数字图像处理实验四 图像增强

实验4 图像增强

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。

I=imread('d:\lizhien.jpg');

I=rgb2gray(I);

J=imnoise(I,'salt & pepper',0.02);

H=ones(5,5)/25;

I2=imfilter(J,H);

Subplot(1,2,1),imshow(J);

Subplot(1,2,2),imshow(I2);

分析：图像平滑处理后突出了图像的宽大区域、主干部分使图像亮度平缓渐变，减小突变梯度，使图像质量得到了一定程度上的提高。

（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。

a= imread('D:\lizhien.jpg');

a=double(a);

[dep,wide]=size(a);

new_image=ones(size(a));

for i=3:dep-2

for j=3:wide-2

new_image(i,j)=median([a(i-2,j-2) a(i-2,j-1) a(i-2,j) a(i-2,j+1) a(i-2,j+2) a(i-1,j-2) a(i-1,j-1) a(i-1,j) a(i-1,j+1) a(i-1,j+2) a(i,j-2) a(i,j-1) a(i,j) a(i,j+1) a(i,j+2) a(i+1,j-2) a(i+1,j-1) a(i+1,j) a(i+1,j+1) a(i+1,j+2) a(i+2,j-2) a(i+2,j-1) a(i+2,j) a(i+2,j+1) a(i+2,j+2)]);

end

end

for i=3:dep-2 %处理每一行的最头上两个和最边上2个

new_image(i,1)=new_image(i,3);

new_image(i,2)=new_image(i,3);

new_image(i,wide)=new_image(i,wide-2);

new_image(i,wide-1)=new_image(i,wide-2);

end

new_image(1,:)=new_image(3,:);

new_image(2,:)=new_image(3,:);

new_image(dep,:)=new_image(dep-2,:);

new_image(dep-1,:)=new_image(dep-2,:);

figure

imshow(uint8(a))

figure

imshow(uint8(new_image))

imwrite(uint8(new_image),'lena_0.005_median_5.bmp','bmp')

分析：对图像进行中值滤波后，可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊，比较适合于实验中的人脸图像。但是，对点、线、尖顶等细节较多的图像，则会引起图像信息的丢失。

（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。

[I,map]=imread('D:\1.jpg');

imshow(I,map);

I=double(I);

[Gx,Gy]=gradient(I);

G=sqrt(Gx.*Gx+Gy.*Gy);

J=I;

K=find(G>=7);

J(K)=255;

figure,imshow(J,map);

分析：对于图像而言，物体和物体之间、背景和背景之间的梯度变化很小，灰度变化较大的地方一般集中在图像的边缘上，也就是物体和背景交接的地方。当我们设定一个阈值时，大于阈值就认为该像素点处于图像的边缘，对结果加上常数C，以使边缘变亮；而对于不大于阈值就认为该像素点是同类像素，即为物体或背景，常数C的选取可以根据具体的图像特点。这样，即增亮了物体的边界，同时又保留了图像背景原来的状态。

（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。

I=imread('d:\lizhien.jpg');

J=zeros(512,512,3);

I=double(I);

for i=1:512

for j=1:512

if 0<=I(i,j)&&I(i,j)<=15

R(i,j)=1;G(i,j)=8;B(i,j)=255;

elseif 16<=I(i,j)&&I(i,j)<=31

R(i,j)=2;G(i,j)=48;B(i,j)=254;

elseif 32<=I(i,j)&&I(i,j)<=47

R(i,j)=4;G(i,j)=112;B(i,j)=252;

elseif 48<=I(i,j)&&I(i,j)<=63

R(i,j)=8;G(i,j)=160;B(i,j)=248;

elseif 80<=I(i,j)&&I(i,j)<=95

R(i,j)=16;G(i,j)=192;B(i,j)=240;

elseif 96<=I(i,j)&&I(i,j)<=111

R(i,j)=32;G(i,j)=224;B(i,j)=224;

elseif 112<=I(i,j)&&I(i,j)<=127

R(i,j)=64;G(i,j)=248;B(i,j)=192;

elseif 128<=I(i,j)&&I(i,j)<=143

R(i,j)=128;G(i,j)=255;B(i,j)=160;

elseif 144<=I(i,j)&&I(i,j)<=159

R(i,j)=160;G(i,j)=255;B(i,j)=128;

elseif 160<=I(i,j)&&I(i,j)<=175

R(i,j)=192;G(i,j)=248;B(i,j)=64;

elseif 176<=I(i,j)&&I(i,j)<=191

R(i,j)=224;G(i,j)=224;B(i,j)=32;

elseif 192<=I(i,j)&&I(i,j)<=207 end

R(i,j)=240;G(i,j)=192;B(i,j)=16; end

elseif 208<=I(i,j)&&I(i,j)<=223 end

R(i,j)=248;G(i,j)=160;B(i,j)=8; end

elseif 224<=I(i,j)&&I(i,j)<=239 end

R(i,j)=252;G(i,j)=112;B(i,j)=4; end

elseif 240<=I(i,j)&&I(i,j)<=255 end

R(i,j)=254;G(i,j)=48;B(i,j)=2; end

elseif 64<=I(i,j)&&I(i,j)<=79 end

R(i,j)=255;G(i,j)=8;B(i,j)=1; end

End J(:,:,1)=R;J(:,:,2)=G;J(:,:,3)=B;

End imshow(uint8(J));

End

分析：伪彩色处理是根据特定的准则对灰度值赋以彩色的处理。由于人眼对彩色的分辨率远高于对灰度差的分辨率，所以这种技术可用来识别灰度差较小的像素。这是一种视觉效果明显而技术又不是很复杂的图像增强技术。灰度图像中，如果相邻像素点的灰度相差大，人眼将无法从图像中提取相应的信息，因为人眼分辨灰度的能力很差，一般只有几十个数量级，但是人眼对彩色信号的分辨率却很强，这样将黑白图像转换为彩色图像后，人眼可以提取更多的信息量。伪彩色虽然能将黑白灰度转化为彩色，但这种彩色并不是真正表现图像的原始颜色，而仅仅是一种便于识别的伪彩色。