• 利用Matlab进行图像的增强

    本文章包含以下内容：

    1．图像灰度修正。测试图像pout.tif、tire.tif。读入灰度级分布不协调的图像，分析其直方图。根据直方图设计灰度变换表达式，调整表达式的参数，直到显示图像的直方图均衡为止。

    2．不均匀光照的校正。测试图像pout.tif，采用分块处理函数blkproc和图像相减函数imsubtract对图像不均匀光照进行校正；

    3、三段线性变换增强。测试图像couple.tif。选择合适的转折点，编程对图像进行三段线性变换增强。

    4、图像平滑方法。测试图像为eight.tif。对测试图像人为加噪后进行平滑处理。根据噪声的不同，选择不同的去噪方法。

    5、图像锐化方法。测试图像为rice.tif、cameraman.tif。读入一副边缘模糊的图像，利用罗伯茨梯度对图像进行4种锐化处理，比较各自的效果。

    (灰度修正、不均匀光照的校正、三段线性变换增强、图像平滑方法、图像锐化方法)

    目录：

    目录

    本文章包含以下内容：

    目录：

    全部代码如下：

    结果如下：

    下面这些是代码里的各个部分，方便复制 

     灰度修正：

    不均匀光照的校正：

    三段线性变换增强：

    图像平滑方法：

    图像锐化方法：

    全部代码如下：

    可以放到同一个文件里，如果缺少图片，在这里有：（记着改后缀）

    couple.tif

    rice.tif

    1. function U()
    2.     clear;
    3.     clc;
    4.     Gray_correction()
    5.     Gray_level_correction()
    6.     Piecewise_linear_transformation()
    7.     Image_smoothing()
    8.     Image_Sharpening()
    9. end
    10.  
    11. % 灰度修正函数，对pout.tif和tire.tif处理
    12. function Gray_correction()
    13.     img_p = imread('pout.tif');  % 读取文件
    14.     img_t = imread('tire.tif');  % 读取文件
    15.     figure('Name','灰度修正');  % 开一个叫灰度修正的窗口
    16.     % pout.tif
    17.     subplot(2,5, 1);imshow(img_p);title('pout.tif原图');   % 显示原图
    18.     subplot(2,5, 2);imhist(img_p);title('pout.tif直方图');   % 显示直方图
    19.     max_p = double(max(img_p(:)));    % 得到像素最大值
    20.     min_p = double(min(img_p(:)));    % 得到像素最小值
    21.     subplot(2,5, 3);plot([min_p,max_p],[0,255]);
    22.     axis([0 255 0 255]);title('线性变换函数');   %显示线性变换函数
    23.     img2_p = imadjust(img_p,[min_p/255,max_p/255],[]);
    24.     subplot(2,5, 4);imhist(img2_p);title('pout.tif变换后直方图');   % 显示变换后直方图
    25.     subplot(2,5, 5);imshow(img2_p);title('pout.tif变换后图像');   % 显示变换后图像
    26.     % tire.tif
    27.     subplot(2,5, 6);imshow(img_t);title('tire.tif原图');   % 显示原图
    28.     subplot(2,5, 7);imhist(img_t);title('tire.tif直方图');   % 显示直方图
    29.     m_t = double(median(img_t(:)));    % 中位数
    30.     k1 = 128/m_t;   % 第一根线的k
    31.     k2 = 128/(255 - m_t);   % 第二根线的k
    32.     subplot(2,5, 8);plot([0,m_t,255],[0,128,255]);
    33.     axis([0 255 0 255]);title('线性变换函数');   %显示线性变换函数
    34.     img2_t = (img_t*k1).*uint8(img_t<=m_t)+(img_t*k2+(255*(1-k2))).*uint8(img_t>m_t);
    35.     subplot(2,5, 9);imhist(img2_t);title('tire.tif变换后直方图');   %显示变换后直方图
    36.     subplot(2,5,10);imshow(img2_t);title('tire.tif变换后图像');   %显示变换后图像
    37. end
    38.  
    39. % 对pout.tif进行不均匀光照的校正
    40. function Gray_level_correction()
    41.     img = imread('pout.tif');  % 读取文件
    42. %     img = imread('rice.png');  % 读取文件
    43.     figure('Name','不均匀光照的校正');  % 开一个叫不均匀光照的校正的窗口
    44.     subplot(3,3,1);imshow(img);title('pout.tif原图');   % 显示原图
    45.     subplot(3,3,4);imhist(img);title('pout.tif原图直方图');   % 显示直方图
    46.     img_1 = blkproc(img,[32,32],'min(x(:))');             % 相当于滤波 大一点不会出现突兀的色块
    47.     s = size(img_1);
    48.     if(img_1(s(1),s(2))==0) % blkproc可能会出现黑边
    49.         img_1 = img_1(1:s(1)-1,1:s(2)-1);
    50.     end
    51.     img_1 = imresize(img_1, size(img), 'bilinear');       % 双线性插值，插到原图大小
    52.     subplot(3,3,2);imshow(img_1);title('pout.tif背景');   % 显示背景
    53.     img_1 = imsubtract(img,img_1);  % 图像减法
    54.     subplot(3,3,3);imshow(img_1);title('pout.tif光照校正图像');   % 显示光照校正图像
    55.     subplot(3,3,6);imhist(img_1);title('pout.tif校正直方图');   % 显示直方图
    56.     max_1 = double(max(img_1(:)));    % 得到像素最大值
    57.     min_1 = double(min(img_1(:)));    % 得到像素最小值
    58.     subplot(3,3,5);plot([min_1,max_1],[0,255]);
    59.     axis([0 255 0 255]);title('线性变换函数');   %显示线性变换函数
    60.     img_2 = imadjust(img_1,[min_1/255,max_1/255],[]);
    61.     subplot(3,3,9);imhist(img_2);title('pout.tif变换后直方图');   % 显示变换后直方图
