基于形态学多结构元素的图像增强3
基于数学形态学的自适应图像增强
1引言
图像中通常含有大量信息，但在图像传送和转换的过程中，经常会产生噪声，对比度减弱，造成图像质量下降。为了改善图像质量，需要对图像进行除噪声和增强处理。图像增强是指根据特定的需要突出图像中的重要信息,如对边缘、轮廓或对比度等进行增强。
图像边缘是图像基本特征之一,它蕴含了图像丰富的内在信息,并广泛应用于目标识别、图像分割、遥感、医学图像分析等领域。但是由于实际图像存在噪声,使得图像的边缘检测非常困难。传统的缘检测方法有Robert算子、Sobel算子、Prewitt算子、Log算子和Canny等，其中Sobel和Prewit算子由于引入了各种形式的微分运算，故对噪声敏感，抗噪性能差。Log边缘检测算子利用高斯函数对原始图像作平滑或卷积运算，计算量较大。Canny法则是使用两种不同的阈值分别检测强边缘和弱边缘，虽然其边缘提取效果较好，但容易产生双像素边界，而且对噪声敏感。近年来出现了一些新的边缘检测方法,如神经网络法,小波变换法,模糊检测法等但这些算法的计算量较大[1]。
数学形态学是一种非线性滤波方法。它的基本思想是用具有一定形态的结构元素去量度、提取图像中对应的形状，以达到对图像分析和目标识别的目的。形态学运算是物体形状集合与结构
元素之间的相互作用，对边缘方向不敏感，并能在很大程度上抑制噪声和探测真正的边缘，因此，将数学形态学用于边缘检测，既能有效地滤除噪声，又可保留图像中的原有细节信息,具有较好的边缘检测效果[1]。
本文借鉴数学形态学在图像边缘检测上的优势，提出了一种基于数学形态学的多尺寸、多结构元素自适应边缘检测、增强图像的算法。该算法利用不同结构、不同尺寸的元素，自适应提取图像的边缘特征，较好地保护了图像的细节，增强了图像的对比度，丰富了图像层次，较好地滤除了噪声。
2数学形态学的基本理论
数学形态学是一种基于集合论的非线性图像处理，是用一定形状的结构元素探测图像几何结构，获得原始图像的尺寸、形状、连通性、凹凸性、平滑性以及方向性等信息，从而达到对图像分析和识别的目的。数学形态学的基本运算有膨胀、腐蚀、开启和闭合。[2]
设f(x，y)表示输入图像, b(x，y)表示结构元素，D f、D b分别是输入图像和结构元素的定义域。则膨胀、腐蚀、开启和闭合的定义如下:
定义1灰度膨胀运算。记为f⊕b，其定义为:
(f⊕b)(s, t) =max{f(s-x,t-y) +b(x,y) | (s-x,t-y)∈D f, (x,y)∈D b} (1) 定义2灰度腐蚀运算。记为f○-b，其定义为:
(f○-b)(s, t) =m in{f(s+x, t+y)-b(x,y) | (s+x,t+y)∈D f, (x,y)∈D b} (2)
定义3开启和闭合运算。分别记为f○b和f·b,定义为: f○b = (f○-b)⊕b
f·b = (f⊕b)○- b (3)
灰度膨胀、腐蚀、开启和闭合运算会产生以下几种效果: [2]
1)根据膨胀运算的特性,膨胀运算可用于图像暗细节的消除和亮区域边缘的增强;
2)根据腐蚀运算的特性,腐蚀运算可以用于图像亮细节的消除和减弱亮区域边缘;
3)灰度开启运算可以消除与结构元素相比尺寸较小的亮细节;
4)闭合运算则可以消除与结构元素相比尺寸较小的暗细节。
3基于数学形态学的边缘检测算法
3. 1形态学边缘检测原理
根据灰度数学形态运算规律，可以得到单尺度的图像边缘提取的形态学算法。设E(x,y)表示图像的边缘函数,f(x,y)为输入图像, b(x,y)为检测算子,则根据数学形态学的膨胀运算构造图像的边缘检测算子: [2]
Ed(x,y) =f(x,y)⊕b(x,y) -f(x,y) (4)
同理,根据数学形态学的腐蚀运算构造图像的边缘检测算子: Ee(x,y) =f(x,y) -f(x,y)○-b(x,y) (5)
膨胀腐蚀型边缘检测算子(又称为形态学梯度)为:
G(x,y) = (f(x,y)⊕b(x,y)) -(f(x,y)○-b(x,y)) (6)
基于膨胀运算的边缘检测一般使图像边缘变模糊,而基于腐蚀运算的边缘检测则又使输出图像边缘损失一些的细节信息。为了
减小图像边缘的模糊性和最大限度地保留图像的边缘细节,以得到理想的图像边缘,文献[3]对上述边缘检测算子加以修正,令:
Emin(x,y) =m in{Ed(x,y),Ee(x,y),G(x,y)}
Emax(x,y) =max{Ed(x,y),Ee(x,y),G(x,y)}
Edec(x,y) =Emax(x,y) -Emin(x,y) (7)
