图像增强的方法

本文探讨了图像增强的不同方法,包括最近邻、双三次、 lanczos等插值方法的效果和评价标准,如PSNR。同时,提到了通过高斯滤波和拉普拉斯滤波进行对比度增强但可能引入噪声的问题。还介绍了Retinex方法和基于全局统计的图像增强方法,如使用nlfiter函数,并指出这些方法中参数的选择对结果的影响,特别是E和k参数的调整对于图像增强的重要性。
摘要由CSDN通过智能技术生成

图像增强有一些比较基本的方法:

需要比较一下 最近邻,bicubic,lanzcos 的方法。不知道这几个方法哪个得到的效果相对较好,评价的标准是什么。PNSR 的标准可信不

不可行的方法:

1.我们称原始图像为G0,我们对原始图像经过两次高斯滤波或者拉普拉斯滤波,然后原图像与2次拉普拉斯滤波之后的图像相减(我们记此时的为L0),我们对这个乘以一个系数,达到图像对比度增强的效果。但是这样会因为加入高频信息,引入噪声。

芸姐早前说要取一个好的阈值,可以把细节跟噪声区分开来。但是这个合适的阈值怎么选取,是利用打网格的办法选取吗。

现在知道的能用来图像增强的方法:

1.一些基本的图像增强算法。


上面的这个方法是一些基本的方法。

还有一些比较常用的方法。比如是Retinex 的方法。但是我得到的结果是感觉好像是有一层什么膜一样,想起来之前那个Imageshop 的

那个软件,好像是发现Retinex 这个方法跟其他的图像增强的方法不一样。现在就不深究这个问题。

还有比较常用的方法就是 比如芸姐给的方法:

clear,clc;
%% Read original SEM images
Isem=imread('testimages/sem.jpg');
%% Caculate the global mean and variance.
f=double(Isem);
M=mean2(f);D=std2(f);
%% Perform the enhancing task.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值