【正文】 程：圖像增強希望既去除噪聲又增強邊緣。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。Russoti提出的自適應(yīng)模糊濾波算子可以較好的保護圖像細節(jié)和濾除高斯噪聲，其算法中窗口的大小由鄰域一致性程度決定，該一致性程度由一個模糊邏輯規(guī)則導出。Walsh Transform矩陣簡單，只有1和－1，矩陣容易產(chǎn)生，有快速算法[1]。指數(shù)變換，是指輸出圖像的像素點的灰度值與對應(yīng)的輸入圖像的像素灰度值之間滿足指數(shù)關(guān)系，其一般公式為[1]： ()其中b為底數(shù)。（3）直方圖的可疊加性。有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細節(jié)看不清楚。 直方圖規(guī)定化直方圖均衡化是以累計分布函數(shù)變換法為基礎(chǔ)的直方圖修正技術(shù)，使得變換后的灰度概率密度函數(shù)是均勻分布的，因此，它不能控制變換后的直方圖而交互性差。如何既平滑掉噪聲又盡量保持圖像細節(jié)，是圖像平滑的主要研究任務(wù)。最簡單的方法就是令（x,y）點上銳化后的圖像函f(x,y)數(shù)值等于原始圖像在該點上的梯度值，即： ()此法的缺點是處理后的圖像僅顯示出輪廓，灰度平緩變化的部分由于梯度值較小而顯得很黑。銳化的目的在于增強圖像邊緣，以及對圖像進行識別和處理。原圖像39。temp= fread(fid, [256,256])。而對于模板匹配法則是出去能夠增強圖像邊緣外，還具有平滑噪聲的優(yōu)點。 [M,N]=size(f)。)。e:\39。)。6）掌握加噪函數(shù)imnoise函數(shù)。D=1DD=(floor(D255/2)/255)。)。figure,subplot(1,2,1),imshow(D2)。X=imread(39。0,1,0]。subplot(2,2,4),imshow(Y2/max(max(Y2))+Y/255)。Imshow(‘f’)。title(39。均衡化結(jié)果的直方圖39。 J=imnoise(I,39。subplot(1,2,1)。4）將順時針旋轉(zhuǎn)45度得到，顯示的幅度譜，并與的幅度譜進行比較。最后可以得結(jié)論。 當D(u,v)=X時。subplot(1,2,2)。uchar39。subplot(1,2,2)。z=ifft2(t)。,39。a=zeros(128,128)for y=54:74 for x=34:94 a(x,y)=1。修正H(u,v)G(u,v)224。,39。F(uN/2,vN/2),達到將原始F(U,V)四周頻譜移到中心的效果,及達到頻譜中心化。圖35h=fspecial(39。也可以在頻域中用基于傅立葉的分析方法進行。)。)。Imshow(‘f’)。subplot(2,2,3),imshow(Y1)。same39。要求噪聲為零均值。)。)。Dimread(39。(注意進行運算前類型為uint8的數(shù)據(jù)必須轉(zhuǎn)換為double類型)。h=h/9。)。) 高通濾波器與低通濾波器相反，它將高頻信號通過，而抑制了低頻信號。含噪聲的圖像39。) 銳化濾波器銳化處理主要目的是突出圖像中的細節(jié)或者增強被模糊了的細節(jié)，這種模糊不是由于錯誤操作，就是特殊圖像獲取方法的固有影響。clear。salt amp。頻域處理法主要是卷積定理，采用修改圖像傅立葉變換的方法實現(xiàn)對圖像的增強處理技術(shù)；空域處理法：是直接對圖像中的像素進行處理，基本上是以灰度映射變換為基礎(chǔ)的。為了要把圖像中間任何方向伸展的邊緣和輪廓變得清晰，我們希望對圖像的某種運算是各向同性的。有些圖像是通過掃描儀掃描輸入或傳輸通道傳輸過來的。比如，通常用8比特來代表一個像素，而現(xiàn)在用12比特來表示一個像素，這樣就可以減少簡并現(xiàn)象發(fā)生的機會，從而減少灰度層次的損失。直方圖均衡化是把原圖像的直方圖通過灰度變換函數(shù)修正為灰度均勻分布的直方圖，然后按均衡直方圖修正原圖像。直方圖只是反應(yīng)了圖像灰度分布的特性，和灰度所在的位置沒有關(guān)系，不同的圖像可能具有相近或者完全相同的直方圖分布。 分段線性變換為了突出圖像中感興趣的目標或灰度區(qū)間，相對抑制不感興趣的灰度區(qū)間，可采用分段線性變換，它將圖像灰度區(qū)間分成兩段乃至多段分別作線性變換。