matlab中图像增强技术的实现毕业论文(编辑修改稿)

matlab中图像增强技术的实现毕业论文(编辑修改稿)内容摘要：

际上是一个 1 行 9列向量。 构成矩阵或向量的行字符串长度必须相同。 可以使用 char 函数构建字符数组，使用 strcat 函数连接字符。 常用的字符操作函数 findstr(s1,s2) 搜索字符串 ischar(s) 判断是否字符串 strcmp(s1,s2) 比较字符串是否相同 strncmp(s1,s2,n) 比较字符串中的前 n 个字符是否相同 第二章 Matlab 的 简介 11 strrep(s1,s2,s3) 将 s1 中的字符 s2 替换为 s3 Matlab 常用工具箱 MATLAB 包括拥有数百个内部函数的主包和三十几种工具包。 功能工具包用来扩充 MATLAB 的符号计算，可视化建模仿真，文字处理及实时控制等功能。 学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。 除内部函数外，所有 MATLAB 主包文件和各种工具包都是可读可修改的文件。 Matlab Main Toolbox—— matlab 主工具箱 System Identification Toolbox—— 系统辨识工具箱 Image Processing Toolbox—— 图象处理工具箱 LMI Control Toolbox—— 线性矩阵不等式工具箱 Optimization Toolbox—— 优化工具箱 Simulink Toolbox—— 动态仿真工具箱 Wavele Toolbox—— 小波工具箱 它附加的工具箱，即单独提供的专用 matlab 函数集，扩展了 matlab 环境，以解决这些应用领域内特定类型的问题。 小结 对于 MATLAB，由于本科阶段我们大量的运用 它 来进行编程学习，对于以上所叙，均 比较 了解，但是对于其图像处理功能还是不十分熟悉，因此以下将着重从这方 面介绍： 图像处理工具包是由一系列支持图像处理操作的函数组成的。 所支持的图像处理操作有 :图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换 (DCT 变换等 ) 、图像分析和统计、二值图像操作等。 下面就 MATLAB 在图像处理中各方面的应用分别进行介绍。 1) 图像文件格式的读写和显示。 MATLAB 提供了图像文件读入函数 imread ( ) ,用来读取如 : bmp 、 tif 、 jpg、 pcx、 tiff 、 gpeg、 hdf 、 xwd 、 png 等各种格式的图像文件。 图像写出函数 imwrite () ,还有图像显示函数 image ( ) 、imshow( ) 等等。 2) 图像处理的基本运算。 MATLAB 提供了图像的和、差等线性运算 ,以及卷积、相关、滤波等非线性运算。 例如 ,conv2( I ,J ) 实现了 I ,J 两幅图像的卷积。 12 3) 图像变换。 MATLAB 提供了一维和二维离散傅立叶变换 (DFT) 、快速傅立叶变换 (FFT) 、离散余弦变换 (DCT) 及其反变换函数 ,以及连续小波变换 (CWT) 、离散小波变换 (DWT) 及其反变换。 4) 图像的分析和增强。 针对图像的统计计算 ,MATLAB 提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。 以上所提到的 MATLAB 在图像中的应用都是由相应的 MATLAB 函数来实现的 ,使用时 ,只需按照函数的调用语法正确输入参数即可。 具体的用法可参考 MATLAB 丰富的帮助文档。 第三章 Matlab 图像增强 13 第三章 Matlab 图像增强 图像增强是按特定的需要突出一幅图像中的 某 些信息，同时，消弱或去除某些 信息使得图 像 更加实用。 图像增强技术主要包含直方图修改处理、图像平滑处理、图像尖锐化处理和彩色技术等。 图像增强技术概述 图像增强技术 主要包括：直方图修改处理，图像平滑处理，图像尖锐化处理，彩色图像处理。 从纯技术上讲主要有两类：频域处理法和空域处理法。 