【数字图像处理】期末理论考试复习——图像空间域增强_单一灰度值

直方图&点运算

图像的质量

• 层次：
  灰度级：表示像素明暗程度的整数量。
  层次：表示图像实际拥有的灰度级的数量。

• 对比度：一幅图像中灰度反差的大小
  对比度=最大亮度/最小亮度

• 清晰度：亮度、对比度、尺寸大小、细微层次、颜色饱和度

图像增强概述

• 清晰图像：对象物体的亮度和色彩的细微差别被清楚地显示出来
• 图像增强的方法：
  

图像直方图

MATLAB：

imhist(l)
1

线性灰度变化

• 灰度n值化：
  MATLAB

l = imread('pet.bmp');
imshow(Il);
l1 = im2double(l) %图像灰度值得双精度化
l2 = 2 * l1 %把灰度值扩大2倍
figure,imshow(l2);

1
2
3
4
5
6

• 线性灰度变换：
  

l = imread('pet.bmp');
l1 = im2double(l);
figure,imhist(l1);
l2 = imadjust(l1, [0 0.3], [0 1]); %把图像灰度范围从[0,0.3]拉伸到[0, 1]
figure,imshow(l2);
figure,imhist(l2);
1
2
3
4
5
6

• 分段线性灰度变换：
  

非线性灰度变换

• 对数变换：主要应用于压缩动态范围
  

l = imread('spectrum.bmp');
imshow(l);
l1 = double(l); %双精度化
l2 = log(l1 + 1); %对数变换
l3 = mat2gray(l2); %把图像的灰度范围变换为[0 1]范围
figure,imshow(l3);
1
2
3
4
5
6

• 指数变换：主要应用为扩展动态范围
  
• 位面表示：
  

直方图调整法

• 直方图均衡化：在一定区域内进行图像增强
  

l = imread('pout.tif');
imhist(l, 64);
J = histeq(l); %直方图均衡化处理
[J, T] = histeq(l); %绘制变换函数
figure
plot((0:255) / 255,T);
1
2
3
4
5
6

• 直方图匹配：按照预定目标进行灰度增强
  

A = imread('concordaerial.png');
Ref = imread('concordorthophoto.png');
size(A);
size(Ref);
B = imhistmatch(A,Ref); 
imshow(B),title('Histogram Matched RGB Image')
1
2
3
4
5
6

空间滤波

图像噪声与图像平滑

• 噪声：图像在获取或传输过程中受到随机信号的干扰，在图像上出现的一些随机、离散、孤立的像素点。
• 分类：
  
• 图像加入噪声：
  

clear; close all
l = imread(',,'); imshow(l);
l1 = imnoise(l, 'salt & pepper', 0.02); %加入密度d=0.02椒盐噪声
figure,imshow(l1);
1
2
3
4

均值滤波

• 公式
  

l = imread('eigth.tif'); imshow(l);
l1 = imnoise(l, 'gaussian', 0, 0.02); %叠加高斯噪声
figure, imshow(l1);
l2 = filter2(fspecial('average',3),l1)/255; %3*3领域均值滤波
figure,imshow(l2);
1
2
3
4
5

高斯滤波

l = imread('eight.tif');
subplot(221),imshow(l);
l1 = imnoise(l, 'guassian', 0, 0.02); %叠加高斯噪声
subplot(222),imshow(l1);
l2 = imfilter(l1, fspecial('gaussian', 3)); %3*3高斯滤波
1
2
3
4
5

中值滤波

• 中值滤波用含有奇数点的滑动窗口，将领域中的像素按灰度级排序取中间值为输出像素。
• 要素：取决于领域的空间范围和中值计算中涉及的像素。
• 优点：在抑制随机噪声的同时不让边缘模糊。但不适用于细节多的图。

#利用中值滤波，对椒盐噪声干扰的图像进行平滑处理。
l = imread('eight.tif');
l1 = imnoise(l, 'salt & pepper', 0.04); %叠加椒盐噪声
figure,imshow(l1);
l2 = double(l1);
[M,N] = size(l2);
l3 = noise(size(l2));
for i =2:M -1
    for j=2:N - 1
        l3(i,j) = median([l2(i-1,j-1) l2(i-1,j) l2(i-1,j+1)...
                          l2(i,j-1) l2(i,j) l2(i,j+1)...
                          l2(i+1,j-1) l2(i+1,j) l2(i+1,j+1)]);
     end
end
for i=2:M-1
    l3(i,1) = l3(i,2);
    l3(i,N) = l3(i,N-1);
end
l3(1,:) = l3(2,:);
l3(M,:) = l3(M-1,:);
figure,imshow(uint8(l3));
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

