定制网站开发冬天里的白玫瑰,实体企业做网站好么,什么网站做执法仪,云龙微网站开发一、实验目的
#xff08;1#xff09;了解图像增强的目的及意义#xff0c;加深对图像增强的 感性认识#xff0c;巩固所学的图像增强的理论知识和相 关算法。
#xff08;2#xff09;熟练掌握直方图均衡化和直方图规定化的计算过 程。
#xff08;3#xff09;熟…一、实验目的
1了解图像增强的目的及意义加深对图像增强的 感性认识巩固所学的图像增强的理论知识和相 关算法。
2熟练掌握直方图均衡化和直方图规定化的计算过 程。
3熟练掌握空域滤波中常用的平滑和锐化滤波器。
4熟练掌握低通和高通滤波器的使用方法明确不 同性质的滤波器对图像的影响和作用。
5掌握最简单的伪彩色变换方法。
二、实验内容
1任意选择几幅图像对其进行平滑处理用 不同的平滑模板对结果进行分析。
2任意选择几幅图像对其进行中值滤波用 不同的滤波模板对结果进行分析。
3任意选择几幅图像对其进行梯度锐化选 择不同的阈值参数观察图像有何变化。
4对图像进行伪彩色变换比较彩色增强后的 图像与原图像有何不同。
三、实验代码及结果、分析
(1)平滑滤波----邻域平均法
代码
Iimread(E:\JZ数字图像处理\实验3\shiyansan.jpg);
Irgb2gray(I);
Jimnoise(I,salt pepper,0.03); %加均值为0方差为0.03的椒盐噪声Gimnoise(I,gaussian,0.03); %加均值为0方差为0.03的高斯噪声。
Afspecial(average,[4,4]); %4x4均值滤波
A1fspecial(average,[6,6]); %6x6均值滤波
A2fspecial(average,[8,8]); %8x8均值滤波
A3fspecial(average,[10,10]); %10x10均值滤波
J1 imfilter(J,A); %imfilter均值滤波函数
J2 imfilter(J,A1);
J3 imfilter(J,A2);
J4 imfilter(J,A3);
G1 imfilter(G,A);
G2 imfilter(G,A1);
G3 imfilter(G,A2);
G4 imfilter(G,A3);
figure(1)
subplot(2,3,1),imshow(I),title(原图像);
subplot(2,3,4),imshow(I),title(原图像);
subplot(2,3,2),imshow(J),title(加入椒盐噪声); %显示有椒盐噪声图像
subplot(2,3,5),imshow(G),title(加入高斯噪声); %显示有高斯噪声图像
subplot(2,3,3),imshow(J1),title(4×4均值滤波)%显示有椒盐噪声图像的滤波
subplot(2,3,6),imshow(G1),title(4×4均值滤波); %显示有高斯噪声图像的滤波
figure(2);
subplot(2,3,1),imshow(I),title(原图像);
subplot(2,3,2),imshow(J),title(加入椒盐噪声); %显示有椒盐噪声图像
subplot(2,3,4),imshow(J1),title(4×4);
subplot(2,3,3),imshow(J2),title(6×6);
subplot(2,3,5),imshow(J3),title(8×8);
subplot(2,3,6),imshow(J4),title(10×10);
figure(3)
subplot(2,3,1),imshow(I),title(原图像);
subplot(2,3,2),imshow(G),title(加入高斯噪声); %显示有高斯噪声图像
subplot(2,3,4),imshow(G1),title(4×4);
subplot(2,3,3),imshow(G2),title(6×6);
subplot(2,3,5),imshow(G3),title(8×8);
subplot(2,3,6),imshow(G4),title(10×10);
结果分析
平滑滤波的作用是对高频分量进行削弱或消除增强图像的低频分量领域平均法是线性运算、中值滤波是非线性运算在该题中加的椒盐噪声、高斯噪声方差均为0.03可以由图1-2、图1-3看出原图像在加入两种噪声之后画质都有所损失。但是椒盐噪声只是在原图像的某些地方存在而高斯噪声几乎是分布在原图像的每个地方造成了图像比之前模糊椒盐噪声又称脉冲噪声它随机改变一些像素值是由图像传感器传输信道解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起高斯分布也称正态分布有均值和方差两个参数均值反应了对称轴的方位方差表示了正态分布曲线的胖瘦。高斯分布是最普通的噪声分布平滑滤波的模板需要选择合适模板选择太小噪声无法滤除模板选择太大造成了过度处理图像会变得逐渐模糊不管是椒盐噪声、还是高斯噪声如图1-4、1-5模板逐渐增大图像逐渐模糊。