频域处理法主要是卷积定理，采用修改图像傅立叶变换的方法实现对图像的增强处理技术；空域处理法：是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。 空域滤波增强 使用空域模板进行的图像处理被称为空域滤波 ,模板本身被称为空域滤波器。 空域滤波器包括：线性滤波器和非线性滤波器。 空域滤波处理效果来分类，可以分为平滑滤波器，和锐化滤波器，平滑的目的在于消除混杂在图像中的干扰因素，改 善图像质量，强化图像表现特征。 锐化的目的在于增强图像边缘，以及对图像进行识别和处理。 平滑滤波器 用于模糊处理和减小噪声。 平滑线性空间滤波器的输出（响应）是包含在滤波掩模邻域内像素的简单平均值。 因此这些滤波器也被称为均值滤波器。 平滑滤波器的概念很简单：它是用滤波掩模确定的领域内像素的平均值去代替图像每个像素点的值。 这种处理减少了图像灰度的尖锐化。 每个掩模前边的乘数等于它的系数值的和，以计算平均值。 我们经常用这些极端类型的模糊处理来去除图像中的一些小物体。 例如：在matlab 中利用线性平滑滤波器 处理一副图像 I=imread(39。 39。 )。 J=imnoise(I,39。 salt amp。 pepper39。 ,)。 %添加椒盐噪声 14 subplot(221) imshow(I) title(39。 原图像 39。 ) subplot(222) imshow(J) title(39。 添加椒盐噪声图像 39。 ) K1=filter2(fspecial(39。 average39。 ,3),J)/255。 %应用 3*3 邻域窗口法 subplot(223),imshow(K1) K2=filter2(fspecial(39。 average39。 ,7),J)/255。 %应用 7*7 邻域窗口法 subplot(224),imshow(K2) 中值滤波器 其 原理是把数字图像或数字序列中某一点的值用该点的一个邻域中各点值的中值交换。 中值滤波器的窗口可以取方形，圆形，十字形等。 例如：滤波函数图像处理 1 clc。 clear。 fid = fopen(39。 39。 )。 temp= fread(fid, [256,256])。 LenaRaw=uint8(temp39。 )。 subplot(1,3,1) Imshow(LenaRaw)。 title(39。 原始图像 39。 ) subplot(1,3,2) Imshow(smoothingMedianFilter(LenaRaw,3))。 title(39。 自制函数，使用用 3*3 模板，中值滤波图像 39。 ) subplot(1,3,3) Imshow(medfilt2(LenaRaw,[3,3]))。 title(39。 调用库函数 medfilt2，使用 3*3 模板，中值滤波图像 39。 ) 第三章 Matlab 图像增强 15 锐化 滤波器 锐化处理主要目的是突出图像中的细节或者增强被模糊了的细节，这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。 常用的方法有两种即为微分法和模板匹配法。 其中微分法中梯度是图像处理常用的一次微分方法，在灰度骤变区域，梯度值大 ，在灰度相似区域，梯度值小。 在灰度级为常数的区域，梯度为零； Laplacian算子是线性二次微分算子，与梯度算子一样，具有旋转不变性 ，从而满足不同走向的图像边界的锐化要求。 而对于模板匹配法则是出去能够增强图像边缘外，还具有平滑噪声的优点。 低通滤波器 一幅图像的 边缘，跳跃部分以及颗粒噪声代表图像信号的高频分量，而大面积的背景区域代表了图像信号的低频分量。 低通滤波器的作用就是滤除这些高频分量，保留低频分量，使图像信号平滑。 它包括：理想低通滤波器， 巴 特沃斯低通滤波器，指数低通滤波器等。 例如：频域增强 I=imread(39。 39。 )。 J=imnoise(I,39。 salt amp。 pepper39。 ,)。 subplot(121),imshow(J) title(39。 含噪声的图像 39。 ) J=double(J)。 f=fft2(J)。 g=fftshift(f)。 [M,N]=size(f)。 n=3。 d0=20。 