混合空間增強(qiáng)法在骨骼圖像處理實(shí)驗(yàn)報(bào)告(附代碼)(共11頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上一、 實(shí)驗(yàn)?zāi)康?. 熟悉matlab軟件圖像處理工具2. 理解和掌握混合空間增強(qiáng)法在圖像處理中的應(yīng)用二、 實(shí)驗(yàn)內(nèi)容下圖是人體骨骼核掃描圖像，要求通過混合空間增強(qiáng)法突出骨骼的更多細(xì)節(jié)來增強(qiáng)圖像。三、 實(shí)驗(yàn)步驟由于圖像灰度的動(dòng)態(tài)范圍很窄并且有很高的噪聲內(nèi)容，所以很難對(duì)其進(jìn)行增強(qiáng)首先用拉普拉斯法突出圖像中的小細(xì)節(jié)，然后用梯度法突出其邊。平滑過的梯度圖像將用于掩蔽拉普拉斯圖像。最后，我們將試圖試用灰度變換來增強(qiáng)圖像的灰度動(dòng)態(tài)范圍。四、 實(shí)驗(yàn)結(jié)果 五、 實(shí)驗(yàn)分析步驟2中，使用的拉普拉斯算子為-1,-1,-1;-1,8,-1;-1,-1,-1（或0 1 0,1 -4 1,0 1

2、0）操作后濾波，為了便于顯示，對(duì)圖像進(jìn)行了標(biāo)定，這一步先對(duì)圖像進(jìn)行初步的銳化濾波。步驟3中，由于使用的模板如上，讓常數(shù)c=1，簡(jiǎn)單的將原圖和圖2相加就可以得到一幅經(jīng)過銳化過的圖像。（而這個(gè)時(shí)候看到圖2的噪聲水平，將圖1和圖2相加之后也必然會(huì)有很多的噪聲。拉普拉斯操作作為一種二階微分算子，能很好的增強(qiáng)細(xì)節(jié)，但也產(chǎn)生更多的噪聲。而降低噪聲的一種方法就是使用中值濾波器，但屬于非線性濾波器的中值濾波器有可能改變圖像的性質(zhì)，所以不可取。所以采取另一種方法，使用原圖像梯度操作的平滑形式所形成的一個(gè)模板。）步驟4中，對(duì)原圖像試用Sobel梯度操作，分量gx為-1,-2,-1;0,0,0;1,2,1,而分量g

3、y為-1,0,1;-2,0,2;-1,0,1的模板。(梯度變換在灰度斜坡或臺(tái)階的平均相應(yīng)要比拉普拉斯操作的更強(qiáng)烈，而對(duì)噪聲和小細(xì)節(jié)的響應(yīng)要比拉普拉斯操作的相應(yīng)弱，而且可以通過均值濾波器對(duì)其進(jìn)行平滑處理可以進(jìn)一步降低， 此時(shí)看圖像中的邊緣要比拉普拉斯圖像（即圖3）中的邊緣要突出許多)步驟5中，使用大小為5*5的一個(gè)均值濾波器得到平滑后的Sobel梯度圖像。（圖4，5要比圖2亮表明具有重要邊緣內(nèi)容的梯度圖像的值一般要比拉普拉斯圖像的值高） 步驟6中，將拉普拉斯圖像（即圖3）與平滑后的梯度圖像（即圖5）進(jìn)行點(diǎn)乘。（此時(shí)看到強(qiáng)邊緣的優(yōu)勢(shì)和可見噪聲的相對(duì)減少，用平滑后的梯度圖像來掩蔽拉普拉斯圖像的目的達(dá)

4、到了）步驟7中，將乘積圖像（即圖6）與原圖像相加就產(chǎn)生一幅需要的銳化圖像。（與原圖像相比，該圖像中大部分細(xì)節(jié)的清晰度的增加都很明顯，所以我們才需要綜合多種的方法對(duì)圖像進(jìn)行處理，單獨(dú)使用一種方法根本不可能達(dá)到這么好的效果，只需要看相對(duì)應(yīng)的圖像進(jìn)行對(duì)比即可知道）步驟8中，我們希望擴(kuò)展灰度范圍，對(duì)圖7進(jìn)行冪率變換處理，r=0.5，c=1，然后即可對(duì)圖像進(jìn)行冪率變換（此時(shí)需要增大銳化后圖像的動(dòng)態(tài)范圍，即使有很多種這樣效果的灰度變換函數(shù)，但是用冪率變換處理更好，直方圖均衡和規(guī)定化的效果都不太好）（此時(shí)人體的輪廓的清晰度雖然還是不高，因?yàn)閿U(kuò)大的灰度動(dòng)態(tài)范圍的同時(shí)也增大了噪聲，但是相比原圖還是有相當(dāng)大幅度的

5、提高的，看下圖原圖與最終圖像對(duì)比）六、 實(shí)驗(yàn)遇到的問題及解決1.問題：Attempt to execute SCRIPT imadd as a function:D:大學(xué)學(xué)習(xí)大三上數(shù)字圖像處理作業(yè)imadd.m 解決：imadd是關(guān)鍵字，不要將其命名為m文件名，可以改成add1等2.問題：Error using imadd (line 69)X and Y must have the same size and class or Y must be a scalar double.解決：通過網(wǎng)上搜索找到：I think one of your images is RGB (size(.,3)=

