matlab下圖像增強算法研究畢業(yè)論文

1、<p><b>　　畢業(yè)設(shè)計（論文）</b></p><p>　　BACHELOR DISSERTATION</p><p>　　論文題目： MATLAB下圖像增強算法研究</p><p>　　學(xué)位類別： 工學(xué)學(xué)士 </p><p>　　學(xué)科專業(yè)： 電子信息工程

2、專業(yè) </p><p>　　MATLAB下圖像增強算法研究</p><p><b>　　中文摘要</b></p><p>　　圖像增強主要原理是將圖片中所要的區(qū)域進行增強，將那些含有的噪聲和干擾的信息進行濾除，在處理后的圖片中，重要信息得到保留并增強，這樣就會更好的分辨和應(yīng)用這些處理后圖片進行其他研究。這些基礎(chǔ)算法在圖像處理中起到了關(guān)鍵

3、性的作用。</p><p>　　通過對增強算法的基本了解之后，本文的工作，首先是對各種增強算法的原理進行系統(tǒng)的研究，然后對于算法中各個問題詳細處理分析，在這里選擇的是運用MATLAB軟件對各種圖像處理的方法進行編寫仿真，通過MATLAB仿真得到的實驗結(jié)果，將不同的增強算法進行理論和實驗數(shù)據(jù)的對比，從對比后的結(jié)果可以對不同算法的特點進行分析，使用增強算法原理可以從主觀和客觀上對圖像分析，這樣就針對圖像增強的方法功能

4、進行清晰的評判，以及對不同算法的局限性和適用性進行分析，對其算法的優(yōu)點和局限性加以闡述說明。</p><p>　　關(guān)鍵字：圖像增強 ；MATLAB；噪聲；算法原理</p><p>　　Image enhancement algorithm under MATLAB</p><p><b>　　Abstract</b></p>&l

5、t;p>　　Image enhancement is the picture of the area will be enhanced and those containing noise and interference of information filtering principle, in the picture, the important information are kept and enhanced, so w

6、ill better resolution and application of these pictures in other studies. The basic algorithm plays a key role in image processing..</p><p>　　After the understanding of the enhancement algorithm, this work,

7、first is the algorithm principle of various enhanced system research, and then the detailed processing algorithms in each analysis, here is the choice of the various methods of image processing were prepared using MATLAB

8、 simulation software, the experimental results obtained by MATLAB simulation, will be different make comparison of theoretical and experimental data from the comparison algorithm, the results of analysis of the char</

9、p><p>　　Keywords: Image Enhancement; MATLAB; Noise; Algorithm Principle</p><p><b>　　目錄</b></p><p>　　第一章 圖像增強的基本理論1</p><p>　　1.1 課題背景和意義1</p><p>

10、　　1.2 圖像增強的基本概述2</p><p>　　1.3 課題的主要內(nèi)容3</p><p>　　第二章 圖像增強方法與原理5</p><p>　　2.1均值濾波的原理5</p><p>　　2.1.1鄰域平均法5</p><p>　　2.1.2 加權(quán)平均法6</p><p>　　

11、2.2中值濾波的原理6</p><p>　　2.3 直方圖均衡的原理7</p><p>　　2.4 灰度變換原理8</p><p>　　2.4.1線性灰度變換8</p><p>　　2.4.2分段線性灰度變換8</p><p>　　2.4.3非線性變換9</p><p>　　2.5頻

12、域濾波原理10</p><p>　　2.6銳化原理11</p><p>　　2.6.1 梯度銳化11</p><p>　　2.6.2拉普拉斯算子11</p><p>　　2.6.3 高通濾波11</p><p>　　第三章 圖像增強算法與實現(xiàn)13</p><p>　　3.1 均值濾波

13、13</p><p>　　3.2中值濾波15</p><p>　　3.3直方圖均衡17</p><p>　　3.4 灰度變換18</p><p>　　3.5 頻域濾波20</p><p><b>　　3.6 銳化21</b></p><p>　　第四章 總結(jié)及展

14、望23</p><p>　　4.1 本文總結(jié)23</p><p>　　4.2 展望和計劃23</p><p><b>　　致 謝24</b></p><p><b>　　參考文獻25</b></p><p>　　附錄 源程序代碼26</p><

15、;p>　　第一章 圖像增強的基本理論</p><p>　　1.1 課題背景和意義</p><p>　　信息通常是利用言語文字和視覺的接受等媒介進行傳輸?shù)?。根?jù)在人們接收到的各種信息統(tǒng)計中圖片信息占八成左右，所以圖片傳輸信息是十分重要的信息傳遞方法和手段。圖像傳輸包括圖像的讀取、圖像的傳輸和圖像的展示等部分。然而在這些信息的傳輸過程中不可能完完全全的將原來的信息完整的傳送到接受者的眼中

16、，總會有一些信息的丟失，這樣就會使原始圖像中的信息質(zhì)量變差，使圖像傳輸?shù)男畔o法被認識和判別。就像是在收集圖像過程中由于不同的環(huán)境以及有些物體由于光學(xué)的問題等原因使得圖片的整體光的分布雜亂，或者是圖像收集的過程中，由于人為操作機器不當(dāng)，機器本身出現(xiàn)故障的緣故就會將外界的一些污染和干擾，并且還有一些圖像在機器中嚴重曝光就會是圖片顯示遭到破壞沒有立體感和基底顏色的丟失。所以在這樣情況下就使得人們在研究如何將圖片進行修復(fù)的方法中，圖像增強成為

17、圖像分析和處理的領(lǐng)域發(fā)展成為重要的內(nèi)容之一。</p><p>　　通常情況下是由于外界環(huán)境的干擾就會導(dǎo)致圖像獲取的出現(xiàn)差別，圖像就會不好。那么就要通過圖像增強技術(shù)來處理失真的圖像這樣就會人眼中的圖片效果變好。就好比是將圖像中主要部分結(jié)構(gòu)得到加強，使其某些特點明顯突出，這樣能夠?qū)D像中的特征信息給提取出來，更容易對圖像中的主要細節(jié)部分進行認識和判別，更好的應(yīng)用于其他技術(shù)方面。像增強主要原理是將圖片中所要的區(qū)域進行增

18、強，將那些可以忽略的部分區(qū)域的信息進行濾除，那么處理后的圖片中，重要信息得到增強，這樣就會更好的分辨和應(yīng)用這些處理后圖片進行其他研究。</p><p>　　現(xiàn)如今圖像增強技術(shù)已經(jīng)應(yīng)用到很多生活領(lǐng)域。例如，在國防領(lǐng)域中，利用衛(wèi)星圖像遙感技術(shù)，利用圖像增強技術(shù)有助于我軍發(fā)現(xiàn)敵對目標(biāo)和戰(zhàn)略信息；在民用醫(yī)療領(lǐng)域中，將患者的CT或則胸透的X光片增強處理，可以更好的及時發(fā)現(xiàn)患者的病情，做好醫(yī)療救治；在航天領(lǐng)域方面，像哈勃太空

