基于MATLAB的数字图像预处理( 二 ) _图像预处理

(4)结论：对数灰度变换使图像的高灰度范围得到压缩。
3.1.2 灰度值调整
(1) 灰度值调整用到的函数:J=(I)
(2)编码:
pout=('0.jpg');
=(pout);
=(pout);
(121);(pout);
title('(a)原始图像');
(122);();
title('(b)调整值');
(3)效果图如图3.2:
（a)原图图3.2灰度值调整 (b)调整值
(4)结论:灰度值调整用于调整灰度值或色图。
3.1.3 直方图均衡化
(1)公式:

文章插图
(k=0,1,2,…,L-1，0≤
式中，nk为灰度级rk的像素数目:
N为图像中像素的总数:
L为像素中可能的灰度级总数。
(2)编码:
I=('0.jpg');
J=(I);
(221);(I)
Title('(a)原始图像');
(222);(J)
Title('(b) 原始图像直方图 ');
(223);(I,64)
Title('(c)均衡化图像');
(224);(J,64)
Title('(d)均衡化图像直方图');
图3.3直方图均衡化
(4)结论:把原始图像的直方图变换成均匀分布的形式，增加像素灰度值的动态范围，达到增强图像整体对比度的效果。
3.1.4 直方图规定化
(1)公式:
(k=0,1,2,…,L-1)
(2)编码:
I=('0.jpg');
hgram=0:255;%灰度变换的范围。
J=(I,hgram);
(221);
(I);
title('原始图')
(222);
(J);
title('直方图规定化');
(223);
(I,64)
title('原图像直方统计')
(224);
(J,64)
title('直方图规定化直方统计')
(3)效果图如图3.4:
图3.4直方图规定化
(4)结论:自动增强整个图像的对比度，具体增强效果不易控制，总是得到全局均衡化的直方图。
(2)编码:
I=('0.jpg');
J=(I,'',0.025);
(221);(I);
title('原始图像');
(222);(J);
title('高斯噪声图像');
k1=(('',3),J);
(223);(uint8(k1));
title('4*4模板平滑滤波器');
k2=(('',5),J);
(224);(uint8(k2));
title('5*6模板平滑滤波器');
(3)效果图如图3.5:
图3.5平滑滤波器
(2)编码:
I=('0.jpg');
(2,3,1);(I);
title('(a)原始图像');
J=(I,'salt & ',0.01);
(2,3,2);(J);
title('(b)椒盐噪声图像');
k=(J,[3,3]);
(2,3,3);
(k,[]);
title('(c)中值滤波');
(2,3,4);(I);
title('(d)原始图像');
J2=(I,'',0.01);
(2,3,5);(J2);
title('(e)高斯噪声');
k2=(J2);
(2,3,6);(k2,[]);
title('(f)中值滤波');
(3)效果图图3.6:
图3.6中值滤波器
(4)结论:适用于脉冲干扰，脉冲宽度较小，相距较远的在脉冲。
(2)编码:
RGB=('0.jpg');
(131);(RGB);
title('(a)原始图像')
I=(RGB);
J=(I,'',0,0.025);
(132);(J);
title('(b)高斯噪音图像')
k=(J,[5 5]);
(133);(k);
title('(c)自适应滤波处理')
(3)效果图图3.7:
图3.7自适应滤波器
(4)结论:根据图像的局部方差来调整滤波器的输出，局部方差大时，滤波器的平滑效果较弱，反之则较强。
(1)编码:
I=(‘0.jpg’);
h=(‘’);
I2=(h,I);
(121);(I);
(‘(a)原图像’);
(122);(I2);
(‘(b)滤波后图像’);
效果图图3.8
图3.8锐化滤波器
(4)结论:突出图像的边缘信息，加强图像的轮廓特征，便于识别。
(2)编码
I=('0.jpg');
I=(I);
(1),(I);
title('原图像');