1. Toy模板网首页
  2. > Toy博客

【数字图像处理】实验二 图像增强（MATLAB实现）

10月前 作者：天的命名词 分类：Toy博客 阅读(85) 违法举报

这篇具有很好参考价值的文章主要介绍了【数字图像处理】实验二 图像增强（MATLAB实现）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

目录

一、实验意义及目的

二、实验内容

三、Matlab 相关函数介绍

四、算法原理

五、参考代码及扩展代码流程图 

（1）参考代码流程图

（2）扩展代码流程图

六、参考代码

七、实验要求

（1）对以上处理变换参数，查看处理效果；

（2）更改伪彩色增强方法为热金属编码或彩虹编码伪彩色处理

（3）设计不同的平滑滤波、锐化滤波方法，查看处理效果

（4）自行设计方法，实现对彩色图像增强处理。（Python、opencv实现）

一、实验意义及目的

（ 1 ）进一步掌握图像处理工具 Matlab ，熟悉基于 Matlab 的图像处理函数。
（2）掌握各种图像增强方法。

二、实验内容

打开一幅彩色图像 Image1 ，使用 Matlab 图像处理函数，对其进行下列变换：
（ 1 ）将 Image1 灰度化为 gray ，统计并显示其灰度直方图；
（2）对 gray 进行分段线性变换；
（3）对 gray 进行直方图均衡化；
（4）对 gray 进行伪彩色增强；
（5）对 gray 添加噪声并平滑；
（6）对 gray 利用 Sobel 算子锐化；
（7）实验要求中的拓展内容。

三、Matlab 相关函数介绍

（1）imhist 函数
  功能：统计变显示图像的直方图。
  调用格式：
  imhist(I) ：显示图像 I 的直方图。
  imhist(I, n) ：显示图像 I 的直方图， n 指定直方图中的列数。
  [COUNTS,X] = imhist(...) ：返回直方图数据向量 COUNTS 和相应的色彩值向量 X 。
（2）histeq 函数
  功能：直方图均衡化
  调用格式：
  J = histeq(I,hgram) ：将图像 I 的直方图变成用户指定的向量 hgram ， hgram 中的各元素值
  域为 [0,1] ；
  J = histeq(I,N) ：对原始图像 I 进行直方图均衡化， N 为输出图像的灰度技术，默认 N 为
  64 。
（3）imadjust 函数
  功能：调整图像灰度值或颜色映射表，增加图像的对比度。
  调用格式： J = imadjust(I,[LOW_IN; HIGH_IN],[LOW_OUT; HIGH_OUT],GAMMA) ：调整图像     I   的灰度值；[LOW_IN; HIGH_IN] 指定原始图像中要变换的灰度范围； [LOW_OUT; HIGH_OUT]  指定变换后的灰度范围；低于 LOW_IN 、高于 HIGH_IN 的采取截取式；都可以使用空的矩阵 []，默认值是 [0 1] ； GAMMA 为标量，指定描述值 I 和值 J 关系的曲线形状，如果小于 1 ，此映射偏重更高数值（明亮）输出，如果 gamma 大于 1 ，此映射偏重更低数值（灰暗）输出如果省略此参数，默认为（线性映射）。 NEWMAP = imadjust(MAP,[LOW_IN; HIGH_IN],[LOW_OUT; HIGH_OUT],GAMMA)：调整索引图像的颜色表 map ，其他参量同上。
RGB2 = imadjust(RGB1,...) ：对 RGB 图像 RGB1 的 R 、 G 、 B 分量进行调整。
（4）imnoise 函数
  J = imnoise(I,type,parameters) ：按指定类型在图像 I 上添加噪声； type 表示噪声类型，
  parameters 为其所对应参数，可取值如表 1 所示：
【数字图像处理】实验二 图像增强（MATLAB实现）
（5）fspecial 函数
  h=fspecial(type,parameters) ：创建指定类型和参数的二维滤波器 h ，如表 2 所示：
【数字图像处理】实验二 图像增强（MATLAB实现）
（6）filter2 函数
  Y = filter2(B,X,shape) ：使用二维 FIR 滤波器 B 对矩阵 X 进行滤波； shape 指定返回值 Y
  的形式， ‘full’ ： Y 的维数大于 X ； ‘same’ ： Y 的维数等于 X ； ‘valid’ ： Y 的维数小于 X ；默认 为     same 。
（7）imfilter 函数
  B=imfilter(A,H,option1,option2,…) ：根据指定的属性 option1 ， option2… 等，使用多维滤波
  器 H 对图像 A 进行滤波， H 常由函数 fspecial 输出得到。属性参数如表 3 所示：
【数字图像处理】实验二 图像增强（MATLAB实现）
（8）medfilt2 函数
 B = medfilt2(A,[m n]]) ：用 [m n] 大小的滤波器对图像 A 进行中值滤波，输出图像为 B ，滤
 波器大小默认为 3×3 。
（9）edge 函数
  BW = edge(I) ：对灰度或二值图像 I 进行边缘检测，检测后图像为二值图像 BW ，边界处
  取值为 1 ，否则为 0 。缺省情况下， edge 函数使用 Sobel 算子检测边缘，也可以指定算子。
  BW = edge(I,'sobel') ； BW = edge(I,'prewitt') ； BW = edge(I,'roberts') ；
  BW = edge(I,'log') ； BW = edge(I,'canny') 引号内为指定算子。
  BW = edge(I,'sobel',thresh) ： thresh 指定保留边缘的阈值，若为 0 ， edge 函数自动选择该值。