    62.     subplot(3,3,7);imshow(img_2);title('pout.tif变换后图像');   % 显示变换后图像
    63. end
    64.  
    65. % 三段线性变换增强 对couple.tif处理
    66. function Piecewise_linear_transformation()
    67.     img = imread('couple.tif');  % 读取文件
    68.     figure('Name','三段线性变换增强');  % 开一个叫三段线性变换增强的窗口
    69.     subplot(2,3,1);imshow(img);title('couple.tif原图');   % 显示原图
    70.     subplot(2,3,4);imhist(img);title('couple.tif原图直方图');   % 显示直方图
    71.     len = numel(img);  % 求一下矩阵的像素数
    72.     len_3 = len/3;  % 求1/3像素数
    73.     pt = imhist(img); % 得到各个像素值的像素数
    74.     c = 0;  % 像素计数
    75.     x_1 = 0;    % 1/3处
    76.     x_2 = 0;    % 2/3处
    77.     for i =[0:255]
    78.         c = c+pt(i+1);
    79.         if(c>len_3&&~x_1) % 到了1/3处
    80.             x_1=double(i); % x_1下当前的数值
    81.         end
    82.         if(c>len_3+len_3&&~x_2) % 到了2/3处
    83.             x_2=double(i); % x_2下当前的数值
    84.         end
    85.     end
    86.     k1 = 85/(x_1-0);
    87.     b1 = 85-k1*x_1;
    88.     k2 = 85/(x_2-x_1);
    89.     b2 = 170-k2*x_2;
    90.     k3 = 85/(255-x_2);
    91.     b3 = 255-k3*255;
    92.     subplot(2,3,5);plot([0,x_1,x_2,255],[0,85,170,255]);
    93.     axis([0 255 0 255]);title('线性变换函数');   %显示线性变换函数
    94.     img = double(img);
    95.     img_1 = uint8(((img*k1+b1).*(img<=x_1)+(img*k2+b2).*((x_1<img)&(img<=x_2))+(img*k3+b3).*(x_2<img)));
    96.     subplot(2,3,6);imhist(img_1);title('couple.tif变换后直方图');   % 显示变换后直方图
    97.     subplot(2,3,3);imshow(img_1);title('couple.tif变换后图像');   % 显示变换后图像
    98. end
    99.  
    100. % 图像平滑方法。测试图像为eight.tif
    101. function Image_smoothing()
    102.     img = imread('eight.tif');  % 读取文件
    103.     figure('Name','图像平滑');  % 开一个叫图像平滑的窗口
    104.     subplot(2,4,1);imshow(img);title('eight.tif原图');   % 显示原图
    105.     img_1 = imnoise(img,'poisson');         % 泊松噪声
    106.     img_2 = imnoise(img,'salt & pepper');   % 椒盐噪声
    107.     img_3 = imnoise(img,'gaussian');        % 高斯噪声
    108.     subplot(2,4,2);imshow(img_1);title('泊松噪声');   % 显示泊松噪声图像
    109.     subplot(2,4,3);imshow(img_2);title('椒盐噪声');   % 显示椒盐噪声图像
    110.     subplot(2,4,4);imshow(img_3);title('高斯噪声');   % 显示高斯噪声图像
    111.     h = 1/9.*[1 1 1;1 1 1;1 1 1];
    112.     img_1 = filter2(h,img_1);   % 均值滤波
    113.     img_2 = medfilt2(img_2);    % 中值滤波
    114.     h = 1/16.*[1 2 1 ;2 4 2 ;1 2 1];
    115.     img_3 = filter2(h,img_3);   % 高斯滤波
    116.     subplot(2,4,6);imshow(img_1,[]);title('泊松噪声-均值滤波');   % 显示泊松噪声处理后图像
    117.     subplot(2,4,7);imshow(img_2,[]);title('椒盐噪声-中值滤波');   % 显示椒盐噪声处理后图像
    118.     subplot(2,4,8);imshow(img_3,[]);title('高斯噪声-高斯滤波');   % 显示高斯噪声处理后图像
    119. end
    120.  
    121. % 图像锐化方法。测试图像为rice.tif、cameraman.tif
    122. function Image_Sharpening()
    123.     img_r = imread('rice.png');  % 读取文件
    124.     img_c = imread('cameraman.tif');  % 读取文件
    125.     figure('Name','图像锐化');  % 开一个叫图像锐化的窗口
    126.     subplot(2,5,1);imshow(img_r);title('rice.tif原图');   % 显示原图
    127.     subplot(2,5,6);imshow(img_c);title('cameraman.tif原图');   % 显示原图
    128.     subplot(2,5,2);imshow(edge(img_r,'roberts',0.01));title('罗伯茨梯度-R-0.01');
    129.     subplot(2,5,7);imshow(edge(img_c,'roberts',0.01));title('罗伯茨梯度-C-0.01');
    130.     subplot(2,5,3);imshow(edge(img_r,'roberts',0.04));title('罗伯茨梯度-R-0.04');
    131.     subplot(2,5,8);imshow(edge(img_c,'roberts',0.04));title('罗伯茨梯度-C-0.04');
    132.     subplot(2,5,4);imshow(edge(img_r,'roberts',0.07));title('罗伯茨梯度-R-0.07');
    133.     subplot(2,5,9);imshow(edge(img_c,'roberts',0.07));title('罗伯茨梯度-C-0.07');
    134.     subplot(2,5,5);imshow(edge(img_r,'roberts',0.1 ));title('罗伯茨梯度-R-0.1');
    135.     subplot(2,5,10);imshow(edge(img_c,'roberts',0.1));title('罗伯茨梯度-C-0.1');
    136. end