则定义新的边缘检测算子为:
E(x,y) =Ed(x,y) +0.5Edec(x,y) (8)
修正后的边缘检测算子迭加了原图像的一些边缘细节信息,所以在一定程度上减轻了检测结果的模糊性。缺点是,在迭加边缘信息时,图像可能会被引入一些噪声。
3. 2改进的边缘检测算子
为了提高抗噪能力，更有效地检测图像边缘的目的，文献[2]研究了多结构、多尺度结构元素、自适应的方法进行边缘检测。原因是：一方面是不同结构元素对不同种类噪声都有较好的滤波作用,另一方面是大尺度的结构元素抑制噪声的能力强，但检测的边缘较粗糙；小尺度的结构元素抑制噪声的能力弱，但检测图像的边缘细节较好。因此为了能有效地抑制图像中的噪声和检测图像的边缘信息,可以用多结构的元素和大小不同尺度的元素先后进行检测图像的边缘,然后将检测结果按照一定的权值进行融合处理,得到最后的检测结果。
经过分析与比较，本文在文献[2]的基础上，提出了一种新的多结构元素、多种尺度、自适应边缘检测和噪声抑制方法。根据
式(8)构造得到如下多结构多尺度边缘检测算子为:
E(x,y) =αE M (x,y) +(1-α)E N (x,y)
5
1
(,)(,)M i i i E x y E x y α==∑ 31
(,)(,)N i i i E x y E x y α==∑ (9) 其中: 0＜α＜1,可根据图像噪声大小选择，噪声大，α取小一些，噪声小，α取大一些；αi 为权系数，E M (x,y)为多结构检测结果；E N (x,y)为多尺度检测结果。
E i (x,y) =（
i
-f ）
i -f ，i ，G i }
i -f ，i ，G i } (10)
权系数αi 可以按检测后的信息熵与总的信息熵的比来选择:
51
/i i i i I I α==∑ (11) 其中Ii 为对应结构元素为bi 的边缘检测算子Ei(x,y)的信息熵，其定义如下:
2551P(k)*log2(P(k))
i k I ==-∑ (12)
其中p(k)是图像中灰度值为k 的概率，即每个灰度值k 的总个数比图像中像素的总个数。
3. 3自适应边缘检测算法描述
本文的自适应边缘检测算法流程图,如图1所示。
由于噪声种类、强弱不同和边缘形状不同，对噪声抑制力度和检测出的边缘信息熵不一样，所以本算法能自动调整权值系数，实现对噪声的自适应抑制和图像的自适应边缘检测。
4图像对比度增强
利用形态学检测出的边缘E(x,y)与原图像f(x,y)相加，就可以得到对比度增强处理后的图像。最终的增强图像为:
g(x,y) = k*(k1*f(x,y)- k2* E(x,y)) (13)
适当调整系数k、k1、k2，即可得到较理想的图像。
图2.1原图像图2.2本算法检测的边缘及增强的图像
图2.3原图像直方图
图2.4本算法增强图像的直方图
从仿真结果可以看出，由于sobel方法和Roberts方法检测到的边缘信息较少，所以对图像增强的效果不明显。本算法所检测的边缘信息比较丰富，图像的模糊边缘锐化明显，对比度有了明显的改善，细节部分较清晰，从图2.4可以看出，本算法增强后的图像层次丰富，更易于人眼的视觉观察，且较好地滤除了噪声。
采用对比度改善指数，对本算法图像增强效果进行分析，对比度改善指数定义：[4]
C= C1/C0。其中,C0为原始图像的对比度;C1为增后的图像的对比度。在这里对比度定义为:
C = C1(f max-f min)/C0(f max+f min)
式中:f max为图像灰度的最大值；f min为图像灰度的最值。
分析结果：C=1.32
6 结束语
本算法给出了基于形态学的多结构、多尺度自适应边缘检测算法，并将其检测的边缘应用于图像增强中。仿真结果表明，该方法边缘检测性能好，且较好地增强了模糊图像的对比度、锐化了边缘，丰富了层次。
参考文献：
[1] 黄剑玲、邹辉. 一种基于形态学的多结构元素多尺度图像边缘检测方法. 微电子学与计算机. 26卷，第8期，2009年8月. [2] 徐国保、王骥等. 基于数学形态学的自适应边缘检测新算法. 计算机应用. 第29卷第4期，2009年4月
[3] KALLMANN M, AUBEL A, ABACI T,et al.Planning collision-free reachingmotions for interactive objectmanipulation and grasp-ing[C]//Proceedings ofEurographics 2003. Granada, Spain: [s.n. ], 2003: 313-322.
