MATLAB数字图像处理介绍_PPT课件.ppt

将图像p做灰度倒相变换，即输出源图的负片，gamma取1，如图所示。 g3 = imadjust(p,[0 1],[1 0]); subplot(2,2,4); imshow(g3); xlabel((d)); 2.3.2灰度直方图 图像灰度直方图描述了一幅图像的灰度级内容，即各个灰度级像素数目的统计。 直方图统计各个灰度像素的分布概率，是灰度级的函数，它反映不出该像素在图像中的二维坐标。 通过灰度直方图的形状，可以判断该图像的清晰度和黑白对比度。 MATLAB通过命令imhist给出图像直方图。语法格式为： h = imhist(p,b) 其中p为读入的图像矩阵， 参数b指明直方图统计时显示的整个灰度级分段数目。省略b时，表明灰度级不分段，这也是imhist的默认调用方式。 如：uint8数据格式的图像，当b＝2时，灰度分为0～127及128～256两个区段。 显示图像p的灰度直方图时，先要把RGB彩色图像p变换为灰度图像I。运行下列程序得到如图所示直方图。 p = imread(football.jpg); I = rgb2gray(p); imhist(I); 2.3.3直方图均衡化 当一幅图像基调过暗或过亮时，需要对其进行必要的处理，使得图像明暗均匀，视觉效果变得更为理想。 通过直方图均衡化做适当的调整，即把一幅已知灰度概率分布图像中的像素灰度做某种映射变换，使它变成一幅具有均匀概率分布的新图像，使图像视觉效果更加清晰。 直方图均衡的MATLAB函数为histeq，其基本语法格式为： g = histeq(p, outlev) 其中p为读入的图像矩阵， outlev为输出图像的灰度级数。 outlev的默认值为64，即64个灰度级，这样对图像的细节有一定改变。通常将其赋值为256，即全灰度级。 对tire.tif进行直方图均衡，效果如图所示。 p = imread(tire.tif); subplot(2,2,1); imshow(p); xlabel((a) ); subplot(2,2,2); imhist(p); xlabel((b) ); g = histeq(p); subplot(2,2,3); imshow(g); xlabel((c) ); subplot(2,2,4); imhist(g); xlabel((d) ); 2.4 图像的增强滤波 上节介绍过的直方图均衡化是图像增强中常用的一种方法，此外，图像增强技术还包括图像平滑滤波、图像锐化等。 本节将从线性与非线性、平滑与锐化等角度介绍一些实用的空域图像增强技术。 1 空域滤波概述 图像增强技术从总体上可分为空域增强和频域增强两大类。 空域增强也称为空间增强，是直接对图像中的像素进行操作的一种增强过程。 空域增强从根本上讲是以图像的灰度映射变换为基础的像素处理技术。 空域增强方法大致可分为对比度拉伸、平滑滤波和锐化滤波。灰度拉伸主要是利用点运算来修改图像像素灰度值；而平滑和锐化均是利用模板来修改（卷积运算）像素灰度值，从实现方法上讲是基于图像滤波的操作过程。 空域滤波是在图像空间中借助模板对图像进行邻域操作的，输出图像每一个像素的取值都是根据模板对输入像素相应邻域内的像素值进行计算得到的,也叫邻域去噪算法。 2 空域滤波分类 根据模板特点不同可以将空域滤波分为线性和非线性两大类。 按照空域滤波器的功能不同，又可将其分为平滑滤波器和锐化滤波器。 平滑滤波器可以用低通滤波实现；锐化滤波器是用高通滤波实现的，具体可分为以下3类。 1)均值滤波 均值滤波也称线性平滑滤波，其输出的像素值是由邻域像素的平均值决定。 2)中值滤波 中值滤波也称为非线性平滑滤波，其基本原理与均值滤波不同之处在于：中值滤波的输出像素值是由邻域像素的中间值而不是平均值决定，中值滤波的名字也因此而得。 与均值滤波相比，中值滤波对灰度发生聚变的像素不如均值滤波那么敏感，因此中值滤波能尽量保存图像的细节，模糊效应较少，适于消除图像中孤立噪声。 3)锐化滤波 锐化滤波就是可以使用微分对图像进行处理，以此来锐化由于邻域平均导致的图像模糊。 图像处理中最常用的微分是利用图像沿某方向上的灰度变化率，即梯度进行的。 3基于MATLAB的空域增强滤波 基于MATLAB图像处理的空域滤波，首先要定义滤波器，然后调用定义好的滤波器进行滤波。 imnoise是MATLAB提供的图像噪声模拟函数，其基本语法格式为： pn = imnoise(p, ’type’, para) 其中pn为添加噪声的输出图像，p为原图像，type指定噪声的类型，pa