实验二：图像的增强

水了又水

已于 2023-05-07 14:49:27 修改

阅读量934

点赞数 4

分类专栏：数字图像处理文章标签： matlab 图像处理开发语言

于 2023-03-31 14:40:45 首次发布

本文链接：https://blog.csdn.net/m0_60004633/article/details/129878714

版权

数字图像处理专栏收录该内容

8 篇文章 3 订阅

订阅专栏

数字图像处理完整MATLAB代码在我的资源可以看到，为方便下载，下面是百度网盘资源：

链接：https://pan.baidu.com/s/17S7PZJwwvb3PFMFVxqEY5w
提取码：HUAT

一、实验目的与要求

二、实验预习部分

三、实验内容及步骤

完整代码：

链接：https://pan.baidu.com/s/1TK6kVMd5_IaAyIcXyaci1g
提取码：HUAT

一、实验目的与要求

1．了解常见图像噪声及其对图像的影响。

2．掌握常用图像去噪及增强的基本原理和方法。

二、实验预习部分

1. 学习常见图像噪声类型；

2. 学习图像灰度变换、直方图均衡化、邻域平均法、中值滤波这些空间域图像增强原理及方法，以及频域低通滤波方法；

3.学习《Matlab图像处理教程简易教程》中“图像点运算”中的灰度变换和直方图增强部分；“空间域图像增强”中内容和“频率域图像增强”中的傅里叶变换下的理想低通的内容；

4.学习并记录在matlab中实现以下功能需要的函数及其用法。

1）添加图像噪声的函数imnoise()及其用法：

J= imnoise(I,'gaussian')将方差为 0.01 的零均值高斯白噪声添加到灰度图像I。

2）通过学习，试编写灰度变换的程序；

灰度的Gamma变换

I=imread('nir.bmp');

figure;imshow(imadjust(I,[],[],0.5)); %gamma=0.5

title('Gamma 0.5');

3）图像均衡化的实现函数histeq（）的用法；

J = histeq(I,n) 变换灰度图像 I，以使输出灰度图像 J 具有 n 个 bin 的直方图大致平坦。当 n 远小于 I 中的离散灰度级数时，J 的直方图更平坦。

4）均值滤波所用的函数fspecial()和imfilter（）的用法；

B=imfilter(f,w,option1,option2,…);

f 为要进行滤波操作的图像。

w为滤波操作使用的模板，为一个二维数组，可自己定义。

option1……是可选项，包括：

1、边界选项（’symmetric’、’replicate’、’circular’）

2、尺寸选项（’same’、’full’）

3、模式选项（’corr’、’conv’）

h=fspecial(type,parameters)

parameters为可选项，是和所选定的滤波器类型type相关的

配置参数，如尺寸和标准差等。

5）实现中值滤波的函数medfilt2()用法；

h=medfilt2(I1,[m,n]);

m和n为中值滤波处理的模板大小，默认3*3

6）学习频域中低通滤波器的构建及对图像的滤波处理的方法。

理想低通滤波器的构建：

%imidealflpf函数    构造高斯频域低通滤波器

[M,N] = size(I);

out = ones(M,N);

for i=1:M

    for j=1:N

    if (sqrt(((i-M/2)^2+(j-N/2)^2))>freq)

    out(i,j)=0;

        end

    end

end

图像滤波处理的方法：

Imread函数读取图像

调用fft2函数对图像进行DFT处理

调用abs函数取得频谱采用log处理，进行灰度压缩

调用fftshift函数中心化处理

利用理想低通滤波器imidealflpf对图像频谱进行滤波，滤除高频成分

调用ifftshift函数去中心化处理

对输出结果ifft2反变化得到滤波后的图像

三、实验内容及步骤

1.在实验一的基础上，在GUI界面增加图像增强处理功能菜单或者控件，显示新增功能如下：

2.分析对比图像去噪算法

2.1. 高斯噪声的图像处理

1)打开一幅图像，显示结果：

2）添加高斯噪声，显示结果：

3）用尺寸大小为3×3的模板进行均值滤波，显示结果：

4）用尺寸大小为5×5的模板进行均值滤波，显示结果：

5）对噪声图像进行高斯滤波，显示结果：

6）对噪声图像进行中值滤波，显示结果：

7)根据上面结果分析均值滤波、高斯滤波和中值滤波对高斯噪声的图像去噪效果，分析去除高斯噪声用哪种方法更合适。

高斯滤波>中值滤波>均值滤波

高斯滤波更适合去除高斯噪声

8)记录上述方法的函数执行语句，写入实验报告中每步执行效果之前。

2.2椒盐噪声的图像去噪

1)打开一幅图像,显示结果：

2）添加椒盐噪声,显示结果：

3）用尺寸大小为3×3的模板进行均值滤波,显示结果：

4）用尺寸大小为5×5的模板进行均值滤波,显示结果：

5）对噪声图像进行中值滤波,显示结果：

6）编写程序实现图像的频域滤波处理

采用傅立叶变换将图像转化到频域中，设计一个低通滤波器，对含椒盐噪声的图像进行频率域滤波，滤波后结果逆变换回来。

程序：

global My_GUI_handles;

fre=get(hObject,'Value');

set(handles.text_l_f1,'String',num2str(fre));





axes(My_GUI_handles.axes_dst);

img_src=getimage(My_GUI_handles.axes_src);

img_src=rgb2gray(img_src);

img_src1=double(img_src);

img_src2=abs(fftshift(fft2(img_src1)));

imshow(log(img_src2),[]);

title('图像傅里叶变换取对数所得频谱');



axes(My_GUI_handles.axes_src1);

[a,b] = size(img_src1);

s_max = min(a/2,b/2);

s_max = s_max^2;

set(handles.slider_l_f1,'Max',double(s_max));





img_src5= low_filter(fftshift(fft2(img_src1)),fre);

imshow(log(abs(img_src5)),[]);

title('低通滤波频谱');



axes(My_GUI_handles.axes_dst1);

new_img = uint8(real(ifft2(ifftshift(img_src5))));

imshow(new_img,[]);

title('低通滤波后的图像');

低通滤波器：

function l_f = low_filter(img,fre)

%此函数用于对图像进行滤波

%主要原理为在图像平移后频谱图进行圈定范围（面积）操作，面积外的设为0（滤除高频成分）

%img为图像平移后频谱图，fre为圈定的频谱范围

[a,b] = size(img);

a0 = round(a/2);

b0 = round(b/2);

for i=1:a

    for j=1:b

        distance = (i-a0)^2+(j-b0)^2;

        if distance<fre

            h = 1;

        else

            h = 0;

        end

        l_f(i,j) = h*img(i,j);

    end

end



end

傅立叶变换后的结果显示：