实验四图像增强

信息工程学院实验报告

课程名称：数字图像处理Array

实验项目名称：实验四图像增强实验时间：2016.11.08

班级：：学号：

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，巩固所学理论知识。

2. 掌握图像空域增强算法的基本原理。

3. 掌握图像空域增强的实际应用及MATLAB实现。

4. 掌握频域滤波的概念及方法。

5. 熟练掌握频域空间的各类滤波器。

6.掌握怎样利用傅立叶变换进行频域滤波。

7. 掌握图像频域增强增强的实际应用及MATLAB实现。

二、实验步骤及结果分析

1. 基于幂次变换的图像增强

程序代码：

clear all;

close all;

I{1}=double(imread('fig534b.tif'));

I{1}=I{1}/255;

figure,subplot(2,4,1);imshow(I{1},[]);hold on

I{2}=double(imread('room.tif'));

I{2}=I{2}/255;

subplot(2,4,5);imshow(I{2},[]);hold on

for m=1:2

Index=0;

for lemta=[0.5 5]

Index=Index+1;

F{m}{Index}=I{m}.^lemta;

subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[])

end

执行结果：

图1 幂次变换增强结果

实验结果分析：

由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。

2.直方图规定化处理

程序代码：

clear all

clc

close all

%0.读图像

I=double(imread('lena.tiff'));

subplot(2,4,1);

imshow(I,[]);

title('原图')

N=32;

Hist_image=hist(I(:),N);

Hist_image=Hist_image/sum(Hist_image);

Hist_image_cumulation=cumsum(Hist_image);%累

计直方图

subplot(245);

stem(0:N-1,Hist_image);

title('原直方图');

%1.设计目标直方图

Index=0:N-1;

%正态分布直方图

Hist{1}=exp(-(Index-N/2).^2/N);

Hist{1}=Hist{1}/sum(Hist{1});

Hist_cumulation{1}=cumsum(Hist{1});

subplot(242);

title('规定化直方图1');

%倒三角形状直方图

Hist{2}=abs(2*N-1-2*Index);

Hist{2}=Hist{2}/sum(Hist{2});

Hist_cumulation{2}=cumsum(Hist{2});

subplot(246);

stem(0:N-1,Hist{2});

title('规定化直方图2');

%2. 规定化处理

Project{1}=zeros(N);

Project{2}=zeros(N);

Hist_result{1}=zeros(N);

Hist_result{2}=zeros(N);

for m=1:2

Image=I;

%SML处理(SML,Single Mapping Law单映射规则

for k=1:N

Temp=abs(Hist_image_cumulation(k)-Hist_cumulati

on{m});

[Temp1,Project{m}(k)]=min(Temp);

end

%2.2 变换后直方图

for k=1:N

if isempty(Temp)

Hist_result{m}(k)=0;

else Hist_result{m}(k)=sum(Hist_image(Temp)); end

end

subplot(2,4,(m-1)*4+3);

stem(0:N-1,Hist_result{m});

title(['变换后的直方图',num2str(m)]);

%2.3结果图Step=256/N;

for K=1:N

Index=find(I>=Step*(k-1)&I

Image(Index)=Project{m}(k);

end

subplot(2,4,(m-1)*4+4),imshow(Image,[]); title(['变换后的结果图',num2str(m)]); end

执行结果：

原图

规定化直方图

变换后的直方图1

变换后的结果图1

变换后的直方图2

变换后的结果图2图2 直方图规定化

实验结果分析：

由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。

3.灰度图像常用平常、锐化滤波

程序代码：

clear all;

close all;

%0.原图

I=double(imread('lena.tiff'));

subplot(2,4,1);imshow(I,[]);title('原图');H=fspecial('average',5);

F{1}=double(filter2(H,I));

subplot(2,4,2);imshow(F{1},[]);title('均值低通滤波');

%2.gaussian 低通滤波

F{2}=double(filter2(H,I));

subplot(2,4,3);imshow(F{2},[]);title('高斯低通滤波');

%3.增强图像=原图-均值低通滤波 F{3}=2*I-F{1};

subplot(2,4,4);imshow(uint8(F{3}),[]);title('原图-均值低通滤波');

%4.增强图像=原图-高斯低通滤波 F{4}=2*I-F{2};

subplot(2,4,5);imshow(uint8(F{4}),[]);title('原图-高斯低通滤波');