四、算法原理

  图像增强是一种基本的图像处理技术，主要是为了改善图像的质量以及增强感兴趣的部分，改善图像的视觉效果或者使图像变得更加有利于计算机处理。相关的图像增强技术有针对单个像素点的点运算，也有针对像素局部领域的模板运算，根据模板运算的具体功能还可以分为图像平滑、图像锐化等。

  灰度级变换就是借助于变换函数将输入的像素灰度值映射成一个新的输出值。直方图修正法的基本原理就是通过构造灰度级变换函数来改造原图像的直方图，使变换后的图像的直方图达到一定要求。而基于照度—反射模型的图像增强，通常将自然景象图像拆解成照明函数于反射函数的乘积。其算法原理，通常会借助于对数变换，将乘积转换为两个分量相加，设计函数，对高频与低频成分产生不同影响以达到图像增强效果。伪彩色增强则是一种灰度到彩色的映射技术，其目的是把灰度图像的不同灰度级按照线性或非线性映射成不同的颜色，以提高图像内容的可辨识度，达到增强的效。

  图像平滑，通常把抑制或者消除图像中存在的噪声而改善图像质量的过程称为土象的平滑。图像平滑方法大致分为两大类：空域法和频域法。空域法主要借助模板运算，在像素点领域内，利用噪声像素点特性进行滤波；频域法是指对图像进行正交变换，利用噪声对应高频信息的特点进行滤波。

  图像锐化，其目的在于加强图像中景物的边缘和轮廓，突出图像中的细节或增强被模糊了的细节。图像的边缘主要有三种类型：细线型、突变型、渐变型。通过分析边缘变化曲线 和其一二阶微分曲线，即可知边缘

五、参考代码及扩展代码流程图 

（1）参考代码流程图

【数字图像处理】实验二 图像增强（MATLAB实现）

（2）扩展代码流程图

【数字图像处理】实验二 图像增强（MATLAB实现）【数字图像处理】实验二 图像增强（MATLAB实现）【数字图像处理】实验二 图像增强（MATLAB实现）

六、参考代码

参考代码中实现了彩色图像的灰度化、灰度图像的直方图统计、分段线性变换、直方图
均衡化、伪彩色增强、添加噪声与中值滤波、 Sobel 算子滤波。 
Image1=im2double(imread('lotus.bmp'));
gray=rgb2gray(Image1);
imhist(gray); 
[h,w]=size(gray); 
NewImage1=zeros(h,w); 
a=80/256; b=180/256; c=30/256; d=220/256;
for x=1:w
 for y=1:h
 if gray(y,x)<a 
 NewImage1(y,x)=gray(y,x)*c/a;
 elseif gray(y,x)<b
 NewImage1(y,x)=(gray(y,x)-a)*(d-c)/(b-a)+c;
 else
 NewImage1(y,x)=(gray(y,x)-b)*(255-d)/(255-b)+d;
 end 
 end
end
figure,imshow(NewImage1),title('分段线性变换');
NewImage2=histeq(gray);
figure,imshow(NewImage2),title('直方图均衡化');
NewImage3=zeros(h,w,3);
for x=1:w
 for y=1:h
 if gray(y,x)<64/256
 NewImage3(y,x,1)=0;
 NewImage3(y,x,2)=4*gray(y,x);
 NewImage3(y,x,3)=1;
 elseif gray(y,x)<128/256
 NewImage3(y,x,1)=0;
 NewImage3(y,x,2)=1;
 NewImage3(y,x,3)=2-4*gray(y,x);
 elseif gray(y,x)<192/256
 NewImage3(y,x,1)=4*gray(y,x)-2;
 NewImage3(y,x,2)=1;
 NewImage3(y,x,3)=0;
 else
 NewImage3(y,x,1)=1;
 NewImage3(y,x,2)=4-4*gray(y,x);
 NewImage3(y,x,3)=0;
 end
 end
end
figure,imshow(NewImage3);
 