19、望遠鏡拍攝到的銀河系的圖片進行增強處理得到銀河古老星系的秘密；在農(nóng)副業(yè)生產(chǎn)領(lǐng)域中，衛(wèi)星拍攝到的圖像進行增強可以對農(nóng)牧業(yè)的發(fā)展進行規(guī)劃；在交通運輸領(lǐng)域中，對惡劣天氣情況下圖像進行增強，加強路牌、地標(biāo)和高危建筑等重要信息進行警示防止交通意外的發(fā)生；照片拍攝及后期處理中，對拍攝到圖像進行增強，增強色彩度、亮度、飽和度等圖像調(diào)節(jié)，使得圖像真實圖片質(zhì)量高等。具體應(yīng)用的實例有Photoshop等軟件。</p><p>　　1

20、.2 圖像增強的基本概述</p><p>　　圖像增強的主要關(guān)鍵內(nèi)容就是對原始圖片進行增強處理，將處理后的圖片效果達到所需要的要求，但這種增強技術(shù)不一定是將原來的圖片的質(zhì)量處理的更好，有時原始圖片很清晰，經(jīng)過增強算法處理后圖片在某些方面就會變差。這要根據(jù)具體的應(yīng)用要求和目的，針對這些要求和目的來處理得到的應(yīng)用的圖片。一般情況下，圖像增強技術(shù)并沒有具體的模式標(biāo)準(zhǔn)，有時針對不同的問題就會有不同的效果。就例如，在車牌識

21、別的增強技術(shù)就是很有用的應(yīng)用，但在增強一些放射線性的圖像就不一定適合使用了。還有是由于增強算法本身的局限性，在不同的噪聲圖片處理的能力效果就有不同的差異。</p><p>　　就當(dāng)前的圖像增強技術(shù)的發(fā)展情況，由于針對處理的維度不同的問題，就會有不同類的處理方法。增強技術(shù)可分兩大類：空域方法和頻域方法?？沼蚍椒ǖ脑砭褪菍D像中的像素在空間區(qū)域上進行變換；頻域方法原理是將原始圖片進行傅里葉、拉氏、對數(shù)、指數(shù)等變換后

22、在頻率區(qū)域上進行變換處理。在時域增強處理的方法中，依據(jù)處理圖像中素值是個體或者是一些較小的區(qū)域（較小的區(qū)域可作為模板）又可分為兩種類型：一種是單個素值的過程分析的圖像增強，稱作單個點增強處理，這種對圖像中的單個素值的處理而周圍的素值不會影響；第二種是小區(qū)域的過程分析，這種方法叫作空域濾波，這種增強處理就是對圖像中的小區(qū)域進行選取，選取的小區(qū)域作為模板進行增強處理，這種模板的選取也有不同種的類型和方法。通常所使用的方法有灰度變換、直方圖均

23、衡濾波等。模板選取處理就是選取模板中的一個像素值為中心，該像素值的周圍的像素值與之有映射關(guān)系或則是函數(shù)關(guān)系，然后對模板不同方法的處理應(yīng)用整個圖片。這類方法通常有有均值濾波、中值濾波、拉氏銳化等。頻域增強處理方法是將圖像的頻率區(qū)域進行變換處理，之后對變換的數(shù)值進行函數(shù)運算，再進行傅里葉反變換到之前的空間區(qū)域得到增強的圖像</p><p>　　上世紀六十年代初期，由于計算機科學(xué)迅速發(fā)展，圖像增強技術(shù)處理也得到空前的興

24、盛。一些電子科技成熟的國家經(jīng)過研究制做出了指紋自動識別系統(tǒng)。當(dāng)前社會中，這項技術(shù)已經(jīng)應(yīng)用在生活中的方方面面,給我們的生活水平得到提高，在未來的生活中起到重要的作用。我國在這方面的系統(tǒng)發(fā)展比較晚，到上世紀八十年代進行研制，雖然發(fā)展起步晚但我國科研人員進過這么多年努力奮斗已經(jīng)取得驕傲的發(fā)展。圖像增強處理應(yīng)用于社會生活中的方方面面。在國防，民用醫(yī)療，教育，生產(chǎn)等方面已經(jīng)應(yīng)用深入。數(shù)字圖像處理的發(fā)展只有短短的幾十年,但是其作用的應(yīng)用讓人們對其關(guān)

25、注起來。</p><p>　　就當(dāng)前的圖像增強技術(shù)的發(fā)展情況，由于針對處理的維度不同的問題，就會有不同類的處理方法。增強技術(shù)可分兩大類：空域方法和頻域方法?？沼蚍椒ǖ脑砭褪菍D像中的像素在空間區(qū)域上進行變換；頻域方法原理是將原始圖片進行傅里葉、拉氏、對數(shù)、指數(shù)等變換后在頻率區(qū)域上進行變換處理。通常的方法有低通濾波、拉普拉斯變換、梯度銳化濾波等。最新出現(xiàn)的小波變換、Contourlet 變換等。當(dāng)前時期，由于還沒

26、有找出一種合適的標(biāo)準(zhǔn)能夠用來針對圖像增強算法的優(yōu)缺點進行評價，圖像增強這項技術(shù)還要進行下一步發(fā)展和完備功能。圖像增強的方法對于不同圖片類型就會有不同的處理方法，這樣就一種圖片增強算法對某種類型的圖片處理后的結(jié)果有很好的效果，然后對于另一種類型的圖片增強處理效果就會變得很差。就比如一些增強方法對于放射性的線性圖片適用性好，但對于天氣觀測圖像增強處理就不適用。圖像增強技術(shù)的局限性就是沒有一個通用的標(biāo)準(zhǔn)，對增強結(jié)果進行客觀科學(xué)的分析，只能夠通

27、過人的眼睛主觀感受來分辨處理后圖片的好壞。</p><p>　　1.3 課題的主要內(nèi)容</p><p>　　本文著重研究了這些增強方法對圖片進行合理并適用的增強處理，首先是對各種增強算法的原理進行系統(tǒng)的表述，然后對于算法中各個問題詳細處理分析，針對圖像增強的問題，在這里選擇的是運用MATLAB軟件對各種圖像處理的方法進行編寫仿真，通過MATLAB得到的實驗結(jié)果，將不同的增強算法進行理論和實

