Matlab数字图像处理——图像增强

已于 2022-03-23 01:15:31 修改
阅读量5w 收藏 1.2k
点赞数 185
分类专栏： Matlab 文章标签： matlab 图像处理
于 2020-04-05 20:19:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/potato_uncle/article/details/105005453
版权

文章目录

一、图像增强介绍

  • 图像增强的目的：提高图像质量和可辨识度
  • 图像质量的评价：图像的逼真度和可懂度

二、灰度变换增强

1、获取图像灰度直方图

灰度变换增强：改变图像像素灰度值

可通过Matlab函数 imhist 获取图像灰度直方图

I = imread('火影4.jpg'); %读取图片
I = rgb2gray(I); %把图片从rgb格式转为灰度图

row = size(I, 1); %获取图片像素的行列数
column = size(I, 2);
N = zeros(1, 256); %一个空的容器，用来记录每个像素出现的次数

% 两个循环用来遍历每一个像素
for i = 1:row
    for j = 1:column
        k = I(i, j); % 获取该像素点的像素值
        N(k + 1) = N(k + 1) + 1; % 记录下该像素值出现的次数
    end
end

%展示图片
figure;
subplot(121);imshow(I);
subplot(122);bar(N);

结果展示：
在这里插入图片描述

2、通过调整灰度值来增强图像
I = imread('火影4.jpg');
I = rgb2gray(I);
I = double(I);

J = (I - 80) * 255 / 70;
row = size(I, 1);
column = size(I, 2);

for i = 1:row
    for j = 1:column
        if J(i, j) < 0
            J(i, j) = 0;
        elseif J(i, j) > 255
            J(i, j) = 255;
        end
    end
end

figure;
subplot(121);imshow(uint8(I));
subplot(122);imshow(uint8(J));

结果展示：
在这里插入图片描述
从结果看，来回调整灰度值，感觉跟美颜相机调整亮度差不多？

三、直方图增强

直方图反映了图像灰度值的分布情况，直方图增强的原理就是通过影响灰度值的分布情况来增强图像。

常用的直方图调整方法包括直方图均衡化、直方图规定化

1、彩色RGB图像直方图显示
I = imread('火影6.jpg');

figure;
subplot(221);imshow(I);
subplot(222);imhist(I(:, :, 1));title('R');
subplot(223);imhist(I(:, :, 2));title('G');
subplot(224);imhist(I(:, :, 3));title('B');

结果展示：
在这里插入图片描述

2、直方图均衡化

Matlab直方图均衡化函数：histeq

I = imread('火影1.jpg');
J = histeq(I);

figure;
subplot(221);imshow(I);
subplot(222);imshow(J);
subplot(223);imhist(I);
subplot(224);imhist(J);

结果展示：
在这里插入图片描述
从结果可以看出灰度值分布明显的更平均了，实际图像看上去色彩对比没有那么强烈了

3、直方图近似化

Matlab提供的函数 histeq 还可以让直方图分布情况近似于给定的分布情况，例如下列代码，让图像的直方图分布去近似正态分布：

I = imread('火影1.jpg');
G = randn(1, 256);
J = histeq(I, G);

figure;
subplot(231);imshow(I);title('原图');
subplot(232);imshow(J);title('近似后');
subplot(233);imhist(I);title('原图像直方图分布情况');
subplot(234);imhist(J);title('近似后分布情况');
subplot(235);bar(G);title('近似的参考分布');

结果展示：
在这里插入图片描述

四、图像的统计特性

  • 1、图像的标准差函数：std2
  • 2、图像的平均数函数：mean2
  • 3、绘制图像等高线函数：imcontour
I = imread('火影4.jpg');
I = rgb2gray(I);

figure;
subplot(121);imshow(I);
subplot(122);imcontour(I);

在这里插入图片描述

五、空域滤波

空域滤波的原理：
在这里插入图片描述
1、图 a 为要进行滤波的原图像，图 b 为滤波模板，图 c 为滤波后的结果
2、首先选定像素点 s0 ，使用模板使原图像 s0 及其周围的点与模板设定好的系数对应相乘，其结果相加得到R， 使R替换 s0，则完成滤波操作