n1=floor(M/2)。 n2=floor(N/2)。 for i=1:M for j=1:N d=sqrt(in1)^2+((in2)^2)。 h=1/(1+*(d/d0)^(2*n))。 g(i,j)=h*g(i,j)。 end 16 end g=ifftshift(g)。 g=uint8(real(ifft2(g)))。 subplot(122),imshow(g) title(39。 三阶 Butterworth 滤波图像 39。 ) 高通滤波器 与低通滤波器相反，它将高频信号通过，而抑制了低频信号。 同态滤波器 把频率过滤和灰度变换结合起来的图像处理方法叫同态滤波。 Matlab 图像增强函数 Matlab 中图像增强函数的具体使用方法： （ 1）直方图 imhist 函数用于数字图像的直方图显示，如： i=imread(39。 e:\39。 )。 imhist(a)。 （ 2）直方图均化 histeq 函数用于数字图像的直方图均化，如： i=imread(39。 e:\39。 )。 j=histeq(a)。 （ 3）对比度调整 imadjust 函数用于数字图像的对比度调整，如： i=imread(39。 e:\39。 )。 j=imadjust(a,[,],[])。 （ 4） 对数变换 log 函数用于数字图像的对数变换，如： i=imread(39。 e:\39。 )。 j=double(a)。 k=log(v)。 （ 5）基于卷积的图像滤波函数 filter2 函数用于图像滤波，如： 第三章 Matlab 图像增强 17 i=imread(39。 e:\39。 )。 h=[1,2,1。 0,0,0。 1,2,1]。 j=filter2(h,i)。 （ 6） 线性滤波 利用二维卷积 conv2 滤波 , 如 : i=imread(39。 e:\39。 )。 h=[1,1,1。 1,1,1。 1,1,1]。 h=h/9。 j=conv2(i,h)。 （ 7）中值滤波 medfilt2 函数用于图像的中值滤波，如： i=imread(39。 e:\39。 )。 j=medfilt2(i)。 （ 8）锐化 利用 Sobel 算子锐化图像 , 如 : i=imread(39。 e:\39。 )。 h=[1,2,1。 0,0,0。 1,2,1]。 %Sobel 算子 j=filter2(h,i)。 Matlab 应用于数字图像增强和滤波 目的 1）熟悉灰度图像读入函数 imread 和图像显示函数 imshow。 2）掌握数据类型强制转换函数 y=double(x)。 (注意进行运算前类型为 uint8的数据必须转换为 double 类型 )。 3）掌握使用函数映射增强图像的方法。 4）熟悉使用 imhist 函数显示图像直方图。 5）熟悉使用 histeq 函数进行直方图均衡化 ,通过实验结果理解直方图均衡化的作用。 6） 掌握加噪函数 imnoise 函数。 7）熟悉常用空域平滑滤波和锐化滤波模板。 18 内容 根据简单的函数映射规则编写程序 ,完成图像求反、增强对比度、降低对比度。 1）在 MATLAB 中读入名为 的图像给矩阵 D，将 D 强制类型转换为 double。 2）对原始图像求反 ,即 转换为 黑色 或 白色 ,形成底片效果 ,结果赋值给矩阵 D1。 要求原图像灰度范围 0~255,求反后灰度变化范围 255~0。 3）对原始图像 D 降低对比度 ,结果赋值给矩阵 D2。 要求原图像灰度范围0~255,降低对比度后 灰度变化范围 0~127。 4）对降低对比度后的图像 D2 增强对比度 , 结果赋值给矩阵 D3,要求与原始图像外观类似。 5）在 figure（ 1）中显示 求反图像、增强对比度图像和降低对比度图像的图像与直方图 ,并添加标注说明。 6）对降低对比度后图像矩阵 D2 使用 histeq 函数进行直方图均衡化 ,结果赋值给矩阵 D4。 在 figure 显示降低对比度后图像与直方图均衡化后图像 ,并添加标注说明。 Dimread(39。 39。 )。 Ddouble(D/255。 D=1D D=(floor(D255/2)/255)。 D=(exp(D*255/10))/255。 figure,subplot(4。