[4] 万丽、陈普春. 一种基于数学形态学的图像对比度增强算法. 现代电子技术. 2009年第13期总第300期
[5] Rafael C. Gonzalez, Digital Image Processing Using MATLAB, 电子工业出版社，2005年9月
实验三 图像增强
实验三 图像增强—直方图变换 一、 实验目的 1．掌握灰度直方图的概念及其计算方法； 2．熟练掌握直力图均衡化和直方图规定化的计算过程； 3．熟练掌握空域滤波中常用的平滑和锐化滤波器； 4．利用MATLAB 程序进行图像增强。 二、 实验内容 1打开计算机，启动MATLAB 程序；输入待处理的图像文件； 2调入数字图像，并进行图像均衡化处理； 3显示原图像的直方图和经过均衡化处理过的图像直方图。 4.利用imnoise 命令在图像上加入高斯(gaussian) 噪声 5.利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ? 6.分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； 7.选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 8.利用imnoise 命令在图像上加入椒盐噪声(salt & pepper) 9.重复c)~ e ）的步骤 10输出全部结果并进行讨论。 11.记录和整理实验报告 三、 思考题 1． 直方图是什么概念？它反映了图像的什么信息？ 答：直方图是灰度级数的函数，反映了图像中具有该灰度级数的像素的个数。 2．直方图均衡化是什么意思？它的主要用途是什么？均衡化后的图像有什么特点？ 3. 简述高斯噪声和椒盐噪声的特点。 4. 结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？ 5. 结合实验内容，定性评价滤波窗口对去噪效果的影响？
实验三 数学形态学及其应用
实验三 数学形态学及其应用 一．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0 ,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学 T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮）
2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边 2B 补左下 图5-2 添上一层（漆） 3.开运算open ：B B X ⊕Θ=)(X B 4.闭close ：∨ Θ⊕=B B X X B )( 5.HMT(Hit-Miss Transform:击中——击不中变换) 条件严格的模板匹配 ),(21T T T =模板由两部分组成。1T ：物体，2T ：背景。 {} C x x i X T X T X T X ??=?21, 图5-3 击不中变换示意图 性质： （1）φ=2T 时，1T X T X Θ=? （2）)()()(21T X T X T X C Θ?Θ=? C T X T X )()(21Θ?Θ= )/()(21T X T X ΘΘ= 6.细化/粗化 (1)细化（Thin ） C T X X T X XoT )(/??=?= X 2 1 1 1 2 3 T
青岛版小学数学知识结构脉络图
青岛版小学数学知识结构脉络图 同和小学 魏建 6.常见的量 （1）认识长度、面积、体积、容积、质量、时间等单位和单位间的进率 （2）不同单位的改写 数与运算 数与 代数 比与例比 式与方程 常见的量 1.数的认识 （1）整数、小数、分数、百分数和负数的意义、读写，认识数的组成、数位和计算单位。 （2）整数、小数、分数、百分数和负数的大小比较。 （3）大数的改写，分数、小数、百分数的互化。 （4）因数和倍数的认识，知道奇数、偶数、合数、质数的概念，会求最小公倍数合作大公因数。 2.数的运算 （1）整数、小数、分数、百分数的四则混合运算算理和计算方法 （2）四则混合运算的顺序和简便计算 （3）用四则混合运算解决问题 3.运算定律和基本性质 （1）认识加法运算定律、乘法运算定律 （2）减法和除法的性质 （3）积、商的变化规律 （4）分数、小数、比和比例的基本性质 4.比与比例 （1）比和比例的认识 （2）比例的基本性质，利用比例的基本性质解比例 （3）正比例和反比例的意义和判断，用正、反比例解决实际问题 （4）比例尺=图上距离：实际距离，比例尺的分类 5.式与方程 （1）用字母表示数、数量关系和公式 （2）方程和等式的意义 （3）等式的基本性质，以及用等式的基本性质解方程 （4）列方程解决问题
平面图形 图形与变换 图形与位置1.线 （1）认识直线、射线和线段（2）认识平行与垂直 （3） 图形 与几何立 体 图 形 2.角 （1）认识角 （2）角的大小和分类 （3）量角和画角 3.多边形的认识 （1）认识三角形，知道三角形的特性、三角形的分类和内角和 （2）认识正方形、长方形 （3）认识平行四边形和梯形的特征 （4）认识圆的各部分组成及相互关系 4.求平面图形的周长和面积 （1）求长方形、正方形、三角形和圆的周长 （2）求三角形、正方形、长方形、平行四边形、梯形和圆的面积 5.立体图形 （1）认识长方体、正方体、圆柱、圆锥的特征 （2）求长方体、正方体、圆柱的表面积 （3）求长方体、正方体、圆柱、圆锥的体积或容积 （8） 6.图形变换 （1）轴对称图形和轴对称变换 （2）平移和旋转现象及作图 （3）图形按比例放大或缩小 （9） 7.位置 （1）认识8个方向 （2）用方向和距离确定物体的位置 （3）用数对确定物体的位置 （10）
实验二-图像增强处理实习报告
实验二图像增强处理实习报告 1.实验目的和内容 1.1.实验目的 掌握图像合成和显示增强的基本方法，理解存储的图像数据与显示的图像数据之间的1.2.实验要求 熟练根据图像中的地物特征进行图像合成显示、拉伸、图像均衡化等显示增强操作。 理解直方图的含义，能熟练的利用直方图进行多波段的图像显示拉伸增强处理。 1.3.软件和数据 ENVI 软件。 TM 图像数据。上次实验合成后的图像数据文件AA。 1.4.实验内容 图像的彩色合成显示 图像的基本拉伸方法 图像均衡化方法 图像规定化 2.实验过程 通过合成和拉伸增强显示图像中的信息。 2.1.图像合成 图像合成方法：伪彩色合成、彩色合成两种方式。其中彩色合成包括：真彩色合成、假彩色合成、模拟真彩色合成。 操作： 使用（4，3，2）进行RGB 合成显示图像。图像窗口为#1。
移动图像窗口的红色选框到玄武湖，将光标十字放在红框内，双击，显示光标位置窗口。该窗口中出现了Scrn 和Data，二者后面的RGB 的值是不同的。
