【正文】 =imread(39。39。)。A=double(I)。A=2561A。 %灰度級翻轉(zhuǎn)A=uint8(A)。 %轉(zhuǎn)化成無符號8位整型axes()。imshow(A)title(39。取反后的圖像39。)imwrite(A,39。39。)。 %點擊“編輯”菜單，在其下拉菜單中選擇“圖像求反”，系統(tǒng)便運行(編輯菜單下對其他功能的實現(xiàn)也和求反操作也一樣)，并在界面中顯示出變換前后的圖像差異。從圖中可以明顯地看出，取反之后，圖像顏色剛好相反了，也就是說原來呈現(xiàn)黑色的部分經(jīng)過取反操作后變成了白色，而原來白色的部分變成了黑色，這正是將原圖像的每一個像素進行灰度值翻轉(zhuǎn)。 對圖像取反(操作與將圖像取反在操作一樣)。global IJ=rgb2gray(I)。 %將非灰度圖像變?yōu)榛叶葓D像axes()。%將變換后的圖像顯示在第二個坐標圖imshow(J)。title(39。變換后的灰度圖像39。)imwrite(J,39。39。)。%點擊“變換成灰度圖”，便能夠?qū)崿F(xiàn)圖像轉(zhuǎn)換功能。在這里，我們把RGB圖像向灰度圖轉(zhuǎn)換，用到的函數(shù)是rgb2gray，如果要把其他的非灰度圖像的圖像轉(zhuǎn)換為灰度圖像，所用函數(shù)見表21。該程序?qū)崿F(xiàn)的是將在50和180之間的灰度級提亮到220，增強這個區(qū)間的對比度。(a)所示。若想改變映射的灰度值，只需將程序中的數(shù)字進行修改即可。global IC=double(I)。 [M,N]=size(C)。 for i=1:M for j=1:N。 if C(i,j)=50 %若灰度值小于50 C(i,j)=40。 %將小于50的灰度值都變?yōu)?0 elseif C(i,j)=180 %若灰度值大于50且不大于180 C(i,j)=220。 %將灰度值大于50且不大于180的灰度值變?yōu)?20 else C(i,j)=40。 %其他的灰度值設(shè)為40 end end endC=uint8(C)。axes()。imshow(C)title(39。灰度切割后的圖像39。)imwrite(C,39。39。)。%保存切割后的圖像圖 灰度切割經(jīng)過灰度切割后，圖像可看出來和原圖像有很大的不同，我們對灰度值在50到180 之間的灰度級進行增強突出，并將其設(shè)置為220，這樣，就將[50,180]之間的灰度級提高到了220，而其他灰度級的灰度值設(shè)置為40，整個圖像顯示為兩個灰度組成的圖像，分別對應灰度值220和灰度值40。這就在相對的基礎(chǔ)上把這個區(qū)間的灰度值給增強了。我們也可以將不感興趣的灰度范圍設(shè)置為原來的值不變，同樣將感興趣的灰度范圍增強為某一個值，同樣也能達到目的。，。global ID=imadjust(I,[ ],[ 1])。 %imadjust函數(shù)對灰度值進行調(diào)整axes()。imshow(D)title(39。調(diào)整了灰度值的圖像39。)imwrite(D,39。39。)。 調(diào)整灰度值可以看出，通過此次灰度調(diào)整，把感興趣的灰度范圍拉開，使圖像中亮的部分越亮，暗的部分越暗，把原圖像和調(diào)整后的圖像相比較，原圖像的灰度范圍較小，而調(diào)整后的圖像灰度值的差距增大。global IH=double(I)。H1=35*log(1+H)。 %進行對數(shù)變換H1=uint8(H1)。axes()。imshow(H1)。title(39。對數(shù)變換后的圖像39。)imwrite(H1,39。39。)。對數(shù)變換可以將圖像低頻部分顯示出來，減小圖像因動態(tài)范圍太大的失真，對動態(tài)范圍壓縮，從而加強細節(jié)特征。 對數(shù)變換在t=Clog(1+|s|)里，C為尺度比例常數(shù)，取值范圍可以結(jié)合原圖像的動態(tài)范圍以及顯示設(shè)備的現(xiàn)實能力來定。global IE=im2bw(I)。 %二值化。前提是I必須為灰度圖像，如果不是，先轉(zhuǎn)化為灰度圖axes()。imshow(E)。title(39。二值化后的圖像39。)imwrite(E,39。39。)。在二值圖像中，假設(shè)每個像素取兩個離散值中的一個。二值圖像保存為logical數(shù)組，值為0和1。在對灰度圖像二值化后，圖像的像素點比起原圖像來說減少了很多，只有黑和白兩種顏色。 