28、驗數(shù)據(jù)的對比，從對比后的結(jié)果可以對不同算法的特點進行分析，這樣就針對圖像增強的方法功能進行清晰的評判，以及對不同算法的局限性和適用性進行分析，對其算法的優(yōu)點和局限性加以闡述說明本文結(jié)構(gòu)安排如下：</p><p>　　第一章 圖像增強算法的基本理論。介紹該技術(shù)的背景和意義；對圖像增強的一些理論基礎(chǔ)進行表述，簡單說明現(xiàn)在常用的圖像增強的方法有哪些和增強算法的特性；本文結(jié)構(gòu)的內(nèi)容以及安排；圖像增強的現(xiàn)狀和應(yīng)用。<

29、/p><p>　　第二章 圖像增強算法與原理。</p><p>　　第三章 圖像增強算法與實現(xiàn)，對各種算法的分析，通過MATLAB仿真結(jié)果對圖像增強方法進行性能評價，以及不同算法的局限性和適用性進行分析。</p><p>　　第四章 總結(jié)及展望。</p><p>　　最后是致謝及程序仿真代碼編寫的附錄。 </p><p>

30、;　　第二章 圖像增強方法與原理</p><p>　　2.1均值濾波的原理</p><p>　　均值濾波是圖像增強算法原理中的最為簡單的一種，它的算法原理是屬于線性濾波。具體內(nèi)容就是將圖像取一單個素值點，以這個單個像素值為中心，再其周圍的像素點作為一個區(qū)域，這塊區(qū)域作為模板。模板的方法有很多種，在這種濾波器中是將選取的模板中的每個點的像素值進行相加求和，再進行均值計算，計算出的均值就是代表

31、這個區(qū)域所有像素點的灰度值，這樣的方法我們叫做均值濾波。</p><p>　　均值濾波有兩種求平均的方法，一種方法叫做鄰域平均法，另外一種叫做加權(quán)平均法。兩種方法都是對灰度圖片進行均值處理，但基本原理過程中有些不同。在均值濾波中由于鄰域平均法的算法比較簡單，通常情況下我們主要用的是鄰域平均法達到均值濾波的目的。</p><p>　　2.1.1鄰域平均法</p><p&g

32、t;　　對要處理的讀取圖像的像素灰度值設(shè)定為，然后對進行二維變換，其灰度像素值為，鄰域平均法公式如下：</p><p>　　如（2-1）式中所示分式中N就是所選區(qū)域模板內(nèi)的所有像素的個數(shù)；S的意義就是選擇模板的附近區(qū)域即是鄰域，這樣的區(qū)域有很多形狀。一般來說這些區(qū)域形狀是有正方形，矩形等形狀。如S取3x3，5x5,7x7等鄰域。</p><p>　　當(dāng)S取3x3區(qū)域時，,其定義的模板是。這

33、種方法是一種空間域圖像的簡單有效方法，它是利用附近區(qū)域的像素平均值來代表選取像素點的像素值，使整個區(qū)域在灰度上均勻分布，這樣就使得灰度得到潤滑的作用。然而通過這樣增強方法是有缺點的，這樣就會使處理過的圖片變得模糊，如果選取的區(qū)域越大的話，濾除的噪聲效果越好，同時圖像的信息質(zhì)量越差，變得越模糊。</p><p>　　2.1.2 加權(quán)平均法</p><p>　　對要處理的讀取圖像的像素灰度值設(shè)

34、定為，然后對進行二維變換，其灰度像素值為，加權(quán)平均法公式如下：</p><p>　　其中，為加權(quán)模板矩陣，常見的加權(quán)矩陣模板主要有以下幾種形式：</p><p>　　所處的矩陣中，中間點的像素值在整個矩陣中的所占的部分越小，</p><p>　　2.2中值濾波的原理</p><p>　　中值濾波是圖像增強算法的另一種方法形式，它的算法原理是非

35、線性濾波。中值濾波原先是在針對點線問題進行處理的技術(shù)，進過技術(shù)的發(fā)展后來又在平面的問題上得到處理應(yīng)用。在一定的問題情況下，能夠?qū)⒁恍┚€性的圖像增強技術(shù)不能使圖像清晰的問題得到改善，并且能夠很好對圖像中的一些干擾和噪聲信息進行濾除。中值濾波的主要原理功能是圖像的尖銳的細節(jié)不被破壞的情況下能夠有效的將噪聲去除。使圖像清晰的問題得到改善，并且能夠很好對圖像中的一些干擾和噪聲信息進行濾除，所以這種方法得到了廣泛的應(yīng)用到圖像增強技術(shù)中。</

36、p><p>　　在點線問題的條件下，中值濾波是要求選取的模板區(qū)域中的像素個數(shù)是個單數(shù)而不是雙數(shù)，對選取的區(qū)域進行處理，然后對選取區(qū)域中像素點的像素值進行從大到小或者是從小到大進行排列順序，最后再從這些排過順序的像素值中將中間值取出，那么取出的這個像素點的灰度值就代表這個區(qū)域整體的像素值。設(shè)有一個區(qū)域像素值的序列，將這個區(qū)域中像素個數(shù)為單數(shù)，也就是說將模板區(qū)域中選取個數(shù)值，，在式中選取的中間的值，然后對這些像素點的數(shù)值

37、進行排列順序，從這些排過順序的像素值中將中間值取出。中值濾波表達式為：</p><p>　　上式中，Med就是將大括號里的數(shù)值取中間值的操作。中值濾波就是將其中的像素值取奇數(shù)排列， 取其中間值為輸出像素。 </p><p>　　針對對點線問題的信號處理，這樣的中值濾波有需要注意的幾個地點：</p><p>　　(1) 濾波對點線的階躍信號或是陡峭上升的信號沒有影響

38、。</p><p>　　(2) 濾波能夠?qū)忼X波信號、三角波信號和一些頂部尖銳信號進行頂部削平。</p><p>　　(3) 對于沖激信號中出現(xiàn)的一連段的個數(shù)達不到選取的區(qū)域尺寸的一半時，這樣就能將沖激信號。</p><p>　　圖像信號一般在兩維方向上都是有相關(guān)的聯(lián)系，因此對圖像信號的中值濾波采用二維滑動窗口，二維中值濾波器的定義為：</p><

39、;p>　　其中，S表示二維滑動窗口；{}表示圖像像素的灰度序列。中值濾波通常用的形狀為3x3方型形狀，5x5十字型形狀，5x5菱型形狀。</p><p>　　2.3 直方圖均衡的原理</p><p>　　將原始圖片中像素點的像素值進行直方圖的統(tǒng)計，然后將統(tǒng)計后的數(shù)值結(jié)果通過直方圖均衡化的方法將像素值的區(qū)域進行均值分布和平衡灰度，這種算法叫做直方圖均衡濾波，這樣就能夠使原始圖片的效果得