%5.'prewitt'边缘算子增强 H=fspecial('prewitt'); F{5}=uint8(I+filter2(H,I));

subplot(2,4,6);imshow(F{5},[]);title('prewitt 边缘算子增强');

%6.'soble'边缘算子增强 H=fspecial('sobel'); F{6}=uint8(I+filter2(H,I));

subplot(2,4,7);imshow(F{6},[]);title('sobel 边缘算子增强');

执行结果：

原

图

均值低通滤

波

高斯低通滤

波

原图-均值低通滤

波

原图-高斯低通滤

波prewitt 边缘算子增

强sobel 边缘算子增强

图3 灰色图像平滑、锐化

实验结果分析：

由实验结果可知，均值和高斯滤波都使原图模糊，而采用原图减去低通滤波图像方法、prewitt 算子、sobel 算子都可以增强图像边缘。

4. 频率域滤波：对于给定图像+噪声，使用不同的频域滤波器对图像进行滤波处理。 (1)用Butterworth 低通滤波器实现图像信号的滤波运算。程序代码：

clear all ; close all ;

%(a)读入并显示图像electric.tif ； I=imread('electric.tif');

subplot(2,3,1),imshow(I);title('原图像'); %(b)利用imnoise 命令在图electric.tif 上加入高

J=imnoise(I,'gaussian',0,0.01);

subplot(2,3,2),imshow(J);title('加入高斯噪声的图像');

%(c)用Butterworth 低通滤波器实现图像信号的滤波运算,变换不同的截止频率d I1=fftshift(fft2(J));

N=2;d1=30;d2=50;d3=70;d4=90; n1=floor(m/2);n2=floor(n/2); for i=1:m for j=1:n

d=sqrt((i-n1)^2+(j-n2)^2); H1=1/(1+(d/d1)^(2*N)); H2=1/(1+(d/d2)^(2*N)); H3=1/(1+(d/d3)^(2*N)); H4=1/(1+(d/d4)^(2*N)); I3(i,j)=H1*I1(i,j); I5(i,j)=H2*I1(i,j); I7(i,j)=H3*I1(i,j); I9(i,j)=H4*I1(i,j); end end I3=ifftshift(I3);

I4=real(ifft2(I3)); I5=ifftshift(I5); I6=real(ifft2(I5)); I7=ifftshift(I7); I8=real(ifft2(I7)); I9=ifftshift(I9); I10=real(ifft2(I9));

subplot(2,3,3),imshow(I4,[]),title('Butterworth 低通滤波器d1=30');

subplot(2,3,4),imshow(I6,[]),title('Butterworth 低通滤波器d2=50');

subplot(2,3,5),imshow(I8,[]),title('Butterworth 低通滤波器d3=70');

subplot(2,3,6),imshow(I10,[]),title('Butterworth 低通滤波器d4=90');

执行结果：

原图

像

加入高斯噪声的图

像

Butterworth 低通滤波器

d1=30

Butterworth 低通滤波器

d2=50Butterworth 低通滤波器

d3=70Butterworth 低通滤波器d4=90

图4 Butterworth 低通滤波器滤波结果

实验结果分析：

由实验结果可知，采用Butterworth 低通滤波器对加噪声的图像进行滤波运算，滤波器的截止频率d 越小，滤波后的图像越模糊。

(2)用理想低通滤波器实现图像信号的滤波运算

程序代码：

clear all;

close all;

I=imread('electric.tif');

subplot(2,3,1),imshow(I);title('原图像');

F=imnoise(I,'gaussian',0,0.01);

subplot(2,3,2),imshow(F);title('加入高斯噪声的图像');

%傅里叶变换并把频谱中心移到中点

F1=fft2(F);

I1=fftshift(F1);

%构建理想低通滤波器

[m,n]=size(I1);

d1=30;d2=50;d3=70;d4=90;

n1=floor(n/2);n2=floor(m/2);

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d1

H1(u,v)=1;

else

H1(u,v)=0;

end

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d2

H2(u,v)=1;

else

H2(u,v)=0;

end

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d3

H3(u,v)=1;else

H3(u,v)=0;

end

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d4

H4(u,v)=1;

else

H4(u,v)=0;

end

J1=I1.*H1;

J2=I1.*H2;

J3=I1.*H3;

J4=I1.*H4;

K1=ifft2(ifftshift(J1));

