数字图像处理课设计空域图像增强.doc

数字图像处理—空域图像增强目录1. 摘要 - 3 -2. 直方图增强、图像平滑与图像锐化 - 3 -2.1直方图增强处理 - 3 -2.2图像平滑 - 4 -2.3图像锐化 - 5 -3. 软件仿真 - 7 -3.1图像增强 - 7 -3.2图像平滑 - 8 -3.3图像锐化 - 9 -4. 结果与分析 - 9 -4.1图像增强 - 9 -4.2图像平滑 - 10 -4.3图像锐化 - 10 -5. 参考文献 - 11 -1. 摘要在图像处理中，空间域是指由像素组成的空间，简称空域空域增强技术就是直接对图像中的像素进行操作的过程，空域处理可以定义为g(x,y)=E[f(x,y)]，式中f(x,y)和g(x,y)分别为增强前后的图像，E代表增强操作空域图像增强操作分为两类，如果增强操作仅定义再图像的带个像素，则这类操作称为点操作；如果增强操作E还定义在像素的邻域，则这类操作称为模版操作点操作能让用户改变图像数据占据的灰度范围；模版操作是实现空间滤波的基础，应用更多，如图像平滑处理和图像锐化处理2. 直方图增强、图像平滑与图像锐化2.1直方图增强处理了解空间域图像增强的各种方法（点处理、掩模处理），通过编写程序掌握采用直方图均衡化进行图像增强的方法；直方图均衡化处理实际上就是寻找一个灰度变换函数 T ，使变化后的灰度值满足s=T(r)，其中，s归一化为0<=s<=1,建立r和s之间的映射关系，要求处理后图像灰度分布的概率密度Ps（s）=1，期望所有灰度级出现概率相同。

其计算步骤为：（1）统计原始图像的直方图： （2）计算直方图累积分布曲线： （3）用累积分布函数作为变换函数进行图像灰度变换图像增强：I=imread('cell_128.bmp/fing_128.bmp');I=rgb2gray(I);K=16;H=histeq(I,K);figure;subplot(221);imshow(I,[]);subplot(222);imshow(H,[]);hold onsubplot(223);hist(double(I),16);subplot(224);hist(double(I),16);2.2图像平滑使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；是消除或尽量减少噪声的影响，改善图像的质量在提取大的目标之前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙局部平滑法：假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的因此，可用领域内个像素的灰度平均代替该像素原来的灰度值，实现图像平滑超像素平滑法：对邻域平均法稍加改进，可导出超限像素平滑法。

它是将和邻域平均差的绝对值与选定的阀值进行比较，根据比较结果决定点（x，y）的最后灰度g1（x，y）其表达式为： g（x，y） ，当|f（x，y）-g（x，y）| > Tg1（x，y）= f（x，y） ，当|f（x，y）-g（x，y）| <= T图像平滑：clear all; I=imread('fing_128.bmp');I=rgb2gray(I);J=imnoise(I,'salt & pepper',0.02);subplot(2,2,1);imshow(I);title('原图');subplot(2,2,2);imshow(J);title('加噪图像');A=1/5*[0,1,0;1,1,1;0,1,0];Q=imfilter(J,A);subplot(2,2,3);imshow(Q);title('不加门限');T=0;for i=1:128 for j=1:128 T=T+double(J(i,j)); end endT=0.5*1/(128*128)*T;for i=2:127 for j=2:127 if Q(i,j)<=T Q(i,j)=J(i,j); end end endsubplot(2,2,4);imshow(Q);title('加门限');2.3图像锐化了解并掌握使用微分算子进行图像边缘检测的基本原理；编写程序使用Laplacian算子（二阶导数算子）实现图像锐化，进一步理解图像锐化的实质；掌握使用不同梯度算子（一阶导数算子）进行图像边缘检测的原理、方法，根据实验结果分析各种算子的工作效果。

