简单图像处理

最新推荐文章于 2024-06-21 00:57:48 发布
最新推荐文章于 2024-06-21 00:57:48 发布
阅读量3k 收藏 14
点赞数 2
分类专栏： 图像处理 文章标签： MATLAB 二值形态学 同态滤波 去模糊 滤波
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/qq_42037746/article/details/92392653
版权

简单图像处理

说明

对同态滤波、直方图均衡化、中值滤波、均值滤波、去模糊、二值形态学等基本的图像处理方法进行了讨论。

待处理图像

图一Alt
图二在这里插入图片描述
图三在这里插入图片描述
图四
在这里插入图片描述

基本方法介绍

同态滤波

  • 算法分析
    同态滤波是把频率过滤和灰度变换结合起来的方法。同态滤波将灰度值分成照度和反射率两部分，照度为低频成分，反射率为高频成分。具体流程如下，先对原始对象进行取对数操作，再进行傅里叶变换，通过高斯同态滤波，再进行傅里叶逆变换，最后进行指数运算得到处理后的图像。

  • 适用场景
    同态滤波器一般用在光照不均引起的图像处理中，例如图像明暗对比过大，部分细节不清楚等情况中。对灰度范围进行调整，通过消除照明不均，增强暗区的图像细节，同时又不损失亮区的图像细节。

  • 代码

I=imread('待处理的图片');
subplot(141),imshow(I);title('原图')
I=double(rgb2gray(I));
[M,N]=size(I);
rL0=0.6;
rH0=2.0;%可根据需要效果调整参数   相当于截取中间一段 削弱低频
rL1=0.3;rH1=2.5;rL2=0.8;rH2=1.8;
c=2;d0=10;%锐化参数
I1=log(I+1);%取对数
FI=fft2(I1);%傅里叶变换
n1=floor(M/2); n2=floor(N/2);%向量M、N作除法取整
for i=1:M
for j=1:N
D(i,j)=((i-n1).^2+(j-n2).^2);
H0(i,j)=(rH0-rL0).*(exp(c*(-D(i,j)./(d0^2))))+rL0; %高斯同态滤波
H1(i,j)=(rH1-rL1).*(exp(c*(-D(i,j)./(d0^2))))+rL1; 
H2(i,j)=(rH2-rL2).*(exp(c*(-D(i,j)./(d0^2))))+rL2;
end
end
I20=ifft2(H0.*FI);%傅里叶逆变换
I21=ifft2(H1.*FI);
I22=ifft2(H2.*FI);
I30=real(exp(I20));%取指数
I31=real(exp(I21));I32=real(exp(I22));
subplot(143),imshow(I30,[]);title('同态滤波增强后0.6-2.0')
subplot(144),imshow(I31,[]);title('同态滤波增强后0.3-2.5')
subplot(142),imshow(I32,[]);title('同态滤波增强后0.8-1.8')

直方图均衡化

  • 算法分析
    直方图均衡化是一种利用灰度变换自动调节图像对比度的方法。先求出待处理图像的直方图，然后利用累计分布函数对待处理图像的直方图做变换，得到新的图像灰度，最后进行近似处理，将新灰度代替旧的，同时将灰度值相等或者相近的直方图合并。
    所以，采用直方图均衡化是动态范围扩展，增强图像的对比度，灰度是“简并”的。采用直方图均衡化后的直方图图像较之前平坦。

