《灰度修正技术和锐化技术》由会员分享，可在线阅读，更多相关《灰度修正技术和锐化技术（7页珍藏版）》请在金锄头文库上搜索。
1、作业二：灰度修正技术和锐化技术一、题目： 基于灰度修止的图像锐化三、摘要:1、灰度变换：选择一副对比度不足的图像，对该图像进行灰度变换，增强 对比度,显示增强前后的图像以及它们的灰度育方图。2、肓方图均衡：选择一副灰度直方图不均匀的图像，对该图像作肓方图均衡 处理，显示处理前后的图像以及它们的灰度直方图。3、选择一副边缘较模糊的图像，利川高通滤波器（选择或自己设计）对此图 像边缘增强，观察增强的效果。正文:1、灰度变换：灰度即使用黑色调表示物体。每个灰度对象都具有从o%（H色）到100% （黑色）的亮 度值。灰度变换处理是图像增强处理技术中一种非常基础、肓接的空间域图像处理方法，也 是图像数字
2、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索点进行处理, 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。2、直方图均衡化：直方图是图像的一种统计表达，由一系列高度不等的纵向条纹表示数据分布的情况。灰 度宜方图是灰度级的函数，它表示图彖中具有每种灰度级的象素的个数，反映图象中每种灰 度出现的频率。灰度有方图描述了图像中乞种灰度（对于像索深度为8位的图像，共 为0-255共256种取值）在整个图像中占有的比例。玄方图均衡化：利用肓方图统计的结果, 通过使图像的育方图均衡的方法称为肓方图均衡化，可以达到增强图像的显示效果的作用。 由于通过頁方图统计，可以观察出，图像中各
3、种亮度所占的比例大都分布不均匀，设法增加 在直方图统计中所占比例高的像素和其他皆的比例少的像素之间的亮度差，可以提高图像的 显示效果。简单来说，直方图增强的方法就是压缩氏方图中比例少的像索所占用的灰度范围, 多出来的灰度空间按照统计比例分配给右方图中比例高的像索使用o这种方法主要是针对人 眼对灰度差别越大的图像更容易分辨的特点而做的增强。选择一幅頁方图不均匀的图像，对该图像进行育方图均衡处理，显示处理前麻的图像以 及它们的灰度育方图。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其 所出现的频度。通常，灰度頁方图的横坐标表示灰度值，纵坐标为像素个数，也可以采用某 一灰度值的像索数占
4、全图像索数的百分比作为纵坐标。3、锐化处理：不同的滤波器对图像的滤波效果是不同的。它们的共同点是图像在经过高通滤波后，消 除了模糊，突出了边缘，使低频分量得到了抑制，从而增强了高频分量，使图像的边沿或线 条变得清晰，实现了图像的锐化。但理想高通滤波器出现了明显的振铃现象，即图像边缘有 抖动现象；而Butterworth滤波器高通效果较好，但是计算复杂，其优点是有少量的低频通 过，故H(u,v)是渐变的，振铃不明显；指数高通滤波效果比Butterworth差些，但振铃也不 明显。而且不同的滤波半径和不同的滤波器阶数对图像的滤波效果也是不同的。滤波半径越 越小，则图像的滤波效果越好；滤波器阶数越高
5、，则滤波效果越好。从以上3种高通滤波 的研究可知，加强了高频分量，但是由于低频通过太少，故处理后图像仍不清晰。理想的方 案是把多种处理方法综合使用，例如每次频域处理ZVI,再用空域处理，如直方图均衡化修 正，这样处理后，图像效果更好，轮廓更加突出，图像更加清晰。五、参考文献:计算机图像处理基础朱虹编著，科学出版社，2005MATLAB图像处理从入门到精通马晓路、刘倩、胡开云、时翔编著，铁道出版 详解MATLAB数字图像处理张徳丰编著，电了工业出版社MATLAB数字图像处理第2版，张徳丰编著，机械工业出版社六、附录：、I=imread(pouttif);subplot( 141 );imshow
6、(I);xlabelCa)原始图像)subplot( 1,4,2);imhist(I)J=imadjust(I);subplot( 143);imshow(J);xlabelCb)增强对比度Jsubplot( 1,4,4);imhist(J)b）增强对比度16001400120020000 100 200二、I=imread(pout.tif);%读取图像J=histeq ； subplot(2,2,l);%对图像进行育方图的均衡化 %显示原图像imshow(I); titlef原图像); subplot(2,2,2); imshow(J);%显示肓方图均衡化后的图像titleCH方图均衡化的
7、图像subplot(2,2,3)； imhist(I,64);%画出原图像的肓方图titleC原图像的直方图）;subplot(2,2,4)；%曲出均衡变换麻的直方图imhist（J,64）;title（均衡变化后的直方图）;40002000原图像的直方图0 100 200均衡变化厉的方图J=imreadCpoiit.tif);subplot(2,3,l );imshow(uint8(J);xlabelC(a)模糊图像);J=double(J);f=fft2(J); %采用傅里叶变换g=fftsh ift(f)； %数据矩阵平衡M,N=size(f)；nl=floor(M/2);n2=floo
8、r(N/2);d0=20;for i=l:M%进行理想高通滤波和理想高通加强滤波for j=l:Nd=sqrt(i-n l)A2+(j-n2)A2);if d=d0hl = l;h2=l+0.5;elsehl=0;h2=0.5;endgl(i,j)=hl*g(i,j);g2(i,j)=h2*g(i,j);endgl=ifftshift(gl);g 1 =uint8(real(ifft2(g 1);subplot(2,3,2);imshovv(g 1); %显示理想高通滤波结果xlabelC (b)显示理想高通滤波g2=ifftshift(g2);g2=uint8(real(ifft2(g2);
9、subplot(2,3,3);imshow(g2); %显示理想高通加强滤波结果xlabel(f(c)显示理想高通加强滤波)；n=2;d0=20;for i=l:M%进彳亍Butterworth高通滤波和Butterworth高通加强滤波for j=l:Nd=sqrt(i-n 1 )A2+(j-n2)A2);if d=0hl=0;h2=.5;elsehl=l/(l+(dO/d)A(2*n); h2=l/(l+(d0/d)A(2*n)+0.5;endggl(i,j)=hl*g(i,j);gg2(i,j)=h2*g(i,j);endend ggl=ifftshift(ggl);ggl=uint8(real(ifft2(ggl);subplot(2,3,4)；imshow(ggl); %显示 Butterworth 高通滤波xlabel(*(d)Butterworth 高通滤波)；gg2=ifftshift(gg2);gg2=uint8(real(ifft2(gg2);subplot(2,3,5);imshow(gg2);%显示 Butterworth 高通加强滤波xlabel(*(e)Butterworth 高通加强滤波)；(b)显示理想高通滤波(c)显示理想高通加强滤波(a)模糊图像)(d)Butterworth高通滤波(e)Butterworth高通加 强滤波