    结果如下：

    下面这些是代码里的各个部分，方便复制 

     灰度修正：

    1. % 灰度修正函数，对pout.tif和tire.tif处理
    2. function Gray_correction()
    3.     img_p = imread('pout.tif');  % 读取文件
    4.     img_t = imread('tire.tif');  % 读取文件
    5.     figure('Name','灰度修正');  % 开一个叫灰度修正的窗口
    6.     % pout.tif
    7.     subplot(2,5, 1);imshow(img_p);title('pout.tif原图');   % 显示原图
    8.     subplot(2,5, 2);imhist(img_p);title('pout.tif直方图');   % 显示直方图
    9.     max_p = double(max(img_p(:)));    % 得到像素最大值
    10.     min_p = double(min(img_p(:)));    % 得到像素最小值
    11.     subplot(2,5, 3);plot([min_p,max_p],[0,255]);
    12.     axis([0 255 0 255]);title('线性变换函数');   %显示线性变换函数
    13.     img2_p = imadjust(img_p,[min_p/255,max_p/255],[]);
    14.     subplot(2,5, 4);imhist(img2_p);title('pout.tif变换后直方图');   % 显示变换后直方图
    15.     subplot(2,5, 5);imshow(img2_p);title('pout.tif变换后图像');   % 显示变换后图像
    16.     % tire.tif
    17.     subplot(2,5, 6);imshow(img_t);title('tire.tif原图');   % 显示原图
    18.     subplot(2,5, 7);imhist(img_t);title('tire.tif直方图');   % 显示直方图
    19.     m_t = double(median(img_t(:)));    % 中位数
    20.     k1 = 128/m_t;   % 第一根线的k
    21.     k2 = 128/(255 - m_t);   % 第二根线的k
    22.     subplot(2,5, 8);plot([0,m_t,255],[0,128,255]);
    23.     axis([0 255 0 255]);title('线性变换函数');   %显示线性变换函数
    24.     img2_t = (img_t*k1).*uint8(img_t<=m_t)+(img_t*k2+(255*(1-k2))).*uint8(img_t>m_t);
    25.     subplot(2,5, 9);imhist(img2_t);title('tire.tif变换后直方图');   %显示变换后直方图
    26.     subplot(2,5,10);imshow(img2_t);title('tire.tif变换后图像');   %显示变换后图像
    27. end