2平滑滤波----中值法
代码
Iimread(E:\大三课件\大三下\数字图像处理\实验\实验3\shiyansan.jpg);
Irgb2gray(I);
temp I;
I double(I);
%Robert梯度
w1 [-1 0; 0 1];
w2 [0 -1;1 0];
G1 imfilter(I,w1,corr,replicate);
G2 imfilter(I,w2,corr,replicate);
G abs(G1)abs(G2);
figure(1);
subplot(2,2,1);imshow(temp),title(原图像);
subplot(2,2,2);imshow(abs(G1),[]),title(w1滤波);
subplot(2,2,3);imshow(abs(G2),[]),title(w2滤波);
subplot(2,2,4);imshow(G,[]),title(Robert梯度);
%sobel梯度
w11 fspecial(sobel);
w21 w11;
G11 imfilter(I,w11);
G21 imfilter(I,w21);
G1 abs(G11)abs(G21);
figure(2);
subplot(2,2,1);imshow(temp),title(原图像);
subplot(2,2,2);imshow(G11,[]),title(水平sobel);
subplot(2,2,3);imshow(G21,[]),title(竖直sobel);
subplot(2,2,4);imshow(G1,[]),title(sobel);
%拉普拉斯滤波
w12 [0 -1 0;-1 4 -1;0 -1 0];
L12 imfilter(I,w12,corr,replicate);
figure(3);
subplot(1,2,1);imshow(temp),title(原图像);
subplot(1,2,2);imshow(abs(L12),[]);
结果分析
锐化滤波器可以消除或减弱图像的低频分量从而增强图像中物体的边缘轮廓信息使得除边缘以外的像素点的灰度值趋向于零我们要将图像类型从uint8转换为double.因为锐化模板计算时常常使输出产生负值如果采用无符号的 uint8 型 则负位会被截断图3-2Robert梯度分别以w1和w2为模板w1对接近正45 度边缘有较强响应 w2对接近负45 度边缘有较强响应,对原图像进行滤波就可得到GI和G2,最终的Robert交叉梯度图像b为G G1 G2. 图3-3第一个计算了一幅图像的竖直梯度第2个计算了一幅图像的水平梯度 它们的和可以作为完整的Sobel梯度拉普拉斯滤波输出图像中的双边缘拉普拉斯锐化对一些离散点有较强的响应 3伪彩色变换
代码
imimread(E:\JZ数字图像处理\实验3\shiyansan.jpg);
grayrgb2gray(im);
Idouble(gray);
[m,n]size(I);
L256;
for i1:m for j1:n
if I(i,j)L/2 %绿色通道 R(i,j)0; G(i,j)2*I(i,j); B(i,j)L;
else if I(i,j)L/4 %蓝色通道 R(i,j)0; G(i,j)L; B(i,j)-4*I(i,j)2*L; else if I(i,j)3*L/2 %红色通道 R(i,j)2*I(i,j)-2*L; G(i,j)L; B(i,j)0; else R(i,j)L; G(i,j)-4*I(i,j)4*L; B(i,j)0; end end
end end
end
for i1:m for j1:n rgbim(i,j,1)R(i,j); rgbim(i,j,2)G(i,j); rgbim(i,j,3)B(i,j); end
end
rgbimrgbim/256;
figure(1);
subplot(1,2,1),imshow(gray),title(原图);
subplot(1,2,2),imshow(rgbim),title(伪彩色变换);
结果分析
伪彩色处理是指通过将每一个灰度级匹配到彩色空间上的一点将单色图像映射为一副彩色图像的彩色图像最小的灰度值0映射为红色中间的灰度值L/2映射为绿色最高的灰度值L映射为蓝色