2.1.1伪彩色合成 在新的窗口显示第4 波段图像，窗口为#2。
操作： 菜单：窗口菜单Tools-Color Mapping-Density slice…，选择Band 4，确定。在“Density Slice”窗口中，点击“应用”按钮，窗口#2 的图像变成了彩色。
设置默认的分级数为3 个：在“Density Slice”窗口，点击Options-Set number of default range,输入3，确定。点击Options-Apply default range，点击Apply 按钮。查看窗口#2 内的变化。
形态学图像处理小结
一．形态学基础知识理解 形态学图像处理基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。 1.膨胀与腐蚀 最基本的形态学操作有二种：膨胀与腐蚀(Dilation与Erosion)。膨胀是在二值图像中“加长”和“变粗”的操作。这种方式和变粗的程度由一个结构元素组成的集合来控制。腐蚀是“收缩”或“细化”二值图像中的对象。同样，收缩的方式和程度由一个结构元素控制。腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。 常用的三种膨胀与腐蚀的组合：开运算、闭运算、击中或击不中变换。（1）开运算和闭运算: A被B的形态学开运算是A被B腐蚀后再用B来膨胀腐蚀结果。其几何解释为：B在A完全匹配的平移的并集。形态学开运算完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分；（2）闭运算: A被B的形态学闭运算是先膨胀再腐蚀的结果，其几何解释为：所有不与A重叠的B的平移的并集。形态学闭运算会平滑对象的轮廓，与开运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞。（3）击中击不中变换: 击中与击不中变换先对目标图像进行目标结构元素的腐蚀操作；后对目标图像的对偶进行背景结构元素的腐蚀操作；最后取两次结果的交集。 2.重构 重构是一种涉及到两幅图像和一个结构元素的形态学变换。一幅图像，即标记（marker），是变换的开始点。另一幅图像是掩模（mask），用来约束变换过程。结构元素用于定义连接性。 3.灰度图像形态学 对于灰度图像来说，膨胀和腐蚀是以像素邻域的最大值和最小值来定义的。膨胀和腐蚀可以组合使用，以获得各种效果。例如，从膨胀后的图像中减去腐蚀过的图像可以产生一个“形态学梯度”，可以用来度量图像局部灰度变化。 开运算和闭运算用于形态学平滑。由于开运算可以去除比结构元素更小的明亮细节，闭运算可以去除比结构元素更小的暗色细节，所以它们经常组合在一起用来平滑图像并去除噪声。
实验六数学形态学及其应用
实验六： 数学形态学及其应用 实验原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 II (xx ,yy ), TT (ii ,jj )为0011?图像 腐蚀： EE (xx ,yy )=(II ⊙TT )(xx ,yy )=?[II (xx +ii ,yy +jj )&TT (ii ,jj )]mm ii ,jj=00 膨胀： DD (xx ,yy )=(II ⊕TT )(xx ,yy )=?[II (xx +ii ,yy +jj )&TT (ii ,jj )]mm ii ,jj=00 灰度形态学 TT (ii ,jj )可取0011?以外的值 腐蚀： EE (xx ,yy )=(II ⊙TT )(xx ,yy )= mmii mm 00≤ii ,jj≤mm?11[II (xx +ii ,yy +jj )?TT (ii ,jj )] 膨胀： DD (xx ,yy )=(II ⊕TT )(xx ,yy )=mmmmxx 00≤ii ,jj≤mm?11[II (xx +ii ,yy +jj )+TT (ii ,jj )] 1.腐蚀Erosion ： XX ⊙BB ={xx :BB xx ?xx } B 1删两边 B 2删右上 2.膨胀Dilation ： XX ⊕BB ={xx :BB xx ↑xx }
B1补两边B2补左下 3.开运算open： XX BB=(XX⊙BB)⊕BB 4.闭运算close： XX BB=(XX⊕BB)⊙BB 代码1： function[]= fs() I=imread('finger.tif'); subplot(1,2,1),imshow(I); title('原图'); BW=I; BW=rgb2gray(BW); SE=strel('square',2);%结构元素为边长2像素的正方形 BW=imopen(BW,SE);%开运算（先腐蚀再膨胀）可以消除小物体、在纤细点处分离物体、平滑较大物体的边界。 %BW=imerode(BW,SE); %腐蚀 %BW=medfilt2(BW,[3 3]); %中值滤波(腐蚀后中值滤波可能导致本来连接的指纹断开) %BW=imdilate(BW,SE); %膨胀 %BW=imclose(BW,SE); %闭运算（先膨胀再腐蚀）能够排除小型黑洞(黑色区域)。 BW=imdilate(BW,SE);%膨胀 BW=medfilt2(BW,[33]);%中值滤波（膨胀后中值滤波可能导致指纹图像噪声去除不干净） BW=imerode(BW,SE);%腐蚀 subplot(1,2,2),imshow(BW); title('处理后'); %BW=bwmorph(BW,'thin',Inf); %骨架化 %figure,imshow(BW); %title('骨架化'); 代码2： function[]= op() I=imread('rectangel.tif');
数字图像实验三图像增强