40、到增強。通過對原始圖像像素值的直方圖統(tǒng)計，原始圖片中灰度值分布的都不是均勻的，那么就要讓圖片中占得比重較多的像素值和占得較少的像素值差距大，這樣可以提高圖像的顯示效果。換句話說就是，直方圖均衡增強的方法是將圖像中較多的像素灰度值得到增加，圖中較少的像素灰度值進行減少。使用這種方法的主要目的就是讓人們在主觀上以眼睛對這種灰度值的差別越大的圖像會更容易的分辨而做的增強算法研究。</p><p>　　在灰度值直方圖的計

41、算也并不復(fù)雜，可以使用的公式如下：</p><p>　　公式中：就是所選圖像模板區(qū)域中灰度值像素點的個數(shù)，是整個圖像所有像素點的總數(shù)，而是模板中的像素個數(shù)與整個像素總數(shù)的比例[1]。</p><p>　　計算累積直方圖各項：</p><p><b>　　取整擴展：</b></p><p><b>　　映射對應(yīng)關(guān)

42、系： </b></p><p>　　2.4 灰度變換原理</p><p>　　灰度變換的基本原理就是將原始圖像灰度分布范圍進行歸一化變換，得到新的分布區(qū)間，再將這個灰度范圍進行變換處理從而增強某些灰度圖片的細節(jié)部分，通過對灰度變換使用不同的變換函數(shù)可以分為線性變換，分段線性變換和非線性變換三種。</p><p>　　將原始圖片中的像素灰度值設(shè)為D=f(x

43、,y),(x,y)為這個像素點的空間位置，經(jīng)過處理后的像素灰度值為 =g(x,y)[1]?；叶茸儞Q處理的公式如下所示：</p><p>　　由灰度變換的函數(shù)分析得出這種函數(shù)表示的是圖片讀取的灰度值和圖片讀出的灰度值之間的變換關(guān)系。 </p><p>　　2.4.1線性灰度變換</p><p>　　在設(shè)定的函數(shù)=T[D]如果是一個單調(diào)線性函數(shù)，則以這種函數(shù)灰度變換就

44、是叫做線性變換?，F(xiàn)在設(shè)定圖像的灰度值為f(x,y)，它的灰度范圍取為[a,b]，經(jīng)過灰度線性變換后圖像的灰度值為g(x,y)，其灰度范圍被拉伸或者壓縮為[c，d],以下是線性灰度變換的函數(shù)公式：</p><p>　　2.4.2分段線性灰度變換</p><p>　　分段線性變換就是對圖片的灰度分部分處理，就是對灰度分線段性擴展。設(shè)讀取的原始圖像f的灰度值的變換區(qū)間為[0,Dmax]，讀出的處

45、理圖像g的灰度變換區(qū)間為[0，max],分線段性變換函數(shù)公式如下：</p><p>　　圖2-1 灰度變化圖 圖2-2分段線性變化圖</p><p>　　使用分段線性變換處理后，就會使需要處理的圖像細節(jié)的灰度范圍得到拉伸變換，使其對比度增強；而把那些可以忽略的圖像細節(jié)的灰度范圍得以縮減變換。</p><p>　　2.4.3非線性變換 <

46、;/p><p>　　使圖像像素灰度值的對比度得到降低的變換并不是以單調(diào)線性的處理方法叫做非線性灰度變換，也就是說在設(shè)定的灰度函數(shù)=T[D]是一個非線性單調(diào)函數(shù)。通常使用的非線性變換函數(shù)有兩種，一種是對數(shù)函數(shù)，另一種是指數(shù)函數(shù)[2]。</p><p>　　設(shè)讀取的原始圖像的灰度值為，進過變換處理后的圖像灰度值為，使用一些非線性變換的函數(shù)進行處理如對數(shù)變換和指數(shù)變換，其變換函數(shù)表達式及關(guān)系曲線圖如

47、下：</p><p><b>　　對數(shù)函數(shù)：</b></p><p><b>　　指數(shù)函數(shù)：</b></p><p>　　圖2-3對數(shù)變換關(guān)系曲線圖 圖2-4 指數(shù)變換關(guān)系曲線圖</p><p><b>　　2.5頻域濾波原理</b></p>

48、<p>　　頻域低通濾波是一種對于濾除圖像噪聲和脈沖干擾效果很好的增強算法。由于噪聲是在頻域中是屬于高頻信息，在圖像頻域中的高頻部分就會有噪聲信息。低頻濾波器有設(shè)定的截止頻率，可以將圖像中處于低頻的信息進行保留而將高頻的信息和噪聲信息去除，從而達到去除噪聲的目的。</p><p>　　首先是將原始圖片的灰度值進行傅里葉變換得到的F(u,v) ，然后進行低通濾波器的中間傳輸函數(shù)H（u,v）,最后得到的低通

49、處理后的圖像為G(u，v) 。下面是頻域低通濾波處理的函數(shù)關(guān)系式： </p><p>　　頻域低通濾波有很多種設(shè)計的濾波器但常用的有三種。第一種是理想低通濾波器，第二種是巴特沃斯低通濾波器，第三種是高斯低通濾波器，但應(yīng)用廣泛的濾波器是理想低通濾波器[3]。</p><p>　　理想低通濾波器傳遞函數(shù)表達式如下：</p><p>　　頻域低通濾波

50、實現(xiàn)的步驟如下：</p><p>　　(1) 計算原圖像f(x,y)的DFT；</p><p>　　(2) 將頻譜中的頻域值為零的點設(shè)定為頻譜圖的中心位置；</p><p>　　(3) 計算濾波器函數(shù)H(U,V)與F(U,V)的乘積G（U,V）；</p><p>　　(4) 將頻譜中G（U,V）的零點移動到頻譜圖的左上方；</p>

51、<p>　　(5) 計算第四步的結(jié)果進行傅立葉反變換g(x,y)；</p><p>　　(6)最后將得到的復(fù)數(shù)形式的g(x,y)取其實部數(shù)，得到了低通濾波后的圖像。</p><p><b>　　2.6銳化原理</b></p><p>　　2.6.1 梯度銳化</p><p>　　圖像模糊的主要原因是在處理的

52、過程中運用了均值運算或是積分計算，要想使圖像邊緣細節(jié)部分和輪廓模糊的部分變得突出清楚，就要對圖片進行逆處理如微分運算，從而達到使圖像細節(jié)得到顯示和輪廓清晰的目的。在圖像處理的微分算法中梯度銳化是一種常用的方法。</p><p>　　對讀取的原始圖片的像素灰度值為f（x，y），f（x，y）在點（x，y）處的梯度是一個矢量，表示為：</p><p>　　點（x，y）梯度的幅度為梯度的模，即&l