这一部分的图像就用我超级喜欢的自来也吧！！这张是原图：
在这里插入图片描述

1、线性平均滤波

Matlab提供滤波函数：imfilter

I = imread('火影7.jpg');
I = rgb2gray(I);    %读入灰度图像

J = imnoise(I, 'salt & pepper', 0.02);    %加入椒盐噪声
h = ones(3, 3) / 5;  %设置滤波模板
h(1, 1) = 0;
h(1, 3) = 0;
h(3, 1) = 0;
h(1, 3) = 0;

K = imfilter(J, h);    %进行空域滤波

figure;
subplot(131);imshow(I);title('原灰度图');
subplot(132);imshow(J);title('加椒盐噪声');
subplot(133);imshow(K);title('空域滤波');

结果展示：
在这里插入图片描述
图三对比图二可以明显的看出椒盐噪声没那么明显了

2、卷积

Matlab卷积操作函数：conv2
下列代码为卷积操作：

I = imread('火影7.jpg');
I = rgb2gray(I);    %读入灰度图像
I = im2double(I);

J = imnoise(I, 'gaussian', 0, 0.01);    %加入高斯噪声
h = ones(3, 3) / 9;  %设置滤波模板

K = conv2(J, h);    %进行卷积操作

figure;
subplot(131);imshow(I);title('原灰度图');
subplot(132);imshow(J);title('加高斯噪声');
subplot(133);imshow(K);title('卷积');

在这里插入图片描述
图三对比图二也可以明显的看出高斯噪声没那么明显了

3、二维中值滤波

Matlab提供中值滤波的函数：medfilt2

二维中值滤波可以有效的去除椒盐噪声，效果比均值滤波要好

I = imread('火影7.jpg');
I = rgb2gray(I);    %读入灰度图像
I = im2double(I);

J = imnoise(I, 'salt & pepper', 0.03);    %加入椒盐噪声

K = medfilt2(J);    %进行二维中值滤波

figure;
subplot(131);imshow(I);title('原灰度图');
subplot(132);imshow(J);title('加椒盐噪声');
subplot(133);imshow(K);title('中值滤波');

在这里插入图片描述
完全看不出椒盐噪声！！ 真 TMD 好！！

4、顺序统计滤波

Matlab提供顺序统计滤波函数：ordfilt2

I = imread('火影7.jpg');
I = rgb2gray(I);    %读入灰度图像
I = im2double(I);

K1 = ordfilt2(I, 1, true(5));    %相当于最小值滤波
K2 = ordfilt2(I, 25, true(5));   %最大值滤波

figure;
subplot(131);imshow(I);title('原灰度图');
subplot(132);imshow(K1);
subplot(133);imshow(K2);

在这里插入图片描述
采用5 x 5模板最小值输出会使图像更暗，5 x 5最大值输出使图像更亮，同时这两种输出都使图像更模糊了。。。

5、自适应滤波

Matlab自适应滤波函数：wiener2

I = imread('火影7.jpg');
I = rgb2gray(I);    %读入灰度图像
I = im2double(I);

J = imnoise(I, 'gaussian', 0, 0.01);    %加入高斯噪声

K = wiener2(J, [5, 5]);    %进行卷积操作

figure;
subplot(131);imshow(I);title('原灰度图');
subplot(132);imshow(J);title('加高斯噪声');
subplot(133);imshow(K);title('自适应滤波');

在这里插入图片描述

六、频域滤波

1、低通滤波

低通滤波器原理是让低频通过，衰减或过滤掉高频滤波，从而过滤掉包含在高频中的噪声。其作用是图像的去噪声平滑增强，但也会造成不同程度的模糊

(1)、理想低通滤波器

D ( u , v ) = [ ( u − M / 2 ) 2 + ( v − N / 2 ) 2 ] 1 / 2 D(u, v) = [(u - M / 2)^2 + (v - N / 2)^2]^{1 / 2} D(u,v)=[(u−M/2)2+(v−N/2)2]1/2
其中 D(u, v) 表示频率域中点 (u, v) 与频率矩形中心的距离，该距离若大于预先设定距离D0则该点值为0，小于或等于则保留原值。

