实验二 图像增强(平滑、锐化)

湖南科技大学

电子与电气技术实验中心

实验报告

实验课程：数字图像处理

试验项目：图像增强（平滑、锐化）

实验内容：图像增强（平滑、锐化）

院系：信息与电气工程学院

专业：通信工程

班级：一班

姓名：卢泽

学号： 1204040107

实验日期： 2015.05.14 实验室名称：信号与系统实验室

1.实验目的

熟悉数字图像增强的一般方法（平滑、锐化）。

2.实验设备与环境

1）PC机一台；

2）MATLAB软件。

3.实验原理

3.1图像的平滑

在图像中，通过邻接点的相互平均可以去掉一突然变化的点，从而过滤掉一定的噪声，达到平滑的目的，但图像有一定程度上的模糊。例如，3×3的平滑模板为：

1 1 1

1 1 1

1 1 1

即每一个像素都是周围8个像素和自身的平均值，这是一种最简单的平滑模板。它通过抑制图像中的高频成分，保留低频成份减少图像噪声，又称为低通滤波。在这种平均算法中，没有考虑各点位置的影响，也就是说周围九个点的权值都相同，没有加权系数。若考虑加权系数则可用二维高斯函数得到卷积模板，这种称为高斯平滑。其相应的模板为：

1 2 1

2 4 2

1 2 1

由于高斯滤波模板的值都大于1，因此应该用这些权值的和去除卷积的结果。对应以上模板，比例系数应为16。

3.2图像锐化

图像锐化的主要目的有两个：一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分奠定定基础。

1）梯度锐化法

梯度模算子用于计算梯度模值，通常认为它是边界提取算子，具有极值性、位移不变性和旋转不变性。

图像(,)f x y 在点(,)x y 处的梯度定义为一个二维列矢量[(,)]G f x y ：

[(,)]T

f f G f x y x y ????=?????? 梯度的幅值即模值，为：

122

2[(,)]f f G f x y x y ?????????=+? ? ??????????? 梯度的方向在(,)f x y 最大变化率方向上，方向角θ可表示为：

arctan /f f y x θ????=

????

? 2）Laplacian 增强算子 拉氏算子是一个刻画图像变化的二阶微分算子。它是线性算子，具有各向同步性和位移不变性。拉氏算子是点、线、边界提取算子。通常图像和对它实施拉氏算子后的结果组合后产生一个锐化图像。

4.实验内容与步骤

4.1实验内容

1）练习图像增强的Matlab 命令。

熟悉下列模块函数

Image enhancement.

histeq - Read image file.

imadust - Adust imae intensity values or colormap.

Image noising.

imnoise- Add noise to an image.

Image filtering

medfilt2- Perform 2-D median filtering.

ordfilt2- Perform 2-D order-statistic filtering.

wiener2- Perform 2-D adaptive noise-removal filtering.

4.2实验步骤

a.从硬盘中载入“eight.tif ”图像（使用imread 函数）；

b.在窗口显示图片；

c.显示图像的直方图（使用imhist 函数）；

d.利用直方图均衡化函数增强图像对比度；

e.在处理之后显示直方图图片；

f.比较两幅图片的质量并讨论；

g.给图片分别加入一些噪声，例如高斯噪声、随机噪声、椒盐噪声等，比较采用不同方法产生结果的不同；

h.分别采用medfilt2, ordfilt2 and wiener2函数去除所加噪声，比较原始图片和处理后的图片。

5.实验数据

图 1 应用实例 6.实验总结 通过本次实验，我熟悉了图像的平滑与锐化原理及作用，学会了用MATLAB 给图片加噪，例如椒盐噪声和高斯噪声等，通过高斯低通滤波、sobel 滤波、prewitt 滤波、拉普拉斯滤波、高斯拉普拉斯滤波、均值滤波、中值滤波等方法去噪。

7.程序

g0=imread('F:\dip\eight.tif');

figure(1)

imshow(g0);

g1=imnoise(g0,'salt & pepper',0.02); g1=im2double(g1);

figure(2)

imshow(g1);

h1=fspecial('gaussian',4,0.3);

g2=filter2(h1,g1,'same');

figure(3)

imshow(g2);

h2=fspecial('sobel');

g3=filter2(h2,g1,'same');

figure(4)

imshow(g3);

h3=fspecial('prewitt');

g4=filter2(h3,g1,'same');

figure(5)

imshow(g4);

h4=fspecial('laplacian',0.5);

g5=filter2(h4,g1,'same');

figure(6)

imshow(g5);

h5=fspecial('log',4,0.3);

g6=filter2(h5,g1,'same');

figure(7)

imshow(g6);

h6=fspecial('average');

g7=filter2(h6,g1,'same'); figure(8)

imshow(g7);

h7=fspecial('unsharp',0.3); g8=filter2(h7,g1,'same'); figure(9)

imshow(g8);

h8=[0 -1 0;-1 5 -1;0 -1 0]; g9=filter2(h8,g1,'same'); figure(10)

imshow(g9);

h9=h1;

g10=medfilt2(g1);

figure(11)

imshow(g10)