53、t;/p><p>　　在圖像增強算法中，使用差分運算代替微分運算，差分表達式如下：</p><p>　　為了提高效率對上式進行化簡近似取值為：</p><p>　　2.6.2拉普拉斯算子</p><p>　　拉普拉斯算子是線性二階微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求,拉普拉斯算子對圖像中的噪聲非常敏感，為

54、了減少噪聲的影響，在做增強處理之前，先將待處理的圖像進行平滑，再做拉普拉斯運算[4]。</p><p>　　相對于梯度算子，拉普拉斯算子具有增強的邊緣精確定位的優(yōu)點,因為梯度一階微分算子會在較大范圍內(nèi)形成梯度值，差分的結(jié)果不適合精確定位,然后，二階差分算子的過零特性，可以使邊緣增強后精確定位[2]。</p><p>　　2.6.3 高通濾波</p><p>　　圖像

55、邊緣與高頻分量相對應(yīng)，高通濾波器可以讓高頻分量暢通無阻，而對低頻分量則充分限制，從而達到圖像銳化的目的,建立在離散卷積基礎(chǔ)上的空間域[8]。</p><p>　　高通濾波關(guān)系式如下。</p><p><b>　　[11]</b></p><p><b>　　式中為銳化輸出；</b></p><p>

56、<b>　　為輸入圖像；</b></p><p>　　為沖擊響應(yīng)陣列（卷積陣列）。</p><p>　　第三章 圖像增強算法與實現(xiàn)</p><p>　　本章節(jié)是對第二章的原理基礎(chǔ)通過MATLAB仿真，運用各個增強算法的原理進行程序編寫得到實驗結(jié)果。然后對實驗結(jié)果從主觀和客觀上對圖像進行分析并給出自己評價，將各種算法的優(yōu)點和不足進行總結(jié)。<

57、/p><p><b>　　3.1 均值濾波</b></p><p>　　在均值濾波算法上首先選擇的是3x3的模板，是將圖片的區(qū)域以目標(biāo)像素為中心的周圍8個像素，作為濾波模板，像素值的范圍為0-255個灰度級，在對原始圖片加入高斯噪聲。以下是MATLAB仿真結(jié)果：</p><p><b>　　圖3-1原始圖片</b></p

58、><p>　　對原始彩色圖片進行灰度變換，因為彩色圖片是三維的，是由RGB（紅綠藍）構(gòu)成的，在對圖像處理是需要的是灰度等級是0-255（0是黑色，255是白色），而這些灰度值也就是我們要處理的像素值，所以要將原始圖片進行灰度變換，保留灰度值。在MATLAB中灰度變換處理是rgb2gray函數(shù)。</p><p>　　圖3-2 加入高斯噪聲圖片</p><p>　　根據(jù)上圖

59、可以看出加入方差為0.02的高斯噪聲后，整個圖片變得模糊。</p><p>　　在加過噪聲圖片的基礎(chǔ)上，首先對其進行3x3的均值濾波。</p><p>　　圖3-3 3x3均值濾波圖像</p><p>　　將圖像進行3x3均值濾波，這樣將圖片的小區(qū)域進行取平均值來代替整個區(qū)域的像素值，在這種處理后能把加入的高斯噪聲能夠一定程度的抑制，在均值濾波過后噪聲明顯被抑制掉。

60、但那這樣整個圖像與原始圖像相比較，就會覺得處理后的圖像始終是模糊的。然后再進行7x7模板的均值濾波器模板進行濾波。</p><p>　　圖3-4 7x7均值濾波圖像</p><p>　　從這里就可以很明顯的看出，7x7的均值濾波從整體趨勢上更接近原始圖片，然而整個圖片會更加的模糊。從這兩種模板的濾波器看出了均值濾波的基本原理及功能。</p><p>　　優(yōu)點：圖像增

61、強算法的一種，是把每個像素都用周圍的8個像素來做均值操作，幅值近似相等且隨機分布在不同位置上，這樣可以平滑圖像，算法簡單。</p><p>　　不足：對于噪聲的處理，無法很好的去除噪聲只能稍微的改善，而且對于選取的濾波噪聲的模板區(qū)域，如果選取的模板越大的話，這樣去除噪聲的能力越差，局限性較大。</p><p><b>　　3.2中值濾波</b></p>

62、<p>　　中值濾波在原理上與均值濾波很相似，但實質(zhì)上是不同的。中值濾波對于不同的噪聲去噪能力是不同的，所以要將原始圖片加入不同的噪聲信號，通過對不同的噪聲處理的結(jié)果進行分析。這里加入方差（方差為0.02）相同噪聲不同的三種方式，噪聲有椒鹽噪聲、高斯噪聲、乘性噪聲。仿真結(jié)果如下：</p><p>　　圖3-5 原始圖像 圖3-6 加入椒鹽噪聲圖像</p&g

63、t;<p>　　圖3-7 加入高斯噪聲圖像 圖3-8 加入乘性噪聲圖像</p><p>　　給原始圖片加入方差相同，噪聲類型不同后，可以發(fā)現(xiàn)各個噪聲圖片都是不</p><p>　　一樣的。椒鹽噪聲分布趨勢最接近原始圖片，而高斯噪聲和乘性噪聲趨勢差別較大。</p><p>　　圖3-9 椒鹽噪聲中值濾波

64、 圖 3-10 高斯噪聲中值濾波</p><p>　　圖3-11乘性噪聲中值濾波</p><p>　　然后通過中值濾波后發(fā)現(xiàn)中值濾波對于椒鹽噪聲處理能力最好，過濾后的的圖片幾乎達到原始圖片的質(zhì)量，對于高斯噪聲和乘性噪聲相比較，處理后的圖片雖然有點改善，其效果質(zhì)量還是同椒鹽噪聲處理效果差別很大。此外，雖然中值濾波增強算法對噪聲能夠進行濾除達到增強的目的，但是濾波后的結(jié)果圖

65、片就會變得模糊和細節(jié)丟失的問題。</p><p>　　從圖分布上可以看出，中值濾波對三種噪聲的處理同原始圖片分布都有較大改善，其中對于椒鹽噪聲的處理最好。所以，中值濾波適用于椒鹽噪聲，而對其他噪聲處理能力較差，也就是中值濾波的不足的地方。</p><p>　　優(yōu)勢：對于沖激信號的噪聲方面非常有效,同時它可以保護圖像尖銳的邊緣，對選取合適的噪聲源對圖像進行加入噪聲，就能夠得到很好的處理效果，

