基于retinex和金字塔結(jié)構(gòu)的圖像增強(qiáng)算法研究程序驗收報告畢業(yè)論文-資料下載頁
2025-06-24 15:55本頁面
【正文】 )fr=f(:, :, 1)。 fg=f(:, :, 2)。fb=f(:, :, 3)。 %RGB通道fr=bflt(fr)。 %雙邊濾波fg=bflt(fg)。 fb=bflt(fb)。fr1=imhense8(fr)。 %調(diào)用金字塔增強(qiáng)函數(shù)fg1=imhense8(fg)。fb1=imhense8(fb)。cr=im2uint8(fr1)。 cg=im2uint8(fg1)。 cb=im2uint8(fb1)。z=cat(3, cr, cg, cb)。 figure,imshow(z)?！猣unction b0 = imhense8(f)%金字塔局部增強(qiáng)算法f=im2uint8(f)。w1 = fspecial(39。gaussian39。,3,2)。w2 = [ 1 1 1。 1 8 1。 1 1 1 ]。%生成第0級g0= imfilter(f,w1,39。conv39。,39。symmetric39。,39。same39。)。 f1 = gaussiandown(g0)。 %第1層高斯圖像p0 = imresize(f1,2,39。bilinear39。)。p0 = imfilter(p0,w2,39。replicate39。,39。same39。)。d0 = fp0。 d0=LIPhense(d0)。%生成第1級g1= imfilter(f1,w1,39。conv39。,39。symmetric39。,39。same39。)。 f2 = gaussiandown(g1)。 %第2層高斯圖像p1 = imresize(f2,2,39。bilinear39。)。p1 =imfilter(p1,w2,39。replicate39。,39。same39。)。d1 = f1p1。 d1 = shapeone(d1)。%生成第2級g2= imfilter(f2,w1,39。conv39。,39。symmetric39。,39。same39。)。 f3 = gaussiandown(g2)。 %第3層高斯圖像p2 = imresize(f3,2,39。bilinear39。)。p2 =imfilter(p2,w2,39。replicate39。,39。same39。)。d2 = f2p2。 d2 = shapeone(d2)。%生成第3級殘差絕對值g3 = imfilter(f3,w1,39。conv39。,39。symmetric39。,39。same39。)。 f4 = gaussiandown(g3)。 %第4層高斯圖像p3 = imresize(f4,2,39。bilinear39。)。p3 =imfilter(p3,w2,39。replicate39。,39。same39。)。d3 = f3p3。 d3 = shapeone(d3)。%恢復(fù)圖像b3 = d3 imresize(f4,2,39。bilinear39。)。b3=LIPhense(b3)。b2 = d2 imresize(b3,2,39。bilinear39。)。b2=LIPhense(b2)。b1 = d1 imresize(b2,2,39。bilinear39。)。b1=LIPhense(b1)。b0 = d0 imresize(b1,2,39。bilinear39。)。b0=LIPhense(b0)。 實驗結(jié)果 a 原始圖像 b 圖a處理后得到的圖像 c 腦顱冠狀縫區(qū)域局部放大圖 d 圖c處理后得到的圖像 e 腦顱人字縫區(qū)域局部放大圖 f 圖e處理后得到的圖像 腦顱側(cè)面DR圖像及其局部放大圖的增強(qiáng)前后對比4 本文算法Step1：首先將原始的圖像根據(jù)各個彩色分量與各個分量的對應(yīng)關(guān)系，將圖像從空間轉(zhuǎn)換到空間。Step2：由于模型面向人眼顏色感知，亮度分量與色度分量具有相對的獨立性，便于對各個分量分開處理而互不影響，因此單獨提取亮度分量。Step3：對MSR算法進(jìn)行改進(jìn)，增加增益系數(shù)和偏移量，對分量采用改進(jìn)的算法進(jìn)行處理，并對增強(qiáng)后的圖像進(jìn)行修正。Step4：根據(jù)各個彩色分量與各個分量的對應(yīng)關(guān)系，將圖像從HSI空間轉(zhuǎn)換到RGB空間；Step5：由于采用改進(jìn)的MSR算法處理后的圖像具有少量的噪聲信息，采用在去除噪聲信息的同時，能有效保留圖像的細(xì)節(jié)紋理信息的雙邊濾波，消除采用改進(jìn)的MSR算法進(jìn)行處理時，引入彩色圖像的少量噪聲信息；Step6：考慮到濾波去噪對圖像邊緣細(xì)節(jié)的影響，最后利用同一金字塔里不同層級圖像所具有的不同特點，結(jié)合LIP算法模型，對濾波后的圖像采用基于金字塔結(jié)構(gòu)和LIP模型的增強(qiáng)算法對濾波后的圖像進(jìn)行局部增強(qiáng)，擴(kuò)展圖像有用信息，突出圖像細(xì)節(jié)，改善圖像的紋理細(xì)節(jié)和對比度，得到本文算法的增強(qiáng)圖像。 (a)原始圖像 （b）直方圖均衡化 （c）算 （d）改進(jìn)的算法 植物圖像的不同增強(qiáng)算法對比圖熵對比度峰值信噪比原始圖像直方圖均衡化算法31本文算法 房間圖像不同增強(qiáng)效果對比熵對比度峰值信噪比原始圖像直方圖均衡化算法2396本文算法
研究報告相關(guān)推薦
鄂ICP備17016276號-1