图像处理总结.docVIP

图像增强:1. 空域增强:直接在图像所在的二维空间进行处理，即直接对每一像素的灰度值进行处理 。2. 频域增强:首先经过傅里叶变换将图像从空间域变换到频率域，然后在频率域对频谱进行操作和处理，再将其反变换到空间域，从而得到增强后的图像。 1. 灰度变换就是将图像的灰度值按照某种映射关系映射为不同的灰度值从而改变相邻像素点之间的灰度差，达到将图像对比度增强或减弱的目的。 线性灰度变换:g(x)=α*f(x)+c(a为变换系数，c亮度系数。a1 对比度增大0a1 对比度减小 a0 暗区域变亮，亮区域变暗 ，图像求补 分段线性变换 非线性灰度变换 imadjust(f,[low_in high_in],[low_out high_out],gamma) 对图像进行灰度变换 gamma指定曲线的形状 gamma=1是线性变换gamma1低灰度区扩展，高灰度区压缩。(加权至更高更亮) gamma1高灰度区扩展，低灰度区压缩。（加权至更低更暗） 2. 灰度直方图是灰度值的函数，描述的是具有某灰度值像素的个数。其横坐标是像素的灰度级别（0到255），纵坐标是某灰度值出现的频率（像素的个数）。 h=imhist(f,n) 功能：显示图像f的直方图。n为灰度级的个数，默认值为256。 直方图均衡化：对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。P(rk)=nk/n Sk=P(rk)的累加 g=histeq(f,nlev)%f为输入图像，nlev是输出图像的灰度级数，默认值为64，通常我们设置为256。 g=histeq(f,hspec)%f为输入图像，hspec为指定的直方图。 3. 空域滤波器1、平滑（smoothing）滤波器。图像平滑的目的 主要是消除图像中的噪声； 2、锐化(sharpening)滤波器。而图像锐化的则是为了增强被模糊的细节如图像的边缘等。 邻域均值滤波器:将一个像素及其邻域内的所有像素的平均灰度值赋给平滑图像中对应的像素 3*3模板 H0=1/9[1 1 1,1 1 1,1 1 1]处理的是中间那个数（领域的平均值赋给中间个数） 作用：减噪，去除不相干的细节，对灰度级不足引起的伪轮廓进行平滑等等 邻域平均法虽然可以平滑图像，但在消除噪声的同时，会使图像中的一些细节变得模糊。中值滤波：在消除噪声的同时还能保持图像中的细节部分，防止边缘模糊 。中值滤波方法对脉冲干扰和椒盐噪声的抑制效果好，在抑制随机噪声的同时能够保持边缘减少模糊。 对像素模板进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。中间位置灰度值代替原灰度值（中间） 对于椒盐噪声，中值滤波效果比均值滤波效果好。 椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。中值滤波是选择适当的点来替代污染点的值，所以处理效果好。 对于高斯噪声，均值滤波效果比中值滤波效果好。 高斯噪声是幅值近似正态分布，但分布在每点像素上。因为图像中的每点都是污染点，所以中值滤波选不到合适的干净点。 线性滤波函数 g=imfilter(f,w,filtering_mode,boundary_options,size_options) f为输入图像，w为滤波掩模。其他参数见帮助文档。w可通过fspecial函数生成fspecial(‘type’,parameters) 非线性滤波器 g=medfilt2(f,[m n],padopt) 中值滤波器g=ordfilt2(f,order,domain) 生成统计排序滤波器 图像的锐化 图像锐化的目的是加强图像中景物的边缘和轮廓。使灰度反差增强。 微分法 一阶微分锐化（交叉微分） Roberts 锐化：Gx=[-1 0,0 1] Gy=[0 -1,1 0] Sobel锐化：Gx=[-1 -2 -1,0 0 0,1 2 1] Gy=[-1 0 1,-2 0 2,-1 0 1] 特点：锐化的边缘信息较强 Priwitt锐化:Gx=[-1 -1 -1,0 0 0,1 1 1] Gy=[-1 0 1,-1 0 1,-1 0 1] 特点：与Sobel相比，有一定的抗干扰性。图像效果比较干净 二阶微分 Laplacian算子：H1=[0 1 0,1 -4 1,0 1 0] H2=[1 -2 1,-2 4 -2,1 -2 1] Kirsch边缘检测算子：从八个方向对边缘信息进行提取，能提取出较好的图像边缘。G=imfilter(f,w,) W=f special(‘type’,parameter)%生成滤波掩模的函数 f1=edge(f,’sobel’) ``````f1=fspecial(‘sobel’) h=imfilter(f,f1) 频