I = imread('火影8.jpg');
I = rgb2gray(I);    %读入灰度图像
I = im2double(I);

M = 2 * size(I, 1);
N = 2 * size(I, 2);

u = -M / 2:(M / 2 - 1);
v = -N / 2:(N / 2 - 1);
[U, V] = meshgrid(u, v);           %基于向量 u 和 v 中包含的坐标返回二维网格坐标
D = sqrt(U.^2 + V.^2);
D0 = 80;                           %滤波器截止频率为80
H = double(D<= D0);
J = fftshift(fft2(I, size(H, 1), size(H, 2)));  %fftshift将零频点移到频谱的中间,fft2二维快速傅里叶变换
K = J.*H;
L = ifft2(ifftshift(K));           %二维快速傅里叶逆变换
L = L(1: size(I, 1), 1: size(I, 2));
figure;
subplot(121);imshow(I);
subplot(122);imshow(L);

结果表明，效果真的不咋地：
在这里插入图片描述

(2)、Butterworth低通滤波器

截止频率位于距原点 D0 处的 n 阶Butterworth低通滤波器(BLPF)的传递函数定义为：
H ( u , v ) = 1 1 + [ D ( u , v ) / D 0 ] 2 n H(u, v) = \frac{1}{1 + [D(u, v) / D_{0}]^{2n}} H(u,v)=1+[D(u,v)/D0​]2n1​

I = imread('火影8.jpg');
I = rgb2gray(I);    %读入灰度图像
I = im2double(I);

M = 2 * size(I, 1);
N = 2 * size(I, 2);

u = -M / 2:(M / 2 - 1);
v = -N / 2:(N / 2 - 1);
[U, V] = meshgrid(u, v);           %基于向量 u 和 v 中包含的坐标返回二维网格坐标
D = sqrt(U.^2 + V.^2);
D0 = 80;                           %滤波器截止频率为80
n = 6;
H = 1./ (1 + (D./ D0).^ (2 * n));
J = fftshift(fft2(I, size(H, 1), size(H, 2)));  %fftshift将零频点移到频谱的中间,fft2二维快速傅里叶变换
K = J.*H;
L = ifft2(ifftshift(K));           %二维快速傅里叶逆变换
L = L(1: size(I, 1), 1: size(I, 2));
figure;
subplot(121);imshow(I);
subplot(122);imshow(L);

结果也是很糊：
在这里插入图片描述

2、高通滤波

高通滤波器原理是让高频通过，衰减或过滤掉低频滤波。其作用是使图像得到锐化处理，突出图像边界

(1)、Butterworth高通滤波器

截止频率位于距原点 D0 处的 n 阶Butterworth高通滤波器(BHPF)的传递函数定义为：
H ( u , v ) = 1 1 + [ D 0 / D ( u , v ) ] 2 n H(u, v) = \frac{1}{1 + [D_{0} / D(u, v)]^{2n}} H(u,v)=1+[D0​/D(u,v)]2n1​

I = imread('火影8.jpg');
I = rgb2gray(I);    %读入灰度图像
I = im2double(I);

M = 2 * size(I, 1);
N = 2 * size(I, 2);

u = -M / 2:(M / 2 - 1);
v = -N / 2:(N / 2 - 1);
[U, V] = meshgrid(u, v);           %基于向量 u 和 v 中包含的坐标返回二维网格坐标
D = sqrt(U.^2 + V.^2);
D0 = 30;                           %滤波器截止频率为30
n = 6;
H = 1./ (1 + (D0./ D).^ (2 * n));
J = fftshift(fft2(I, size(H, 1), size(H, 2)));  %fftshift将零频点移到频谱的中间,fft2二维快速傅里叶变换
K = J.*H;
L = ifft2(ifftshift(K));           %二维快速傅里叶逆变换
L = L(1: size(I, 1), 1: size(I, 2));
figure;
subplot(121);imshow(I);
subplot(122);imshow(L);