灰度圖像二值化global I[m,n]=size(I)。 %測量圖像尺寸參數(shù)B=zeros(1,256)。 %預創(chuàng)建存放灰度出現(xiàn)概率的向量for k=0:255%計算每級灰度出現(xiàn)的概率，將其存入GP中相應位 B(k+1)=length(find(I==k))/(m*n)。 endfigure,subplot(221)。imshow(I)。title(39。原圖像39。)subplot(222)。bar(0:255,B,39。g39。) %繪制直方圖，并將其顯示在第二個圖里title(39。原圖像直方圖39。)xlabel(39?；叶戎?9。)ylabel(39。出現(xiàn)概率39。)%三，直方圖均衡化B1=zeros(1,256)。for i=1:256 for j=1:i B1(i)=B(j)+B1(i)。 %計算Sk endendB2=round((B1*256)+)。 %將Sk歸到相近級的灰度for i=1:256 Beq(i)=sum(B(find(B2==i)))。 %計算現(xiàn)有每個灰度級出現(xiàn)的概率endsubplot(224)bar(0:255,Beq,39。b39。) %顯示均衡化后的直方圖title(39。均衡化后的直方圖39。)xlabel(39?；叶戎?9。)ylabel(39。出現(xiàn)概率39。)%四，圖像均衡化BA=I。for i=0:255%將各個像素歸一化后的灰度值賦給這個像素 BA(find(I==i))=B2(i+1)。 endsubplot(223)。imshow(BA) %在第三個圖里顯示均衡化后的圖像title(39。均衡化后圖像39。)imwrite(BA,39。39。)。，在直方圖坐標中，橫坐標是圖像的灰度值，范圍從100到300，灰度圖像的灰度值都是從0到255一共256個灰度級，豎坐標則是各個灰度級出現(xiàn)的概率。直方圖均衡化經(jīng)常用來增強一幅圖像的對比度，即是把圖像中灰度值在各個灰度級上的分布變得更均勻。從下面的效果圖可以看出，經(jīng)過直方圖均衡化處理后，圖像變的清晰了，從直方圖來看，處理后的圖像直方圖分布更均勻了，在每個灰度級上圖像都有像素點，但它并非完全均勻，這是由于在均衡化的過程中，遠直方圖上有及個像素較少的灰度級歸并到一個新的灰度級上，而灰度級間隔被拉大了，也就是說直方圖均衡是減少圖像的灰度級以換取對比度的擴大。但是，它只是近似均衡直方圖，不能實現(xiàn)水平直線均衡結(jié)果。直方圖均衡化存在著兩個缺點：1)變換后圖像的灰度級減少，某些細節(jié)消失； 2)某些圖像，如直方圖有高峰，經(jīng)處理后對比度不自然的過分增強。 直方圖均衡化 噪聲模塊在此模塊中，我們設(shè)計對圖像加入高斯噪聲和椒鹽噪聲，看對圖像的影響。單擊菜單的加入噪聲，選擇項要加入的噪聲即可。global IG=imnoise(I,39。gaussian39。,)。%加入均值為0，axes()。imshow(G)title(39。添加了高斯噪聲的圖像39。)。 加入高斯噪聲高斯噪聲：n維分布都服從高斯分布的噪聲。高斯分布，也稱正態(tài)分布，又稱常態(tài)分布。9. 給指定的圖像加入椒鹽噪聲。global IH=imnoise(I,39。salt amp。 pepper39。,)。axes()。imshow(H)。title(39。添加了椒鹽噪聲的圖像39。)。imwrite(H,39。39。)。對圖像加入不同的噪聲對圖像有不同的影響，這一點可以從兩幅圖中明顯看出。高斯噪聲就是n維分布都服從正態(tài)分布的噪聲。椒鹽噪聲則是一種在圖像中產(chǎn)生的點狀均勻分布的噪聲。所以，生成的加噪圖像具有的噪聲為均勻分布的黑白相間噪聲。 加入椒鹽噪聲 濾波模塊1. 對有噪聲的圖像進行中值濾波。global IH=imnoise(I,39。salt amp。 pepper39。,)。figure subplot(231),imshow(I)。title(39。原圖像39。)subplot(232),imshow(H)。title(39。加入噪聲后的圖像39。)k1=medfilt2(H)。 %medfilt2函數(shù)用來指定圖像進行中值濾波k2=medfilt2(H,[5 5])。k3=medfilt2(H,[7 7])。k4=medfilt2(H,[9 9])。subplot(233),imshow(k1)。title(39。3*3模板中值濾波39。)