自适应滤波

• wiener滤波：
  

l = imread('eight.tif'); imshow(l);
l1 = imnoise(l, 'gaussian', 0, 0.2)
figure,imshow(l1);
l2 = wiener(l1,[3,3]);
figure,imshow(l2);
1
2
3
4
5

小结

锐化滤波

图像边缘与锐化

• 一阶微分：
  
• 二阶微分：
  

一阶微分法锐化

• 梯度法：
  
• 罗伯茨梯度法：
  
• 索贝尔和普瑞维特算法：
  

二阶微分法锐化

有些情况下，如灰度变化均匀的图像，只利用一阶导数可能找不到边界，此时可用二阶导数。
有拉普拉斯算法和拉普拉斯高斯算法。

图像微分锐化小结

利用梯度算法、索贝尔算法、普瑞维特算法，拉普拉斯算法，LoG算法对原始图像进行锐化处理。

l = imread('saturn.png'); %读入一幅PNG图像
subplot(2,3,1),imshow(l),title('原始图像');
l = im2double(l); %双精度化处理
[IX,IY] = gradient(l); %返回矩阵L梯度值的X和Y分量
l1 = sqrt(IX.*IX +IY.*IY);%得到梯度算法结果图像
subplot(2,3,2),imshow(l1,[]);title('gradient value');
h2 = fspecial('sobel'); %索贝尔算法
l2 = imfilter(l,h2); %采用索贝尔滤波
h3 = fspecial('prewitt'); %普瑞维特算法
l3 = imfilter(l,h3); %采用普瑞维特滤波
h4 = fspecial('laplacian') %拉普拉斯算法
l4 = imfilter(l,h4)
h5 = fspecial('log'); %LoG算法
l5 = imfilter(l,h5);
1
2
3
4
5
6
7
8
9
10
11
12
13
14

锐化图像的表示

• 第1种锐化表示：微分图像直接输出（梯度值），轮廓比较突出；灰度平缓变化部分，梯度小，很黑。
  
• 第2种锐化表示：背景保留，轮廓取梯度值T：阈值，非负。适当选择T，既突出轮廓，又不破坏背景。
  
• 第3中锐化表示：背景保留，轮廓取单一灰度值。
  
• 第4种锐化表示：背景取单一灰度值、轮廓取梯度值。
  
• 第5种锐化表示：轮廓、背景分别取单一灰度值，即二值化，只对轮廓感兴趣。
  

[l，map] =imread（'cameraman.tif'）;%读入一幅TIFF图像 subplot(2,3,1),imshow(l,map);title('原始图像'); %把一个图形窗口划分为2×3矩形显示区域，在左上角的区域显示图像l
l1=double();%双精度化处理
[IX,IY]=gradient(I1); %返回图像矩阵I梯度值的X和Y分量 
G=sqrt(IX.*IX+IY.*IY); %得到梯度算法结果图像 
J1=G;%第1种锐化，微分图像直接输出
J2=l;%让J2等于l
K=find(G>=7); %找出梯度大于7的索引号 J2(K)=G(K);%梯度大于7的轮廓取梯度值，背景不变 
subplot(2,3,3),imshow(J2,map);title('第2种锐化'); %在右上角的区域显示第2种锐化结果图像 J3=l; %让J3等于l
K=find(G>=7); %找出梯度大于7的索引号
J3(K)=255;%让梯度大于7的轮廓取值255（白色），背景不变
subplot(2,3,4),imshow(J3,map);title('第3种锐化);%在左下角的区域显示第3种锐化结果图像
J4=G; %让J4等于G
K=find(G<=7); %找出梯度小于7的索引号
J4(K)=255;%让梯度小于7的背景取255，轮廓取梯度值 
subplot(2,3,5),imshow(J4,map);title（'第4种锐化'）;%在中下区域显示第4种锐化结果图像 J5=l; %让J5等于I
K=find(G<=7); %找出梯度小于7的索引号 J5(K)=0; %让梯度小于7的背景取值0（黑色） K=find(G>7); %找出梯度大于7的索引号
J5(K)=255; %让梯度大于7的轮廓取值255（白色） subplot(2,3,6),imshow(5，map);title('第5种锐化');%在右
下角的区域显示第5种锐化结果图像
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

锐化与边缘特征

反锐化掩模

• 反锐化淹没MATLAB代码：
  
  
  

小结

• 图像锐化：
  
• 图像平滑：
  
• 图像锐化：