实验报告
课程名:图像处理创新实验
内容:图像锐化
学生姓名
专业班级
学 号
指导教师 常化文
实验日期 2022年 10月 25日
一、实验目的
掌握matlab环境下,函数(function)文件的编写方法;熟悉并了解图像处理中空域滤波的概念,通过实际操作掌握滤波器的生成和基本的滤波操作;理解图像锐化的实现方法和步骤,理解图像锐化的基本理论。
二、实验内容
步骤1:用手机给自己拍一张美照(必须是本人照片);
步骤2:将你的照片放到计算机内;
步骤3:启动Matlab,并通过imread(); 读取该照片,然后通过imshow()进行显示。如果图片过大,可以通过imresize(A,m)进行缩小,其中A为图像,m为尺寸变化系数,比如可设为0.2,尺寸为原来的五分之一;
步骤 4:利用rgb2gray()函数将图像转换为灰度图像;
步骤5:利用一种平滑滤波器,F,如9*9的均值滤波器或高斯滤波器,通过new_im = filter2(F, im)对图像进行滤波;
步骤6:利用double()将原图像类型转换为浮点型,然后按照“原图像 + 原图像 - 平滑图像”的模式,进行计算;
步骤7:利用uint8()或mat2gray()将得到的结果图像,进行类型转换,并将原图像和锐化后的图像一同显示在窗口中;
步骤8:利用一种边缘滤波器,FF,如sobel、prewitt等,通过new_im = filter2(FF, im)对图像进行滤波;
步骤9:利用double()将原图像类型转换为浮点型,然后按照“原图像 + 边缘图像”的模式,进行计算;
步骤10:利用uint8()或mat2gray()将得到的结果图像,进行类型转换,并将原图像和锐化后的图像一同显示在窗口中;
注意:锐化操作的代码需形成函数文件(.m后缀),文件名为姓名的汉语拼音,如zhangsan.m,参考原型如下:
function out_im = zhangsan(input_im)
三、实验过程及结果
1. 在MATLAB中通过imread()读取该照片,然后通过imshow()进行显示。通过imresize(A,m)对图片进行适当缩小;
x = imread('jean.jpg'); % 读取图片
imshow(x); % 显示图片
smallx = imresize(x, 0.05); % 缩小图片
figure, imshow(smallx); % figure:生成新的图片窗口,不覆盖原窗口
2. 利用rgb2gray()函数将图像转换为灰度图像;
x = imread('jean.jpg'); % 读取图片
smallx = imresize(x, 0.05); % 缩小图片
imshow(smallx);
gx = rgb2gray(smallx); % 转换为灰度图像
f1 = fspecial('average', 5); % 生成均值滤波器
gx1 = filter2(f1, gx); % 二位数字滤波器
figure, imshow(uint8(gx1)); % 强制转换为uint8(0-255)
3. 利用一种平滑滤波器,F,如9*9的均值滤波器或高斯滤波器,通过new_im = filter2(F, im)对图像进行滤波;并利用uint8()将得到的结果图像进行类型转换,并将原图像和滤波后的图像一同显示在窗口中;
x = imread('jean.jpg'); % 读取图片
smallx = imresize(x, 0.05);
gx = rgb2gray(smallx);
f1 = fspecial('average', [9 9]); % 1、9*9均值滤波器
gx1 = filter2(f1, gx);
f2 = fspecial('gaussian', [9 9]); % 2、高斯滤波器
gx2 = filter2(f2, gx);
f3 = fspecial('laplacian'); % 3、拉普拉斯滤波器
gx3 = filter2(f3, gx);
f4 = fspecial('sobel'); % 4、sobel滤波器
gx4 = filter2(f4, gx);
f5 = fspecial('prewitt'); % 5、prewitt滤波器
gx5 = filter2(f5, gx);
subplot(2, 3, 1);imshow(smallx); title('缩小至原来的0.05倍');
subplot(2, 3, 2);imshow(uint8(gx1)); title('1、9*9均值滤波器');