K2=ifft2(ifftshift(J2));

K3=ifft2(ifftshift(J3));

K4=ifft2(ifftshift(J4));

C1=real(K1);

C2=real(K2);

C3=real(K3);

C4=real(K4);

subplot(2,3,3);imshow(C1,[]);title('滤波结果图像,d1=30');

subplot(2,3,4);imshow(C2,[]);title('滤波结果图像,d2=50');

subplot(2,3,5);imshow(C3,[]);title('滤波结果图像,d3=70');

subplot(2,3,6);imshow(C4,[]);title('滤波结果图像,d4=90');

执行结果：

原图

像加入高斯噪声的图

像滤波结果图像

,d1=30

滤波结果图像

,d2=50滤波结果图像

,d3=70滤波结果图像,d4=90

图5 理想低通滤波器滤波结果

实验结果分析：

由实验结果可知，采用理想低通滤波器对加噪声的图像进行滤波运算，滤波器的滤波半径d 越小，滤波后的图像越模糊，且出现明显的振铃现象，相比于巴特沃斯低通滤波器，理想低通滤波器的滤波效果会比较差。

(3)采用巴特沃斯高通滤波器对room.tif 图像进行锐化滤波，并显示滤波结果图像。程序代码：

clear all ; close all ;

%(d)读入并显示原始图像room.tif; I=imread('room.tif');

subplot(1,3,1),imshow(I);title('原图像room'); %(e)采用巴特沃斯高通滤波器对room.tif 图像进行锐化滤波,变换不同的滤波半径 I1=fftshift(fft2(I)); [m,n]=size(I1); N=2;d1=10;d2=50; n1=floor(m/2);n2=floor(n/2); for i=1:m for j=1:n

d=sqrt((i-n1)^2+(j-n2)^2);

H1=1/(1+(d1/d)^(2*N)); H2=1/(1+(d2/d)^(2*N)); I3(i,j)=H1*I1(i,j); I5(i,j)=H2*I1(i,j); end end I3=ifftshift(I3); I4=real(ifft2(I3)); I5=ifftshift(I5); I6=real(ifft2(I5));

subplot(1,3,2),imshow(I4,[]),title('Butterworth 高通滤波器d1=30');

subplot(1,3,3),imshow(I6,[]),title('Butterworth 高通滤波器d2=50');

执行结果：

原图像room Butterworth高通滤波器d1=30Butterworth高通滤波器d2=50

图6 巴特沃斯高通滤波器锐化滤波结果

实验结果分析：

由实验结果可知，采用Butterworth高通滤波器对图像进行滤波运算，滤波后图像的边缘和细节变的更加突出，是一种对图像的锐化处理。

三、实验中遇到问题及解决方法

实验中遇到的问题有：初期对图像在频域空间的滤波不太了解，不懂得如何利用傅立叶变换进行频域滤波；解决的方法：通过参考课本中例题及参考程序，逐步分析，加深理解。

四、实验心得体会

通过此次试验，初步掌握图像空域增强算法的基本原理并能在实际应用及MATLAB中实现；通过熟悉各类滤波器对图像处理的应用；加深对图像增强的感性认识，巩固所学理论知识。

五、源程序清单

%1.基于幂次变换的图像增强

clear all;

close all;

I{1}=double(imread('fig534b.tif'));

I{1}=I{1}/255;

figure,subplot(2,4,1);imshow(I{1},[]);hold on

I{2}=double(imread('room.tif'));

I{2}=I{2}/255;

subplot(2,4,5);imshow(I{2},[]);hold on

for m=1:2

Index=0;

for lemta=[0.5 5]

Index=Index+1;

F{m}{Index}=I{m}.^lemta;

subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[])

end

%2. 直方图规定化处理

clear all

clc

close all

%0.读图像

I=double(imread('lena.tiff'));

subplot(2,4,1);

imshow(I,[]);

title('原图')

N=32;

Hist_image=hist(I(:),N);

Hist_image=Hist_image/sum(Hist_image);

Hist_image_cumulation=cumsum(Hist_image);%累计直方图subplot(245);

stem(0:N-1,Hist_image);

title('原直方图');

%1.设计目标直方图

Index=0:N-1;

%正态分布直方图

Hist{1}=exp(-(Index-N/2).^2/N);

Hist{1}=Hist{1}/sum(Hist{1});