  • 代码

%选择图片
[FileName, FilePath]=uigetfile('*.tif;*.jpg;*.png;*.img;*.gif;*.bmp;','请选择图像数据');
str=[FilePath FileName];
Image=imread(str);%读取图片
Image=rgb2gray(Image);%灰度化处理
[M,N]=size(Image);%像素大小
Image=im2double(Image);%数据类型转换
%完成直方图均衡化
eq_image1=histeq(Image,8);
eq_image2=histeq(Image,64);
eq_image3=histeq(Image,256);
figure, % 在同一窗口显示直方图
subplot(2,4,1),imhist(Image);title('原图直方图');%默认灰度为256
subplot(2,4,2),imhist(eq_image1);title('灰度值 8');%显示直方图
subplot(2,4,3),imhist(eq_image2);title('灰度值 64');
subplot(2,4,4),imhist(eq_image3);title('灰度值 256');
subplot(2,4,5),imshow(Image);title('原图');
subplot(2,4,6),imshow(eq_image1);title('直方图均衡化');%显示处理后的图片
subplot(2,4,7),imshow(eq_image2);title('直方图均衡化');
subplot(2,4,8),imshow(eq_image3);title('直方图均衡化');

中值滤波&均值滤波

  • 算法分析
    图片消噪方法具体包括均值滤波器、中值滤波器以及低通滤波器。
    均值滤波
    均值滤波是一种线性滤波算法。具体操作如下，对目标像素给定一个模板，改模板包括其周围的像素，3×3的模型是以目标像素为中心周围的八个点，利用模板的全体像素的平均值来代替原像素。
    均值滤波不能很好的保护图像细节，在给图像消噪的同时会使图像变得模糊。
    中值滤波
    中值滤波是一种非线性平滑技术。将以该点为中心的领域窗口内的所有像素点灰度值的中值取代原像素。可采用3×3、5×5等模板。
    中值滤波对去除椒盐噪声十分有效，可以保护图像尖锐的边缘。
    观察通过均值滤波处理后得到的图像，发现图像对比度不大，所以，进行直方图均衡化处理，得到更为清晰的图像。

  • 代码

I=imread('待处理的图片');
D0=medfilt2(I,[3,3]);%3*3中值滤波
D1=medfilt2(I,[5,5]);
K=filter2(fspecial('average',3),I)/255;
subplot(141),imshow(I,[]);title('原图')
subplot(142),imshow(D0,[]);title('3*3中值滤波')
subplot(143),imshow(D1,[]);title('5*5中值滤波')
subplot(144),imshow(K,[]);title('均值滤波')

