图像增强与基本处理
目录
目标
学习图像增强的基本方法，包括亮度调整、对比度调整、直方图均衡化、图像平滑（高斯滤波、中值滤波）等。
知识点
1. 亮度调整
• 定义 ：调整图像的整体亮度，使图像更亮或更暗。
• 原理 ：通过增加或减少每个像素的亮度值来实现。
• 特点 ：
○ 简单直接，适用于全局亮度调整。
○ 可能会导致过曝或欠曝。
• 使用技巧 ：
○ 亮度调整应根据图像的实际亮度情况适度调整。
○ 避免过度调整导致图像失真。
示例代码 ：
c
% 读取图像
img = imread('E:\Work\TestPic\embeded.jpg');
% 调整亮度（增加50）
brightImg = imadd(img, 50);
% 调整亮度（减少50）
dimmedImg = imadd(img, -50);
% 显示结果
figure;
subplot(1, 3, 2);
imshow(img);
title('Original Image'); % 显示原图
subplot(1, 3, 3);
imshow(brightImg);
title('Brightened Image'); % 显示亮度增强图
subplot(1, 3, 1);
imshow(dimmedImg);
title('Dimmed Image'); % 显示亮度增强图代码解释 ：
• imadd 函数用于将每个像素值增加一个固定值（50），从而增加图像亮度。
• imshow 函数用于显示图像。
运行结果：
2. 对比度调整
• 定义 ：调整图像的对比度，使图像更清晰或更模糊。
• 原理 ：通过调整图像的动态范围来增强或减弱对比度。
• 特点 ：
○ 增强对比度可以使图像更清晰。
○ 过度调整可能导致细节丢失。
• 使用技巧 ：
○ 根据图像的动态范围调整对比度。
○ 使用 imadjust 函数灵活控制对比度。
示例代码 ：
c
% 读取图像
img = imread('peppers.png');
% 调整对比度
% [0.2, 0.8] 是输入范围，[0.3, 0.7] 是输出范围
contrastImg = imadjust(img, [0.2, 0.8], [0.3, 0.7]);
% 显示结果
figure;
subplot(1, 2, 1);
imshow(img);
title('Original Image');
subplot(1, 2, 2);
imshow(contrastImg);
title('Contrast Adjusted Image');代码解释 ：
• imadjust 函数通过调整输入范围 0.2, 0.8 和输出范围 0.3, 0.7 来增强对比度。
• 输入范围定义了原图像的最小和最大亮度值，输出范围定义了调整后的亮度范围。
运行结果：
3. 直方图均衡化
• 定义 ：通过调整图像的直方图，使像素值均匀分布，增强图像对比度。
• 原理 ：
○ 计算图像的直方图。
○ 计算累积分布函数（CDF）。
○ 使用 CDF 转换像素值，使直方图均匀化。
• 特点 ：
○ 适用于全局对比度较低的图像。
○ 可能会增强噪声。
• 使用技巧 ：
○ 对于对比度较低的图像效果明显。
○ 可与去噪操作结合使用。
示例代码 ：
c
% 读取图像
img = imread('peppers.png');
% 直方图均衡化
equalizedImg = histeq(img);
% 显示结果
figure;
subplot(1, 2, 1);
imshow(img);
title('Original Image');
subplot(1, 2, 2);
imshow(equalizedImg);
title('Equalized Image');
% 显示直方图
figure;
subplot(1, 2, 1);
imhist(img);
title('Original Histogram');
subplot(1, 2, 2);
imhist(equalizedImg);
title('Equalized Histogram');代码解释 ：
• histeq 函数用于对图像进行直方图均衡化。
• imhist 函数用于显示图像的直方图，帮助用户直观理解均衡化的效果。
运行结果：
4. 图像平滑（高斯滤波）
• 定义 ：使用高斯滤波器对图像进行平滑处理，去除噪声。
• 原理 ：
○ 高斯滤波器是一种线性滤波器。
○ 通过卷积操作对图像进行平滑。
• 特点 ：
○ 适用于去除高斯噪声。
○ 会导致图像模糊。
• 使用技巧 ：
○ 根据噪声强度选择合适的滤波器尺寸和标准差。
○ 过度平滑会导致细节丢失。
示例代码 ：
c
% 读取图像
img = imread('peppers.png');
% 创建高斯滤波器
h = fspecial('gaussian', [5, 5], 2); % 5x5滤波器，标准差为2
% 应用高斯滤波
blurredImg = imgaussfilt(img, 2); % 使用imgaussfilt函数，标准差为2
% 显示结果
figure;
subplot(1, 2, 1);
imshow(img);
title('Original Image');
subplot(1, 2, 2);
imshow(blurredImg);
title('Blurred Image');代码解释 ：
• fspecial('gaussian', 5, 5, 2) 创建一个5x5的高斯滤波器，标准差为2。
• imgaussfilt 函数直接应用高斯滤波器，参数为标准差。
运行结果：
5. 图像平滑（中值滤波）
• 定义 ：使用中值滤波器对图像进行平滑处理，去除椒盐噪声。
• 原理 ：
○ 对每个像素及其邻域计算中值。
○ 用中值替换中心像素。
• 特点 ：
○ 适用于去除椒盐噪声。
○ 保留图像边缘。
• 使用技巧 ：
○ 根据噪声密度选择合适的滤波器尺寸。
○ 过大的滤波器尺寸会导致模糊。
示例代码 ：
c
% 图像平滑（中值滤波）
% 读取图像
img = imread('E:\Work\TestPic\embeded.jpg');
% 转换为灰度图像
img_gray = rgb2gray(img);
% 添加椒盐噪声
noisyImg = imnoise(img_gray, 'salt & pepper', 0.02); % 2%的噪声密度
% 中值滤波
filteredImg = medfilt2(noisyImg, [3, 3]); % 3x3滤波器
% 显示结果
figure;
subplot(1, 3, 1);
imshow(img_gray);
title('Original Image');
subplot(1, 3, 2);
imshow(noisyImg);
title('Noisy Image');
subplot(1, 3, 3);
imshow(filteredImg);
title('Filtered Image');代码解释 ：
• imnoise 函数用于添加椒盐噪声，噪声密度为2%。
• medfilt2 函数用于进行中值滤波，滤波器尺寸为3x3。
运行结果：
