《图像增强、图像滤波、边缘检测的MATLAB实现图形.doc》由会员分享，可在线阅读，更多相关《图像增强、图像滤波、边缘检测的MATLAB实现图形.doc（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流图像增强、图像滤波、边缘检测的MATLAB实现图形.精品文档.直方图统计算法对灰度图像进行增强n=64n=256时：直方图均衡化增强图像的对比度用直方图均衡化后，图像的直方图的灰度间隔被拉大了，均衡化的图像的一些细节显示了出来，这有利于图像的分析和识别。直方图均衡化就是通过变换函数histeq将原图的直方图调整为具有“平坦”倾向的直方图，然后用均衡直方图校正图像。直方图规定化对图像进行增强50:2:25050:1:250hgram=50:5:250;3 图像滤波的 Matlab 实现3.1 conv2 函数功能：计算二维卷积格式：C=conv
2、2(A,B) C=conv2(Hcol,Hrow,A) C=conv2(.,shape)说明：对于 C=conv2(A,B) ，conv2 的算矩阵 A 和 B 的卷积，若 Ma,Nasize(A), Mb,Nb=size(B), 则 size(C)=Ma+Mb-1,Na+Nb-1;C=conv2(Hcol,Hrow,A) 中，矩阵 A 分别与 Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积；C=conv2(.,shape) 用来指定 conv2返回二维卷积结果部分，参数 shape 可取值如下： full 为缺省值，返回二维卷积的全部结果； same 返回二维卷积结果中与 A 大
3、小相同的中间部分； valid 返回在卷积过程中，未使用边缘补 0 部分进行计算的卷积结果部分，当 size(A)size(B) 时，size(C)=Ma-Mb+1,Na-Nb+1。3.2 conv 函数功能：计算多维卷积格式：与 conv2 函数相同3.3 filter2函数功能：计算二维线型数字滤波，它与函数 fspecial 连用格式：Y=filter2(B,X) Y=filter2(B,X,shape)说明：对于 Y=filter2(B,X) ，filter2 使用矩阵 B 中的二维 FIR 滤波器对数据 X 进行滤波，结果 Y 是通过二维互相关计算出来的，其大小与 X 一样；对于 Y
4、=filter2(B,X,shape) ，filter2 返回的 Y 是通过二维互相关计算出来的，其大小由参数 shape 确定，其取值如下 full 返回二维相关的全部结果，size(Y)size(X)； same 返回二维互相关结果的中间部分，Y 与 X 大小相同； valid 返回在二维互相关过程中，未使用边缘补 0 部分进行计算的结果部分，有 size(Y)size(X) 。3.4 fspecial 函数功能：产生预定义滤波器格式：H=fspecial(type) H=fspecial(gaussian,n,sigma) 高斯低通滤波器 H=fspecial(sobel) Sobel
5、水平边缘增强滤波器 H=fspecial(prewitt) Prewitt 水平边缘增强滤波器 H=fspecial(laplacian,alpha) 近似二维拉普拉斯运算滤波器 H=fspecial(log,n,sigma) 高斯拉普拉斯（LoG）运算滤波器 H=fspecial(average,n) 均值滤波器 H=fspecial(unsharp,alpha) 模糊对比增强滤波器说明：对于形式 H=fspecial(type) ，fspecial 函数产生一个由 type 指定的二维滤波器 H ，返回的 H 常与其它滤波器搭配使用。图像滤波平滑模板对图像进行滤波：（二维线性滤波flite
6、r2）线性滤波（邻域平均） 线性低通滤波器最常用的是线性平滑滤波器，这种滤波器的所有系数都是正的，也称邻域平均。邻域平均减弱或消除了傅立叶变换的高频分量，对噪声的消除有所增强，但是由于平均而使图像变得更为模糊，细节的锐化程度逐渐减弱。中值滤波中值滤波可以保留目标边缘，这是中值滤波器相对于均值滤波器的最大优势。中值滤波具有去噪的性能，可以消除孤立的噪声点，可以用来减弱随机干扰和脉冲干扰，但是边缘不模糊。中值滤波的效果要比邻域平均的低通滤波效果好，中值滤波以后的图像的轮廓比较清晰，而且使用较小的模板得到的视觉效果反而好一些。锐化滤波图像锐化处理的目的是使模糊图像变得清晰，锐化滤波器减弱或消除了傅立
7、叶空间的低频分量，保留高频分量，从而加强了图像的轮廓，使图像看起来比较清晰。面应用Laplacian算子对图像进行锐化处理： Laplacian算子是线性二次微分算子，其格式为：h = fspecial(laplacian, alpha)，返回一个33的滤波器来近似二维Laplacian算子的形状，参数alpha决定了Laplacian算子的形状，alpha的取值范围为0.01.0，默认的值为0.2。分析：由图可以看出，应用了Laplacian算子对图像锐化以后，将图像区域的边缘轮廓勾划了出来，因此Laplacian算子对于边缘检测也具有很好的功效。边缘检测下面利用sobel算子对图像进行边缘
8、检测： 使用edge函数实现图像的边缘检测，其调用格式为： BW=edge(I,sobel,thresh,direction) 根据指定的敏感阈值thresh用Sobel算子对图像进行边缘检测，edge函数忽略了所有小于阈值的边缘，如果没有指定阈值thresh或为空，函数自动选择参数值，direction指定Sobel算子边缘检测的方向，其参数值为horizontal，vertical或both（默认）。测试结果图： sobel算子自动选择的阈值为：0.1433由图可以看出，在采用水平和垂直方向的Sobel算子对图像进行边缘检测时，分别对应的水平和垂直方向上的边缘有较强的响应，阈值越小，检测的图像的边缘细节数越多，而增大阈值时，有些轮廓则未能检测出。其用法和Sobel算子类似。其调用格式为：BW=edge(I,prewitt,thresh,direction) 根据指定的敏感阈值thresh用Prewitt算子对图像进行边缘检测。测试结果：prewitt算子自动选择的阈值为：0.1399sobel算子自动选择的阈值为： 0.1441prewitt算子自动选择的阈值为：0.1406