可以明显地突出图像的边缘部分：
在这里插入图片描述

(2)、高斯高通滤波器

截止频率处在距频率矩形中心距离为 D0 的高斯高通滤波器(GHPF)的传递函数由下式给出：
H ( u , v ) = 1 − e − D 2 ( u , v ) / 2 D 0 2 H(u, v) = 1 - e^{-D^{2}(u, v)/2D_{0}^{2}} H(u,v)=1−e−D2(u,v)/2D02​
该滤波器结果要更加平滑，即使对微小物体和细线条滤波结果也比较清晰

I = imread('火影8.jpg');
I = rgb2gray(I);    %读入灰度图像
I = im2double(I);

M = 2 * size(I, 1);
N = 2 * size(I, 2);

u = -M / 2:(M / 2 - 1);
v = -N / 2:(N / 2 - 1);
[U, V] = meshgrid(u, v);           %基于向量 u 和 v 中包含的坐标返回二维网格坐标
D = sqrt(U.^2 + V.^2);
D0 = 20;                           %滤波器截止频率为20
H = 1 - exp(-(D.^2)./(2 * (D0^2)));
J = fftshift(fft2(I, size(H, 1), size(H, 2)));  %fftshift将零频点移到频谱的中间,fft2二维快速傅里叶变换
K = J.*H;
L = ifft2(ifftshift(K));           %二维快速傅里叶逆变换
L = L(1: size(I, 1), 1: size(I, 2));
figure;
subplot(121);imshow(I);
subplot(122);imshow(L);

结果展示：
在这里插入图片描述

3、理想带阻滤波器

带阻滤波器用于抑制距离频率域中心一定距离的一个圆环区域的频率，可用于消除一定频率范围的周期噪声。

I = imread('火影8.jpg');
I = rgb2gray(I);    %读入灰度图像
I = imnoise(I, 'gaussian', 0, 0.01);    %加入高斯噪声
I = im2double(I);

M = 2 * size(I, 1);
N = 2 * size(I, 2);

u = -M / 2:(M / 2 - 1);
v = -N / 2:(N / 2 - 1);
[U, V] = meshgrid(u, v);           %基于向量 u 和 v 中包含的坐标返回二维网格坐标
D = sqrt(U.^2 + V.^2);
D0 = 50;                           %滤波器截止频率为50
W = 30;
H = double(or(D < (D0 - W / 2), D > D0 + W / 2));

J = fftshift(fft2(I, size(H, 1), size(H, 2)));  %fftshift将零频点移到频谱的中间,fft2二维快速傅里叶变换
K = J.*H;
L = ifft2(ifftshift(K));           %二维快速傅里叶逆变换
L = L(1: size(I, 1), 1: size(I, 2));
figure;
subplot(121);imshow(I);
subplot(122);imshow(L);

在这里插入图片描述

4、同态滤波

同态滤波可以压缩灰度图像的动态范围，且增强对比度

I = imread('pout.tif');
J = log(im2double(I) + 1);
K = fft2(J);
n = 5;
D0 = 0.1 * pi;
rh = 0.7;
rl = 0.4;
[row, column] = size(J);

for i = 1: row
    for j = 1: column
        D1(i, j) = sqrt(i^2 + j^2);
        H(i, j) = rl + (rh / (1 + (D0 / D1(i, j))^(2 * n)));
    end
end

L = K.*H;
M = ifft2(L);
N = exp(M) - 1;

figure;
subplot(121);imshow(I);
subplot(122);imshow(real(N));

