找回密码
 注册
关于网站域名变更的通知
查看: 778|回复: 3
打印 上一主题 下一主题

MATLAB 空间域图像增强

[复制链接]
  • TA的每日心情

    2019-11-19 15:32
  • 签到天数: 1 天

    [LV.1]初来乍到

    跳转到指定楼层
    1#
    发表于 2021-9-1 15:52 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

    EDA365欢迎您登录!

    您需要 登录 才可以下载或查看,没有帐号?注册

    x

    & p1 |8 i! `5 K2 P) b方法包括:直方图修正,灰度变换,图像平滑化,图像锐化等。
    ! o+ ~" {0 C( y6 m1 ^4 _) N* N# d& D* t1 I3 _, N
        卷积时模板是相对中心点做镜像后再对F位于模板下的子图像作加权和的。只有模板本身是关于中心点对称,相关和卷积结果才会相同。
    ( F2 L) u. C9 O# U" M/ C& g" M3 O  _7 Q3 G/ e" W
    • % 均值滤波  f = imread('../lena_AdaptiveMedianFilter.bmp'); %读入图像 imshow(f); %得到图5.2(a)的图像 w = [1 1 1; 1 1 1; 1 1 1] / 9 %滤波模板  g = imfilter(f, w, 'conv', 'replicate'); %滤波   滤波过程corr--相关  conv--卷积   figure, imshow(g); %得到5.2(b)的图像   replicate 重复的边界填充方式# k1 q. P. }3 O1 B

    0 {; r: q5 }# X  f . g& g0 y- K- _8 i) F6 q( z
    $ x0 z/ w4 Y1 z
         图像平滑可以减少和抑制图像噪声。
    ' U' @) B; {* l' d
    # @% x8 {7 W7 E     平均平滑& ]9 B; Q+ v8 c3 l4 h4 s9 l

    $ j  d) ^4 w( f+ T
    • I = imread('../baby_noise.bmp');  figure, imshow(I)  h = fspecial('average', 3); % 3*3平均模板 I3 = imfilter(I, h, 'corr', 'replicate'); % 相关滤波,重复填充边界 figure, imshow(I3)  h = fspecial('average', 5) % 5*5平均模板  I5 = imfilter(I, h, 'corr', 'replicate'); figure, imshow(I5)  h = fspecial('average', 7); % 7*7平均模板 I7 = imfilter(I, h, 'corr', 'replicate'); figure, imshow(I7)1 x! ~& s2 t: G. D+ e; G3 D* M! {

    " A6 l: L: [/ w. Z6 T6 Q8 z- F2 Y8 s3 {; _
         高斯平滑
    # W) Y. g1 q/ {$ o& }' @% ]9 h! @4 q1 s- h! W6 i& U: d
    • I = imread('../baby_noise.bmp');  figure, imshow(I);    h3_5 = fspecial('gaussian', 3, 0.5); % sigma=0.5的3*3高斯模板  I3_5 = imfilter(I, h3_5); % 高斯平滑  figure, imshow(I3_5);     h3_8 = fspecial('gaussian', 3, 0.8); % sigma=0.8的3*3高斯模板  I3_8 = imfilter(I, h3_8);  figure, imshow(I3_8);    h3_18 = fspecial('gaussian', 3, 1.8) % sigma=1.8的3*3高斯模板,接近于平均模板   I3_18 = imfilter(I, h3_18);  figure, imshow(I3_18);
      ; E8 x5 }( P4 B& M3 U

    # [9 }# Y; e4 h
    ! O$ @# H, R( A, n6 |    中值滤波
    % h) f2 I! u4 o' G2 _   
    ) h6 B" v2 S7 P2 E
    • I = imread('../lena_salt.bmp'); imshow(I);  J=imnoise(I,'salt & pepper');%为图像叠加椒盐噪声 figure, imshow(J);  w = [1 2 1;2 4 2;1 2 1] / 16; J1=imfilter(J, w, 'corr', 'replicate'); %高斯平滑 figure, imshow(J1);  w = [1 1 1;1 1 1;1 1 1] / 9; J2=imfilter(J, w, 'corr', 'replicate');%平均平滑 figure, imshow(J2);  J3=medfilt2(J,[3,3]);%中值滤波 figure, imshow(J3);9 a7 I; A; y1 y+ C. N