6、3) and the other is grayscale (size(.,3)=1). Say the vasculature image a is grayscale and the activation image c is RGB. To convert a to RGB to match c, use ind2rgb, then add.aRGB = ind2rgb(a,gray(256); % assuming uint8Alternatively, you could do aRGB = repmat(a,1 1 3);.Or to put the activation imag

7、e into grayscale:cGray = rgb2gray(c); 另外，也要將圖像大小設(shè)置為一致，如：I1 = imresize(I,800 500)3、問題：Undefined function 'conv2' for input arguments of type 'double' and attributes 'full 3d real'. Error in filter2 (line 59) y = conv2(hcol, hrow, x, shape);解決：添加I1 = rgb2gray(I);七、 其他方法探究幾種經(jīng)典的銳

8、化算子對(duì)人體骨骼圖像處理后的視覺效果并不太理想所以提出一種混合空間增強(qiáng)算法首先進(jìn)行對(duì)比度提升，然后用Laplace變換突出圖像中的小細(xì)節(jié)接著用canny算子進(jìn)行邊緣檢測(cè)最后將Laplace變換后的圖像與邊緣檢測(cè)后的圖像相乘再加上提升對(duì)比度后的圖像得到混合空間增強(qiáng)圖像?！癱anny”算子用法B=edge(I,'Canny',0.04); 經(jīng)比較，可知其主要區(qū)別在與使用的邊緣檢測(cè)算子不同，但最終得到的圖像都達(dá)到了要求。八、 實(shí)驗(yàn)總結(jié)剛開始做的時(shí)候每個(gè)步驟都寫成一個(gè)獨(dú)立的M文件，需要每次截圖，還遇到了一系列的問題，比如使用圖像相加、相乘時(shí)報(bào)錯(cuò)，原因是兩個(gè)圖像大小格式不一致。不得不花費(fèi)

9、大量時(shí)間在網(wǎng)上尋找相關(guān)的方法教程，這相當(dāng)麻煩。后來我采用了將所有代碼寫入一個(gè)M文件中，只改動(dòng)一些小細(xì)節(jié)，就能實(shí)現(xiàn)生成所想要的圖像。相比較而言，后者節(jié)省了時(shí)間精力，提高了效率，值得以后我采用這種方法編程。 總的來說。我在此次的圖像處理實(shí)驗(yàn)中，收獲還是挺大的。首次我對(duì)圖像處理的混合空間增強(qiáng)的各種方法有了一個(gè)感性的理解，知道了拉普拉斯算子、sobel梯度、均值濾波、冪律變換等。在架構(gòu)后編程邏輯后，接下來就是具體實(shí)現(xiàn)每一項(xiàng)功能。在完成本次實(shí)驗(yàn)后，顯然我對(duì)matlab圖像處理更加熟練了，同時(shí)也鞏固了我在書本上學(xué)習(xí)的相關(guān)知識(shí)。另外，不得不說，在實(shí)驗(yàn)過程中，我也提高了處理分析問題的能力。比如，如何快速找到并

10、利用教材、網(wǎng)上資源（特別是一些編程過程中遇到問題的解決方法）。附錄 %-人體骨骼圖像處理-% clear; clc; %步驟1：輸出原圖I=imread('1.tif'); J = im2double(I); %增強(qiáng)%imshow(J); %title('原始圖像1'); %步驟2：拉普拉斯操作 h =-1,-1,-1;-1,8,-1;-1,-1,-1; %拉普拉斯算子 %h=0 1 0,1 -4 1,0 1 0;J1 =imfilter(J,h); %濾波 %imshow(J1); %title('拉普拉斯操作后圖像2'); %步驟3：將原圖和

11、圖2相加就可以得到一幅經(jīng)過銳化過的圖像。 %J2=J+J1; J2=imadd(J,J1); %加法%imshow(J2) %title('原圖和圖2相加后圖像3'); %步驟4：Sobel梯度操作:hx=-1,-2,-1;0,0,0;1,2,1; %生產(chǎn)sobel垂直梯度模板 hy=-1,0,1;-2,0,2;-1,0,1; %生產(chǎn)sobel水平梯度模板 gradx=filter2(hx,J,'same'); gradx=abs(gradx); %計(jì)算圖像的sobel垂直梯度 grady=filter2(hy,J,'same'); grady=

12、abs(grady); %計(jì)算圖像的sobel水平梯度 J3=gradx+grady; %得到圖像的sobel梯度 %imshow(J3,); %title('sobel梯度處理后圖像4'); %步驟5：5*5均值濾波器得到平滑后的Sobel梯度圖像。 h1 = fspecial('average',5) ; J4 = imfilter(J3,h1); %imshow(J4,); %title('平滑后的sobel圖像5'); %步驟6：將拉普拉斯圖像與平滑后的梯度圖像進(jìn)行點(diǎn)乘。 J5=J2.*J4; %J5=immultiply(J2,J4); %imshow(J5); %title('圖3和圖5相乘的掩蔽圖像6'); %步驟7：將乘積圖像（即圖6）與原圖像相加得到銳化圖像。 J6=J+