光图像处理课程设计

《光图像处理课程设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、图像增强处理日常生活中，我们的获取的原始图像并非完美：例如系统获取的原始图像，由于噪声、光照等原因，使得图像的质量不高，需进行预处理，以达到利于我们提取感兴趣的信息的目的．图像的预处理包括图像增强、平滑滤波、锐化等内容HJ．图像的预处理既可以在空间域实现，也可以在频域内实现，其中空间域内实现是对图像进行点运算，它是一种既简单又重要的图像处理技术，它能让用户改变图像上像素点的灰度值，这样通过点运算处理将产生一幅新图像．1.灰度直方图及直方图均衡化。在获取的图像中，影响系统图像清晰程度的因素很多，例如室外光照度不够均匀就会造成图像灰度过于集中；由

2、CCD(摄像头)获得的图像经过A／D(数／模转换，该功能在图像系统中由数字采集卡来实现)转换、线路传送都会产生噪声污染等等．因此图像质量不可避免的降低了，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来．因此，在对图像进行分析之前，必须要对图像质量进行改善，图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，而衰减不需要的特征，它的目的主要是提高图像的可懂度．MATLAB中提供了专门绘制直方图的函数imhist()、调整对比度函数imadjust()和直方图均衡化函数histeq()．用它们可以很

3、简单的绘制出图像的灰度直方图、灰度级调整后的直方图和均衡化的直方图，以及相应的图像．程序和图像如下；i=im~d(’tire．tif’)；％读取图像j=imadjust(i，[0／255120／255]，[])；％由于原图像的直方图的对比度很低，灰度级集中在0—120范围内，如果只取这个范围内的灰度，并扩展到[0，255]，则会明显增强图像对比度k=histeq(i)subplot(1，3，1)，imshow(i)，title(’原图像’)subplot(1，3，2)，imshow(j)，tide(’灰度级调整后的图’)subplot(1，3

4、，3)，imshow(k)，tide(’直方图均衡化后的图’)figure，subplot(1，3，1)，imhist(i，64)，tide(’原图像对应直方图’)subplot(1，3，2)，imhist(i，64)，tide(’灰度级调整后的直方图’)subplot(1，3，3)，imhist(k，64)，tide(’均衡化后的直方图’)均衡化处理后，图像变的清晰了，处理后的图像直方图分布更均匀了，在每个灰度级上图像都有像素点．2.实现图像平滑图像平滑主要是为了消除噪声．噪声并不限于人眼所能看得见的失真和变形，有些噪声只有在进行图像处理时

5、才可以发现．图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等．图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变得模糊不清，如何既平滑掉噪声又尽量保持图像细节，是图像平滑主要研究的任务．用滤波器祛除图象噪声(分别用均值滤波，中值滤波，及维纳滤波器祛除加入高斯噪声的图象)程序和i=imread('1.bmp');figure(1),imshow(i),title('原始图像');j1=imnoise(i,'gaussian',0,0.02);figure(2),imshow(j1),tit

6、le('加入高斯噪声后图像');h=[111111];h=h/9;k=conv2(j1,h);%进行均值滤波figure(3),imshow(k,[]),title('均值滤波后图像');g=medfilt2(j1);%进行中值滤波figure(4),imshow(g),title('中值滤波后图像');w=wiener2(j1,[55]);%进行一次维纳滤波figure(5),imshow(w),title('维纳滤波后图像');wl=wiener2(w,[55]);%进行二次维纳滤波figure(6),imshow(wl),title('

7、两次维纳滤波后图像');：：：：：可以看出维纳滤波对含有高斯噪声的图像滤波效果较好。