去模糊

  • 算法分析
    维纳滤波
    维纳滤波是最小均方误差滤波器，是对平稳过程的最优估计。即该滤波器的输出与期望输出之间的均方误差最小，可用于提取被平稳噪声所污染的信号。若没有加性噪声，维纳滤波方法就让退化为逆滤波。
    在这里插入图片描述维纳滤波的传递函数
    维纳滤波对高斯噪声、乘性噪声有明显的抑制作用，但容易失去边缘信息。维纳滤波适应面广，但算法复杂度高，处理效率不高。
    在MATLAB中通过使用deconvwnr（I,PSF,NCORR,ICORR)函数来实现维纳滤波。I为退化图像；PSF为点扩散函数；NCORR和ICORR分别是信号和原图像的自相关函数。在函数deconvwnr（I,PSF,NSR）中，NSR为噪声信号功率比。
    可约束最小二乘滤波
    可约束最小二乘滤波器是采用最小化函数的二阶微分。建立以下约束 在这里插入图片描述约束条件为在这里插入图片描述
    F^是为退化图像的估计，N为加性噪声，拉普拉斯算子∇2为平滑程度。
    推导可得到在这里插入图片描述
    在MATLAB中使用函数 deconvreg (I,PSF,NP,LRANGE,REGOP)实现可约束最小二乘滤波。LRANGE是函数优化过程中拉格朗日算子的范围，默认值为[1e-9,1e9]；REGOP是约束优化中的规则化操作，默认值为Laplacian。
    Lucy-Richardson
    Lucy-Richardson方法采用优化技术和泊松统计准则，基于贝叶斯理论使产生图像的似然性达到最大值，是基于时域的方法。数学推导太过复杂，这里不加赘述。
    deconvlucy(I,PSF,NUMIT,DAMPAR,WEIGHT,READOUT,SUBSMPL)是MATLAB中完成Lucy-Richardson滤波的函数。NUMIT为迭代次数，默认值为10；DAMPAR是原图像和恢复图像之间的偏差；WEIGHT为权重矩阵，规定坏像素为0，其余为1；READOUT是是与噪声和读出设备有关的参数，默认值为0；SUBSMPL是指二次抽样频率，默认值为1。Deconvlucy函数使用衰减因子DAMPAR来抑制噪声放大，这个参数指定了结果图像和原始图像的偏离阈值，限制恢复的图像与原始图像之间的差异，既抑制了噪声，又保留了图像细节，小于这个参数衰减进行，大于这个采纳数迭代被抑制。
  • 代码
[FileName, FilePath]=uigetfile('*.tif;*.jpg;*.png;*.img;*.gif;','请选择需要图像数据');%选择测试图片 
str=[FilePath FileName];
Ori_img = imread(str);
figure(1)
subplot(331);imshow(Ori_img);title('原始图像')
len = 8; theta = 10;%距离 角度
psf=fspecial('motion',len,theta)%运动模糊算子 以theta角度运动了len个像素
mohu = imfilter(Ori_img,psf,'conv','circular');%输入图像 滤波掩模 卷积 通过二维周期函数扩展
subplot(332);imshow(mohu);title('模糊后图片');
%维纳滤波
vw0 = deconvwnr(Ori_img ,psf,0.01);%退化的图像 点扩散函数 噪声信号功率比
subplot(334);imshow(vw0);title('维纳滤波 0.01');
vw1 = deconvwnr(Ori_img ,psf,0.001);
subplot(335);imshow(vw1);title('维纳滤波 0.001');
vw2 = deconvwnr(Ori_img ,psf,0.0001);
subplot(336);imshow(vw2);title('维纳滤波 0.0001');

%约束最小二乘滤波
Mini_img = deconvreg(Ori_img ,psf); 
subplot(333);imshow(Mini_img);title('约束最小二乘滤波');

%Richardson-Lucy算法
Lucy_img_10 = deconvlucy(Ori_img ,psf,10); %迭代次数
subplot(337);imshow(Lucy_img_10);title('Richardson-Lucy 10');
Lucy_img_30 = deconvlucy(Ori_img ,psf,30); 
subplot(338);imshow(Lucy_img_30);title('Richardson-Lucy 30');
Lucy_img_60 = deconvlucy(Ori_img ,psf,60);
subplot(339);imshow(Lucy_img_60);title('Richardson-Lucy 60');

二值形态学

  • 算法分析
    腐蚀和膨胀
    膨胀在二值图像中是加长或者变粗操作。用结构元素B，扫描图像A的每一个像素，将结构元素与二值图像做操作，若结构像素内有空白的，则置结构像素中心为空白。膨胀用来扩展物体的边界点、增长特征区域、填补空洞等。在MATLAB中使用strel()与imdilate()函数结合使用。
    腐蚀是对二值图像进行收缩或者细化。用结构元素B扫描图像A的每一个像素，若结构像素B内有黑点，则置结构像素中心为空白。腐蚀可以消物体的边界点、消除噪声以及打开物体之间的小连通。在MATLAB中使用strel()和imerode()函数。
    孔洞填充
    孔洞填充是以种子点为起点，采用膨胀算法对背景进行填充，膨胀到不能膨胀为止，最后将新得到的二值图像与原二值图像相加得到孔洞填充结果。用于形状的平滑以及噪声滤波，在MATLAB中使用imfill()命令进行孔洞填充。
    开运算和闭运算
    开运算是指先腐蚀再膨胀。可用来消除小物体、平滑较大物体的边界同时不明显改变其体积。作用与腐蚀相似，但与腐蚀相比，开运算可以基本保持目标原有大小不变的优点。在MATLAB中使用imopen()函数。
    闭运算是指先膨胀再腐蚀。主要用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。在MATLAB中使用imclose()函数。
    减运算
    图像减运算是将两张相同大小的图片相减，最后留下不一样的部分，其余部分置为黑色。主要用来背景去除、检测移动目标、边缘检测等。在MATLAB中使用imsubtract()函数。