在这里插入图片描述

完整目录

Matlab数字图像处理——图像处理工具箱Image Processing Toolbox
Matlab数字图像处理——图像类型的转换
Matlab数字图像处理——图像文件的读取
Matlab数字图像处理——图像文件的显示
Matlab数字图像处理——视频文件的读写
Matlab数字图像处理——图像的像素运算(灰度变换)
Matlab数字图像处理——图像的空间变换
Matlab数字图像处理——图像的平移、邻域操作、区域选取
Matlab数字图像处理——图像增强
Matlab数字图像处理——图像复原

是土豆大叔啊！
关注
  • 185
    点赞
  • 踩
  • 1284
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 21
    评论
专栏目录
【图像边缘检测】基于matlab GUI Sobel+Prewitt+Canny算子图像边缘检测（带面板）【含Matlab源码 1045期】
订阅付费专栏（初级版），可赠送该付费专栏任意代码1份；
06-21 1152
Sobel+Prewitt+Canny算子图像边缘检测（带面板） 完整的代码，方可运行；可提供运行操作视频！适合小白！
matlab 自适应增强算法
04-27
matlab 自适应图像增强算法 亲测有效 适合初学者作参考！
基于Matlab实现多个图像增强案例（附上源码+数据集）
m0_62143653的博客
09-01 2134
基于Matlab实现多个图像增强案例（附上源码+数据集）
【MATLAB应用】图像增强
最新发布
yuchunyu12的博客
04-16 1429
它有针对性地突出整体或局部特征，使模糊图像清晰，突显感兴趣的特征，增加不同物体间的对比度，抑制不相关的信息，从而提高图像质量、增强信息量，方便观察和识别，满足特定分析需求。基于小波塔式分解的方法，由于其对图像进行多尺度处理的能力，特别适用于要求高精度和高质量增强效果的应用领域，如医学图像处理、卫星图像分析等。- **灵活性和适应性**：可以根据不同的应用场景和需求，选择适当的小波基和分解层数，进行定制化的图像增强处理。- **保留图像特征**：在增强图像细节的同时，保留重要的图像特征和内容不被失真。
【图像增强】matlab实现几种典型的图像增强算法
G_redsky的博客
02-28 5879
图像增强算法主要目的是改善图像的视觉效果或为后续处理（如图像分析、识别等）提供更好的图像质量。：通过拉伸图像的灰度直方图，使得直方图更加均匀分布，从而增加图像的对比度。：对数变换可以增强低亮度区域，使图像的整体对比度得到提升。：通过调整伽马值，可以对图像的暗部和亮部进行不同程度的增强。：使用高通滤波器（如拉普拉斯滤波器）增强图像的边缘和细节。：结合空间邻近度和像素相似度，对图像进行平滑处理同时保持边缘清晰。：通过提取图像的高频分量并加以增强，可以提升图像的细节。
【图像边缘检测】Sobel+Prewitt+Canny算子图像边缘检测（带面板）【含GUI Matlab源码 1045期】
Matlab领域的博客
12-16 918
Sobel+Prewitt+Canny算子图像边缘检测（带面板） 完整的代码，方可运行；可提供运行操作视频！适合小白！
数字图像处理基础（matlab）Ⅱ:图像的增强
涛涛涛涛的博客
07-26 746
边缘检测及自动阈值算法
matlab实验一 图像增强
m0_50852718的博客
06-16 1万+
实验一 图像增强 一、实验目的 熟悉及掌握图像的灰度转换。 理解直方图的概念及应用，实现图像直方图的显示，及通过直方图均衡化方法对图像进行修正。 熟悉并掌握平滑空间滤波器； 熟悉并掌握锐化空间滤波器。 熟悉及掌握图像的变换原理及性质，实现图像的傅里叶变换。 理解并掌握常用的图像频域增强技术。 二、实验环境 MATLAB R2010b版本、WIN 7计算机 三、相关函数 imwrite(): 用于写入图像文件如：imwrite(a,‘e:\w02.tif’,’tif’) plot(): 绘制二维图
MATLAB实现彩色图像对比度增强
jindayue的博客
01-12 9282
对彩色图像进行增强、主要增强两方面，一方面是图像的亮度，另一方面就是图像的对比度。 参考链接：https://www.jianshu.com/p/5a8d12d6c649 基于修改直方图的方法： 将RGB格式的图像转为HSV或者HSI格式，对于亮度值进行修改。主要是对V值直方图进行均衡化。 clear all; close all; RGB=imread('test.jpeg'); HSV=rgb2hsv(RGB); H=HSV(:,:,1); S=HSV(:,:,2); V=HSV(:,:
