深圳大學(xué)圖像的灰度變換與空域濾波

1、深 圳 大 學(xué) 實 驗 報 告 課程名稱： 數(shù)字圖像處理 實驗項目名稱： 圖像的灰度變換與空域濾波 學(xué)院： 信息工程學(xué)院 專業(yè)： 電子信息工程 指導(dǎo)教師： 張坤華 報告人： 學(xué)號： 班級： 實驗時間： 2016.4.14 實驗報告提交時間： 2016.4.20 教務(wù)部制實驗?zāi)康呐c要求：1、掌握Matlab 顯示直方圖的方法。2、掌握Matlab 對比度調(diào)整與灰度直方圖均衡化的方法。3、理解圖像濾波的基本定義及目的，掌握Matlab 空域濾波的基本原理及方法。 實驗原理：1、MATLAB 中灰度直方圖的顯示MATLAB 圖像處理工具箱提供了imhist 函數(shù)來計算和顯示圖像的直方圖，imhist

2、 函數(shù)的語法格式為：imhist(I, n)imhist(X, MAP)其中imhist(I,n)計算和顯示灰度圖像I 的直方圖，n 為指定的灰度級數(shù)目，默認(rèn)值為256。imhist(X, MAP)計算和顯示索引色圖像X 的直方圖，map 為調(diào)色板。2、對比度調(diào)整如果原圖像 f(x, y)的灰度范圍是m, M，我們希望對圖像的灰度范圍進(jìn)行線性調(diào)整，調(diào)整后的圖像g(x, y)的灰度范圍是n, N，那么下述變換：f x y m nM mg x y N n +( , ) = ( , )就可以實現(xiàn)這一要求。MATLAB 圖像處理工具箱中提供的imadjust 函數(shù)，可以實現(xiàn)上述的線性變換對比度調(diào)整。i

3、madjust 函數(shù)的語法格式為：J = imadjust(I,low_in high_in, low_out high_out)J = imadjust(I, low_in high_in, low_out high_out)返回原圖像I 經(jīng)過直方圖調(diào)整后的新圖像J，low_in high_in為原圖像中要變換的灰度范圍，low_out high_out指定了變換后的灰度范圍，灰度范圍可以用 空矩陣表示默認(rèn)范圍，默認(rèn)值為0, 1。不使用 imadjust 函數(shù)，利用matlab 語言直接編程也很容易實現(xiàn)灰度圖像的對比度調(diào)整。但運(yùn)算的過程中應(yīng)當(dāng)注意以下問題，由于我們讀出的圖像數(shù)據(jù)一般是uint

4、8 型，而在MATLAB 的矩陣運(yùn)算中要求所有的運(yùn)算變量為double 型（雙精度型）。因此讀出的圖像數(shù)據(jù)不能直接進(jìn)行運(yùn)算，必須將圖像數(shù)據(jù)轉(zhuǎn)換成雙精度型數(shù)據(jù)。3、直方圖均衡化直方圖均衡化的目的是將原始圖像的直方圖變?yōu)榫夥植嫉男问?，即將一已知灰度概率密度分布的圖像，經(jīng)過某種變換變成一幅具有均勻灰度概率密度分布的新圖像，從而改善圖像的灰度層次。MATLAB 圖像處理工具箱中提供的histeq 函數(shù)，可以實現(xiàn)直方圖的均衡化。對于灰度圖像，histeq 函數(shù)的基本調(diào)用格式為J=histeq(I, n)該函數(shù)返回原圖像I 經(jīng)過直方圖均衡化處理后的新圖像J。n 為指定的均衡化后的灰度級數(shù)，缺省值為64。

5、對于索引圖像，調(diào)用格式為:Newmap=histeq(X, map)返回值Newmap 將是輸出圖像的新的調(diào)色板。利用 matlab 語言直接編程也很容易實現(xiàn)直方圖均衡化處理。4、均值濾波均值濾波是在空間域?qū)D像進(jìn)行平滑處理的一種方法，易于實現(xiàn)，效果也挺好。設(shè)噪聲(m,n)是加性噪聲，其均值為0，方差（噪聲功率）為2，而且噪聲與圖像f(m,n)不相關(guān)。其有噪聲的圖像f(m, n)為：f '(m,n) = f (m,n) + (m,n) (4.1)經(jīng)均值濾波處理后的圖像g(m, n)為：( , ) ( , ) ( , ) ( , )1 1 1 1( , ) '( , ) ( ,