实验三、图像增强 一、实验目的 （1）熟悉并学会使用MATLAB中图像增强的相关函数。 （2）掌握图像灰度修正、平滑去噪、锐化加强边缘和轮廓的方法，并编程实现。 二、实验主要仪器设备 （1）台式机或笔记本电脑。 （2）MATLAB软件（含图像处理工具箱）。注意：由于软件版本的缘故，软件的界面可能有所差异，读者可以根据实际安装的软件选择相关的命令。 （3）典型的灰度、彩色图像文件。 三、实验原理 数码相机的曝光量指到达DC感光器件上的光线总量，用曝光值（EV）表示。图像的过度曝光、曝光不足时，用曝光补偿调节曝光量，这种功能可修正自动曝光设置值为上升或下降几级。例如，某些DC的EV调整范围为+3~0~-3。尝试对同一景象进行正确曝光、过度曝光和曝光不足三种情况成像情况。 （1）将一幅图像视为一个二维矩阵，用MATLAB进行图像增强。 （2）利用MATLAB图像处理工具箱中的函数imread（读入），imshow（显示），imnoise （加噪），filter2（滤波）对图像进行去噪处理。 （3）图像灰度修正：灰度变换。对不满意的图像通过线性或非线性灰度映射关系进行变换，其效果可以得到明显提高。通过分析，会发现变换前后图像的直方图 也发生相应的变化。 （4）图像平滑方法：领域平均、中值滤波。分析图像降质的性质，区分平稳性还是非平稳型、加性还是乘性等，采用合适的去噪方法，可以去除或降低噪声对图 像的影响。从频率域看，平均操作在降低噪声的同时衰减了图像的高频分量， 会影响图像细节的重现。中值滤波对某些信号具有不变形，适用于消除图像中 的突发干扰，但如果图像含有丰富的细节，则不宜使用。 （5）图像锐化方法：人眼对目标的边缘和轮廓较为敏感，对图像进行锐化，有助于突出图像的这些特征。从频率域看，锐化提升了图像的高频分量。 四、实验内容 MATLAB图像增强：①图像灰度修正；②图像平滑方法；③图像锐化方法。 五、实验步骤 MATLAB图像增强。 （1）图像灰度修正。测试图像为pout.tif、tire.tif。读入一幅灰度级分布不协调的图像，分析其直方图。根据直方图，设计灰度变换表达式，或调用imadjuct函数。调 整变换表达式的参数，直到显示图像的灰度级分布均衡为止。 （2）不均匀光照的校正。测试图像为pout.tif。采用分块处理函数blkproc和图像相减函数imsubtract校正图6.6存在的不均匀光照现象。 （3）三段线性变换增强。测试图像为eight.tif。选择合适的转折点，编程进行三段线
实验三 图像增强--灰度变换
实验三图像增强—灰度变换 一、实验目的： 1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。 2、学会对图像直方图的分析。 3、掌握直接灰度变换的图像增强方法。 二、实验原理及知识点 术语‘空间域’指的是图像平面本身，在空间域内处理图像的方法是直接对图像的像素进行处理。空间域处理方法分为两种：灰度级变换、空间滤波。空间域技术直接对像素进行操作其表达式为： g(x,y)=T[f(x,y)] 其中f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f进行处理的操作符，定义在点(x,y)的指定领域内。 定义点(x,y)的空间邻近区域的主要方法是，使用中心位于(x,y)的正方形或长方形区域。此区域的中心从原点(如左上角)开始逐像素点移动，在移动的同时，该区域会包含不同的领域。T应用于每个位置(x,y)，以便在该位置得到输出图像g。在计算(x,y)处的g值时，只使用该领域的像素。 灰度变换T的最简单形式是使用领域大小为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为一个亮度或灰度级变化函数。当处理单设(灰度)图像时，这两个术语可以互换。由于亮度变换函数仅取决于亮度的值，而与(x,y)无关，所以亮度函数通常可写做如下所示的简单形式： s=T(r) 其中，r表示图像f中相应点(x,y)的亮度，s表示图像g中相应点(x,y)的亮度。 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()，b是用于形成直方图像的灰度级的个数。如果b未包含在此变量中，则默认值为256.如要处理一幅uint8
实验3 图像增强—滤波器的设计
实验3 图像增强—滤波器的设计 一、实验目的 1.掌握图像显示的基本原理，熟悉图像的基本格式和数据结构； 2.掌握图像空间滤波器的基本原理和方法； 3.熟练掌握空域滤波中常用的平滑和锐化滤波器； 4.了解不同滤波器方式的使用和使用的场合，培养处理实际图像的能力； 二、实验要求 1.学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高 斯噪声和椒盐噪声，进行滤波处理，能够正确地评价处理的结果，能够从理论上作出合理的解释。 2.学生应当对于给定的图像，使用一阶算子（Sobel算子和Robert算子）和二阶算子 （拉普拉斯算子）对图像进行锐化处理，比较不同算子的处理结果，并能做出正确地评价。 三、实验内容与实验步骤 1.调入并显示原始图像Sample.bmp； 2.在原始图像Sample.bmp上分别加入高斯噪声、椒盐噪声和加性噪声； 3.产生均值和中值滤波器； 4.分别采用3×3和5×5的模板，分别用均值滤波器和中值滤波器，对加入噪声的图 像进行处理并观察不同噪声的水平下，上述滤波器处理的结果。 5.选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤 波器处理的结果。 6.输出全部结果并讨论。 四、实验仪器 1.计算机； 2.VC程序； 3.移动式存储器（软盘、U盘等）。 4.记录用的笔、纸。 五、实验报告内容
1..叙述操作过程 2.用数据和图片给出各个步骤中取得的实验结果，并进行必要的讨论。 六、思考题 1.简述高斯噪声和椒盐噪声的特点。 2.结合实验内容，定性评价平均滤波器和中值滤波器对高斯噪声和椒盐噪声的去噪效 果？ 3.结合实验内容，定性评价滤波器窗口对去噪效果的影响？
医学图像处理实验报告
医学图像处理实验报告 班级专业姓名学号 实验名称：图像增强 一、实验目的 1：理解并掌握常用的图像的增强技术。 2：熟悉并掌握MA TLAB图像处理工具箱的使用。 3：实践几种常用数字图像增强的方法，增强自主动手能力。 二、实验任务 对于每张图像(共三张图片)，实现3种图像增强方法。根据图像的特点，分别选用不用的图像增强算法。 三、实验内容（设计思路） 1、artery_vessel (1)直方图均衡化 直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。灰度直方图是图像预处理中涉及最广泛的基本概念之一。 图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。 直方图均衡化是指：采用累积分布函数（CDF）变化生成一幅图像，该图像的灰度级较为均衡化，且覆盖了整个范围[0，1]，均衡化处理的结果是一幅扩展了动态范围的图像。直方图均衡化就是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。主要用途是：将一幅灰度分布集中在较窄区间，细节不够清晰的图像，修正后使图像的灰度间距增大或灰度分布均匀，令图像的细节清晰，达到图像增强的目的。 (2)中值滤波加直方图均衡化 中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，
