光电图像处理

课题：基于MATLAB的图像增强及实现指导老师：张金业组员：黄帅邱柳徐贝妮姚怡汇报日期：2014.11.25主要内容：•*灰度变换�*直方图均衡化�*图像二值化�*图像平滑�*图像锐化�*图像的傅立叶变换�*图像的伪彩色处理一．灰度变换介绍：灰度即使用黑色调表示物体。每个灰度对象都具有从0%（白色）到100%（黑色）的亮度值。灰度变换处理是图像增强技术中一种非常基础、直接的空间域图像处理方法，也是图像数字化和图像显示的一个重要组成部分。灰度变换主要针对独立的像素点进行处理，通过改变原始图像数据所占有的灰度范围而使图像在视觉上得到改观。（直方图规定化：将一幅图像通过灰度变换，使其具有特定的直方图形式。）2020/2/25*—*•图像处理效果020004000600001002000123x10401002002020/2/25*_*图像处理效果02000400001002000123x10401002002020/2/25*-*程序：clearclcA=imread('1.png');%读取rgb图片I=rgb2gray(A);%转换为灰度图像figure;subplot(2,2,1);imshow(I,[]);%原灰度图subplot(2,2,2);imhist(I);%原灰度图直方图J=imadjust(I,[0.010.55],[]);%映射亮度值0.01至0.55之间subplot(2,2,3);imshow(J);%显示调整后的图subplot(2,2,4);imhist(J);%显示调整后的直方图二．直方图均衡化介绍：直方图均衡化是指通过灰度映射变换将一幅图像转化为另一幅具有均衡直方图，即在每个灰度级上具有相同的像素点数的过程。本质：扩大了量化间隔，而量化级别反而减少了。2020/2/25*-*•图像处理效果原始图像直方图均衡化后的图像00.511.522.5x104原始的直方图010020000.20.40.60.811.21.41.61.82x104均衡化后的直方图01002002020/2/25*-**原始图像直方图均衡化后的图像00.511.522.53x104原始的直方图010020000.511.52x104均衡化后的直方图01002002020/2/25程序：clc;clear;I=imread('2.jpeg');I=rgb2gray(I);%将图像转化为灰度图像J=histeq(I);%对I进行直方图均衡化figure(1);subplot(121),imshow(I),title('原始图像')subplot(122),imshow(J),title('直方图均衡化后的图像');figure(2)subplot(121),imhist(I,64),title('原始的直方图');subplot(122),imhist(J,64),title('均衡化后的直方图')三．图像二值化介绍：图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。2020/2/25*2020/2/25*-**原图显示二值图像图像二值化(域值为150）2020/2/25*•程序：A=imread('3.bmp');I=rgb2gray(A);bw=im2bw(I,0.5);%选取阈值为0.5subplot(1,3,1);imshow(I);title('原图');subplot(1,3,2);imshow(bw);title('显示二值图像');J=find(I150);I(J)=0;J=find(I=150);I(J)=255;subplot(1,3,3);imshow(I);title('图像二值化(域值为150）');四．图像平滑介绍：任何一副图像在获取和传输等过程中，会受到各种噪声的干扰，使图像质量下降，图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑。（以中值滤波、均值滤波为例。）2020/2/25**原始图象高斯噪声椒盐噪声.高斯白噪声:n(i,j)服从高斯分布。椒盐噪声:椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。图像平滑的目的：减少或消去图像噪声。2020/2/25均值滤波：噪声弱化，但图象边缘变模糊，均值滤波对高斯白噪声的滤波效果要比对椒盐噪声的效果好！*椒盐2*2平均模板椒盐3*3平均模板椒盐5*5平均模板高斯2*2平均模板高斯3*3平均模板高斯5*5平均模板2020/2/25•中值滤波：中值滤波对消除脉冲椒盐噪声非常有效，而且不会显著模糊图像。