6、) ( , ) ( , ) ( , )i j s i j s i j s i j sgmn f i j f i j i j f i j i jN N N N = = + = + (4.2)其中s 是（m, n）點的領(lǐng)域內(nèi)的點集。除了對噪聲有上述假定之外，該算法還基于這樣一種假設(shè)：圖像是由許多灰度值相近的小塊組成。這個假設(shè)大體上反映了許多圖像的結(jié)構(gòu)特征。（4.2）式表達(dá)的算法是由某像素領(lǐng)域內(nèi)各點灰度值的平均值來代替該像素原來的灰度值?？捎媚K反映領(lǐng)域平均算法的特征。模版沿水平和垂直兩個方向逐點移動，相當(dāng)于用這樣一個模塊與圖像進(jìn)行卷積運(yùn)算，從而平滑了整幅圖像。模版內(nèi)各系數(shù)和為1，用這樣的模版處理常

7、數(shù)圖像時，圖像沒有變化；對一般圖像處理后，整幅圖像灰度的平均值可不變。5、中值濾波中值濾波是一種非線性處理技術(shù)，能抑制圖像中的噪聲。它是基于圖像的這樣一種特性：噪聲往往以孤立的點的形式出現(xiàn)，這些點對應(yīng)的象素很少，而圖像則是由像素數(shù)較多、面積較大的小塊構(gòu)成。在一維的情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。在處理之后，位于窗口正中的像素的灰度值，用窗口內(nèi)各像素灰度值的中值代替。例如若窗口長度為5，窗口中像素的灰度值為80、90、200、110、120，則中值為110，因為按小到大（或大到?。┡判蚝螅谌坏闹凳?10。于是原理的窗口正中的灰度值200 就由110 取代。如果200 是一個噪聲

8、的尖峰，則將被濾除。然而，如果它是一個信號，則濾波后就被消除，降低了分辨率。因此中值濾波在某些情況下抑制噪聲，而在另一些情況下卻會抑制信號。中值濾波很容易推廣到二維的情況。二維窗口的形式可以是正方形、近似圓形的或十字形的。在圖像增強(qiáng)的具體應(yīng)用中，中值濾波只能是一種抑制噪聲的特殊工具，在處理中應(yīng)監(jiān)視其效果，以決定最終是否采用這種方案。實施過程中的關(guān)鍵問題是探討一些快速算法。MATLAB 中提供了卷積運(yùn)算的函數(shù)命令conv2，其語法格式為：C = conv2(A, B)C = conv2(A, B)返回矩陣A 和B 的二維卷積C。若A 為ma×na 的矩陣，B 為mb×nb 的

9、矩陣，則C 的大小為(ma+mb+1)×(na+nb+1)。MATLAB 圖像處理工具箱提供了基于卷積的圖像濾波函數(shù)filter2。filter2 的語法格式為：Y = filter2(h, X)其中Y = filter2(h,X)返回圖像X 經(jīng)算子h 濾波后的結(jié)果，默認(rèn)返回圖像Y 與輸入圖像X 大小相同。其實 filter2 和conv2 是等價的。MATLAB 在計算filter2 時先將卷積核旋轉(zhuǎn)180 度，再調(diào)用conv2 函數(shù)進(jìn)行計算。fspecial 函數(shù)用于創(chuàng)建預(yù)定義的濾波算子，其語法格式為：h = fspecial(type)h = fspecial(type, pa

10、rameters)參數(shù)type 指定算子類型，parameters 指定相應(yīng)的參數(shù)，具體格式為：type='average'，為均值濾波，參數(shù)parameters 為n，代表模版尺寸，用向量表示，默認(rèn)值為3,3。type= 'gaussian'，為高斯低通濾波器，參數(shù)parameters 有兩個，n 表示模版尺寸，默認(rèn)值為3,3，sigma 表示濾波器的標(biāo)準(zhǔn)差，單位為像素，默認(rèn)值為0.5。type= 'laplacian'，為拉普拉斯算子，參數(shù)parameters 為alpha，用于控制拉普拉斯算子的形狀，取值范圍為0,1，默認(rèn)值為0.2。typ

