图像增强的计算机实现实验报告,数字图像(图像增强)实验报告

《数字图像(图像增强)实验报告》由会员分享，可在线阅读，更多相关《数字图像(图像增强)实验报告(13页珍藏版)》请在人人文库网上搜索。

1、实验：图像增强1.实验目的(1)熟悉并学会在MATLAB中使用图像增强的相关函数(2)了解图像增强方法、去噪方法和效果。2.主要实验仪器设备(1)微型计算机：英特尔奔腾及更高版本。(2) MATLAB软件(包括图像处理工具箱)。(3)典型的灰度和彩色图像文件。3.实验原理(1)将图像作为二维矩阵，利用MATLAB对图像进行增强。(2)利用MATLAB图像处理工具箱中的imread、imshow、imnoise和filter函数对图像进行去噪处理。(3)图像灰度校正：灰度转换。通过线性或非线性灰度映射关系转换不满意图像的效果可以显著提高。通过分析，可以发现变换前后图像的直方图也发生了相应的变化。。

2、(4)图像平滑方法：域平均和中值滤波。分析图像退化的质量，区分图像是平稳的还是非平稳的，是加性的还是乘性的，并采用适当的去噪方法，可以消除或减少噪声对图像的影响。从频域来看，平均操作减少了噪声并衰减了图像的高频分量，这将影响图像细节的再现。中值滤波对某些信号没有失真，适用于消除图像中的突发干扰。但是，如果图像包含丰富的细节，则不适合使用。(5)图像锐化方法：人眼对目标的边缘和轮廓敏感。锐化图像有助于突出图像的这些特征。从频域来看，锐化增加了图像的高频分量。4.实验内容(1)图像灰度校正。(2)图像平滑方法。(3)图像锐化方法。5.实验步骤(1)图像灰度校正。读入灰度分布不一致的图像，并分析其直。

3、方图。根据直方图，设计灰度变换的表达式，或者调用图像调节函数。调整变换表达式的参数，直到显示图像的灰度分布平衡为正。(2)图像平滑方法。平滑噪声图像或人为添加噪声的图像。根据噪声的类型，选择不同的去噪方法，如域平均和中值滤波、call filter2和medfilt2函数，选择不同的滤波模板和参数，观察和分析各种去噪方法对不同噪声图像的去噪或去噪效果。(3)图像锐化方法。读入一幅边缘模糊的地图图像，使用罗伯茨梯度对图像进行4种退化处理，并比较它们各自的效果。1.图像灰度校正img=imread(d : 001 . BMP)；图()；imshow(img)；I=双倍(img)。val=最大值(最。

4、大值(1)；a=log2(val)；b=轮次(a)；max_gray=2b；高、宽=尺寸(1)；J=零(高，低)；i=1 : H对于j=1 : WJ(i，j)=max_gray-1-I(i，j)；结束% endfor j结束% endfor iimg 2=uint 8(J)；子情节(1，2，1)，imshow(img)；标题(原始图纸)；子情节(1，2，2)，imshow(img 2)；标题(转换后)；imwrite(img2，d : 2 . BMP)；实验截图：2.1程序代码：img=imread(d : LENA _ 8G _ 4 bit . BMP)；图()；imshow(img)；子情。

5、节(2，1，1)；imshow(img)；子情节(2，1，2)；imshow(img)；I=双倍(img)。%matlab不支持uint8类型数据的矩阵运算，所以图像数据应该先转换成双精度类型，然后经过计算转换成uint8类型。高、宽=尺寸(1)；J=零(高，低)；i=1 : H对于j=1 : WJ(i，j)=255.0/15.0*I(i，j)；结束；% endfor j结束；% endfor iimg 2=uint 8(J)；子图(1，2，1)，imshow(img，)；标题(原始图纸)；子情节(1，2，2)，imshow(img 2)；标题(转换后)；imwrite(img2，d:LENA。

6、_255G。BMP)；实验截图：2.2程序代码：img=imread(d:LENA_255G。BMP)；图()；imshow(img)；子情节(2，1，1)；imshow(img)；子情节(2，1，2)；imshow(img)；I=双倍(img)。%matlab不支持uint8类型数据的矩阵运算，所以图像数据应该先转换成双精度类型，然后计算后再转换成uint8。高、宽=尺寸(1)；J=零(高，低)；i=1 : H对于j=1 : W如果我30岁J(i，j)=I(i，j)；埃尔赛夫一(I，j)150J(i，j)=170.0/120.0*(I(i，j)-30)30；其他J(i，j)=55.0/105。