subplot(2, 3, 3);imshow(uint8(gx2)); title('2、9*9高斯滤波器');
subplot(2, 3, 4);imshow(uint8(gx3)); title('3、拉普拉斯滤波器');
subplot(2, 3, 5);imshow(uint8(gx4)); title('4、sobel滤波器');
subplot(2, 3, 6);imshow(uint8(gx5)); title('5、prewitt滤波器');
4. 利用double()将原图像类型转换为浮点型,然后按照“原图像 + 原图像 - 平滑图像”的模式,进行计算;并利用uint8()将得到的结果图像,进行类型转换,并将原图像和锐化后的图像一同显示在窗口中;
x = imread('jean.jpg'); % 读取图片
smallx = imresize(x, 0.05);
gx = rgb2gray(smallx);
sharpx = luweixing(gx, 5);
F = fspecial('average', [9 9]); % 1、9*9均值滤波器
y = filter2(F, gx);
xy = double(gx) - y; % 进行数据转换
subplot(2, 2, 1);imshow(gx); title('灰度图像');
subplot(2, 2, 2);imshow(uint8(y), []); title('1、利用滤波器,对图像进行滤波');
subplot(2, 2, 3);imshow(uint8(xy), []); title('2、高频图,突出边缘轮廓');
subplot(2, 2, 4);imshow(uint8(sharpx)); title('3、锐化结果图');
5. 利用一种边缘滤波器,FF,如sobel、prewitt等,通过new_im = filter2(FF, im)对图像进行滤波;然后利用double()将原图像类型转换为浮点型,按照“原图像 + 边缘图像”的模式,进行计算;并将原图像和锐化后的图像一同显示在窗口中。
x = imread('jean.jpg');
smallx = imresize(x, 0.05);
gx = rgb2gray(smallx);
sharpx = luweixing(gx);
imshow(uint8(sharpx));
F2 = fspecial('prewitt');
y2 = filter2(F2, gx); % 反映边缘结构情况
sharpx2 = double(gx) + y2; % 原图像+边缘图像
subplot(2, 2, 1);imshow(gx); title('灰度图像');
subplot(2, 2, 2);imshow(uint8(y2), []); title('利用滤波器,对图像进行滤波');
subplot(2, 2, 3);imshow(uint8(sharpx)); title('锐化方案1、使用“平滑滤波器”');
subplot(2, 2, 4);imshow(uint8(sharpx2)); title('锐化方案2、原图+边缘图');
函数文件:
% 输入图像,输出锐化结果
function X = luweixing( im, Size ) % 灰度图像作为形参
F = fspecial('prewitt');
y = filter2(F, im);
xy = double(im) - y; % 进行数据转换
X = double(im) + xy; % 原图+轮廓:清晰度更高
end
四、分析与思考
通过本次实验我学会了Matlab中函数的使用及函数文件的编写方法;熟悉并了解了图像处理中空域滤波的概念,通过实际操作掌握了滤波器的生成和基本的滤波操作;理解了图像锐化的实现方法和步骤和图像锐化的基本理论。
锐化图像的实现过程1:
1.首先利用grb2gray()函数将图像转换为灰度图像;
2.然后使用边缘滤波器对灰度图像进行滤波(均值滤波器与高斯滤波器对图像进行滤波的效果较好),得到灰度图像的较为模糊的平滑图像;
3.使用原图减去滤波结果图,得到突出边缘轮廓的高频图;
4.最后,将原图加上突出边缘轮廓的高频图,即可得到锐化结果图。观察锐化结果图可以看出:锐化后的图像轮廓比原图像的轮廓清晰且锐化结果图清晰度更高。
锐化图像的实现过程2:
1.首先利用grb2gray()函数将图像转换为灰度图像;
2.然后使用边缘滤波器对灰度图像进行滤波(均值滤波器与高斯滤波器对图像进行滤波的效果较好),得到灰度图像的较为模糊的平滑图像;
3.原图+滤波结果图,即可得到锐化结果图。