subplot(234),imshow(k2)。title(39。5*5模板中值濾波39。)subplot(235),imshow(k3)。title(39。7*7模板中值濾波39。)subplot(236),imshow(k4)。title(39。9*9模板中值濾波39。)。 中值濾波由上圖可以明顯看到，二維中值濾波的窗口形狀和尺寸對濾波效果影響較大。不同的圖像內(nèi)容和不同的應用要求，應該采取不同的窗口形狀和尺寸。上面的程序用到了medfilt2函數(shù)，該函數(shù)用來對指定圖像進行中值濾波，語法格式為B=medfilt2(A,[m,n]),其中，A是輸入圖像，B是輸出圖像，[m,n]是窗口大小，默認值是33?？梢钥闯?，經(jīng)過了濾波，衰減了噪聲并且也在一定程度上保持了圖像細節(jié)的清晰度。實現(xiàn)代碼如下：global II1=imnoise(I,39。salt amp。 pepper39。,)。 % 疊加椒鹽噪聲figure,subplot(221)。imshow(I1)。title(39。加入噪聲的圖像39。)subplot(223)。imshow(I)。title(39。原圖像39。)f=double(I1)。 % 數(shù)據(jù)類型轉(zhuǎn)換，MATLAB不支持圖像的無符號整型的計算g=fft2(f)。 % 傅立葉變換g=fftshift(g)。 % 轉(zhuǎn)換數(shù)據(jù)矩陣[M,N]=size(g)。nn=2。 % 二階巴特沃斯(Butterworth)低通濾波器d0=50。m=fix(M/2)。 n=fix(N/2)。for i=1:M for j=1:N d=sqrt((im)^2+(jn)^2)。 h=1/(1+*(d/d0)^(2*nn))。 % 計算低通濾波器傳遞函數(shù) result(i,j)=h*g(i,j)。 巴特沃斯濾波 endendresult=ifftshift(result)。I2=ifft2(result)。I3=uint8(real(I2))。subplot(222)。imshow(I3)。title(39。巴特沃斯濾波后的圖像39。) % 顯示濾波處理后的圖像巴特沃斯濾波器是頻域濾波增強里的一種，是一種低通濾波器。它的算法是先將圖像進行二維離散傅里葉變換，然后對得到的結(jié)果數(shù)據(jù)平衡，即轉(zhuǎn)換為數(shù)據(jù)矩陣g，再對這個矩陣進行數(shù)學運算，將得到的矩陣結(jié)果result進行數(shù)據(jù)矩陣反變換，再二維離散傅里葉反變換得到I2，對I2取實數(shù)后把圖像變?yōu)閡int8型。計算機經(jīng)過這一系列的復雜計算，便得到了經(jīng)過巴特沃斯濾波后的圖像。 幫助模塊本模塊顯示的是課題名、指導老師等信息。代碼如下：msgbox(39。課題：基于灰度變換的圖像增強系統(tǒng)的實現(xiàn) 指導老師：劉立副教授39。) 幫助模塊信息結(jié) 論 畢業(yè)論文是本科學習階段一次非常難得的理論與實際相結(jié)合的機會，通過這次比較完整的圖像增強系統(tǒng)設(shè)計，我擺脫了單純的理論知識學習狀態(tài)，和實際設(shè)計的結(jié)合鍛煉了我的綜合運用所學的專業(yè)基礎(chǔ)知識，解決實際問題的能力，同時也提高我查閱文獻資料、設(shè)計手冊、設(shè)計規(guī)范等其他專業(yè)能力水平，而且通過對整體的掌控，對局部的取舍，以及對細節(jié)的斟酌處理，都使我的能力得到了鍛煉，經(jīng)驗得到了豐富，并且意志品質(zhì)力，抗壓能力及耐力也都得到了不同程度的提升。這是我們都希望看到的也正是我們進行畢業(yè)設(shè)計的目的所在。雖然畢業(yè)設(shè)計內(nèi)容繁多，過程繁瑣但我的收獲卻更加豐富。各種算法的適用條件，各種算法的選用標準，我都是隨著設(shè)計的不斷深入而不斷熟悉并學會應用的。和老師的溝通交流更使我從實用的角度對設(shè)計有了新的認識也對自己提出了新的要求，舉個簡單的例子：在圖像處理的時候所需要的正是處理前后圖像的不同，從而向人們展示它們之間的差距不同點，這些在之前根本沒有考慮地這么詳細，通過這次畢業(yè)設(shè)計讓我了解了這些知識，這是很珍貴的。在設(shè)計過程中一些功能的設(shè)計讓我很頭痛，原因是由于本身設(shè)計受到功能本身的框定，而又必須考慮本系統(tǒng)的一些要求規(guī)范，從而形成了一些矛盾點，這些矛盾在處理上讓人很難斟酌，