MATLAB 空间域图像增强

ubeautqq

方法包括：直方图修正，灰度变换，图像平滑化，图像锐化等。

    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。
9 s( |; s- `% B% E3 |

• % 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
  5 f$ {( j6 {+ p1 D, d" \6 X

     图像平滑可以减少和抑制图像噪声。
  p: G4 l" l- [
1 i* k, r) n. X- x9 _; m% f6 P     平均平滑
5 X! M- h# @. ~4 H# g# `

• 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)
  

# J- x  g. t7 L; h. D/ v% h# F
/ j" B' C7 _0 V6 B4 k     高斯平滑
0 Z  L) y6 F. P1 j3 S0 P
: _- G$ z" d5 }- ^

• 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);
  ! X2 {4 l" L$ u1 p/ x

  w1 ^% m; H- c. Q: ]$ M1 S
( N( v2 w8 x% H  s  |+ i    中值滤波
   
: @2 I  n! E9 @; z  a3 X) ^7 h

• 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);
  

* ]: A- |& S. N$ ?% Q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。
0 v9 C2 d  P) m1 ~! K- G/ e. u


/ \" S! ~: e" a: v* X- t    图像锐化
% r  V; `2 N3 n* `! W( d8 Z: P4 _
    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。
4 ~6 B; k1 t; D) |7 O! `" m+ S
基于一阶导数的增强。
' M- Z- I  w8 y1 _2 y
2 d  e) h/ M9 R" w* d: `

• % 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), []);
  " q9 X+ d* J; o# w& J% O( D1 W

$ C. d: L6 p1 r
6 H7 @( Y6 L4 b6 Q9 @7 b* i! H
9 E/ p( M' K& ~2 ~4 s4 B基于二阶微分的增强。

• % 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), []);
  

- ^$ @6 t2 g1 C8 g' a+ D: C2 Z6 _
) C6 r9 P% ?* l
高斯-拉普拉斯变换增强。

0 F: g( |$ B* C7 Q3 T

• 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)), []);
  

9 g! n& n* r+ ~
& c& K# {9 Y6 ^) o
" `) y. S; q# P

hdubsgyd

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。
5 ^1 W4 ?+ Q  O  ~- [

SsaaM7

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

smileqq

图像平滑可以减少和抑制图像噪声