noiseIsp=imnoise(gray,'salt & pepper',0.1); 
noiseIg=imnoise(gray,'gaussian'); 
result1=medfilt2(noiseIsp); 
result2=medfilt2(noiseIg);
figure;
subplot(121),imshow(result1),title('椒盐噪声3×3中值滤波');
subplot(122),imshow(result2),title('高斯噪声3×3中值滤波');
H1=[-1 -2 -1;0 0 0;1 2 1]; 
H2=[-1 0 1;-2 0 2;-1 0 1]; 
R1=imfilter(gray,H1); 
R2=imfilter(gray,H2);
edgeImage=abs(R1)+abs(R2); 
sharpImage=gray+edgeImage; 
figure；
subplot(121),imshow(edgeImage),title('Sobel梯度图像'); 
subplot(122),imshow(sharpImage),title('Sobel锐化图像');
程序的运行效果如下：
【数字图像处理】实验二 图像增强（MATLAB实现）

 【数字图像处理】实验二 图像增强（MATLAB实现）

七、实验要求

1. 熟悉 Matlab 函数，读懂参考代码；
2. 拓展内容：

（1）对以上处理变换参数，查看处理效果；

【数字图像处理】实验二 图像增强（MATLAB实现）

（2）更改伪彩色增强方法为热金属编码或彩虹编码

伪彩色处理

【数字图像处理】实验二 图像增强（MATLAB实现）

伪彩色增强：把一幅黑白域图像的不同灰度级映射为一幅彩色图像的技术手段。

伪彩色增强有很多种方法，而下面的增强方法则是使用的空间域灰度级-彩色变换法。

空间域灰度级-彩色变换法：可以将灰度图像变为具有多种颜色渐变的连续彩色图像，变换后的图像视觉效果较好,主要色相是将灰度图像f(x,y)送入具有不同变换性质的红、绿、蓝3个变换器，相对应的产生3个不同的输入fR（x，y），fG（x，y），fB（x，y）将它们对应地作为彩色图像的红绿蓝三个色彩分量合成一副彩色图像。

彩虹编码和热金属编码是其中的两种变化函数。

热金属编码

Image1=imread('lotus.bmp');
    
%转换为灰度
gray=rgb2gray(Image1);
[h,w]=size(gray);
%新图像的矩阵
NewImage4=zeros(h,w,3);
for x=1:h
    for y=1:w
        if gray(x,y)<64
        NewImage4(x,y,1)=0;
        elseif gray(x,y)<128
        NewImage4(x,y,1)=255*(gray(x,y)-64)/64;
        else
        NewImage4(x,y,1)=255;
        end
    end
end
for x=1:h
    for y=1:w
        if gray(x,y)<128
        NewImage4(x,y,2)=0;
        elseif gray(x,y)<192
        NewImage4(x,y,2)=255*(gray(x,y)-128)/64;
        else
        NewImage4(x,y,2)=255;
        end
    end
end
for x=1:h
    for y=1:w
        if gray(x,y)<64
        NewImage4(x,y,3)=255*gray(x,y)/64;
        elseif gray(x,y)<96
        NewImage4(x,y,3)=255;
        elseif gray(x,y)<128
        NewImage4(x,y,3)=255*(128-gray(x,y))/32;
        elseif gray(x,y)<192 
        NewImage4(x,y,3)=0;
        else
        NewImage4(x,y,3)=255*(gray(x,y)-192)/64;
        end
    end
end
imshow(NewImage4),title('热金属编码')

【数字图像处理】实验二 图像增强（MATLAB实现）

  彩虹编码

Image1=imread('lotus.bmp');
    
