【图像增强】基于matlab频域+密度分割+灰度级-彩色变换伪彩色图像增强【含Matlab源码 1011期】

海神之光

已于 2023-10-28 14:41:05 修改

阅读量1.8k

点赞数 3

分类专栏： Matlab图像处理（进阶版）文章标签： MATLAB 图像处理图像增强滤波器源代码

于 2021-06-16 22:18:18 首次发布

代码事宜私信博主

本文链接：https://blog.csdn.net/TIQCmatlab/article/details/117968097

版权

Matlab图像处理（进阶版）专栏收录该内容

885 篇文章 1059 订阅

订阅专栏

✅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

⛄二、部分源代码

Image = double(imread(‘yaogan1.bmp’));
imshow(uint8(Image))
[height,width]=size(Image);
NewImage=zeros(height,width,3);
for i=1:height
for j=1:width
if Image(i,j)<52
NewImage(i,j,1)=16; NewImage(i,j,2)=25; NewImage(i,j,3)=64;
elseif Image(i,j)<92
NewImage(i,j,1)=27; NewImage(i,j,2)=45; NewImage(i,j,3)=125;
elseif Image(i,j)<115
NewImage(i,j,1)=101; NewImage(i,j,2)=146; NewImage(i,j,3)=79;
elseif Image(i,j)<170
NewImage(i,j,1)=115; NewImage(i,j,2)=156; NewImage(i,j,3)=142;
else
NewImage(i,j,1)=213;
NewImage(i,j,2)=222;
NewImage(i,j,3)=159;
end
end
end
Image=double(imread(‘Brain.jpg’));
[height,width]=size(Image);
NewImage=zeros(height,width,3);
L=255;
for i=1:height
for j=1:width
if Image(i,j)<=L/4
NewImage(i,j,1)=0;
NewImage(i,j,2)=4Image(i,j);
NewImage(i,j,3)=L;
else if Image(i,j)<=L/2
NewImage(i,j,1)=0;
NewImage(i,j,2)=L;
NewImage(i,j,3)=-4Image(i,j)+2L;
else if Image(i,j)<=3L/4
NewImage(i,j,1)=4Image(i,j)-2L;
NewImage(i,j,2)=L;
NewImage(i,j,3)=0;

⛄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] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

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