%灰度直方图
I=imread('D:\image\rice.bmp');%读取图像 subplot(2,1,1);
Imshow(I);%显示图像 title('(a)原图');
subplot(2,1,2);
imhist(I);%绘制图像的灰度直方图 title('(b)原图的灰度直方图');
基于MATLAB的图像增强处理
图4.1
3.3直方图均衡化
直方图均衡化过程如下:
(1)计算原图像的灰度直方图Pr(rK);
(2)计算原图像的灰度累积分布函数sk,进一步求出灰度变换表; (3)根据灰度变换表,将原图像各灰度级映射为新的灰度级。 灰度直方图均衡化程序: %灰度直方图均衡化
I=imread('D:\image\bubbles.bmp');%读取图像 subplot(2,2,1); Imshow(I);%显示图像
title('原图'); subplot(2,2,2);
imhist(I);%绘制图像的灰度直方图 title('原图的灰度直方图');
subplot(2,2,3);
J=histeq(I,64);%对图像进行均衡化处理,返回有64级灰度的图像J Imshow(J);%显示图像
title('原图直方图均衡化'); subplot(2,2,4);
imhist(J);%绘制图像的灰度直方图
title('均衡后的灰度直方图')
基于MATLAB的图像增强处理
以下展示了直方图均衡化的效果:
图4.2
优势:能够使得处理后图像的概率密度函数近似服从均匀分布,其结果扩张了像素值的动态范围,是一种常用的图像增强算法。 不足:不能抑制噪声。
4.图像二值化
4.1图像二值化
图像的二值化处理就是将图像上的像素点的灰度值设置为0或255,也就是讲整个图像呈现出明显的黑白效果。首先,图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。其次,要进行二值图像的处理与分析,首先要把灰度图像二值化,得到二值化图像。 图像二值化程序:
%图像二值化 (选取一个域值,(5) 将图像变为黑白图像) I=imread('beauty.tif'); bw=im2bw(I,0.5);%选取阈值为0.5 subplot(1,3,1); imshow(I); title('原图'); subplot(1,3,2); imshow(bw);
title('显示二值图像');
J=find(I<150);
基于MATLAB的图像增强处理
I(J)=0;
J=find(I>=150); I(J)=255;
subplot(1,3,3); imshow(I);
title(' 图像二值化 ( 域值为150 ) '); 下图为图像二值化的效果:
图 4.3
5.对比度增强
5.1对比度增强
对比度增强是按一定的规则修改输入图像每一个像素的灰度,从而改变图像灰度的动态范围。例如,观察图4.4可以发现,该图的对比度不高其灰度直方图没有低于35或高于210的值,如果将图像数据映射到整个灰度范围内,则图像的对比度将大大增大。
图4.4
5.2灰度调整 灰度调整程序:
%imadjust函数
I=imread('D:\image\rice.bmp');%读取图像 subplot(2,2,1);
Imshow(I);%显示图像 title('原图
');
基于MATLAB的图像增强处理
subplot(2,2,2);
imhist(I);%绘制图像的灰度直方图 title('原图的灰度直方图');
subplot(2,2,3);
J=imadjust(I,[0.3 0.7],[]);%对图像进行灰度变换 Imshow(J);%显示图像 title('原图直方图均衡化'); subplot(2,2,4);
imhist(J);%绘制图像的灰度直方图 title('均衡后的灰度直方图')
以下展示了常用对比度扩展法的结果:
图4.5
从图4.5【原图】可以看出原始图像动态范围较小,整体较暗,反映在直方图上像素主要集中在低灰度的一侧。经过对比度调整,图像变亮。 5.3对数变换
对数变化常用来扩展低值灰度,压缩高值灰度,这样可以使低值灰度的图像细节更容易看清。
对数变换程序: %对数变换
I=imread('beauty.tif');%读取图像
I=mat2gray(I);%对数变换不支持uint8类型数据,将一个矩阵转化为灰度图像的数据格式(double)
基于MATLAB的图像增强处理
J=log(I+1);
subplot(1,2,1);
Imshow(I);%显示图像 title('原图'); subplot(1,2,2);
Imshow(J);
title('对数变换后的图像')
图 4.6
对数变换确实能够扩展低值灰度,而压缩高值灰度,使低值灰度的图像细节更容易看清。
6.滤波
6.1平滑滤波
平滑技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行,基本方法是求像素灰度的平均或中值。为了既平滑噪声又保护图像信号。 6.2线性滤波
输出图像的值等于输入图像滤波后值的局部平均,各个项具有相同的权。下面是平滑窗口分别为矩形和圆形的情况。 1 1 1 1hrect[j,k]
25 1 1
1111 01110
111111111
1
11111 1111 hcirc[j,k]
21
1111 11111
01110 1111
对一些图像进行线性滤波可以去除图像中某些类型的噪声,如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。
6.2线性平滑滤波程序: %线性平滑滤波
I=imread('beauty.tif');
J=imnoise(I,'salt & pepper',0.02); subplot(221),imshow(I) title('原图像
')
基于MATLAB的图像增强处理
subplot(222),imshow(J) title('添加椒盐噪声图像')
K1=filter2(fspecial('average',3),J)/255;%应用3*3邻域窗口法 subplot(223),imshow(K1)
title('3x3窗的邻域平均滤波图像')
K2=filter2(fspecial('average',7),J)/255;%应用7*7邻域窗口法 subplot(224),imshow(K2)
title('7x7窗的邻域平均滤波图像') 如图4.8(a)为线性平滑滤波的例子: 如图子
6.3非线性滤波 中值滤波是一种最常用的图像增强技术,是非线性滤波。对椒盐噪声有很好的去噪效果。下图是加高斯噪声后,中值滤波和平均滤波的滤波效果 程序:
%中值滤波和平均滤波 I=imread('girl.bmp'); I=rgb2gray(I);
J=imnoise(I,'gaussian',0,0.01); subplot(2,2,1); imshow(I); title('原图'); subplot(2,2,2); imshow(J); title('noise');
K=fspecial('average',5);
K1=filter2(K,J)/255;
基于MATLAB的图像增强处理
subplot(2,2,3); imshow(K1); title('平均滤波'); L=medfilt2(J,[3 5]); subplot(2,2,4); imshow(L);
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说医药卫生基于MATLAB的图像增强处理(2)在线全文阅读。
相关推荐: