计算机图像处理论文

计算机图像处理论文

论文题目： MATLAB中图像增强的实现 姓 名：____ ___ 陈玖霖_ ___ ___ 院 系：__ 信息工程与自动化 _ 专 业：__ _ 仪器仪表工程 _ 授课老师：______ 李玉慧_ __ ___ _ 学 号：___ __2013704002__ ___

一、引言

图像增强是指依据图像所存在的问题，按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些冗余信息的处理方法。其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。

图像增强单纯从技术上可分成两大类：一类是频域处理法；一类是空域处理法。频域处理法的采用的是卷积定理，它利用修改图像傅立叶变换的方法实现对图像的增强处理；空域处理法则是对图像中的像素进行直接的处理，大多数是以灰度映射变换为基础的，所用的映射变换取决于增强的目的。

二、问题理论基础

图像增强是按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些信息使得图像更加实用。图像增强技术主要包含直方图修改处理、图像平滑处理、图像尖锐化处理和彩色技术等。

图像增强技术主要包括：直方图修改处理，图像平滑处理，图像尖锐化处理，彩色图像处理。从纯技术上讲主要有两类：频域处理法和空域处理法。

频域处理法主要是卷积定理，采用修改图像傅立叶变换的方法实现对图像的增强处理技术；空域处理法：是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。 1.空域滤波增强

使用空域模板进行的图像处理被称为空域滤波,模板本身被称为空域滤波器。空域滤波器包括：线性滤波器和非线性滤波器。空域滤波处理效果来分类，可以分为平滑滤波器，和锐化滤波器，平滑的目的在于消除混杂在图像中的干扰因素，改善图像质量，强化图像表现特征。锐化的目的在于增强图像边缘，以及对图像进行识别和处理。 2. 平滑滤波器

用于模糊处理和减小噪声。平滑线性空间滤波器的输出（响应）是包含在滤波掩模邻域内像素的简单平均值。因此这些滤波器也被称为均值滤波器。平滑滤波器的概念很简单：它是用滤波掩模确定的领域内像素的平均值去代替图像每个像素点的值。这种处理减少了图像灰度的尖锐化。每个掩模前边的乘数等于它的系数值的和，以计算平均值。

我们经常用这些极端类型的模糊处理来去除图像中的一些小物体。例如：在matlab中利用线性平滑滤波器处理一副图像I=imread('eight.tif'); J=imnoise(I,'salt & pepper',0.02); >> %添加椒盐噪声 >> subplot(221) >> imshow(I) >> title('原图像') >> 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)

>> K2=filter2(fspecial('average',7),J)/255;

>> %应用7*7邻域窗口法 >> subplot(224),imshow(K2) 3.中值滤波器

其原理是把数字图像或数字序列中某一点的值用该点的一个邻域中各点值的中值交换。中值滤波器的窗口可以取方形，圆形，十字形等。 例如：滤波函数图像处理 smoothingMedianFilterMain.m clc;clear;

fid = fopen('lenai.raw'); temp= fread(fid, [256,256]); LenaRaw=uint8(temp'); subplot(1,3,1)

Imshow(LenaRaw);

title('原始图像') subplot(1,3,2)

Imshow(smoothingMedianFilter(LenaRaw,3)); title('自制函数，使用用3*3模板，中值滤波图像') subplot(1,3,3)

Imshow(medfilt2(LenaRaw,[3,3]));

title('调用库函数medfilt2，使用3*3模板，中值滤波图像') 4.低通滤波器

一幅图像的边缘，跳跃部分以及颗粒噪声代表图像信号的高频分量，而大面积的背景区域代表了图像信号的低频分量。低通滤波器的作用就是滤除这些高频分量，保留低频分量，使图像信号平滑。它包括：理想低通滤波器，巴特沃斯低通滤波器，指数低通滤波器等。 例如：频域增强 I=imread('apple.png');