%转换为灰度
gray=rgb2gray(Image1);
[h,w]=size(gray);
%新图像的矩阵
NewImage3=zeros(h,w,3);
for x=1:h
    for y=1:w
        if gray(x,y)<96
        NewImage3(x,y,1)=0;
        elseif gray(x,y)<128
        NewImage3(x,y,1)=255*(gray(x,y)-96)/32;
        else
        NewImage3(x,y,1)=255;
        end
    end
end
for x=1:h
    for y=1:w
        if gray(x,y)<32
        NewImage3(x,y,2)=0;
        elseif gray(x,y)<64
        NewImage3(x,y,2)=255*(gray(x,y)-32)/32;
        elseif gray(x,y)<128
        NewImage3(x,y,2)=255;
        elseif gray(x,y)<192
        NewImage3(x,y,2)=255*(192-gray(x,y))/64;
        else
        NewImage3(x,y,2)=255*(gray(x,y)-192)/64;
        end
    end
end
for x=1:h
    for y=1:w
        if gray(x,y)<32
        NewImage3(x,y,3)=255*gray(x,y)/32;
        elseif gray(x,y)<64
        NewImage3(x,y,3)=255;
        elseif gray(x,y)<96
        NewImage3(x,y,3)=255*(96-gray(x,y))/32;
        elseif gray(x,y)<192 
        NewImage3(x,y,3)=0;
        else
        NewImage3(x,y,3)=255*(gray(x,y)-192)/64;
        end
    end
end
imshow(NewImage3),title('彩虹编码')

【数字图像处理】实验二 图像增强（MATLAB实现）

（3）设计不同的平滑滤波、锐化滤波方法，查看处理效果

    1.平滑滤波：

Image1=im2double(imread('lotus.bmp'));
gray=rgb2gray(Image1); 
noisegaus=imnoise(gray,'gaussian'); %高斯噪声 
figure; 
subplot(121),imshow(gray),title('原图'); 
subplot(122),imshow(noisegaus),title('高斯噪声图'); 
result1=filter2(fspecial('average',3),noisegaus); 
figure; 
imshow(result1),title('3*3 均值滤波');
gausFilter=fspecial('gaussian',[2*3+1 2*3+1],0.6); 
result2 = imfilter(noisegaus,gausFilter,'conv'); 
figure; 
imshow(result2),title('sigmal=0.6 高斯滤波') 
result3 = medfilt2(noisegaus); 
figure; 
imshow(result3),title('3*3 中值滤波'); 
 
image2 = imread('lotus.bmp'); 
image2 = imnoise(image2,'gaussian'); 
Fimage = fftshift(fft2(double(image2))); 
[N M] = size(Fimage); 
g = zeros(N,M); 
r1 = floor(M/2); r2=floor(N/2); 
d0 = [5 11 45 68]; 
for i = 1:4 
    for x = 1:M 
        for y = 1:N 
            d = sqrt((x-r1)^2+(y-r2)^2); 
            if d<=d0(i) 
                h=1; 
            else
                h=0;
            end
            g(y,x) = h*Fimage(y,x); 
        end
    end
    g = real(ifft2(ifftshift(g))); 
    figure,imshow(uint8(g)),title(['理想低通滤波 D0=',num2str(d0(i))]); 
end

