图像增强函数说明和程序1.docVIP

给图像加噪声的函数的使用方法 工具箱采用函数imnoise来使用噪声污染图像。该函数的基本语法为： g=imnoise(f,type,parameters) 其中，f是输人图像。函数imnoise在给图像添加噪声之前，将f转换为范围在[0,1]内的double类图像。指定噪声参数时必须考虑到这一点。例如，要将均值为64、方差为400的高斯噪声添加到一幅uint8类图像上，我们可将均值设置为64/255，将方差设置为400/(255*255)，以便作为函数imnoise的输人。 程序实例： i1=imread(lena.bmp); i2=imnoise(i1,salt pepper,0.1);%对图像加椒盐噪声 i3=imnoise(i1,gaussian,0,0.004);%对图像加高斯噪声 figure subplot(2,2,1),imshow(i1) subplot(2,2,2),imshow(i2) subplot(2,2,3),imshow(i3) 绘制图像的直方图 在处理图像直方图的工具箱中，核心函数是imhist，其基本语法为： h=imhist(f,b) 其中，f为输入图像，h为其直方图h（rk），b是用于形成直方图的“收集箱”的个数（即灰度级的个数）。若b未包含在此变量中，则其默认值为256。一个“收集箱”可仅仅是亮度标度范围的一小部分。例如，若我们要处理一副uint8类的图像并令b=2，则亮度标度范围被分成两部分：0至127和128至255。所得的直方图将有两个值：h（1）等于图像在区间[0,127] 内的像素数，h（2）等于图像在区间[128,255]的像素数。程序实例如下： i1=imread(lena.bmp); h=imhist(i1);%直方图的值赋予h hh=imhist(i1)/numel(i1);%得到归一化的直方图值 figure(1) imhist(i1) %figure1显示直方图 figure(2) imhist(i1,2) 直方图均衡化处理 直方图均衡化处理由工具箱中的函数histeq实现，该函数的语法为： g=histeq(f,nlev) 其中，f为输入图像，nelv为输出图像指定的灰度级数。若nlev等于输入图像中可能的灰度级数总数L，则histeq直接执行变换函数，若nlev小于L，则histeq试图划分灰度级，以便能够得到较为平坦的直方图。程序实例如下： i1=imread(lena.bmp); h=imhist(i1);%直方图的值赋予h hh=imhist(i1)/numel(i1);%得到归一化的直方图值 i2=histeq(i1);%直方图均衡化处理后得到的图像 中值滤波 工具箱提供了一个二维中值滤波函数： g=medfilt2(f,[m,n],padopt) 其中，f为输入函数，数组[m,n]定义了一个大小为m×n的邻域，中值就在该邻域上计算，而padopt指定了三个可选择的边界填充项之一：’zero’（默认值）；’symmetric’，表示f按照镜像反射方式对称地沿边界扩展；’indexed’，若f是double类图像，则以1来填充图像，否则以0来填充图像。该函数的默认形式为： g=medfilt2(f) 它使用一个大小为3×3的邻域来计算中值，并以0来填充图像的边界。程序实例如下： I = imread(lena.bmp); J = imnoise(I,salt pepper,0.02); K = medfilt2(J); imview(J), imview(K) 线性空间滤波 1、imfilter函数 工具箱使用imfilter函数来实现线性空间滤波，该函数的语法为: g=imfilter(f,w,filtering_mode,boundary_options,size_options) 其中，f为输入图像，w为滤波掩模，g为滤波结果。filtering_mode指定在滤波过程中是使用相关（’corr’）还是卷积（’conv’）。boundary_options指定边界填充方法，size_options可以是’same’或’full’，’same’表示g同f大小相同，’full’表示g的大小是f扩展后的结果。其他参数见下表。 选项 描述 filtering_mode ’corr’ 滤波通过使用相关来完成，该值是默认值 ’conv’ 滤波通过使用卷积来完成 boundary_options P 边界扩充通过使用值p（无引号）进行。P的默认值为0 ‘replicate’ 边界扩充通过使用f外边界的值 ‘symmetric’ 边界扩充通过镜像反射f的边界 ‘circular’ 把原图像f看成