实验结果

关于图一

在这里插入图片描述
在这里插入图片描述

  • 实验分析
  1. 对于对比度不明显且总体灰度相近的图片可采用对比度增强的方法，如同态滤波、直方图均衡化等方法。就此图而言，同态滤波较直方图均衡化更佳。采用同态滤波增强图片处理更为平滑，而且飞行器的细节也更加清楚；而直方图均衡化后的图片白的过白、黑的过黑，图像有些失真，但对背景的处理似乎是更好一些，地上有一些纹理的呈现更为细致；
  2. 在采用直方图均衡化的方法时，灰度值选择的越大，则得到图像更为真实，如在图1-2中，当灰度值为8时，图片上方出现了一块亮斑，处理过于粗糙；
  3. 采用同态滤波增强时，对滤波范围的增大或者缩小对此图的影响不大，视觉上并不显著。但对于其他情况，不同的滤波范围会对结果产生极大的影响。

关于图二

在这里插入图片描述
在这里插入图片描述

  • 实验分析
  1. 此图的不足仍为对比度不强，人的轮廓与背景对比不强。分析以上两种方法的效果，可以观察到同态滤波的方法更佳。原图中的亮点仍然较亮，且原图中较为暗淡的手臂也变得更为显著；而采用直方图均衡化方法后，白的确实更亮了，但原图人体的亮点不再明显（如脑袋上的圆点），甚至有的融为一体，总体变亮。搜索资料发现，直方图均衡化可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节，但在此图中，对比度增强过于显著，效果不理想；
  2. 采用同态滤波增强时，滤波范围的增大或者缩小在此图中现象明显，当滤波范围较大时，图像呈现更多的白色，而滤波范围较小时，图像呈现的白色较少。所以，要想呈现好的效果，滤波的范围十分关键。对于此图，采用0.6-2.0的范围较好；
  3. 采用直方图均衡化时，仍然是灰度值越大越好，这与图一中的结果一致；

关于图三

在这里插入图片描述

  • 实验分析
  1. 分析原图，此图应为椒盐噪声，但仍然尝试中值滤波与均值滤波两种方法。从图3-1中可以显然得到中值滤波的效果更佳。中值滤波很好得到了图中的数字与字母“AED-632”与“SINDH”。均值滤波消除了一定噪声，但看起来噪声是更大了，图片变得较为模糊，仅隐约可见数字与字母，十分费力；
  2. 中值滤波采用非线性的方法，在平滑椒盐噪声上非常有效，同时此方法也可以保护图像尖锐的边缘，会选择适当的点来替代污染点的值，但对高斯噪声表现较差。从图3-1中可以观察到，采用5×5进行中值滤波时效果比采用3×3更佳。当采用5×5时，每一次处理的点更多工作量变大的同时效果自然更好；
  3. 均值滤波是一种线性滤波器，是计算一个区域中像素的平均值，然后去替代掉目标点。此方法效率高但是会将边缘信息以及特征信息模糊掉；
  4. 对于图像的处理必要时要结合多种方法使用，就此图而言，经过均值滤波器后的图像对比度不强，通过对图一图二的处理，想到要采用增强对比度的方法来使图片的细节呈现更加完整。所以，对中值滤波后的图片进行直方图均衡化操作，得到了更为真实、具体的图片。