如傅立葉變換后平均值正比于圖像灰度的平均值，高頻分量則表明了圖像中目標邊緣的強度和方向，利用這些性質(zhì)可以從圖像中抽取出特征；又如在變換域中，圖像能量往往集中在少數(shù)項上，或者說能量主要集中在低頻分量上，這時對低頻成分分配較多的比特數(shù)，對高頻成分分配較少的比特數(shù)，即可實現(xiàn)圖像數(shù)據(jù)的壓縮編碼。目前，許多新的增強算法都充分利用了周圍鄰域這一重要的信息，形成了很多局部處理的灰度調(diào)整算法，該方法主要利用了鄰域的統(tǒng)計特性。這時可以按一定的規(guī)則修改原來圖像的每一個象素的灰度，從而改變圖像灰度的動態(tài)范圍。 常用的圖像增強方法（1） 直方圖均衡化有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細節(jié)看不清楚。VLSI的出現(xiàn)更使得處理速度大大提高，其造價也進一步降低，極大的促進了圖像處理系統(tǒng)的普及和應(yīng)用。為了快速有效的對圖像進行處理和分析，我們通常都需要對圖像進行一些變換，把原來的圖像信息變?yōu)榱硪粡埿问剑褂嬎銠C更容易理解、處理和分析。 線性變換假定原圖像f(x,y)的灰度范圍為[a,b]，變換后的圖像g(x,y)的灰度范圍線性的擴展至[c,d]，則對于圖像中的任一點的灰度值P(x,y)，變換后為g(x,y)，其數(shù)學表達式如下所示[1]?；叶燃墳閇0,L1]范圍的數(shù)字圖像的直方圖是離散函數(shù)h()=，這里是第k級灰度，是圖像中灰度級為的像素個數(shù)。第二個條件則保證了映射變換后的像素灰度值在允許的范圍內(nèi)。由于上述原因，數(shù)字圖像的直方圖均衡只能是近似的。常見的圖像噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。 銳化圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，這就需要利用圖像銳化技術(shù)，使圖像邊緣變得清晰。圖像增強技術(shù)主要包含直方圖修改處理、圖像平滑處理、圖像尖銳化處理和彩色技術(shù)等。39。 %應(yīng)用7*7鄰域窗口法 subplot(224),imshow(K2) 中值濾波器其原理是把數(shù)字圖像或數(shù)字序列中某一點的值用該點的一個鄰域中各點值的中值交換。)subplot(1,3,3)Imshow(medfilt2(LenaRaw,[3,3]))。 pepper39。 g=uint8(real(ifft2(g)))。j=imadjust(a,[,],[])。h=[1,1,1。%Sobel算子j=filter2(h,i)。5）在figure（1）中顯示求反圖像、增強對比度圖像和降低對比度圖像的圖像與直方圖,并添加標注說明。subplot(4,2,3),imshow(D1)。subplot(4,2,7),imshow(D4)。在mand window 中運行。1,2,1。title(39。其中圖像文件讀入函數(shù)為imread,寫出函數(shù)為imwrite，無符號8位整型數(shù)轉(zhuǎn)換為雙精度類型函數(shù)為double，其逆運算函數(shù)為uint8。預備知識：（1）熟悉MATLAB圖像輸入輸出操作；（2）熟悉圖像的模板操作；（3）熟悉圖像的頻域變換處理；實驗原理：圖像增強是對圖像進行加工，以得到視覺效果更好或更有用的新圖像。imshow(J)。（2）熟悉在MATLAB環(huán)境下對圖像文件的I/O操作。title(39。)。即可,然后再用類似上面的方法畫出圖象和幅度譜.3）驗證其旋轉(zhuǎn)不變性。(b),便可得到lena的人頭圖片.其次與上面任務(wù)一樣,對圖片數(shù)組進行快速傅立葉變換,然后用mesh()語句畫出他的幅度譜圖,2）進行頻域增強的低通濾波部分。for x=1:256for y=1:256if (x128).^2+(y128).^2r.^2。程序代碼如下（取r=8時）Clc。 end endend結(jié)果如下：原圖像及其頻譜圖圖312h2=abs(t)。R=88時的理想低通濾波結(jié)果圖和濾波頻譜圖：圖313R=24時的理想低通濾波結(jié)果圖和濾波幅度譜圖：圖314R=5時的理想低通濾波結(jié)果圖和濾波幅度譜圖：圖315.當R=5時，濾波后的圖像很模糊，無法分辨；當R=24時，濾波后的圖像有些模糊，能分辨出臉上的器官輪廓，但由于理想低通濾波器在頻域的銳截止特性，濾波后的圖像有較明顯的振鈴現(xiàn)象；當R=88時，濾波后的圖像比較清晰，但高頻分量損失后，圖像邊沿與文字變的有些模糊，在圖像的邊框附近仍有振鈴現(xiàn)象。figure(1)subplot(1,2,1)imshow(b,[0,255])。 for x=1:128 for y=1:128