实验四 图像增强
信息工程学院实验报告 课程名称：数字图像处理Array 实验项目名称：实验四图像增强实验时间： 班级：姓名：学号： 一、实验目的 1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。 2. 掌握图像空域增强算法的基本原理。 3. 掌握图像空域增强的实际应用及MATLAB实现。 4. 掌握频域滤波的概念及方法。 5. 熟练掌握频域空间的各类滤波器。 6.掌握怎样利用傅立叶变换进行频域滤波。 7. 掌握图像频域增强增强的实际应用及MATLAB实现。 二、实验步骤及结果分析 1. 基于幂次变换的图像增强 程序代码： clear all; close all; I{1}=double(imread('fig534b.tif')); I{1}=I{1}/255; figure,subplot(2,4,1);imshow(I{1},[]);hold on I{2}=double(imread('room.tif')); I{2}=I{2}/255; subplot(2,4,5);imshow(I{2},[]);hold on for m=1:2 Index=0; for lemta=[0.5 5] Index=Index+1; F{m}{Index}=I{m}.^lemta; subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[]) end end 执行结果：
图1 幂次变换增强结果 实验结果分析： 由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。 2.直方图规定化处理 程序代码： clear all clc close all %0.读图像 I=double(imread('lena.tiff')); subplot(2,4,1); imshow(I,[]); title('原图') N=32; Hist_image=hist(I(:),N); Hist_image=Hist_image/sum(Hist_ima ge); Hist_image_cumulation=cumsum(Hist_ image);%累计直方图 subplot(245); stem(0:N-1,Hist_image); title('原直方图'); %1.设计目标直方图 Index=0:N-1; %正态分布直方图 Hist{1}=exp(-(Index-N/2).^2/N); Hist{1}=Hist{1}/sum(Hist{1}); Hist_cumulation{1}=cumsum(Hist{1}) ; subplot(242); stem([0:N-1],Hist{1}); title('规定化直方图1'); %倒三角形状直方图 Hist{2}=abs(2*N-1-2*Index); Hist{2}=Hist{2}/sum(Hist{2}); Hist_cumulation{2}=cumsum(Hist{2}) ; subplot(246); stem(0:N-1,Hist{2}); title('规定化直方图2'); %2. 规定化处理 Project{1}=zeros(N); Project{2}=zeros(N); Hist_result{1}=zeros(N); Hist_result{2}=zeros(N); for m=1:2 Image=I; %SML处理(SML,Single Mapping Law单映 射规则 for k=1:N Temp=abs(Hist_image_cumulation(k)-
人教版六年级下册数学知识结构图[1]
例1：什么叫比例比例的意义 比例基本性质 2 例2例3：解比例 4：例5例6求实际、图上距离，比例尺 3：成正比例的量 4——例6：成反比例的量 7：正比例和反比例的比较 ：圆锥的体积计算 例2：圆锥的重量计算 ：填写统计表 ：制作单式条形统计图 ：制作复式条形统计图 数的改写 数的整除分数小数的基本性质 运算定律和简便算法 简易方程 例4：分数应用题 例5：用比例解应用题 质量单位 名数的改写 平面图形的周长和面积 立体图形的表面积和体积
1.比例：表示两个相等的式子叫做比例。 2.基本性质：在比例里，两个外项的积等于两个内项的积。这叫做比例的基本性质。 外项 3.组成比例的四个数，叫做比例的项。两端的两项叫做比例的外项，中间的两项叫做比例的内项。 4.两个数相除又叫做两个数的比， 5.比的前项除以比的后项所得商，叫做比值。 6.比例的意义： 两个比值相等的两个比，用等于连接起来 80：2＝200：5 80：200＝2：5 师：以上这些比中，有整数比也有小数比和分数比，只要两个比的比值相等，我们就可以用等号把它们连接起来。把两个比值相等的比用等号连接起来的式子叫比例式。这节课我们就来学习比例的意义。（板书课题） 师：通过学习要求同学们明确比例的意义，掌握组成比例的条件，并根据不同要求，正确地列出比例式。师：什么叫比例？（启发学生回答并板书：表示两个比相等的式子叫做比例。） 师：（1）比例是由几个比组成的？（两个） （2）是否任意的两个比都能组成比例呢？（不是） （3）组成比例的条件是什么？（比值相等） 师：只要两个比的比值相等，就可以连成比例式。这就是判断两个比是否组成比例的条件。 7.正比例和反比例的意义 正比例和反比例 - 正比例 1.、用文字来描述：两种相关联的量，一种量变化，另一种量也随着变化，如果这两种量相对应的两个数的比值（也就是商）一定，这两种量就叫做成正比例的量，它们的关系叫做正比例关系，正比例的图像是一条直线
数字图像处理实验__数学形态学及其应用
实验五： 图像分割与边缘检测 一．实验目的 1. 理解图像分割的基本概念； 2. 理解图像边缘提取的基本概念； 3. 掌握进行边缘提取的基本方法； 4. 掌握用阈值法进行图像分割的基本方法。 二．实验基本原理 ●图象边缘检测 图像理解是图像处理的一个重要分支，研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是 检测图像特征发生变化的位置。图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。 由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。 导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。一阶导数与是最简单的导数算子，它们分别求出了灰度在x 和y 方向上的变化率，而方向α上的灰度变化率可以用相应公式进行计算;对于数字图像，应该采用差分运算代替求导。一幅数字图像的一阶导数是基于各种二维梯度的近似值。图像f(x,y)在位置(x,y)的梯度定义为下列向量：G[f(x,y)]=[] 在边缘测中，一般用这个向量的大小，f ?用表示 2 /122][Gy Gx f +=? 函数f 在某点的方向导数取得最大值的方向是，方向导数的最大值是称为梯度模。利用梯度模算子来检测边缘是一种很好的方法，它不仅具有位移不变性，还具有各向同性。为了运算简便，实际中采用梯度模的近似形式。
