数字图像处理总结

《数字图像处理总结》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、数字图像处理大作业数字图像处理总结——浅谈我对图像增强的认识理解参考《实用数字图像处理与分析》陈兵旗主编图像增强，拟人说法是给图像“化妆”，是按照特定的需要有选择的突出图像中的某些信息，削弱或去除某些不需要的信息的处理方法。图像增强技术的主要目的是为了改善图像的视觉效果，以便于人和计算机的分析处理，使处理后的图像比原始图像更加有效。主要技术包括直方图修改、灰度变换、图像平滑、图像锐化、图像滤波、色彩处理等，目前尚未统一的衡量图像增强质量的通用标准，在实际应用中，常常综合运用几种技术，以达到预期的增强效果。图像增强按处理方法分类，可分为空域图像处理和频域图像处理两大类。空域是

2、根据增强的目的，以灰度变换为基础，直接对图像中的各个像素点进行处理；频域法是以卷积定理为基础，在图像的某个变换域对图像进行间接操作，并修改傅里叶变换、DCT变换等变换后的系数，然后再进行反变换，得到处理后的图像。图像空域增强：具体来说，图像空域增强技术又有两类：空域变换——一种点操作，分为灰度点操作和几何操作，基于点操作的增强方法也就灰度变换或灰度映射；空域滤波——包括图像平滑（邻域平均、中值滤波）和锐化（线性和非线性，边缘检测）。下面分别介绍空域增强技术的各类变换。灰度变换：分为直接灰度变换（包括线性变换、分段线性变换、非线性变换三种）、直方图灰度变换、直方图均衡化等。图

3、2-1/2是对lena直方图均衡化的效果及与原始图像直方图的对比图2-1图2-25信息学院通信0701谭晓燕学号：200740397数字图像处理大作业空域滤波增强也是一种重要的图像增强手段。它是在图像空间中借助模板（空域滤波器）对图像进行邻域操作，输出图像中每一个像素的取值都是通过模板对输入像素相应邻域内的像素值进行计算得到的。其特点是抑制图像某个范围内的分量，同时保持其他分量不变，从而改变输出图像的频率分布，达到图像增强的目的。参考《图像工程——图像处理》和老师课件根据其功能主要分为平滑滤波和锐化滤波。前者减弱或消除图像中的高频分量，但不影响低频分量，可以通过低通滤波器实

4、现。后者与之相反，减弱或消除图像中的低频分量，但不影响高频分量，可以通过高通滤波器实现。又因为空域滤波还可以根据其特点分为线性和非线性，所以共有线性平滑滤波、线性锐化滤波、非线性平滑滤波和非线性锐化滤波四类。可以对比学习，观察不同方法产生的效果差异。在本课程的学习中，已经做过中值滤波实验（也是一种典型的低通滤波），就不再赘述相关知识，因而我们只介绍一下锐化滤波的效果。由于图像的传输对高频成分的衰减作用，图像在转换过程中质量会降低，细节轮廓都变得模糊，而锐化滤波的目的就是补偿图像的轮廓，使图像变得清晰。在学习平滑滤波时我们知道，邻域加权平均可以到达相应效果（应注意：该方法虽然

5、对去除噪声有效，但是随着模板n*n的n的增加，图像会越来越模糊，细节不清晰），反过来，利用微分法（利用梯度，基于一阶微分；利用laplacian算子，二阶微分），则可以锐化图像。现在我们用laplacian算子处理一下lena图，可以看到一个优点，即原图模糊的部分得到了锐化，边界变得明显，但是也有一个缺点，就是原来显示清楚的地方经滤波后发生了失真。以上即为对空域增强的总结，下面我们来介绍频域增强：与空域增强相似，图像在频域内处理也可以实现滤波和边缘检测的功能，其基本原理是通过改变图像中的不同频率分量来实现图像增强，即利用不同的滤波器滤除和保留不同的频率，如低通滤波、高通滤波

6、、带通和带阻滤波，同态滤波等。它不像空域那么直接，但是原理比较直观，主要是基于傅里叶变换。《图像工程——图像处理》频域增强方法有三个步骤：一，将图像从图像空间转换到频域空间；二，在频域空间内对图像进行增强；三，将增强后的图像再从频域空间转换到图像空间。表现在频域增强的操作上即是：一，计算需要增强图像的傅里叶变换；5信息学院通信0701谭晓燕学号：200740397数字图像处理大作业一，将其与一个（根据需要设计的，如理想型、巴特沃斯型、提升型、其他）转移函数相乘；二，再将图像傅里叶反变换以得到增强的图像。具体步骤可见图像编程代码（在MATLAB中操作），现举一例：经过一个截止

7、频率为30hz的四阶高通滤波器对lena图滤波后的效果：程序代码：%截止频率为30hz的四阶Butterworth滤波图像s=imread('lena.bmp');k=imnoise(s,'salt&pepper',0.02);%注意不要写成salt&pepper，写的太紧不对subplot(1,2,1);imshow(k);title('加椒盐噪声后的图像');k=double(k);%将图像矩阵转化为double型，卷积运算不支持unit8f=fft2(k);%傅里叶变换g=fftshift(f);[m,n]=