    不均匀光照的校正：

    1. % 对pout.tif进行不均匀光照的校正
    2. function Gray_level_correction()
    3.     img = imread('pout.tif');  % 读取文件
    4. %     img = imread('rice.png');  % 读取文件
    5.     figure('Name','不均匀光照的校正');  % 开一个叫不均匀光照的校正的窗口
    6.     subplot(3,3,1);imshow(img);title('pout.tif原图');   % 显示原图
    7.     subplot(3,3,4);imhist(img);title('pout.tif原图直方图');   % 显示直方图
    8.     img_1 = blkproc(img,[32,32],'min(x(:))');             % 相当于滤波 大一点不会出现突兀的色块
    9.     s = size(img_1);
    10.     if(img_1(s(1),s(2))==0) % blkproc可能会出现黑边
    11.         img_1 = img_1(1:s(1)-1,1:s(2)-1);
    12.     end
    13.     img_1 = imresize(img_1, size(img), 'bilinear');       % 双线性插值，插到原图大小
    14.     subplot(3,3,2);imshow(img_1);title('pout.tif背景');   % 显示背景
    15.     img_1 = imsubtract(img,img_1);  % 图像减法
    16.     subplot(3,3,3);imshow(img_1);title('pout.tif光照校正图像');   % 显示光照校正图像
    17.     subplot(3,3,6);imhist(img_1);title('pout.tif校正直方图');   % 显示直方图
    18.     max_1 = double(max(img_1(:)));    % 得到像素最大值
    19.     min_1 = double(min(img_1(:)));    % 得到像素最小值
    20.     subplot(3,3,5);plot([min_1,max_1],[0,255]);
    21.     axis([0 255 0 255]);title('线性变换函数');   %显示线性变换函数
    22.     img_2 = imadjust(img_1,[min_1/255,max_1/255],[]);
    23.     subplot(3,3,9);imhist(img_2);title('pout.tif变换后直方图');   % 显示变换后直方图
    24.     subplot(3,3,7);imshow(img_2);title('pout.tif变换后图像');   % 显示变换后图像
    25. end

    三段线性变换增强：

    1. % 三段线性变换增强 对couple.tif处理
    2. function Piecewise_linear_transformation()
    3.     img = imread('couple.tif');  % 读取文件
    4.     figure('Name','三段线性变换增强');  % 开一个叫三段线性变换增强的窗口
    5.     subplot(2,3,1);imshow(img);title('couple.tif原图');   % 显示原图
    6.     subplot(2,3,4);imhist(img);title('couple.tif原图直方图');   % 显示直方图
    7.     len = numel(img);  % 求一下矩阵的像素数
    8.     len_3 = len/3;  % 求1/3像素数
    9.     pt = imhist(img); % 得到各个像素值的像素数
    10.     c = 0;  % 像素计数
    11.     x_1 = 0;    % 1/3处
    12.     x_2 = 0;    % 2/3处
    13.     for i =[0:255]
    14.         c = c+pt(i+1);
    15.         if(c>len_3&&~x_1) % 到了1/3处
    16.             x_1=double(i); % x_1下当前的数值
    17.         end
    18.         if(c>len_3+len_3&&~x_2) % 到了2/3处
    19.             x_2=double(i); % x_2下当前的数值
    20.         end
    21.     end
    22.     k1 = 85/(x_1-0);
    23.     b1 = 85-k1*x_1;
    24.     k2 = 85/(x_2-x_1);
    25.     b2 = 170-k2*x_2;
    26.     k3 = 85/(255-x_2);
    27.     b3 = 255-k3*255;
    28.     subplot(2,3,5);plot([0,x_1,x_2,255],[0,85,170,255]);
    29.     axis([0 255 0 255]);title('线性变换函数');   %显示线性变换函数
    30.     img = double(img);
    31.     img_1 = uint8(((img*k1+b1).*(img<=x_1)+(img*k2+b2).*((x_1<img)&(img<=x_2))+(img*k3+b3).*(x_2<img)));
    32.     subplot(2,3,6);imhist(img_1);title('couple.tif变换后直方图');   % 显示变换后直方图
    33.     subplot(2,3,3);imshow(img_1);title('couple.tif变换后图像');   % 显示变换后图像
    34. end