>> J=imnoise(I,'salt & pepper',0.02); >> subplot(121),imshow(J) >> title('含噪声的图像') J=double(J); >> f=fft2(J); >> g=fftshift(f); >> [M,N]=size(f); >> n=3;d0=20;

>> n1=floor(M/2);n2=floor(N/2); >> for i=1:M for j=1:N

d=sqrt(i-n1)^2+((i-n2)^2); h=1/(1+0.414*(d/d0)^(2*n)); g(i,j)=h*g(i,j); end end

g=ifftshift(g);

>> g=uint8(real(ifft2(g))); >> subplot(122),imshow(g)

>> title('三阶Butterworth滤波图像') 5.高通滤波器

与低通滤波器相反，它将高频信号通过，而抑制了低频信号。

三、主要方法

Matlab中图像增强函数的具体使用方法如下： 1.直方图imhist函数用于数字图像的直方图显示， 如：

i=imread('e:\\w11.tif'); imhist(a); 2.直方图均化

histeq函数用于数字图像的直方图均化，如： i=imread('e:\\w11.tif'); j=histeq(a);

3.对比度调整

imadjust函数用于数字图像的对比度调整，如： i=imread('e:\\w11.tif'); j=imadjust(a,[0.3,0.7],[]); 4. 对数变换

log函数用于数字图像的对数变换，如： i=imread('e:\\w11.tif'); j=double(a); k=log(v);

5.基于卷积的图像滤波函数 filter2函数用于图像滤波，如： i=imread('e:\\w11.tif'); h=[1,2,1;0,0,0;-1,-2,-1]; j=filter2(h,i);

6.利用二维卷积conv2滤波, 如: i=imread('e:\\w11.tif'); h=[1,1,1;1,1,1;1,1,1]; h=h/9;

j=conv2(i,h);

7.中值滤波

medfilt2函数用于图像的中值滤波，如： i=imread('e:\\w11.tif'); j=medfilt2(i); 8.锐化

·利用Sobel算子锐化图像, 如: i=imread('e:\\w11.tif');

h=[1,2,1;0,0,0;-1,-2,-1];%Sobel算子 j=filter2(h,i);

四、实验及结果

1.图像均衡化

f=imread('Couple.bmp'); J=histeq(f); subplot(2,2,1); imshow(f); title('原图像'); subplot(2,2,2); imhist(f);

title('原图直方图'); subplot(2,2,3); imshow(J);

title('均衡化结果'); subplot(2,2,4); imhist(J);

title('均衡化结果的直方图');

图1

2.图像的平滑与滤波

平滑滤波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值或中值。也可以在频域中用基于傅立叶的分析方法进行。 I=imread(' Couple.bmp');

J=imnoise(I,'gaussian',0,0.01);%给图像加高斯噪声 subplot(1,2,1);imshow(I);title('原始图像’);

subplot(1,2,2);imshow(J);title('加入高斯噪声的图像');

图2

h=fspecial('average',3); gd=imfilter(J,h);

subplot(1,2,1);imshow(J);title('加入高斯噪声的图像'); subplot(1,2,2);imshow(gd);title(' 3X3模板均值滤波');

图3

3.图像频域滤波

a.对数字图像进行频域的理想低通，同屏显示原图、幅度谱图和低通滤波的结果图。其中，取理想低通滤波的半径R分别为88、24、11和5。 程序代码如下（取r=8时） Clc;

a=fopen('D:\\图像实验 \\img\\lena.img','r'); b=fread(a,[256,256],'uchar'); fclose(a); figure(1)

subplot(1,2,1) imshow(b,[0,255]); b=fft2(b) m=abs(b);

subplot(1,2,2) m0=15*log(m+1.001) surf(m) q=b;

t=fftshift(q) r=8;

for x=1:256

for y=1:256

if (x-128).^2+(y-128).^2>r.^2; t(x,y)=0; end end end

结果如下：原图像及其频谱图

图4

h2=abs(t);

h02=15*log(1.001+h2) figure(2)

imshow(h02,[0,255]); t=ifftshift(t); z=ifft2(t); figure(3); subplot(1,2,1) imshow(z,[0,255]); n=fft2(z);

subplot(1,2,2);

n=15*log(1.001+abs(n)); surf(n);