运行结果：

【数字图像处理】实验二 图像增强（MATLAB实现）

【数字图像处理】实验二 图像增强（MATLAB实现）

【数字图像处理】实验二 图像增强（MATLAB实现）

【数字图像处理】实验二 图像增强（MATLAB实现）

2.锐化滤波

Image1=im2double(imread('lotus.bmp'));
gray=rgb2gray(Image1);
H1=[-1 -2 -1;0 0 0;1 2 1];
H2=[-1 0 1;-2 0 2;-1 0 1];
R1=imfilter(gray,H1);
R2=imfilter(gray,H2);
edgeImage=abs(R1)+abs(R2); 
sharpImage=gray+edgeImage; 
figure; 
subplot(121),imshow(edgeImage),title('Sobel 梯度图像'); 
subplot(122),imshow(sharpImage),title('Sobel 锐化图像 ');
H1=[1 0;0 -1]; H2=[0 1;-1 0]; R1=imfilter(gray,H1); 
R2=imfilter(gray,H2); edgeImage=abs(R1)+abs(R2);
sharpImage=gray+edgeImage; 
figure; subplot(121),imshow(edgeImage),title('Roberts 梯度图像 '); 
subplot(122),imshow(sharpImage),title('Roberts 锐化图像 ');
H1=[-1 -1 -1;0 0 0;1 1 1];
H2=[-1 0 1;-1 0 1;-1 0 1]; 
R1=imfilter(gray,H1); 
R2=imfilter(gray,H2); 
edgeImage=abs(R1)+abs(R2); 
sharpImage=gray+edgeImage; 
figure; 
subplot(121),imshow(edgeImage),title('Prewitt 梯度图像 '); 
subplot(122),imshow(sharpImage),title('Prewitt 锐化图像 ');
H = fspecial('laplacian',0);
R = imfilter(gray,H); 
edgeImage = abs(R); 
H1 = [0 -1 0;-1 5 -1;0 -1 0]; 
sharpImage = imfilter(gray,H1);
figure;
subplot(121),imshow(edgeImage),title('Laplacian 滤波图 像'); 
subplot(122),imshow(sharpImage),title('Laplacian锐化图 像');
BW = edge(gray,'log'); 
H = fspecial('log',7,1); 
R = imfilter(gray,H); 
edgeImage = abs(R); 
sharpImage = gray+edgeImage; 
figure;
subplot(131),imshow(BW),title('LOG 边缘检测图像'); 
subplot(132),imshow(edgeImage),title('LOG 梯度图像'); 
subplot(133),imshow(sharpImage),title('LOG 锐化图像');
BW = edge(gray,'canny');
figure; 
imshow(BW),title('Canny 边缘检测');

运行结果：

 Sobel 算子效果图

【数字图像处理】实验二 图像增强（MATLAB实现）

 Roberts 算子效果图【数字图像处理】实验二 图像增强（MATLAB实现） Prewitt 算子效果图 【数字图像处理】实验二 图像增强（MATLAB实现）

  Laplacian 算子效果图【数字图像处理】实验二 图像增强（MATLAB实现）

 LOG 算子效果图【数字图像处理】实验二 图像增强（MATLAB实现）

 Canny 算子效果图

【数字图像处理】实验二 图像增强（MATLAB实现）

（4）自行设计方法，实现对彩色图像增强处理。（Python、opencv实现）

import matplotlib.pyplot as plt
import cv2 as cv
import numpy as np

# 显示汉字用
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False


# 定义坐标数字字体和大小
def label_def():
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False


if __name__ == '__main__':
    # 读取图片
    img_orig = cv.imread('lotus.bmp', 1)  # 读取彩色图片
    # 伽马变换处理
    img_gama = np.power(img_orig.astype(np.float32), 1.5)  # 图像较亮，若采用幂率变换，y>1，压缩高灰度级
    temp1 = img_gama - np.min(img_gama)
    img_gama = temp1 / np.max(temp1)
    # 显示所用的变换函数
    x1 = np.linspace(img_orig.min(), img_orig.max(), num=200)
    y1 = np.power(x1, 1.5)  # 伽马函数

    plt.subplot(221), plt.title('原图像'), plt.imshow(cv.cvtColor(img_orig, cv.COLOR_BGR2RGB)), plt.axis('off')
    plt.subplot(223), plt.title('伽马变换'), plt.imshow(cv.cvtColor(img_gama, cv.COLOR_BGR2RGB)), plt.axis('off')
    plt.subplot(224), plt.title('s=r**(1.5)'), plt.plot(x1, y1), plt.grid, label_def()
    plt.show()

运行结果：

【数字图像处理】实验二 图像增强（MATLAB实现）文章来源地址https://www.toymoban.com/news/detail-410923.html

到了这里，关于【数字图像处理】实验二 图像增强（MATLAB实现）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • 【数字图像处理】实验（3）——图像综合应用：皮肤美化（MATLAB实现）

    【数字图像处理】实验（3）——图像综合应用：皮肤美化（MATLAB实现）

    （1）了解和掌握图像处理工具 Matlab ，熟悉基于 Matlab 的图像处理函数，并为下一步编程进行图像处理打下基础。 （2）理解色彩的概念，掌握图像代数运算，几何变换方法。 1.灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 2.直方图均衡化通过点运

    2024年02月05日
    浏览(52)
  • matlab数字图像处理之图像增强

    matlab数字图像处理之图像增强

    图像处理 基本目的之一是改善图像质量，而改善图像最常用的技术是图像增强的目的是为了改善图像的视觉效果，使图像更加清晰，便于人和计算机对图像进一步的分析和处理 图像质量 的基本含义是指人们对一幅图像视觉感受的评价。图像增强的目的就是为了改善图像显示

    2024年02月04日
    浏览(57)
  • （数字图像处理MATLAB+Python）第五章图像增强-第四、五节：基于模糊技术和基于伪彩色处理的图像增强