MATLAB图像处理之图像去模糊处理
热门推荐
临风暖阳的博客
03-27 1万+
clc;close all;clear; I = imread(‘peppers.png’);%读取图像 I = I(10+[1:256],222+[1:256]????;%选定图像的范围 figure(1); imshow(I);%显示原图像 title(‘Original Image’); LEN = 31; THETA = 11; PSF = fspecial(‘motion’,LEN,THETA);%产生运动模糊函数 blurred = imfilter(I,PSF,‘circular’,‘con
图像增强matlab代码
05-06
图像增强传统方法代码，仿真绝对没问题，好用，简单比较容易明白
MATLAB夜间车牌识别程序
09-19
MATLAB夜间车牌识别程序
数字图像处理——Matlab
06-19
一个简单的课程设计，基于Matlab的GUI界面实现对图像的平移，旋转，锐化，分割等功能
数字图像处理——图像的分割实验 matlab
05-10
我数字图像处理的作业，内有实验报告、m文件、图像文件 包括的实验为： 1.Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子、LoG算子和Canny算子等进行边缘检测 2.手动阈值分割 3.迭代阈值和OTSU算法对图像进行二...
数字图像处理——使用MATLAB分析与实现_matlab_数字图像处理_源码
09-29
本压缩包主要包括数字图像处理——使用MATLAB分析与实现的源代码
数字图像处理——直方图均衡化+灰度级变换的matlab五种实现方式
07-20
对于彩色图像，我们可以对 R(红)G(绿)B(蓝) 每个通道都执行直方图均衡化来改善照片的质量；对于灰度图像，我们可以直接对其进行直方图均衡化来改善照片的质量...matlab实现数字图像处理均衡化图像的五种图像变换方式。
数字图像处理matlab——数字形态学处理（matlab源文件及训练文件）
03-26
1.准备二值图像，对其进行膨胀、腐蚀、开运算、闭运算操作 2.使用不同形状和大小的结构元素，做以下处理 对Electronic.jpg做腐蚀运算处理。（disk，5；disk，15） 对Text.jpg做膨胀运算处理。（disk ，1） 对...
基于MATLAB的数字图像处理系统
GGMMM123的博客
12-18 1250
这主要是对MATLAB函数的不够清楚，用到的很多函数是针对二维数据的，而RGB图像的数据是一个三维矩阵，所以处理要与灰度图像不同，在开始的时候，我认为应该找一个能够应用于三维矩阵的函数，结果却没找到，后来想到可以把三维数据进行降维处理，同样使用二维的函数，只要是同样处理三次。比如，彩色图像的滤波处理，直方图均衡等。其中，x矩阵的数据是0~255灰度值的统计个数，如果直接对x矩阵数据进行图形图显示，由于有256个数据，在坐标系中就会很密集，为了更清楚的显示条形图，所以在程序设计时，把x数据进行部分提取，
使用 matlab 数字图像处理（八）—— 画圆
06-12
好的，我可以帮你解答这个问题。 要在 MATLAB 中画圆，可以使用 `viscircles` 函数。该函数的语法如下： ``` viscircles(centers,radii) ``` 其中，`centers` 是一个大小为 n×2 的矩阵，每行包含一个圆心的 x 和 y 坐标；`radii` 是一个包含 n 个元素的向量，每个元素表示一个圆的半径。 举个例子，如果要画一个圆心坐标为 (3, 4)，半径为 2 的圆，可以这样写： ``` viscircles([3, 4], 2) ``` 你也可以画多个圆，只需要在 `centers` 和 `radii` 中分别传入多行和多个元素即可。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 21
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

是土豆大叔啊！

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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