Hist_cumulation{1}=cumsum(Hist{1});

subplot(242);

stem([0:N-1],Hist{1});

title('规定化直方图1');

%倒三角形状直方图

Hist{2}=abs(2*N-1-2*Index);

Hist{2}=Hist{2}/sum(Hist{2});

Hist_cumulation{2}=cumsum(Hist{2});

subplot(246);

stem(0:N-1,Hist{2});

title('规定化直方图2');

%2. 规定化处理

Project{1}=zeros(N);

Project{2}=zeros(N);

Hist_result{1}=zeros(N);

Hist_result{2}=zeros(N);

for m=1:2

Image=I;

%SML处理(SML,Single Mapping Law单映射规则

for k=1:N

Temp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});

[Temp1,Project{m}(k)]=min(Temp);

end

for k=1:N

Temp=find(Project{m}==k);

if isempty(Temp)

Hist_result{m}(k)=0;

else

Hist_result{m}(k)=sum(Hist_image(Temp));

end

subplot(2,4,(m-1)*4+3);

stem(0:N-1,Hist_result{m});

title(['变换后的直方图',num2str(m)]);

%2.3结果图

Step=256/N;

for K=1:N

Index=find(I>=Step*(k-1)&I

Image(Index)=Project{m}(k);

end

subplot(2,4,(m-1)*4+4),imshow(Image,[]);

title(['变换后的结果图',num2str(m)]);

end

%3. 灰度图像常用平常、锐化滤波

clear all;

close all;

%0.原图

I=double(imread('lena.tiff'));

subplot(2,4,1);imshow(I,[]);title('原图');

%1.均值低通滤波

H=fspecial('average',5);

F{1}=double(filter2(H,I));

subplot(2,4,2);imshow(F{1},[]);title('均值低通滤波');

%2.gaussian 低通滤波

H=fspecial('gaussian',7,3);

F{2}=double(filter2(H,I));

subplot(2,4,3);imshow(F{2},[]);title('高斯低通滤波');

%3.增强图像=原图-均值低通滤波

F{3}=2*I-F{1};

subplot(2,4,4);imshow(uint8(F{3}),[]);title('原图-均值低通滤波'); %4.增强图像=原图-高斯低通滤波

F{4}=2*I-F{2};

subplot(2,4,5);imshow(uint8(F{4}),[]);title('原图-高斯低通滤波'); %5.'prewitt'边缘算子增强

F{5}=uint8(I+filter2(H,I));

subplot(2,4,6);imshow(F{5},[]);title('prewitt边缘算子增强');

%6.'soble'边缘算子增强

H=fspecial('sobel');

F{6}=uint8(I+filter2(H,I));

subplot(2,4,7);imshow(F{6},[]);title('sobel边缘算子增强');

%4．（1）Butterworth低通滤波器实现图像信号的滤波运算

clear all;

close all;

%(a) 读入并显示图像electric.tif；

I=imread('electric.tif');

subplot(2,3,1),imshow(I);title('原图像');

%(b) 利用imnoise 命令在图像electric.tif 上加入高斯(gaussian) 噪声；

J=imnoise(I,'gaussian',0,0.01);

subplot(2,3,2),imshow(J);title('加入高斯噪声的图像');

%(c) 用Butterworth低通滤波器实现图像信号的滤波运算,变换不同的截止频率d:d1=30;d2=50;d3=70;d4=90 I1=fftshift(fft2(J));

[m,n]=size(I1);

N=2;d1=30;d2=50;d3=70;d4=90;

n1=floor(m/2);n2=floor(n/2);

for i=1:m

for j=1:n

d=sqrt((i-n1)^2+(j-n2)^2);

H1=1/(1+(d/d1)^(2*N));

H2=1/(1+(d/d2)^(2*N));

H3=1/(1+(d/d3)^(2*N));

H4=1/(1+(d/d4)^(2*N));

I3(i,j)=H1*I1(i,j);

I5(i,j)=H2*I1(i,j);

I7(i,j)=H3*I1(i,j);

I9(i,j)=H4*I1(i,j);

end

I3=ifftshift(I3);

I4=real(ifft2(I3));

I5=ifftshift(I5);

I6=real(ifft2(I5));

I7=ifftshift(I7);

I8=real(ifft2(I7));

I9=ifftshift(I9);