R=88时的理想低通滤波结果图和滤波频谱图：

图5

R=24时的理想低通滤波结果图和滤波幅度谱图：

图6

R=5时的理想低通滤波结果图和滤波幅度谱图：

图7

对于所有的低通滤波都会根据不同的半径产生如图一样的频谱图. 当R=5时，滤波后的图像很模糊，无法分辨；

当R=24时，滤波后的图像有些模糊，能分辨出脸上的器官轮廓，但由于理想低通滤波器在频域的锐截止特性，滤波后的图像有较明显的振铃现象；

当R=88时，滤波后的图像比较清晰，但高频分量损失后，图像边沿与文字变的有些模糊，在图像的边框附近仍有振铃现象。

b. 对数字图像进行频域的理想高通，同屏显示原图、幅度谱图和高通滤波的结果图。其中，取理想高通滤波的半径R分别为2、8和24：

原图像及其幅度谱图：

图8

R=2时的理想高通滤波结果图和滤波幅度谱图：

图9

R=8时的理想高通滤波结果图和滤波幅度谱图：

图10

R=24时的理想高通滤波结果图和滤波幅度谱图：

图11

图12

R=8时的频谱图,根据R的大小来决定中心阴影部分的圆的大小,其余部分均是高通滤波的效果.

当R=2时，滤波后的图像无直流分量，但灰度的变化部分基本上都保留了；当R=8时，滤波后的图像在文字和图像边缘部分的信息仍然保留；

当R=24时，滤波后的图像只剩下文字和白条边缘等信号突变的部分。

五、总结

本文主要是对利用Matlab软件对图像增强做了一个简明扼要的介绍。图像增强即增强图象中的有用信息，这个变换过程可以说是一个失真的过程，它的主要目的是加强图像的视觉效果。依据给定图像的实际要求，有目标的突出图像的整体或者是局部特性，将原来不够清晰的图像变得较为清晰或凸显某些感兴趣的特征，扩大图像中不同事物特征之间的差别，剔除不感兴趣的特征，使之改善图像质量、丰富有用信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

图像增强按所采用方法从技术上可以分成频率域法和空间域法。频域法即为把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，削弱图中的干扰噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。

图像增强的方法是通过一定变换方法对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，一般不分析图像降低质量的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所存在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。

参考文献

[1] 汪志云,黄梦为.基本直方图的图像增强及其MATLAB实现[J].计算机工程与科学,2006,28（2）:54-56.

[2]刘榴娣,刘明奇,党长民.实用数字图像处理[M].北京理工大学出版社,1998. [3]冈萨雷斯 RC 著.李叔梁译.数字图像处理.北京:科学出版社,1983 [4]李月景编著.图像识别技术及其应用.北京:机械工业出版社,1985

[5]周考宽,曹晓光,陈建革等编著.实用微机图像处理。北京:北京航天大学出版社,1994

[6]放如明,蔡健荣,许俐编著.计算机图像处理技术及其在农业工程中的应用.北京:清华大学出版社,1999

[7] Biran, A. and Breiner, M. G. MATLAB for Engineers, Addison-Wdsley, 1995 (ISBN 0-201-56524-2).

[8]Golub, G. H. and Van Loan, C. F. Matrix Comautations (2ed edition). The Johns Hopkins Univeristy Press, 1989 (ISBN 0-8018-3739-1).

[9]Borse,G.J.Numerical Methods with MATLAB: A resource for Scientists and Engimeers, PES Publishing Company, 1997 (ISBN 0-534-92822-1).

[10]Heath, M. T. Scientific Computing, an Introductory Survey, McGraw-Hill, 1997 (ISBN 0-07-027684-6).