66、尤其是對椒鹽噪聲的處理能力突出。</p><p>　　不足：雖然對于椒鹽噪聲處理能力很好，但對于其他噪聲去除能力較差的多，適用范圍比較窄。</p><p><b>　　3.3直方圖均衡</b></p><p>　　在直方圖均衡仿真中，對于選取的原始圖片要有針對性的問題，要選取的圖片其灰度值區(qū)域分布要比較集中，這樣對于其變換后的效果更佳，而且能夠

67、清晰的對與結(jié)果進行分析。</p><p>　　MATLAB仿真結(jié)果如下：</p><p>　　圖3-12原始圖像 圖3-13直方圖均衡濾波</p><p>　　圖3-13原始圖像直方圖 圖3-14均衡濾波后的直方圖</p><p>　　原始圖像與均衡后的圖像對比，原始圖像灰度值較低，圖像灰暗模糊

68、。經(jīng)過直方圖均衡后圖像增強效果明顯，圖片顯得明亮清晰。從3-13原始直方圖中可以看出，原始圖的灰度主要范圍基本上都是在60到130之間，分布都在灰暗的區(qū)域值中，而直方圖均衡化后，灰度區(qū)間擴展到0到255，灰度范圍明顯擴大，分布均勻同時保留了原始直方圖的趨勢，這樣就使原圖的細節(jié)和輪廓得到保留。這樣處理后圖像比較清晰亮度也得到調(diào)節(jié)，增強了原始圖的視覺效果，所以對于選取的原始圖像較灰暗的效果將會明顯。</p><p>

69、　　優(yōu)勢：將原始圖片灰度值分布集中的區(qū)域經(jīng)過處理后可以使灰度分布均勻，灰度區(qū)間也得到擴大。</p><p><b>　　3.4 灰度變換</b></p><p>　　灰度變換的基本原理就是將原始圖像灰度分布范圍進行歸一化處理，得到新的分布區(qū)間，再將這個灰度范圍進行變換處理從而增強某些灰度級的細節(jié)部分。</p><p><b>　　圖3

70、-16灰度圖像</b></p><p>　　該灰度圖像直方圖如下：</p><p>　　圖3-17 灰度圖像直方圖</p><p>　　將其灰度直方圖灰度范圍區(qū)間[0,255]進行歸一化為[0,1],由灰度直方圖看出灰度分布情況，集中分布在50到130灰度區(qū)間，所以取[0.2,0.5]部分即灰度圖像中的[51,127.5]區(qū)域，拉伸到[0,1]。MATL

71、AB仿真結(jié)果如下：</p><p>　　圖3-18 線性變換[0.2,0.5]圖像</p><p>　　因為灰度圖像中的[51,127.5]區(qū)域為偏灰黑色，所以這樣通過灰度拉伸就使灰度圖片亮化，拉伸后的圖片明亮清晰，增強的效果很好。</p><p>　　圖3-19 線性變換[0.2,0.5]圖像直方圖</p><p>　　對灰度變換后的直方圖

72、分析得出，其灰度分布范圍擴大到[0,255]。由直方圖繪出灰度變換線性變化曲線如下：</p><p>　　圖3-20 原灰度圖片曲線 圖3-21[0.2,0.5]灰度變換曲線 </p><p>　　然后再取[0.3,0.7]部分即灰度圖像中的[76.5,178.5]區(qū)域，拉伸到[0,1]。</p><p>　　圖3-22 [0.3,0.7]灰度變換

73、 圖3-23 [0.3,0.7]灰度變換直方圖</p><p>　　拉伸后圖片是原始圖片灰黑的區(qū)域變得更黑，對比度更低了。經(jīng)過灰度變換后的圖片較原灰度圖片相比較除了在灰度上較低的情況但會時輪廓清晰。</p><p>　　圖3-24 [0.3,0.7]灰度變換曲線</p><p>　　由以上分析知，對于灰度變換的圖片，若像將其圖片處理成較理想的要求，就對

74、選取的區(qū)域進行選擇，然后在進行拉伸。</p><p>　　優(yōu)勢：可以將原始圖片為暗灰色的圖片進行亮化調(diào)節(jié)，有效地增強圖像的有用信息部分。</p><p>　　不足：沒有對整個圖片進行處理僅僅利用了圖像中的局部信息。</p><p><b>　　3.5 頻域濾波</b></p><p>　　由于噪聲是在頻域中是在較高頻率下

75、的信息，在圖像頻域中的高頻部分就會有噪聲信息。低頻濾波器有設(shè)定的截止頻率，可以將圖像中處于低頻的信息進行保留而將高頻的信息和噪聲信息去除，從而達到去除噪聲的目的。圖片進行灰度變換，給灰度變換后的圖片加入方差為0.02的高斯噪聲，再通過MATLAB仿真中設(shè)置濾波器，以及其截止頻率，得到理想低通濾波器，通過低通濾波器去除噪聲</p><p><b>　　得到的圖片如下：</b></p>

76、;<p>　　圖3-25原始圖像 圖3-26加入高斯噪聲后的圖像</p><p>　　圖3-27低通濾波后的去噪圖像</p><p>　　從圖片上可以看出，通過理想低通濾波器濾除噪聲后的圖片，將噪聲有效的濾除了，但整體圖片也就變得模糊了，圖片的邊緣和細節(jié)也濾除了。因為在高頻段也包含了圖片的尖銳和細節(jié)部分，這樣通過截止頻率，就會使這些細節(jié)和

77、噪聲一起濾除了。</p><p>　　濾波后灰度值的分布與原圖相似，有效的濾除加入的高斯噪聲。</p><p>　　優(yōu)點：低頻濾波器可以很好的將高頻部分的噪聲進行有效的濾除，對圖片有增強的作用，也常廣泛的應(yīng)用于圖片處理的方法。</p><p>　　不足：將圖片中細節(jié)和邊緣濾除，沒有保留原始圖片的清晰輪廓，使處理后的圖片變得模糊，由于這個原因，低通濾波器也被限制在很狹

78、窄的區(qū)域內(nèi)可以運用。</p><p><b>　　3.6 銳化</b></p><p>　　在這里主要研究是拉式銳化。首先將圖片進行灰度變換，然后再設(shè)定一個拉氏運算的模板，將模板中矩陣與灰度圖片灰度值的矩陣進行二維卷積，然后將卷積運算結(jié)果與灰度圖片中灰度值大小相同的中間值輸出出來作為灰度圖片的灰度值，所使用的函數(shù)為conv2(,,'same')。<

79、;/p><p>　　(1) 選取一個適用的拉氏算子作為拉氏模板。</p><p>　　(2) 用微分方法對圖像各點的灰度值進行微分運算，得到其梯度值。</p><p>　　(3) 對像素點的梯度值進行拉氏銳化處理得到輸出圖片。</p><p>　　MATLAB仿真結(jié)果如下：</p><p>　　圖3-28 原始圖像