关于图四

在这里插入图片描述
在这里插入图片描述

  • 实验分析
  1. 分析原图可以发现图片有一些模糊，但不是对焦不好产生的，应是目标由于水平和垂直方向发生运动而产生模糊的。所以可采用以下降质函数fspecial(type,len,theta)，选择motion类型，指物体逆时针方向以theta角度运动了len个像素。修改len与theta数值，数值过大或者过小效果均不佳，如图4-2 A所示，会出现波纹。多次修改发现最适数值为len=8，theta=10。
  2. 对于Lucy-Richardson方法而言，从图中可以发现迭代次数越多，图像细节恢复越清晰，但会使图像边界区域的振铃效应越明显且MATLAB的处理时间明显增加。多次试验发现迭代次数在100附近达到最佳效果（电脑分辨率、眼睛自身等原因，我觉得60~400的效果基本一致）。
  3. 对于维纳滤波而言，也需要调整函数中NSR参数数值，当NSR数值越大，图像越模糊且图像亮度下降，当NSR数值减小，则出现噪点（图4-2 B、C），在这个过程中，我们可以找到一个最适的参数，经调节，发现当NSR=0.001时效果较好。
  4. 对于可约束最小二乘滤波，使用默认参数时效果已非常可观。
  5. 综上，我认为可约束最小二乘滤波、NSR=0.001的维纳滤波以及迭代次数为100的Lucy-Richardson对处理此图的效果相当。但综合使用的简便性以及处理的快速性，可优先选择可约束最小二乘滤波，既避免了复杂的调参环节，也节约了MATLAB迭代处理的时间。