11、e= 'log'，為拉普拉斯高斯算子，參數(shù)parameters 有兩個，n 表示模版尺寸，默認(rèn)值為3,3，sigma 為濾波器的標(biāo)準(zhǔn)差，單位為像素，默認(rèn)值為0.5type= 'prewitt'，為prewitt 算子，用于邊緣增強(qiáng)，無參數(shù)。type= 'sobel'，為著名的sobel 算子，用于邊緣提取，無參數(shù)。type= 'unsharp'，為對比度增強(qiáng)濾波器，參數(shù)alpha 用于控制濾波器的形狀，范圍為0,1，默認(rèn)值為0.2。實驗內(nèi)容及要求1、顯示圖像A 及其灰度直方圖。用imadjust 函數(shù)將它的灰度值調(diào)整到0,1之間，

12、并觀察調(diào)整后的圖像與原圖像的差別，調(diào)整后的灰度直方圖與原灰度直方圖的區(qū)別；改變灰度值調(diào)整范圍，觀察調(diào)整后的圖像的變化及其與原圖像的差別，調(diào)整后的灰度直方圖的變化及其與原灰度直方圖的區(qū)別；進(jìn)一步利用改變灰度值調(diào)整范圍，實現(xiàn)圖像的反轉(zhuǎn)。2、讀取灰度圖像B，用histeq 函數(shù)將原始圖像的灰度直方圖均衡化，同時觀察均衡化后的圖像與前面圖像的差別，均衡化后的灰度直方圖與前面的灰度直方圖的區(qū)別。3、給圖像C 加入高斯噪聲，分別采用不同大小的模板對加有噪聲的圖像進(jìn)行均值濾波，用一個圖像處理對話框（subplot）顯示原圖像、加有噪聲的圖像及均值濾波的圖像。比較結(jié)果。4、分別采用不同大小的模板對上述加有噪聲

13、的圖像進(jìn)行中值濾波，用一個圖像處理對話框（subplot）顯示原圖像、加有噪聲的圖像及中值濾波的圖像。比較結(jié)果。5、（選做內(nèi)容）不調(diào)用histeq 函數(shù)及imadjust 函數(shù)，利用matlab 語言直接編程實現(xiàn)圖像的直方圖均衡化處理。6、（選做內(nèi)容）不調(diào)用工具箱的函數(shù)，自編程序，實現(xiàn)均值濾波和中值濾波。實驗代碼及結(jié)果：（一）代碼：I = imread('A.tif');J = imadjust(I, 0 1, 1 0); subplot(2,2,1),imshow(I) subplot(2,2,2),imshow(J)subplot(2,2,3),imhist(I) subp

14、lot(2,2,4),imhist(J)結(jié)果：（二）代碼：I = imread('B.tif');J = histeq(I);subplot(2,2,1),imshow(I) subplot(2,2,2),imshow(J) subplot(2,2,3),imhist(I) subplot(2,2,4),imhist(J)（三）代碼：I = imread('C.tif');J = imnoise(I,'gaussian',0.02);h=fspecial('average',3,3);I1=filter2(h,J);h=fspec

15、ial('average',13,13);I2=filter2(h,J); subplot(2,2,1),imshow(I),title('ԭͼ');subplot(2,2,2),imshow(J),title('¼Ó¸ß˹ÔëÉù');subplot(2,2,3),imshow(I1,),title('½øÐÐ3x3¾ùÖ&

16、#181;¹ýÂË')subplot(2,2,4),imshow(I2,),title('½øÐÐ13x13¾ùÖµ¹ýÂË')實驗結(jié)果：（4）代碼I = imread('C.tif');J = imnoise(I,'gaussian',0.02);I1=medfilt2(J,3,3);I2=medfilt2(J,5,5);I3=medfilt2(J,10,10);I4=medfi

17、lt2(J,20,20);subplot(3,2,1),imshow(I),title('原圖');subplot(3,2,2),imshow(J),title('加高斯噪聲');subplot(3,2,3),imshow(I1,),title('進(jìn)行3x3中值過濾')subplot(3,2,4),imshow(I2,),title('進(jìn)行5x5中值過濾')subplot(3,2,5),imshow(I3,),title('進(jìn)行10x10中值過濾')subplot(3,2,6),imshow(I4,),title('進(jìn)行20x20中值過濾')實驗結(jié)果：（5）代碼：I=imread('B.tif');J1=im2double(I)*255;m,n=size(J1);p=zeros(1,256);for k=1:256 p(k)=sum(sum(J1=k-1)/(m*n);endfor i=2:256 p(i)=p(i)+p(i-1);endfor i=1:256 p(i)=round(p(i)*255);endfor i=1:m for