80、 圖3-29 拉氏銳化圖像</p><p>　　通過處理后結(jié)果分析可知，拉氏變換的圖片將圖片的邊緣加強，將其細節(jié)部分突出了出來，輪廓明顯。對比兩個圖像，處理后的圖像灰度值整體得到增加，</p><p>　　優(yōu)點：增強圖片的邊緣，使圖片的細節(jié)清晰可見，提高圖像中某一部位的清晰度或者焦距程度，使圖像特定區(qū)域更加鮮明。</p><p&

81、gt;<b>　　第四章 總結(jié)及展望</b></p><p><b>　　4.1 本文總結(jié)</b></p><p>　　圖像增強主要原理是將圖片中所要的區(qū)域進行增強，將那些可以忽略的部分區(qū)域的信息進行濾除，在處理后的圖片中，重要信息得到增強，這樣就會更好的分辨和應(yīng)用這些處理后圖片進行其他研究。對于讀取的不同的類別圖像，通過不同種類的增強算法進行處

82、理，將模糊灰暗的原始圖片處理成輪廓清晰亮度鮮明亮的圖片，提供人機能夠處理的可用圖像。</p><p>　　本文在處理圖像增強過程中遇到的問題主要是含有噪聲干擾和低對比度的圖片。一般噪聲灰度值在區(qū)域內(nèi)的特征值比較下，所以增強處理后的結(jié)果通過人的主觀觀察也是不太明顯的識別。在保留原始圖片含有的信息的基礎(chǔ)上，通過改變圖片中的細節(jié)邊緣的灰度值，來獲取增強的圖像。運用MATLAB軟件對各種圖像處理的方法進行編寫仿真，通過M

83、ATLAB得到的實驗結(jié)果，將不同的增強算法進行理論和實驗數(shù)據(jù)的對比，從對比后的結(jié)果可以對不同算法的特點進行分析，使用增強算法原理可以從主觀和客觀上對圖像分析，這樣就針對圖像增強的方法功能進行清晰的評判，以及對不同算法的局限性和合適使用的圖片類型進行分析，對其算法的優(yōu)點和局限性加以闡述說明。</p><p>　　在實際增強處理中，一些噪聲能夠得到濾除，但濾除噪聲的同時就會使圖像的細節(jié)和邊緣丟失，這樣圖片就會變得模糊

84、。噪聲和圖像邊緣是不能夠同時統(tǒng)籌兼顧的，這也是增強算法至今無法解決的問題。</p><p><b>　　4.2 展望和計劃</b></p><p>　　通過以上分析，圖像噪聲一般都是一些離散的點，需要增強的圖像的細節(jié)是連續(xù)的線，如果能夠找到一種對離散的點和連續(xù)的線進行分離開來的話，這樣就會讓圖像的邊緣細節(jié)能夠保留的同時把噪聲很好的濾除掉，這樣就能夠解決噪聲和圖像邊緣細

85、節(jié)的問題了。 </p><p>　　在本文中采用的都是一些經(jīng)典的增強算法原理，在今后的算法處理研究中，對于一些新出現(xiàn)的增強算法進行了解，并能夠理解得到運用。 </p><p><b>　　致 謝</b></p><p>　　幾個月的畢業(yè)論文就要結(jié)束了，先對指導(dǎo)我們的導(dǎo)師**老師說一聲謝謝，這幾個月我學(xué)到了很多，不僅

86、僅是關(guān)于圖像處理這門課的知識，還有很多做人做事的方法和態(tài)度。我以前很懶散，但是經(jīng)過**老師幾個月來不倦教誨和悉心指導(dǎo)，我變了很多，謝謝**老師。幾個月以來，*老師每個星期都準(zhǔn)時來學(xué)校來給我們指導(dǎo)和檢查每周設(shè)計完成的情況，不辭辛苦的給我們指出錯誤以及給我們很多好的建議，讓我們在畢業(yè)設(shè)計的學(xué)習(xí)過程中少走了很多彎路，再一次向**老師表示最誠摯的感謝。</p><p>　　同時感謝我們**各位領(lǐng)導(dǎo)和老師為我們提供了優(yōu)越的

87、條件，讓我們有這樣的機會來學(xué)習(xí)這門課程；同學(xué)也給我了很大的幫助，向你們由衷地說聲謝謝；還要感謝畢業(yè)設(shè)計期間給我提供幫助和便利的各位朋友們，謝謝你們一直對我的支持。</p><p><b>　　參考文獻</b></p><p>　　姚敏. 數(shù)字圖像處理[M]. 北京: 機械工業(yè)出版社, 2006.</p><p>　　[2]王彬.MATLAB數(shù)字

88、信號處理[M].北京：機械工業(yè)出版社, 2010.5</p><p>　　[3]岡薩雷斯. 數(shù)字圖像處理（第二版）[M]. 阮秋等, 譯. 北京: 電子工業(yè)出版社, 2003.</p><p>　　[4]楊帆. 圖像增強算法研究[D]. 武漢: 武漢科技大學(xué), 2011.</p><p>　　[5]馬琳, 于寧. 數(shù)字圖像增強算法分析[J]. 交通科技與經(jīng)濟, 20

89、11, (1): 122~125.</p><p>　　[6]衛(wèi)婷婷, 紀峰, 龐勝軍. 圖像增強算法新進展[J]. 寧夏師范學(xué)院學(xué)報（自然科學(xué)）, 2012, 33(6): 63~69.</p><p>　　[7]何楚瑤. 基于非線性處理的圖像增強算法研究[J]. 傳感器世界, 2012, (10): 9~13.</p><p>　　[8]曹茂永.數(shù)字圖像處理[M

90、].北京：北京大學(xué)出版社，2007.9</p><p>　　[9]Rafael C.Gonzalez，Richard E.Woods，Steven L.Eddins.</p><p>　　[10]數(shù)字圖像處理(MATLAB版)(第二版)(英文版) [M].北京：電子工業(yè)出版社，2013.4</p><p>　　[11]陳天華.數(shù)字圖像處理[M].北京：清華大學(xué)出版社

91、，2007.6</p><p>　　[12]孫即祥.圖像處理[M].北京：科學(xué)出版社，2009.11</p><p>　　[13]王耀南. 計算機圖像處理與識別技術(shù)[M]. 北京: 高等教育出版社, 2001.</p><p>　　[14]呂風(fēng)軍. 數(shù)字圖像處理編程入門[M]. 北京:清華大學(xué)出版社, 1999.</p><p>　　[15]