    ) g/ h; V! }  {4 B& T1 ~ 7 ]  G9 j! D8 I! w# Z3 S! W& Y! i

      X1 E. d; H+ N% y4 W2 V
    3 B3 ]' p/ d; c6 z9 G- J4 R目测 中值滤波效果最好,其为统计排序滤波器,线性平滑滤波器在降噪时不可避免的出现模糊。低于椒盐噪声,中值滤波最好。
    : R/ e( V  I3 a1 Z
    ! i  K# Y/ q& |9 G) l: u: n7 E% X9 O  E/ Z
    4 {( A  U- y3 |% z3 Q
        图像锐化) h; Y. k& b8 X7 i: M

    5 ~+ j( C5 L; ]    增强图像灰度跳变部分。锐化的对象是边缘,处理不涉及噪声。: K! s" ?" f/ `" f
    % t, E  ?" }6 S$ Y0 y
    基于一阶导数的增强。
    & S1 l" o0 H4 u( a# y. ]: |2 ~, x  X. V( @
    • % 基于Robert交叉梯度的图像锐化  I = imread('../bacteria.bmp'); imshow(I);  I = double(I); % 转换为double型,这样可以保存负值,否则uint8型会把负值截掉 w1 = [-1 0; 0 1] w2 = [0 -1; 1 0] G1 =  imfilter(I, w1, 'corr', 'replicate'); % 以重复方式填充边界 G2 =  imfilter(I, w2, 'corr', 'replicate'); G = abs(G1) + abs(G2); % 计算Robert梯度  figure, imshow(G, []);  figure, imshow(abs(G1), []); figure, imshow(abs(G2), []);
      # g( g: S5 _: U; K
    ! `* f9 ^4 {7 {% I
    " S; k7 P# Q9 {' @$ U6 o& I* z. D
    ! {8 M1 ^! j$ q1 X# C1 G/ E
    基于二阶微分的增强。
    . B/ t! Y7 L' B+ E4 e5 h
    * D$ ^) @* [: S; V/ d8 r) S$ S3 p
    • % 基于3种拉普拉斯模板的滤波   I = imread('../bacteria.bmp'); figure, imshow(I); I = double(I); w1 = [0 -1 0; -1 4 -1; 0 -1 0] L1 = imfilter(I, w1, 'corr', 'replicate'); w2 = [-1 -1 -1; -1 8 -1; -1 -1 -1] L2 = imfilter(I, w2, 'corr', 'replicate'); figure, imshow(abs(L1), []); figure, imshow(abs(L2), []); w3 = [1 4 1; 4 -20 4; 1 4 1] L3 = imfilter(I, w3, 'corr', 'replicate'); figure, imshow(abs(L3), []);
      : P) |0 L6 ?8 e3 e: C- X$ ]

    1 A/ ?+ L+ Q) i
    $ s3 E; I) g; n8 A: A
    ( G% w# w$ r8 c0 n# v# J! L4 z1 K; a高斯-拉普拉斯变换增强。% p( C+ f: g4 ~# D
    ( W7 d9 K. p3 X- D
    • LoG算子的锐化 clear all I = imread('../babyNew.bmp'); figure, imshow(I, []); %得到图5.14(a) Id = double(I); % 滤波前转化为双精度型  h_log = fspecial('log', 5, 0.5); % 大小为5,sigma=0.5的LoG算子 I_log = imfilter(Id, h_log, 'corr', 'replicate');  figure, imshow(uint8(abs(I_log)), []);  h_log = fspecial('log', 5, 2); % 大小为5,sigma=2的LoG算子 I_log = imfilter(Id, h_log, 'corr', 'replicate');  figure, imshow(uint8(abs(I_log)), []);8 x9 y& O! b( C
    * t9 K, S- ~# i1 O0 {1 l2 \, p
    ' U0 G2 l/ u9 ^7 n
    6 \& M6 L6 s* x; T

    该用户从未签到

    2#
    发表于 2021-9-1 17:42 | 只看该作者
    只有模板本身是关于中心点对称,相关和卷积结果才会相同。
    : ~) C& Q1 A9 Z' B

    该用户从未签到

    3#
    发表于 2021-9-1 18:04 | 只看该作者
    卷积时模板是相对中心点做镜像后再对F位于模板下的子图像作加权和的

    该用户从未签到

    4#
    发表于 2021-9-1 18:04 | 只看该作者
    图像平滑可以减少和抑制图像噪声
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    关闭

    推荐内容上一条 /1 下一条

    EDA365公众号

    关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

    GMT+8, 2025-10-29 00:06 , Processed in 0.156250 second(s), 27 queries , Gzip On.

    深圳市墨知创新科技有限公司

    地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

    快速回复 返回顶部 返回列表