关于二值形态学

在这里插入图片描述

  • 代码
I=imread('1.png');
Image=rgb2gray(I);
[M,N]=size(Image);
Image=im2double(Image);
eq_image=histeq(Image,8);
imshow(eq_image,[]);
%阈值化
%获得二值图像
G=im2bw(eq_image,graythresh(eq_image));
imshow(G,[]);
se=strel('disk',2); 
f=imerode(G,se);
fc=imclose(f,se);%先腐蚀在闭运算
imshow(fc,[]);
BW=imfill(fc,'holes');
imshow(BW,[]);
 %相减
sss=imsubtract(fc,BW);
imshow(sss,[])
闲余_梦想
关注
  • 2
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
简易图像处理
William_Diao的博客
02-22 874
通过一系列知识的学习和完善，我做出了一份简单的图像处理程序，运用到了一些基础方法，对于初学者的熟悉代码是有一定的辅助作用。 一.程序说明 1.引入窗体类并确定主函数作为程序入口。 2.添加监听器并设置多个按钮实现多种功能。 3.通过ImageIO.read (file)读取照片。 4.使用BufferedImage方法做到快速绘出图片操作。 二.方法介绍 首先确定一个窗体并在窗体上设置我们想要的功能： public class ImageUI extends JFrame { //在创建
图像简单处理
weixin_57787682的博客
04-28 192
今天就来分享一下图像简单处理中的，拉伸图像、剪切图像以及使用图像输入文字 拉伸图像是通过stretch属性实现图像的拉伸 Image元素的stretch属性值类型为枚举型 属性值分别为： 原始尺寸（None） 填充拉伸（Fill） 等比拉伸（Uniform） 等比拉伸填充（UniformToFill） 裁切图像是通过设置Clip属性裁切图像的 比如，在Clip中设置RectangleGeometry中Rect=“50，50,240,240”这种格式就好 使用图像输入...
Ncorr使用过程的问题解答
最新发布
技术小白=-=的博客
06-21 431
后续用到更新，现记录单位修改、图像中边界限定修改等
简单图像生成
qq_41883486的博客
12-11 721
简单图像生成 今天简单学习数字图像处理中简单图像生成的代码（在matlab环境中），图像出来的那一刻，自己还是有点小激动的。 代码如下： 方法一： function f=twodsin1(A,u0,v0,M,N) double u0x; double v0y; f=zeros(M,N); for c=1:N; v0y=v0*(c-1); for r=1:M; u0x=u0*(r-1); f(r,c...
简单图像分类
05-02
一个简单的图片分类程序，基于python(numpy & opencv)，文件包含代码以及图片集，分类正确率约为89%。仅供学习使用…
简单图像效果实现(low poly)
cpongo5
06-12 831
注：我所实现的 low poly 效果是基于这篇论文所实现的，我只是做了一个 c 版本的实现。 我们先看下 low poly 的效果和实现步骤。 过程图 图像组成(可跳过) 看完效果图后先不详细说这个效果如何制作的，我们先简单了解下图像到底是怎么组成的。 比如有一张图片，它的大小是 100x100，那么这张图片的颜色信息是如何存储的呢？简单的说...
python实现简单的数字图像处理系统
05-14
使用python编程实现一个简单的图像处理系统，其中ui界面部分使用的是python中的tkinter库，图像处理部分使用的是opencv库： 1）有交互界面； 2）提供图象几何变化功能，使用鼠标滚轮可对图像进行旋转、缩放、镜像...
GNU图像处理程序 gimp
01-18
GNU图像处理程序（GIMP）是一种功能强大且免费的图像编辑软件，它提供了多种工具和方法来进行图像处理，包括抠图。以下是使用GIMP进行抠图的一般步骤： 打开图像：启动GIMP并打开你需要处理的图像。 选择工具...
MATLAB简单图像处理项目源码
08-08
使用MATLAB进行简单的图像处理项目 该存储库包含使用MATLAB完成的两个简单项目。 第一个项目（图像滤波器）允许我们选择4种指定的滤波器之一，并将其应用于任何给定的输入图像，然后查看结果。 它使用直方图匹配的...
简单图像处理软件
01-18
利用matlab实现了一个简单的图像处理软件，提供用户图像界面，并生成.exe可执行文件。提供的功能包括：图像显示空间域变换（RGB、HSV、YCBCR空间）、灰度变换、旋转（翻转）、伽马校正及滤波复原、频率域滤波、创意...
qt简单图像处理工具源码
09-16
qt简单图像处理工具的源码,内含基于QImage的各种图像处理,滤镜,对比度,亮度调整,裁剪的源码
图像处理实例
03-21
图像处理骨架提取实例，图像处理骨架提取实例，图像处理骨架提取实例
图像处理ppt
11-07
山东大学信息科学与工程学院图像处理课程辅助教案。全英语
图像处理专用图片
05-26
图像处理行业常用的图片，png格式，包括lena、barbara、cameraman等
计算机视觉——简单图像处理
fishsmans的博客
03-16 4215
1.语言环境 1.1python环境的下载 下载了Anaconda，Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。这里采用的是Anaconda2-5.0.0进行下载，为了配合课本的学习，采用了python2.7的版本。Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。 环境配置好之后打开cmd输入：conda --version 输出版本号之后说明安装成功了 1.2编辑器下载 我下载
图像处理概述
Leo的博客
08-03 1951
图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。 图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降
图像处理方式
maplelistener的博客
01-13 2405
目录 图像处理方式 1、图像轮廓和直方图 2、高斯模糊 3、轮廓化 4、sobel算子 5、图像分割 6、负片效果 图像处理方式 1、图像轮廓和直方图 from PIL import Image from pylab import * import matplotlib.pyplot as plt im=array(Image.open('girl.png').convert('L')) #读取图像到数组中 figure() #新建一个图像 gray() #不使用
图像处理入门一
come_closer的博客
10-04 5343
图像处理入门
计算机图形图像技术（图像锐化处理与图像解析）
有为肥宅的博客
12-04 1194
【HNUST】20级计算机图形图像技术实验——图像锐化处理与图像解析
MATLAB实现的简易图像处理系统设计
"基于MATLAB的简易图像处理系统的设计及实现文档主要探讨了如何利用MATLAB这一强大的计算软件来构建一个简单的图像处理系统。本文档详细介绍了数字图像处理的基础概念，MATLAB在图像处理领域的应用，以及如何使用...
评论 1
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
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