92、夏德深, 傅德勝. 計算機圖像處理及應(yīng)用[M]. 南京:東南大學(xué)出版社, 2004.</p><p>　　[16]容觀澳. 計算機圖像處理[M]. 北京: 清華大學(xué)出版社, 2000.</p><p>　　[17]王斌. MATLAB實現(xiàn)數(shù)字圖像增強處理. 佳木斯大學(xué)學(xué)報, 2005, 23(1): 31-34.</p><p>　　[18]黃濤. 數(shù)字圖像的增強[

93、J]. 肇慶學(xué)院學(xué)報, 2005, 25(2): 23-25.</p><p>　　[19]張娜. 像增強技術(shù)的研究[J]. 計算機仿真, 2007, 24(1): 02-04.</p><p>　　[20]王慧琴. 數(shù)字圖像處理[M]. 北京:北京郵電出版社, 2006.</p><p>　　[21]李朝暉, 張弘. 數(shù)字圖像處理及應(yīng)用[M]. 北京:機械工業(yè)出版

94、社, 2004.</p><p><b>　　附錄 源程序代碼</b></p><p><b>　　1 均值濾波</b></p><p>　　I=imread('C:\Users\Administrator\Desktop\litao.jpeg');</p><p>　　M=rgb2

95、gray(I);</p><p>　　figure,imshow(M),title('原始圖像');</p><p>　　x=imnoise(M,'gaussian',0.02);%添加高斯噪聲</p><p>　　n=3;%使用3x3的均值濾波器</p><p><b>　　m=n^2;</b

96、></p><p>　　h=zeros(1,m);</p><p>　　[a,b]=size(x);</p><p>　　x1=double(x);</p><p><b>　　g1=x1;</b></p><p><b>　　s1=x1;</b></p>

97、<p>　　for i=(n+1)/2:a-(n+1)/2</p><p>　　for j=(n+1)/2:b-(n+1)/2</p><p>　　s1(i,j)=median(sort(reshape(x1(i-(n-1)/2:i+(n-1)/2,j-(n-1)/2:j+(n-1)/2),1,[])));</p><p><b>　　end&

98、lt;/b></p><p><b>　　end</b></p><p>　　g=uint8(g1);s=uint8(s1);</p><p>　　n=7;%使用7x7的均值濾波器</p><p><b>　　m=n^2;</b></p><p>　　h=zeros(1

99、,m);</p><p>　　[a,b]=size(x);</p><p>　　x1=double(x);</p><p><b>　　g1=x1;</b></p><p><b>　　s1=x1;</b></p><p>　　for i=(n+1)/2:a-(n+1)/2&

100、lt;/p><p>　　for j=(n+1)/2:b-(n+1)/2</p><p>　　s1(i,j)=median(sort(reshape(x1(i-(n-1)/2:i+(n-1)/2,j-(n-1)/2:j+(n-1)/2),1,[])));</p><p><b>　　end</b></p><p><b&

101、gt;　　end</b></p><p>　　g=uint8(g1);s2=uint8(s1);</p><p>　　figure,imshow(x),title('添加高斯噪聲的圖像');</p><p>　　figure,imshow(s),title('3x3均值濾波圖像');</p><p>

102、;　　figure,imshow(s2),title('7x7均值濾波圖像');</p><p><b>　　2 中值濾波</b></p><p>　　I=imread('C:\Users\Administrator\Desktop\litao.jpeg');</p><p>　　Q=rgb2gray(I);&l

103、t;/p><p>　　N1=imnoise(Q,'salt & pepper',0.02); %加椒鹽噪聲</p><p>　　N2=imnoise(Q,'gaussian',0,0.02);%添加高斯噪聲</p><p>　　N3=imnoise(Q,'speckle',0.02); %添加乘性噪聲</

104、p><p>　　G1=double(N1);</p><p>　　[M,N]=size(Q);</p><p>　　for i=2:M-1</p><p>　　for j=2:N-1</p><p>　　g=[G1(i-1,j-1);G1(i-1,j);G1(i-1,j+1);G1(i,j-1);G1(i,j);</

105、p><p>　　G1(i,j+1);G1(i+1,j-1);G1(i+1,j);G1(i+1,j+1)];</p><p>　　G1(i,j)=median(sort(g,1));</p><p><b>　　end</b></p><p><b>　　end</b></p><p&

106、gt;　　G2=double(N2);</p><p>　　[M,N]=size(Q);</p><p>　　for i=2:M-1</p><p>　　for j=2:N-1</p><p>　　g=[G2(i-1,j-1);G2(i-1,j);G2(i-1,j+1);G2(i,j-1);G2(i,j);</p><p&

107、gt;　　G2(i,j+1);G2(i+1,j-1);G2(i+1,j);G2(i+1,j+1)];</p><p>　　G2(i,j)=median(sort(g,1));</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　G3=doubl

108、e(N3);</p><p>　　[M,N]=size(Q);</p><p>　　for i=2:M-1</p><p>　　for j=2:N-1</p><p>　　g=[G3(i-1,j-1);G3(i-1,j);G3(i-1,j+1);G3(i,j-1);G3(i,j);</p><p>　　G3(i,j+1

109、);G3(i+1,j-1);G3(i+1,j);G3(i+1,j+1)];</p><p>　　G3(i,j)=median(sort(g,1));</p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　figure</b

110、></p><p>　　imshow(Q);</p><p>　　title('原始圖像'); </p><p><b>　　figure</b></p><p>　　imshow(N1);</p><p>　　title('添加椒鹽噪聲圖像');</p

111、><p><b>　　figure</b></p><p>　　imshow(N2);</p><p>　　title('添加高斯噪聲');</p><p><b>　　figure</b></p><p>　　imshow(N3);</p><

112、;p>　　title('添加乘性噪聲');</p><p><b>　　figure</b></p><p>　　imshow(uint8(G1));</p><p>　　title('椒鹽噪聲中值濾波圖像');</p><p><b>　　figure</b>

113、</p><p>　　imshow(uint8(G2));</p><p>　　title('高斯噪聲中值濾波圖像');</p><p><b>　　figure</b></p><p>　　imshow(uint8(G3));</p><p>　　title('乘性噪聲中

114、值濾波圖像');</p><p><b>　　3 直方圖均衡</b></p><p>　　A=imread('C:\Users\Administrator\Desktop\litao2.jpg'); %讀取圖像</p><p>　　A=A(:,:,1);</p><p>　　[m,n]=s

115、ize(A);</p><p>　　B=zeros(m,n);</p><p>　　N=m*n; %像素總個數(shù)</p><p>　　s=zeros(1,256);</p><p>　　t=zeros(1,256);</p><p>　　%% 原始直方圖概率分布</p><p><b