【图像增强】HSV空间双边滤波图像去雾【含Matlab源码 067期】

Matlab武动乾坤

于 2024-01-19 09:18:10 发布

阅读量336

点赞数 8

分类专栏： Matlab图像处理（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/135689011

版权

Matlab图像处理（进阶版）专栏收录该内容

854 篇文章 19 订阅

订阅专栏

本文介绍了Matlab中图像增强技术的基础概念，包括双边滤波、Retinex算法的改进以及如何使用高斯滤波处理噪声。同时，涉及了从RGB到HSV颜色空间转换的应用。作者还分享了部分源代码示例，展示了Matlab2014a版本的使用。

摘要由CSDN通过智能技术生成

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、图像增强技术简介

图像增强
图像增强是对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以便于显示、观察或进一步分析与处理。通过对图像的特定加工，将被处理的图像转化为对具体应用来说视觉质量和效果更“好”或更“有用”的图像。
图像增强是最基本最常用的图像处理技术，常用于其他图像处理的预处理阶段。
在这里插入图片描述
（1）高通平滑、低通锐化；平滑模糊、锐化突出图像细节
（2）滤波器还有带通、带阻等形式
（3）根据噪声（椒盐噪声、高斯噪声…）的不同，选用不同的滤波
（4）邻域有4-邻域、对角邻域、8-邻域，相对应的有邻接，即空间上相邻、像素灰度相似
（5）图像边缘处理：忽略不处理、补充、循环使用
（6）目前尚未图像处理大多基于灰度图像

传统的Retinex算法采用高斯函数作为其环绕函数，将MSR算法中的高斯函数用双边滤波函数代替，双边滤波与高斯滤波相比，可以同时增强空域和时域的平滑性，避免了高斯滤波的误判问题，可以更好地保持图像的边缘信息，使得处理后的图像边缘更加光滑连续，还能在一定程度上解决图像的光晕问题。其中sigma_s取值为[15 70 110]，其中sigma_r取值为[0.05 0.10 0.15]。
为了使图像的色彩更加自然，对经过双边滤波处理后的入射分量进行伽马变换，其中C =0.77;Gamma =[0.05 0.1 0.3]。

⛄二、部分源代码

clear all;%clear the values
clc;%clear the command window
tic
strhead = ‘5’;%the name of file
strtail = ‘.bmp’ ;% the format of the file
str = strcat(strhead,strtail);
img = im2double(imread(str));%read the image and convert to double.
N = 15;%the size of filter
sigma = [100 , 0.3];%the parameters of bilateral filter
retimg = bialteral(img , N , sigma );%get the illumination image

subplot(1,3,1);imshow(img);title(‘the original image’);
subplot(1,3,2);imshow(retimg);title(‘the illumination image’);

%% s-l
img_copy = rgb2hsv(img);
img_copy3 = log(img_copy(:,:,3));
retimg_copy = rgb2hsv(retimg);
retimg_copy3 = log(retimg_copy(:,:,3));%only to v layer
r_img = img_copy3 - retimg_copy3;
r_img = exp(r_img);
N = 4;
sigma = [100,0.3];
retinex_img(:,:,3) = bialteral2(r_img,N,sigma);%get reflect image

dim = size(img);
for i = 1:dim(1)
for j = 1:dim(2)
img_copy(i,j,3) = img_copy(i,j,3)^(1/3);
end
end
retinex_img(:,:,3) = retinex_img(:,:,3).*(img_copy(:,:,3));

retinex_img(:,:,1) = img_copy(:,:,1);
retinex_img(:,:,2) = img_copy(:,:,2);
retinex_img = hsv2rgb(retinex_img);
function retimg = bialteral(img ,N ,sigma)
%% colorspace transformation
img = rgb2hsv(img);%convert rgb to hsv colorspace in order to process

%% pre-computer domain filtering
sigma_d = sigma(1);
sigma_r = sigma(2);
[X,Y] = meshgrid(-N:N,-N:N);%generate two matrix
D = exp(-(X.^2+Y.2)/(2*sigma_d^2));%domain weights with Euclidean distance

%% create waitbar
h = waitbar(0,‘illumination retinex algorithm……’);
set(h,‘Name’,‘Illumination Retinex’);

%% rang filtering in v layer
dim = size(img);%dim=[height,length,3]
B = zeros(dim);%create an image B with the same size and dimension with the zero value.
for i = 1:dim(1)
for j = 1:dim(2)
iMin = max(i-N,1);
iMax = min(i+N,dim(1));
jMin = max(j-N,1);
jMax = min(j+N,dim(2));
L = img(iMin:iMax,jMin:jMax,3);%extract the local region

    d = L-img(i,j,3);%the dissimilarity between the surroud and center
      
    R = exp(-(d.^2)/(2*sigma_r^2));%range filter weights
            
    F = R.*D((iMin:iMax)-i+N+1,(jMin:jMax)-j+N+1);%its row is from iMin-i+N+1 to iMax-i+N+1,and so as line
    for m = 1:iMax-iMin+1
        for n = 1:jMax-jMin+1
            if d(m,n) < 0
                F(m,n) = 0;
            end
        end
    end
    norm_F = sum(F(:));
    B(i,j,3) = sum(sum(F.*L))/norm_F;

    retimg(i,j,1) = img(i,j,1);
    retimg(i,j,2) = img(i,j,2);
    retimg(i,j,3) = B(i,j,3);
end
waitbar(i/dim(1));

end
close(h);%close the bar

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]陈龙,郭宝龙,毕娟,朱娟娟.基于联合双边滤波的单幅图像去雾算法[J].北京邮电大学学报. 2012,35(04)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合