图像增强实验报告
西安邮电学院 实验报告 实验名称图像增强 课程名称数字图像处理A 姓名李俊玲 成绩 班级电子0801 学号 05081037 日期2011年5月3日 地点 3#523 备注：
1.实验目的 A. 直方图增强处理 （1）了解空间域图像增强的各种方法（点处理、掩模处理）； （2）通过编写程序掌握采用直方图均衡化进行图像增强的方法； B. 图像平滑 （1）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理； （2）是消除或尽量减少噪声的影响，改善图像的质量。 （3）在提取大的目标之前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙。 C. 图像锐化 （1）了解并掌握使用微分算子进行图像边缘检测的基本原理； （2）编写程序使用Laplacian 算子（二阶导数算子）实现图像锐化，进一步理解图像锐 化的实质； （3）掌握使用不同梯度算子（一阶导数算子）进行图像边缘检测的原理、方法，根据实验结果分析各种算子的工作效果； 2.实验环境（软件条件） 在MA TLAB 环境下进行编写程序，把所编写的程序保存成 .m 文件，其中在运行程序时需要调用一些MA TLAB 中一些原有的函数如：fspecial （）、imfilter （）等函数。 3.实验方法 A. 直方图增强处理 直方图均衡化处理实际上就是寻找一个灰度变换函数 T ，使变化后的灰度值满足 s=T(r)，其中，s 归一化为0<=s<=1,建立r 和s 之间的映射关系，要求处理后图像灰度分布的概率密度Ps （s ）=1，期望所有灰度级出现概率相同。 其计算步骤为：（1）统计原始图像的直方图： （2）计算直方图累积分布曲线： （3）用累积分布函数作为变换函数进行图像灰度变换。 B. 图像平滑 （1）局部平滑法：假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用领域内个像素的灰度平均代替该像素原 ()n n r p k k r =12100 -====∑∑==L k n n r p r T s k j k j j j r k k ,...,,)()(
灰度图像的形态学运算
6. 灰度图象的形态学运算 与卷积、中值滤波的比较（邻域运算）图象1,0),,(-≤≤N y x y x I 模板m j i j i T ≤≤,0),,(， 1．卷积（相关）：加权平均（反折、移动、加权平均）),(j i T 可取任意数。 2．中值滤波：比较选择（移动、排队、选中） 3. 二值形态学 I(x,y), T(i,j)为 0/1图象Θ 腐蚀[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 4． 灰度形态学 T(i,j) 可取10以外的值 腐蚀：[]),(),(min ),)(() ,(1,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀：[]),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 6 形态学 问题1 木匠活 问题2 豆子和苹果 不同大小颗粒数目 概念：（集合） 对象（Object ）X ；结构元素（Structure Element ）：B 关系： 包含于 include in 击中hit 击不中miss 平移 {}y x U B B y x +=∈ 对称集{}y U B B y -=∈∨ 形态运算（p94~106,p160~165） problems: 平滑凸起和凹陷 Object X B B B Z Z Z
Structure element 1B 2B 1．腐蚀Erosion: 剥去一层（皮）：1B 删两边 2B 删右上 2．膨胀Dilation: 添上一层（漆）：1B 补两边 2B 补左下 对偶关系 用途？ 自学： （1）对偶性)()(B X B X C C Θ=⊕ （2）B 对称性：∨ ⊕=⊕B X B X B 不对称性： ∨⊕≠⊕B X B X （3）B X ⊕和X B ⊕的关系 如何计算B X Θ？ j)y i,I(x &j)B(i, ),(++=AND y x E 或 ???=<=M y)S(x, 1M y)S(x, 0),(y x E M 为j)B(i,的点数。 腐蚀运算 腐蚀运算也可以用平移X 来说明 [证] {}X B x B X x x ?=Θ∈:x 若在B X Θ中，则对所有B y ∈都有x B 在X 中 X y x B y ∈+∈??, 对B 中任意点y ，平移x 后仍在X 中 y X x B y -∈∈??, X B y ,∈?平移y -后要满足y X x -∈
形态学
形态学的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的数学基础和所用语言是集合论，它着重研究图像的几何结构，由于视觉信息理解都是基于对象几何特性的，因此它更适合视觉信息的处理和分析，这类相互作用由两种基本运算腐蚀和膨胀及它们的组合运算来完成。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。数学形态学的算法具有天然的并行实现结构。 数学形态学的基本运算有4个：膨胀、腐蚀、开启的闭合，它们在二值图像中的灰度图像中各有特点。基于这些运算还可以推导和组合成各种数学形态学的实用算法。我们这里主要讨论二值数学形态学的基本运算和算法。 二值图像包含目标的位置、形状、结构等许多重要特征，是图像分析和目标识别的依据。二值形态学的运算对象是集合，但实际运算中当涉及两个集合时并不把它们看作是互相对等的，一般设A 为图像集合，B 为结构元素，数学形态学运算是用B 对A 进行操作。 膨胀 膨胀的运算符为⊕，A 用B 来膨胀写作B A ⊕，其定义为: }])[(|{?≠=⊕∧ A B A B A x I 上式表明用B 膨胀A 的过程是，先对B 做关于原点的映射，再将其映像平移x ，这里A 与B 映像的交集不为空集。也可以解释为： }])[(|{A A B A B A x ?=⊕∧ I 腐蚀 腐蚀的运算符为Θ，A 用B 来腐蚀写作B A Θ，其定义为: })(|{A B A B A x ?=Θ 上式表明用B 腐蚀A 的结果是所有x 的集合，其中B 平移x 后仍在A 中，换句话说，用B 来腐蚀A 得到的集合是B 完全包括在A 中时B 的原点位置的集合。 开启和闭合