    （数字图像处理MATLAB+Python）第五章图像增强-第四、五节：基于模糊技术和基于伪彩色处理的图像增强

    图像的模糊特征平面 ：假设原始图像为 I ( x , y ) I(x,y) I ( x , y ) ，其中 x x x 和 y y y 分别表示图像的水平和垂直方向的坐标。模糊特征平面可以表示为 B ( x , y , θ ) B(x,y,theta) B ( x , y , θ ) ，其中 θ theta θ 是一个旋转角度参数，表示模糊核函数的旋转角度。 B ( x , y , θ ) B(x,

    2023年04月20日
    浏览(105)
  • （数字图像处理MATLAB+Python）第五章图像增强-第二节：基于直方图修正的图像增强

    （数字图像处理MATLAB+Python）第五章图像增强-第二节：基于直方图修正的图像增强

    基于直方图修正的图像增强 ：是一种常见的图像处理方法。该方法通过对图像的像素值分布进行调整，以改善图像的对比度和亮度等视觉效果。具体地，直方图校正方法将图像的像素值转换为一个新的值域范围，使得像素值的分布更加均匀，从而增强图像的细节和对比度。这

    2023年04月19日
    浏览(57)
  • 数字图像处理实验之Matlab对图像的基本处理

    数字图像处理实验之Matlab对图像的基本处理

    1、提取Lena图像的左半上角部分，与原始Lena图像在同一个figure中显示，并做适当命名 效果图 2、利用 imnoise , 对原始Lena图像叠加高斯噪声，产生4幅、14幅、140幅的含噪图像。对这些含噪图像采用 相加  运算，来验证、比较图像相加消除叠加性噪声的效果。将原始图像、1幅噪

    2024年02月03日
    浏览(64)
  • 数字图像处理之matlab实验（五）：形态学图像处理

    数字图像处理之matlab实验（五）：形态学图像处理

    常见的形态学处理包括腐蚀、膨胀、开运算、闭运算。不同的操作有不同的作用，同样的操作在不同类型的图片上也有不同效果，具体效果如下表格所示。要求熟练掌握对二值图像的形态学处理。 不同操作对不同类型图像处理效果 一、对二值图像进行处理 1、结构元素 在开

    2024年02月04日
    浏览(65)

  • 数字图像处理与Python实现-图像增强经典算法汇总

    本文将对图像增强经典算法做一个简单的汇总。图像增强的经典算法有：像素变换、图像逆变换、幂律变换、对数变换、图像均衡化、对比受限自适应直方图均衡（CLAHE）、对比度拉伸、Sigmoid校正、局部对比度归一化。 转换是将一组输入映射到一组输出的函数，这样每个输入

    2024年02月09日
    浏览(53)
  • MATLAB【数字图像处理】 实验一:图像处理基本操作(平移、放大、缩小、旋转、插值)

    MATLAB【数字图像处理】 实验一:图像处理基本操作(平移、放大、缩小、旋转、插值)

    1、熟悉并掌握MATLAB工具的使用；  2、实现图像的读取、显示、存储、平移、镜像、放大、缩小及旋转操作； 3、掌握常用的插值方法，并了解其优缺点。 Matlab 2020B 1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分别显示RGB图像和灰度图像，注上文字标

    2024年02月06日
    浏览(49)
  • 数字图像处理之matlab实验（三）：空间滤波器

    数字图像处理之matlab实验（三）：空间滤波器

    空间滤波，就是在原图像上，用一个固定尺寸的模板去做卷积运算，得到的新图像就是滤波结果。滤波，就是过滤某种信号的意思。过滤哪种信号取决于模板设计，如果是锐化模板，处理后就保留高频信号，如果是平滑模板，处理后就保留低频信号。 （1）模板运算 图像处理

    2024年04月28日
    浏览(51)
  • 数字图像处理 matlab图像的几何运算 实验三 旋转 缩放 裁剪 镜像变换 平移

    数字图像处理 matlab图像的几何运算 实验三 旋转 缩放 裁剪 镜像变换 平移

    原图： 读取原图（这里我的图片名字是atm.png）： 我们先说原理，图像旋转的本质是向量的旋转。 矩阵乘法的实质是进行线性变换，因此对一个向量进行旋转操作也可以通过矩阵和向量相乘的方式进行。 因为图像都是通过二维矩阵存放的（单通道），所以对图像进行旋转时

    2024年02月07日
    浏览(54)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包