I10=real(ifft2(I9));

subplot(2,3,3),imshow(I4,[]),title('Butterworth低通滤波器d1=30');

subplot(2,3,5),imshow(I8,[]),title('Butterworth低通滤波器d3=70'); subplot(2,3,6),imshow(I10,[]),title('Butterworth低通滤波器d4=90');

% 4.（2）用理想低通滤波器实现图像信号的滤波运算

clear all;

close all;

I=imread('electric.tif');

subplot(2,3,1),imshow(I);title('原图像');

F=imnoise(I,'gaussian',0,0.01);

subplot(2,3,2),imshow(F);title('加入高斯噪声的图像');

%傅里叶变换并把频谱中心移到中点

F1=fft2(F);

I1=fftshift(F1);

%构建理想低通滤波器

[m,n]=size(I1);

d1=30;d2=50;d3=70;d4=90;

n1=floor(n/2);n2=floor(m/2);

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d1

H1(u,v)=1;

else

H1(u,v)=0;

end

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d2

H2(u,v)=1;

else

H2(u,v)=0;

end

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d3

H3(u,v)=1;

else

H3(u,v)=0;

end

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d4

H4(u,v)=1;

else

H4(u,v)=0;

end

J1=I1.*H1;

J2=I1.*H2;

J3=I1.*H3;

J4=I1.*H4;

K1=ifft2(ifftshift(J1));

K2=ifft2(ifftshift(J2));

K3=ifft2(ifftshift(J3));

K4=ifft2(ifftshift(J4));

C1=real(K1);

C2=real(K2);

C3=real(K3);

C4=real(K4);

subplot(2,3,3);imshow(C1,[]);title('滤波结果图像,d1=30');

subplot(2,3,4);imshow(C2,[]);title('滤波结果图像,d2=50');

subplot(2,3,5);imshow(C3,[]);title('滤波结果图像,d3=70');

subplot(2,3,6);imshow(C4,[]);title('滤波结果图像,d4=90');

%4（*）用理想低通滤波器和Butterworth低通滤波器对加噪图像进行滤波对比clear all;

close all;

I=imread('electric.tif');

subplot(2,2,1),imshow(I);title('原图像');

F=imnoise(I,'gaussian',0,0.01);

subplot(2,2,2),imshow(F);title('加入高斯噪声的图像');

%傅里叶变换并把频谱中心移到中点

F1=fft2(F);

I1=fftshift(F1);

%构建理想低通滤波器（传递函数）

[m,n]=size(I1);

N=2;d1=90;d2=90;

n1=floor(n/2);n2=floor(m/2);

for u=1:m

for v=1:n

if sqrt((u-n1)^2+(v-n2)^2)<=d1

H1(u,v)=1;

H1(u,v)=0;

end

J1=I1.*H1;

K1=ifft2(ifftshift(J1));

C1=real(K1);

subplot(2,2,3);imshow(C1,[]);title('理想低通滤波结果图像');

for i=1:m

for j=1:n

d=sqrt((i-n1)^2+(j-n2)^2);

H2=1/(1+(d/d2)^(2*N));

I3(i,j)=H2*I1(i,j);

end

I3=ifftshift(I3);

I4=real(ifft2(I3));

subplot(2,2,4),imshow(I4,[]),title('Butterworth低通滤波器');

%4．（3）采用巴特沃斯高通滤波器对room.tif图像进行锐化滤波，并显示滤波结果图像clear all;

close all;

%(d)读入并显示原始图像room.tif;

I=imread('room.tif');

subplot(1,3,1),imshow(I);title('原图像room');

%(e)采用巴特沃斯高通滤波器对room.tif图像进行锐化滤波,变换不同的滤波半径

I1=fftshift(fft2(I));

[m,n]=size(I1);

N=2;d1=10;d2=50;

n1=floor(m/2);n2=floor(n/2);

for i=1:m

for j=1:n

d=sqrt((i-n1)^2+(j-n2)^2);

H1=1/(1+(d1/d)^(2*N));

H2=1/(1+(d2/d)^(2*N));

I3(i,j)=H1*I1(i,j);

I5(i,j)=H2*I1(i,j);

end

I3=ifftshift(I3);

I4=real(ifft2(I3));

I5=ifftshift(I5);

I6=real(ifft2(I5));

subplot(1,3,2),imshow(I4,[]),title('Butterworth高通滤波器d1=30');