人教版小学数学知识结构图
实用文档 文案大全小学数学知识结构图数与计算 数一数 1~5的认识和加减法 6~10的认识和加减法20以内的进位加法 一上 20以内的退位减法 数的认识（读、写、顺序、比较大小）
整十数加一位数相应的减法 100以内数的认识 100以内的加法和减法（一）整十数加、减整十数 两位数加一位数、整十数（不进位） 两位数减一位数、整十数（不退位） 两位数加一位数（进位）
两位数减一位数（退位） 两位数加、减两位数一下11~20各数的认识 实用文档 文案大全100以内的加法和减法（二）（笔算）两位数加、减两位数 表内乘法（一）乘、除法的初步认识 2~6的乘法口诀（乘加、乘减） 表内乘法（二） 7~9的乘法口诀 万以内数的认识 1000以内的数的认识 10000以内的数的认识 整百、整千数的加减法 万以内的加、减法（一）口算：两位数加、减两位数 笔算：几百几十加、减几百
表内除法（一）除法的初步认识 用2~6的乘法口诀 求商 表内除法（二）用7~9的乘法口诀求商 二下 实用文档 文案大全 有余数的除法
多位数乘一位数 分数的初步认识 口算：整十、整百、整千乘一位（估算） 笔算 初步认识：平均分一个物体 简单的大小比较、加减法 三上 三位数加、减（包括两位加进位成三位） 万以内的加法和减法（二）（笔算） 三下
钝角（与直角比较来认识） 两位数乘两位数除数是一位数的除法口算：整十、整百、整千除一位 几百几十除一位 笔算 口算：乘整十、整百（估算） 笔算 实用文档 文案大全四上大数的认识亿以上数的认识 用计算器计算（包括探索规律）亿以内数的认识 三位数乘两位数口算：两位数乘一位数（进位） 及相应的几百几十乘一位 笔算：包括“因数和积的变化规律” 除数是两位数的除法口算：整十、整百、整千除一位 几百几十除一位（估算） 笔算：包括“商的变化规律” 小数的加法和减法
数学形态学图像处理的基本运算实现及分析
数学形态学图像处理的基本运算实现及分析 一、基本原理 数学形态学是一种应用于图像处理和模式识别领域的新的方法。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像进行分析和识别的目的。数学形态学的数学基础和所用语言是集合论。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。另一方面，数学形态学的算法具有天然的并行实现的结构。 1、基本运算 数学形态学的基本运算有四个：膨胀、腐蚀、开启和关。 如用A 表示图像集合，B 表示结构元素，形态学运算就是用B 对A 进行操 作。 A 被 B 膨胀，记为A ⊕B ，⊕为膨胀算子，膨胀的定义为 A B ⊕?{|[()]}x x B A =≠? 该式表明的膨胀过程是B 首先做关于原点的映射，然后平移x 。A 被B 的膨胀是 B 被所有x 平移后与A 至少有一个非零公共元素。 A 被 B 腐蚀，记为A ⊙B ，⊙为腐蚀算子，腐蚀的定义为 A B Θ?{|[()]}x x B A =≠? 也就是说，A 被B 的腐蚀的结果为所有使B 被x 平移后包含于A 的点x 的集合。 换句话说，用B 来腐蚀A 得到的集合是B 完全包括在A 中时B 的原点位置的集合。 膨胀和腐蚀并不互为逆运算，所以它们可以级连结合使用。例如，利用同一个结构元素B ，先对图像腐蚀然后膨胀其结果，或先对图像膨胀然后瘸蚀其结果，前一种运算称为开运算，后一种运算称为关运算。它们也是数学形态学中的重要运算。 开启的运算符为o ，A 用B 来开启写作AoB ，其定义为: A o ()B A B B =Θ⊕ 关的运算符为·，A 用B 来关写作A ·B ，其定义为: A ·()B A B B =⊕Θ 开和关两种运算都可以去除比结构元素小的特定图像细节，同时保证不产生全局的几何失真。开运算可以把比结构元素小的椒盐噪声滤除，切断细长搭接而起到分离作用。关运算可使比结构元素小的缺口或孔填补上，搭接短的间断而起到连通作用。 2、实际应用 近年来，数学形态学在图像处理方面得到了日益广泛的应用。下面主要就数学形态学在边缘检测、骨架提取等方面的应用做简要介绍。
实验五图像增强—空域滤波
昆明理工大学信息工程与自动化学院学生实验报告 （ 2012 —2013 学年第二学期） 课程名称：图形图像处理开课实验室：信自444 2013年 5月 22日 一、实验目的 进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。 了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。 二、实验要求 (1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 (2)利用MATLAB软件实现空域滤波的程序： I=imread('electric.tif'); J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); (注意空格) %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]); %中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I); figure,imshow(J); figure,imshow(K);
figure,imshow(L); figure,imshow(M); figure,imshow(N); 三、实验设备与软件 (1) IBM-PC 计算机系统 (2) MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容与步骤 a) 调入并显示原始图像Sample2-1.jpg 。 b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ? d ）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； e ）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 f ）利用imnoise 命令在图像Sample2-1.jp g 上加入椒盐噪声(salt & pepper) g ）重复c)~ e ）的步骤 h ）输出全部结果并进行讨论。 实验过程及截图 I=imread('3.jpg'); imshow(I);