|
函数 |
说明 |
例子 |
|
imadjust |
亮度调整 |
imadjust(f) 提高对比度 |
|
stretchlim |
获得图像对比度拉伸范围 |
原理呢？ |
|
imhist(I,n) |
直方图，I为图像，n为灰度级数 |
|
|
subplot（m n p） |
m表示是图排成m行，n表示图排成n列， p是指你现在要把曲线画到figure中哪个图上 |
|
|
histeq |
直方图均衡化 |
|
|
imfilter |
线性滤波器 |
a = imread('Fig0338(a)(blurry_moon).tif') subplot(331) imshow(a) w = [0 1 0;1 -4 1;0 1 0] b = imfilter(a, w) subplot(332) imshow(b) c =a-b subplot(333) imshow(c) w = [1 1 1;1 -8 1;1 1 1] d = imfilter(a, w) subplot(335) imshow(d) e =a-d subplot(336) imshow(e) d = imfilter(a, w,'conv','replicate') subplot(338) imshow(d) e =a-d subplot(339) imshow(e) |
|
padarray |
填充矩阵 |
|
|
colfilt |
非线性滤波器 |
function mytest() f = imread('Fig0335(a)(ckt_board_saltpep_prob_pt05).tif'); subplot(321); imshow(f); f = padarray(f, [3 3], 'replicate', 'both'); h = im2double(f) g = colfilt(h, [3 3], 'sliding', @gmean); subplot(322); k = im2uint8(g) imshow(k); h = im2double(f) g = colfilt(h, [3 3], 'sliding', @gmean2); subplot(323); k = im2uint8(g) imshow(k); h = im2double(f) g = colfilt(h, [3 3], 'sliding', @gmean4); subplot(324); k = im2uint8(g) imshow(k); h = im2double(f) g = colfilt(h, [3 3], 'sliding', @gmean3); subplot(325); k = im2uint8(g) imshow(k); end function v = gmean(A) mn = size(A, 1); v =median(A, 1); end function v = gmean2(A) mn = size(A, 1); v =mean(A, 1); end function v = gmean3(A) mn = size(A, 1); v =min(A); end function v = gmean4(A) mn = size(A, 1); v =max(A); end |
|
fspecial |
产生滤波器模板 |
function mytest_fspecial() f=imread('Fig0338(a)(blurry_moon).tif'); subplot(321) imshow(f) w = fspecial('laplacian', 0); g = imfilter(f, w, 'replicate'); subplot(323) imshow(g) h = f-g subplot(324) imshow(h) w2 = fspecial('laplacian', 1); g = imfilter(f, w2, 'replicate'); subplot(325) imshow(g) h = f-g subplot(326) imshow(h) end |
一、概念
对比度= 最高亮度/最低亮度
饱和度指的是色彩的纯度，纯度越高，表现越鲜明，纯度较低，表现则越暗淡。其数值为百分比介于0~100%之间，纯白色的饱和度为0，而纯彩色光的饱和度为100%。饱和度与所加白光的数量成反比。
噪声指的是图像中各种妨碍人们对其信息接收的因素。
相邻像素：
4邻域：像素p(x,y)的4邻域是：(x+1,y)；(x-1,y)；(x,y+1)；(x,y-1)
