像平滑方法；圖像銳化方法。五、實驗步驟MATLAB圖像增強。(1 )圖像灰度修正。測試圖像為、 。讀入一幅灰度級分布不協調的圖像，分析其直方圖。根據直方圖，設計灰度變換表達式，或調用 imadjuct 函數。調整變換表達 式的參數

4、，直到顯示圖像的灰度級分布均衡為止。(2) 不均勻光照的校正。測試圖像為。采用分塊處理函數blkproc 和圖像相減函數 imsubtract 校正圖存在的不均勻光照現象。(3) 三段線性變換增強。測試圖像為。選擇適宜的轉折點，編程進行三段線性變換增強。(4) 圖像平滑方法。測試圖像為。對有噪聲圖像或人為參加噪聲的圖像進行平滑處 理。根據噪聲的類型，選擇不同的去噪方法，如領域平均、中值濾波等方法， 調用filter2、medfilt2函數，選擇不同的濾波模板和參數，觀測和分析各種去噪 方法對不同噪聲圖像處理的去噪或降噪效果。(5) 圖像銳化方法。讀入一幅邊緣模糊地圖像，利用羅伯茨梯度對圖像進行

5、4種銳化處理，比擬各自效果。六、實驗程序1I = imread();subplot(2,2,1);imshow(l);subplot(2,2,2);imhist(I);J = imadjust(l,0.3 0.7,);subplot(2,2,3);imshow(J);subplot(2,2,4);imhist(J)2I=imread(rice.p ng);subplot(2,2,1);imshow(I);title(原始圖像);J = imno ise(l,salt &pepper, 0.1);subplot(2,2,2); imshow(J);title(加噪圖像);blocks=blkpr

6、oc(J,128 128,estibackgrou nd); backgro un d=imresize(blocks,256256,bil in ear); subplot(2,2,3);imshow(backgro un d);title(提取背景);I2=imsubtract(J,backgro un d);Iout=medfilt2(I2,3 3); subplot(2,2,4);imshow(Iout,);title(校正圖像);function backgray=estibackgro un d(x,thr) mean x=mea n( x(:);stdx=std(x(:);min

7、 x=mi n(x(:);backgray=max(mea nx-thr*stdx, min x);3f = imread();M,N=size(f);g=zeros(M,N);f=double(f);g=double(g);k1=mi n(min (f);k2=max(max(f);a=k1+50;b=k2-50;c=k1-30;d=k2+20;for i=1:Mfor j=1:Nif(f(i,j)=a )&(f(i,j)b) g(i,j)=(d-c)/(b-a)*(f(i,j)-a)+c;endif(f(i,j)=b) g(i,j)=d;endendendfigure;subplot(1,

8、2,1);imshow(f,);subplot(1,2,2);imshow(g,);4I = imread();subplot(2,3,1);imshow(I);title(原始圖像);J=imno ise(l,gaussia n,0.01);subplot(2,3,2);imshow(J);title(高斯白噪聲);h0=1/9.*1 1 1 1 1 1 1 1 1;h仁0.1 0.1 0.1;0.1 0.2 0.1;0.1 0.1 0.1; h2=1/16.*1 2 1;2 4 2;1 2 1;h3=1/8.*1 1 1;1 0 1;1 1 1;g0=filter2(h0,J);g1=fi

9、lter2(h1,J);g2=filter2(h2,J);g3=filter2(h3,J); subplot(2,3,3); imshow(g0,); subplot(2,3,4); imshow(g1,); subplot(2,3,5); imshow(g2,); subplot(2,3,6); imshow(g3,);5 I=imread(rice.png); subplot(2,3,1); imshow(I); title( 原始圖像 ); B1=edge(I,roberts,0.1); subplot(2,3,2);imshow(B1); title(0.1);B2=edge(I,ro

10、berts,0.05); subplot(2,3,3); imshow(B2); title(0.05);B3=edge(I,roberts,0.07); subplot(2,3,4); imshow(B3);title(0.07);B4=edge(I,roberts,0.01); subplot(2,3,5); imshow(B4);title(0.01);七、實驗結果15000 100 2002原始圖像:噪團像3提取背星校正團像40 050.07001八、思考題1) 如何針對圖像過暗、過亮、比照度缺乏設計灰度變換函數？灰度g與灰度f之間的關系為：g=a +(ba)-a)*(f-a),可見，

11、如果b-a ?!a,那么線性 變換使得圖像灰度范圍增大，即比照度增大，圖像會變得清晰；如果b-a a,那么使曝光不充分的圖像中黑的更黑，拜的更白，從而有效的提高圖像灰度的比照度。2) 比擬同一種去噪方法對不同噪聲處理的效果。對于高斯噪聲 , 仍然是中值濾波的峰值信噪比最低 , 總體變分的均方誤差最小 , 的 情況一致所以 ,對于高斯噪聲 , 中值濾波的降噪效果不太理想 , 而總體變分模型那么取 得比擬好 看出均值濾波的峰值信噪比最低,小波 TV 的峰值信噪比比擬接近而總體變分的均方誤差仍為最小，對于高斯噪聲,線性均值濾波和TV去噪可以取得較好的 去噪效果但對于椒鹽噪聲,中值濾小波、總體變分(TV)的去噪平滑效果比擬好其中, 總體變分模型對兩種噪聲都取得了比擬好的去噪效果 , 它是現在圖像平滑去噪和復 原最流行的方法但仍然會喪失局部邊界紋理信息