    图像平滑方法：

    1. % 图像平滑方法。测试图像为eight.tif
    2. function Image_smoothing()
    3.     img = imread('eight.tif');  % 读取文件
    4.     figure('Name','图像平滑');  % 开一个叫图像平滑的窗口
    5.     subplot(2,4,1);imshow(img);title('eight.tif原图');   % 显示原图
    6.     img_1 = imnoise(img,'poisson');         % 泊松噪声
    7.     img_2 = imnoise(img,'salt & pepper');   % 椒盐噪声
    8.     img_3 = imnoise(img,'gaussian');        % 高斯噪声
    9.     subplot(2,4,2);imshow(img_1);title('泊松噪声');   % 显示泊松噪声图像
    10.     subplot(2,4,3);imshow(img_2);title('椒盐噪声');   % 显示椒盐噪声图像
    11.     subplot(2,4,4);imshow(img_3);title('高斯噪声');   % 显示高斯噪声图像
    12.     h = 1/9.*[1 1 1;1 1 1;1 1 1];
    13.     img_1 = filter2(h,img_1);   % 均值滤波
    14.     img_2 = medfilt2(img_2);    % 中值滤波
    15.     h = 1/16.*[1 2 1 ;2 4 2 ;1 2 1];
    16.     img_3 = filter2(h,img_3);   % 高斯滤波
    17.     subplot(2,4,6);imshow(img_1,[]);title('泊松噪声-均值滤波');   % 显示泊松噪声处理后图像
    18.     subplot(2,4,7);imshow(img_2,[]);title('椒盐噪声-中值滤波');   % 显示椒盐噪声处理后图像
    19.     subplot(2,4,8);imshow(img_3,[]);title('高斯噪声-高斯滤波');   % 显示高斯噪声处理后图像
    20. end

    图像锐化方法：

    1. % 图像锐化方法。测试图像为rice.tif、cameraman.tif
    2. function Image_Sharpening()
    3.     img_r = imread('rice.png');  % 读取文件
    4.     img_c = imread('cameraman.tif');  % 读取文件
    5.     figure('Name','图像锐化');  % 开一个叫图像锐化的窗口
    6.     subplot(2,5,1);imshow(img_r);title('rice.tif原图');   % 显示原图
    7.     subplot(2,5,6);imshow(img_c);title('cameraman.tif原图');   % 显示原图
    8.     subplot(2,5,2);imshow(edge(img_r,'roberts',0.01));title('罗伯茨梯度-R-0.01');
    9.     subplot(2,5,7);imshow(edge(img_c,'roberts',0.01));title('罗伯茨梯度-C-0.01');
    10.     subplot(2,5,3);imshow(edge(img_r,'roberts',0.04));title('罗伯茨梯度-R-0.04');
    11.     subplot(2,5,8);imshow(edge(img_c,'roberts',0.04));title('罗伯茨梯度-C-0.04');
    12.     subplot(2,5,4);imshow(edge(img_r,'roberts',0.07));title('罗伯茨梯度-R-0.07');
    13.     subplot(2,5,9);imshow(edge(img_c,'roberts',0.07));title('罗伯茨梯度-C-0.07');
    14.     subplot(2,5,5);imshow(edge(img_r,'roberts',0.1 ));title('罗伯茨梯度-R-0.1');
    15.     subplot(2,5,10);imshow(edge(img_c,'roberts',0.1));title('罗伯茨梯度-C-0.1');
    16. end

  • 相关阅读:
    ChatGPT Prompting开发实战（五）
    外汇天眼：美国10年期国债收益率创下2011年以来新高
    Camera2相机拍照流程之预览功能梳理
    聚观早报 | 科学家颜宁宣布离美归国；亚马逊市值跌破1万亿美元；快手创作者版App正式上线
    高等数学，反常积分收敛
    JS基础练习2
    liunx安装docker
    使用mybatis plus自定义拦截器,实现数据权限
    智慧班级管理系统 java
    Spring之AOP的切点、通知、切点表达式以及知识要点
  • 原文地址：https://blog.csdn.net/weixin_58196051/article/details/127822223