7、.0*(I(i，j)-150)200；结束；结束；% endfor j结束；% endfor iimg 2=uint 8(J)；子图(1，2，1)，imshow(img，)；标题(原始图纸)；子图(1，2，2)，imshow(img2，)；标题(转换后)；imwrite(img2，d : l . BMP)；实验截图：3.1程序代码：img=imread(d : GIRD _ 8G . BMP)；I=双倍(img)。高、宽=尺寸(1)；最大灰色=最大(最大(1)；l=上限(log2(最大灰色)；gray=2l-1；x=0:gray灰色。y=零(1，灰色1)；对于i=1:H对于j=1:W瓦y(im。

8、g(i，j) 1)=y(img(i，j)1)1；结束；结束；y1=y/(高*宽)；S=，灰色1)；s(1)=y1(1)；I=2:长(S)S(I)=S(I-1)y1(I)；结束；S1=地板(S *灰色)0.5)；z=零(高、低)；对于i=1:H对于j=1:W瓦Z(i，j)=S1(img(i，j)1)；结束；结束；img 2=uint 8(Z)；y2=零(1，灰色1)；对于i=1:H对于j=1:W瓦y2(img2(i，j) 1)=y2(img2(i，j)1)1；结束；结束；条形(x，y)；%原始直方图bar(x，y2)；转换后的百分比直方图子情节(1，2，1)；imshow(img，)；标题(原始。

9、图纸)；子情节(1，2，2)；imshow(img2，)；标题(转换后)；实验截图：原始灰度直方图：均衡后的灰度直方图：图像平滑和图像锐化1.增加噪音标题(添加了盐和胡椒噪声的图像)；2.图像平滑邻域平均模板加权平均模板3.邻域平均值M1=(1/4)*0，1，0；1，0，1；0，1，0；M2=(1/8)*1，1，1；1，0，1；1，1，1；L=imfilter(J，M1)；G=imfilter(J，M2)；子情节(1，2，1)；imshow(L)；标题(4邻域平均值)子情节(1，2，2)；imshow(G)；标题(8个邻域平均值)4.加权平均值M3=(1/5)*0，1，0；1，1，1；0，1，。

10、0；M4=(1/16)*1，2，1；2，4，2；1，2，1；L=imfilter(J，M3)；G=imfilter(J，M4)；子情节(1，2，1)；imshow(L)；标题(1/5加权平均值)子情节(1，2，2)；imshow(G)；标题(1/16加权平均值)图像锐化拉普拉斯模板拉普拉斯锐化模板I=imread(fabric . png)；%读取图像k=RGB 2灰色(1)；M1=0，1，0；1，-4，1；0，1，0；M2=1，1，1；1，-8，1；1，1，1；K=两倍(K)；J=conv2(K，M1，相同)；%卷积G=conv2(K，M2，相同)；f=K-J；e=K-G；图，imshow(。

11、K，)，图，I msow(J)，图，imshow(G)，图，imshow(F，)图，imshow(E，)原象4-邻域8-邻域4邻域锐化图像8邻域锐化图像摘要平均滤波和加权滤波效果不太好，不能完全去除高斯噪声。它们对盐和胡椒噪声的处理效果是理想的，但仍有改进的余地。另外，4个邻域和8个邻域的比较以及1/5权重和1/16权重平均值的比较表明，多域处理效果较好，但其缺点是会造成图像模糊。可以肯定的是，不同的模板有不同的效果，特定的模板应该用于特定的图像。图像模糊的原因通常是成像系统聚焦不良、通道狭窄和平均过积分操作。锐化图像会模糊目标的轮廓，使细节轮廓不清晰，增强目标的轮廓，并使模糊的图像更清晰。拉普拉斯算子是一种常见的边缘增强算子。拉普拉斯运算也是偏导数运算的线性组合运算，并且是各向同性(旋转不变)线性运算。通过比较4邻域锐化和8邻域锐化，我们可以发现4邻域锐化在边缘和与原始图像的相似度上具有令人满意的效果。8邻域锐化在灰度对比度上优于4邻域锐化，但其缺点之一是一些图像细节丢失，导致图像看起来“模糊。