可以看出，中值滤波对脉冲椒盐噪声比对高斯白噪声效果更好。*原图椒盐2x25x5原图高斯2x25x5五．图像锐化介绍：补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰。2020/2/25**原图Roberts算子sobel算子prewitt算子2020/2/25*-**原图Roberts算子sobel算子prewitt算子2020/2/25*-**原图Roberts算子sobel算子prewitt算子2020/2/25*-*程序：clearall;closeall;A=imread('9.png');I=rgb2gray(A);J=edge(I,'roberts');k=edge(I,'sobel');l=edge(I,'prewitt');figure,subplot(221),imshow(I);title('原图');subplot(222),imshow(J);title('Roberts算子');subplot(223),imshow(k);title('sobel算子');subplot(224),imshow(l);title('prewitt算子');六．图像的傅立叶变换意义：将给定灰度图像变换为频谱图像。傅立叶频谱图上我们看到的明暗不一的亮点，实际上是图像上某一点与领域点差异的强弱，即梯度的大小，也即该点的频率的大小。2020/2/25*-**原灰度图像傅里叶频谱2020/2/25*-**原灰度图像傅里叶频谱2020/2/25程序：clc;clear;I=imread('2.jpeg');A=rgb2gray(I);figure(1);imshow(A);title('原灰度图像');S=fftshift(fft2(A));figure(2);imshow(log(abs(S)),[]);title('傅里叶频谱*原灰度图像傅里叶频谱七．图像的伪彩色处理介绍：所谓伪彩色处理，就是将图像中的黑白灰度级变成不同的彩色，如果分层越多，人眼所能提取的信息也多，从而达到图像增强的效果。这是一种视觉效果明显，又不太复杂的图像增强技术。伪色彩图像处理技术不仅适用于航空摄影和遥感图片，也可用于x光片及云图的判读方面。可以用pc机去做，也可用硬件设备来实现。伪彩色虽然能将黑白灰度转换为彩色，但这种彩色并不是真正表现图像的原始颜色，而仅仅是一种便于识别的伪彩色。伪彩色处理技术的实现方法有多种，如灰度分层法、灰度级-彩色变换法、频域滤波法等等。我们在这里主要介绍灰度级-彩色变换法的实现方法。首先对原始黑白图像f(x,y)每个像点的灰度值进行三个独立的变换，然后选择合适的变换关系，使原图上每个灰度值映射为不同的红，绿，蓝三基色R,G,B的组合，即不同的色彩，实现伪彩色转换。2020/2/25**2020/2/25*-**2020/2/25*A=imread('2.jpg');%读入灰度图像image2g.jpg?I1=rgb2gray(A);I=double(I1);M,N]=ze(I);L=256;fori=1:Mforj=1:NifI(i,j)L/4R(i,j)=0;G(i,j)=4*I(i,j);B(i,j)=L;elseifI(i,j)=L/2R(i,j)=0;G(i,j)=L;B(i,j)=-4*I(i,j)+2*L;elseifI(i,j)=3*L/4R(i,j)=4*I(i,j)-2*L;G(i,j)=L;B(i,j)=0;elseR(i,j)=L;G(i,j)=-4*I(i,j)+4*L;B(i,j)=0;endendendendendfori=1:Mforj=1:NG2C(i,j,1)=R(i,j);G2C(i,j,2)=G(i,j);G2C(i,j,3)=B(i,j);c(i,j)=R(i,j)+G(i,j)+B(i,j);endendG2C=G2C/256;figure;imshow(G2C);figure;imshow(I1)心得体会：通过此次课题研究，使我们更加扎实地掌握了有关图像处理方面的知识，在设计过程中虽然遇到了一些问题，但经过一次又一次的思考，一遍又一遍的检查终于找出了原因所在，也暴露出了前期我们在这方面的知识欠缺和经验不足。实践出真知，通过亲自动手操作，使我们掌握的知识不再是纸上谈兵。在做数字图像处理课题研究以前，一直认为这门学科很简单，但是通过这次的学习，我们明白了学习跟掌握是两个完全不同的层次，纸上学来终是浅，实践方是万物源。学习过程中，我们通过讨论得到了一个较好的结果，更使我们体验到团队学习工作的重要性，因为大家往一处使劲握们才能获得最后的成功，也增进了彼此的友谊。.