图像线性增强代码(图像增强综述)
admin 发布:2022-12-19 16:57 143
今天给各位分享图像线性增强代码的知识,其中也会对图像增强综述进行解释,如果能碰巧解决你现在面临的问题,别忘了关注本站,现在开始吧!
本文目录一览:
- 1、菜鸟求《基于线性变换的图像增强处理》的matlab程序,我是菜鸟,所以希望高手能给出句子注释,急!
- 2、求解下面一段MATLAB代码,关于直方图均衡化的图像增强算法。
- 3、怎么用matlab图像增强
- 4、图像增强的常用方法有哪些
菜鸟求《基于线性变换的图像增强处理》的matlab程序,我是菜鸟,所以希望高手能给出句子注释,急!
读入图像为A
A = im2double(A);
subplot(2,2,1),imshow(A)
subplot(2,2,2),imhist(A)
[m,n] = size(A);
B=A;
for i=1:m
for j=1:n
if( A(i,j)130/255 A(i,j)=150/255 )
B(i,j)=B(i,j)/3-40/255;
continue;
end
if( A(i,j)150/255 A(i,j)=240/255 )
B(i,j)=8*B(i,j)/3-390/255;
continue;
end
if( A(i,j)240/255 )
B(i,j)=B(i,j)/3+170/255;
continue;
end
end
end
subplot(2,2,3),imshow(B)
subplot(2,2,4),imhist(B)
求解下面一段MATLAB代码,关于直方图均衡化的图像增强算法。
%读图像
img=imread('D:\我的文档\桌面\10096009_0762641.JPG');
subplot(121),imshow(img);
%将RGB分量转换成HSI,具体见:
img_hsi=rgb2hsi(img);
%--------------------------------------------------------------------------
%ln和DFT处理过程
% img_s=fftshift(fft2(log(img_hsi(:,:,2))));
img_s=log(img_hsi(:,:,2));
img_s=img_hsi(:,:,2);
%H 巴特沃斯高通滤波器处理过程
f=double(img_s);
g=fft2(f);
g=fftshift(g);
[M,N]=size(g);
nn=5; % 2-grade Butterworth highpass filter
d0=15; % 15,30,80其中以15为例
m=fix(M/2); n=fix(N/2);
for i=1:M
for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn)); % filter transform function
%h=1./(1+(d./d0).^(2*n))
%h=exp(-(d.^2)./(2*(d0^2)));
result(i,j)=(1-h)*g(i,j);
end
end
result=ifftshift(result);
J1=ifft2(result);
img_s2=uint8(real(J1));
%--------------------------------------------------------------------------
% img_i=fftshift(fft2(log(img_hsi(:,:,3))));
img_i=log(img_hsi(:,:,3));
img_i=img_hsi(:,:,3);
%高斯滤波器
%将S分量的二维不连续Frourier变换的零频率成分移到频谱的中心
s=fftshift(fft2(img_i));
[M,N]=size(s); %分别返回s的行数到M中,列数到N中
n=2; %对n赋初值
%GLPF滤波,d0=5,15,30(程序中以d0=30为例)
d0=30; %初始化d0
n1=floor(M/2);n2=floor(N/2);
for i=1:M
for j=1:N
d=sqrt((i-n1)^2+(j-n2)^2); %点(i,j)到傅立叶变换中心的距离
h=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数
s(i,j)=h*s(i,j); %GLPF滤波后的频域表示
end
end
img_i2=ifft2(ifftshift(s));img_i2=exp(img_i2);img_i2=uint8(real(img_i2));
%--------------------------------------------------------------------------
newImg(:,:,1)=img(:,:,1);newImg(:,:,2)=img_s2;newImg(:,:,3)=img_i2;
subplot(122),imshow(newImg);
怎么用matlab图像增强
图像增强中两类重要的处理方法:一种是灰度变换,另一种是直方图处理。
一、灰度变换
灰度变换通常可分为线性变换、分段线性变换和非线性变换。我们将分别给出实验,来查看其处理效果。
1、线性变换
例1:我们对一张较暗的图片进行简单的加法,提高他的亮度,从而可以看到隐藏在黑暗中的细节。
代码:
I=imread('F:\My_documents\PRIVATE\Matlab\bright_dark.jpg');
figure,imshow(I);
title('bright_dark.jpg');
J=I+100;
figure,imshow(J);
title('给每个像素增加100');
效果图:
2、分段线性变换
例2:下面是分段线性变换的算法及变换前后的对比图像。
对比图像:
3、非线性变换
例3:下面是一个对数变换的算法和实验效果图。
I=imread('F:\My_documents\PRIVATE\Matlab\pic1.jpg'); %读入图像
I=mat2gray(I); %对数变换不支持uint8类型的数据,将一个矩阵归一化为灰度图像的数据格式
J=log(I+1);
subplot(1,2,1);
imshow(I);
title('原图像');
subplot(1,2,2);
imshow(J);
title('对数变换后的图像');
效果图:
4、还有一种比较常用的线性变换方法——图像取反
取反操作适于增强嵌入暗色区域的白色或灰色细节,当整幅图像偏暗时,效果尤为明显。
例3:
I=imread('F:\My_documents\PRIVATE\Matlab\bone.jpg');%读入图像
subplot(1,2,1);
imshow(I);
title('原图像');
J=imcomplement(I);
subplot(1,2,2);
imshow(J);
title('取反后的图像');
效果对比:
相同的效果可由以下代码实现。
图像增强的常用方法有哪些
图像增强可分成两大类:频率域法和空间域法。
前者把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。
后者空间域法中具有代表性的算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等,它们可用于去除或减弱噪声。
方法
图像增强的方法是通过一定手段对原图像附加一些信息或变换数据,有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征,使图像与视觉响应特性相匹配。
在图像增强过程中,不分析图像降质的原因,处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同,可分为基于空域的算法和基于频域的算法两大类。
灰度变换主要针对独立的像素点进行处理,由输入像素点的灰度值决定相应的输出像素点的灰度值,通过改变原始图像数据所占的灰度范围而使图像在视觉上得到改善。
1.1 线性灰度增强
线性灰度增强,将图像中所有点的灰度按照线性灰度变换函数进行变换。在曝光不足或过度的情况下,图像的灰度可能局限在一个很小的灰度范围内,这时图像可能会很模糊不清。利用一个线性单值函数对图像内的每一个像素做线性拓展,将会有效地改善图像的视觉效果。
关于图像线性增强代码和图像增强综述的介绍到此就结束了,不知道你从中找到你需要的信息了吗 ?如果你还想了解更多这方面的信息,记得收藏关注本站。
版权说明:如非注明,本站文章均为 AH站长 原创,转载请注明出处和附带本文链接;
相关推荐
- 05-15营销策略国内外文献综述,营销策略论文外文参考文献
- 05-09网页代码,网页代码快捷键
- 05-06单页网站的代码(完整的网页代码)[20240506更新]
- 05-06个人主页图片代码(个人主页图片代码怎么弄)[20240506更新]
- 05-06提取微信名片代码(微信名片信息提取)[20240506更新]
- 05-06php后台权限管理代码(php管理员权限)[20240506更新]
- 05-06付费观看代码php(付费观看代码)[20240506更新]
- 05-06在线html执行代码(html怎么运行)[20240506更新]
- 05-06源代码管理资源管理器(资源管理器运行代码)[20240506更新]
- 05-06代码源软件库(程序代码库)[20240506更新]
取消回复欢迎 你 发表评论:
- 标签列表
- 最近发表
- 友情链接