D邻域定义：像素p(x,y)的D邻域是：对角上的点 (x+1,y+1)；(x+1,y-1)；(x-1,y+1)；(x-1,y-1)
8邻域定义：像素p(x,y)的8邻域是：4邻域的点 ＋ D邻域的点
像素间的连通性：
对于具有值V的像素p和q，如果q在集合N4(p)中，则称这两个像素是4连通的。
对于具有值V的像素p和q，如果q在集合N8(p)中，则称这两个像素是8连通的
对于具有值V的像素p和q，如果:
I. q在集合N4(p)中，或
II. q在集合ND(p)中，并且N4(p)与N4(q)的交集为空（没有值V的像素）则称这两个像素是m连通的，即4连通和D连通的混合连通。像素的连通性——m连通
通路的定义
一条从具有坐标(x,y)的像素p,到具有坐标(s,t)的像素q的通路，是具有坐标(x0,y0),(x1,y1),...,(xn,yn)的不同像素的序列。其中，(x0,y0) = (x,y)，(xn,yn) = (s,t)，(xi,yi) 和(xi-1,yi-1)是邻接的，1 ≤ i ≤ n，n是路径的长度。如果(x0,y0) = (xn,yn) ,则该通路是闭合通路像素的连通性——通路
像素之间距离的定义
对于像素p、q和z，分别具有坐标(x,y)，(s,t)和(u,v)，如果
(1) D(p,q) ≥0 (D(p,q)=0，当且仅当p =q),
(2) D(p,q) = D(q,p)
(3) D(p, z ) ≤ D( p , q) + D(q , z)
则称D是距离函数或度量
像素p(x,y)和q(s,t)间的欧式距离定义如下：
对于这个距离计算法，具有与(x,y)距离小于等于某个值r的像素是：包含在以(x,y)为圆心，以r为半径的圆平面欧式距离定义：
对于这个距离计算法，具有与(x,y)距离小于等于某个值r的像素是：包含在以(x,y)为圆心。以r为半径的圆平面。
D4距离（城市距离）
像素p(x,y)和q(s,t)之间的D4距离定义为：
D4(p,q) = |x – s| + |y – t|
D8距离（棋盘距离）像素p(x,y)和q(s,t)之间的D8距离定义为：
D8(p,q) = max(|x – s| ,|y – t|)
点运算——1反转变换，2对数变换
反转变换：
s = L-1-r
[0,L-1]为图像的灰度级。作用：黑的变白，白的变黑
对数变换：
c是常数,r≥ 0
有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失
解决办法是对原图进行灰度压缩，如对数变换
点运算——4对比度拉伸
点运算——5灰度级切片
点运算——6位平面切片
代数运算 加法：去除叠加性噪声
对于原图像f(x,y),有一个噪声图像集
{ gi(x,y) } i =1,2,...N
其中：gi(x,y) = f(x,y) + h(x,y)i
假设噪声h(x,y) 均值为0，且互不相关
N个图像的均值定义为：
g(x,y) = (g0(x,y)+g1(x,y)+ …+ gN(x,y))/N
直方图
直方图均衡化
已知原图像的概率密度函数为 pr(r), r在区间[0, L-1]内。假设经过函数s = T(r)变换后的概率密度函数为ps(s)。直方图均衡化，即ps(s)=1/(L-1)。
因为 ：
pr(r)dr = ps(s)ds 变换后，面积不变。
所以
离散的情况：
应用：
镜头检测：
参考文献：C.W.Ngo,T.C.Pong,and R.T.Chin. “Video Partitioning by Temporal Slice Coherency”. IEEE Transactions on Circuits and Systems for Video Technology, Aug.2001.
空间域图像增强
空间滤波器
1) 平滑空间滤波器
2) 锐化空间滤波器
空间滤波和空间滤波器的定义:
使用空间模板进行的图像处理，被称为空间滤波。模板本身被称为空间滤波器。
平滑空间滤波器：
作用：
去除图像不重要的细节
减少噪声
1、线性滤波器:均值滤波器
2、非线性滤波器：
1）中值滤波器
2）最小值滤波器
3）最大值滤波器
锐化滤波器
锐化滤波器的主要用途
l 突出图像中的细节，增强被模糊了的细节
l 印刷中的细微层次强调。弥补扫描对图像的钝化
l 超声探测成像，分辨率低，边缘模糊，通过锐化来改善
l 图像识别中，分割前的边缘提取
l 锐化处理恢复过度钝化、暴光不足的图像
l 尖端武器的目标识别、定位
锐化滤波器的分类：
l 二阶微分滤波器－拉普拉斯算子
l 一阶微分滤波器－梯度算子