锐化的目的是突出图像中细节或增强被模糊的细节；锐化可用微分来完成，而微分算子的响应强度与图像在该点（应用了算子）的突变程度有关； 图像微分增强了边缘和其它突变（如噪声）并削弱了灰度变化缓慢的区域图像锐化：clear all;I=imread('lena_256.bmp');subplot(2,2,1)imshow(I);%显示原图像title('原始图像');h=fspecial('laplacian');h1=[0 -1 0;-1 5 -1;0 -1 0];h2=[0 -2 0;-2 9 -2;0 -2 0];bw1=imfilter(I,h,'replicate');bw2=imfilter(I,h1,'replicate');%a=1时的拉普拉斯算子bw3=imfilter(I,h2,'replicate');%a=2时的拉普拉斯算子subplot(2,2,2);imshow(bw1);title('锐化后的图像');subplot(2,2,3);imshow(bw2);title('锐化后四邻域a=1的图像');subplot(2,2,4);imshow(bw3);title('锐化后四邻域a=2的图像');figure(2);BW1=edge(I,'sobel'); %用SOBEL算子进行边缘检测 BW2=edge(I,'roberts');%用Roberts算子进行边缘检测 BW3=edge(I,'prewitt'); %用prewitt算子进行边缘检测 subplot(221), imshow(BW1); title('SOBEL算子边缘检测 '); subplot(222), imshow(BW2); title('Roberts算子边缘检测 '); subplot(223), imshow(BW3); title('prewitt算子边缘检测 '); 3. 软件仿真3.1图像增强3.2图像平滑3.3图像锐化4. 结果与分析4.1图像增强由实验结果可知：变换后直方图趋向平坦，灰级减少，灰度合并；有展开输入图像直方图的一般趋势，直方图均衡化后的图像灰度级能跨越更大范围；实际视觉能够接收的信息量大大的增强了；直方图均衡化能自动地确定变换函数，该函数寻求产生有均匀直方图的输出图像，得到的结果可预知。

在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡数字图像均衡化后其直方图并非完全均匀分布的原因是：在MATLAB实验中，所使用的值均为离散值，在处理时不是概率密度函数与积分，而是概率与求和，所以其均衡后的直方图并非完全均匀分布4.2图像平滑四邻域平均平滑不加门限：这种算法简单，但它的主要缺点是在降低噪声的同时是图像模糊，特别是在边缘和细节处而且邻域越大，在去噪能力增强的同时模糊程度越严重四邻域平均加门限即超像素平滑法：对边缘和细节处的模糊有改善，主要是这种算法的出发点是集中在在如何选择邻域的大小、形状和方向，参加平均的点数及邻域各点的权重系数等局部平均法和超像素平滑法对图像中的噪声都有抑制作用但同时又使图像的边缘、细节处模糊不同的平滑方法对不同的噪声的作用不同4.3图像锐化 图像锐化的目的是增强图像的边缘和轮廓，可通过微分使图像边缘突出、清晰，可以通过Laplacian算子，Roberts、Prewitt和Sobel边缘检测算子等方法达到增强效果用Laplacian算子进行锐化，其边缘方向信息被丢失，対孤立噪声点响应是阶跃边缘的四倍，对像素线条的响应是阶跃边缘的两倍，对线端和斜向边缘的响应大于垂直和水平边缘的响应。

5. 参考文献1.许录平 编著，《数字图像处理》，科学出版社，2007. 2.许录平 编著，《数字图像处理学习指导》，科学出版社，2009. 3.Prince, J. L. and Links, J. M． Medical Imaging, Signals, and Systems，Prentice Hall 2006 4.Morgan Kaufmann． Machine Vision: Theory, Algorithms, Practicalities，Thomson Learning 2005 5.Castleman K.R. Digital Image Processing, 2nd Edition, Prentice-Hall, 2002. 6.Gonzalez R.C. and Woods R.E, Digital Image Processing, Prentice Hall, 2002 7.容观澳编著，《计算机图像处理》，清华大学出版社， 2000 年 2 月 8.崔屹编著，《图像处理与分析 — 数学形态学》，科学出版社， 2000 年4 月 9.张德丰 等编著，《MATLAB数字图像处理》，机械工业出版社， 2009-1-1。

10.郭文强，侯勇严 编著，《数字图像处理》，西安电子科技大学出版社， 2009-5-1 - 11 -。