《数字图像处理》- 实验2. MATLAB实现图像增强（附代码）

声明 本文仅在CSDN发布，其他均为盗版。请支持正版！

正版链接：https://blog.csdn.net/meenr/article/details/117605874

实验2、MATLAB实现图像增强

1. 实验目的

（1）掌握图像增强的基本原理。

（2）掌握常用的图像增强技术。

2. 实验内容

（1）选择一幅直方图不均匀的灰度图像，对该图像做直方图均衡化处理，观察并分析直方图均衡化前、后图像以及它们的灰度直方图的变化。

（2）选择一幅灰度图像，对它添加高斯噪声，利用邻域平均法对它进行滤波，观察并分析滤波器的大小对滤波结果的影响。

（3）选择一幅灰度图像，对它添加椒盐噪声，然后分别利用邻域平均和中值滤波对该图像进行滤波，比较这两种滤波器的滤波效果。

（4）选择一幅灰度图像，分别利用拉普拉斯滤波器和sobel滤波器对该图像进行锐化，比较这两种滤波器的锐化效果。

3. 实验步骤

（1）选择一幅直方图不均匀的灰度图像，对该图像做直方图均衡化处理。

（2）选择一幅灰度图像，对它添加高斯噪声，利用邻域平均法对它进行滤波。

（3）选择一幅灰度图像，对它添加椒盐噪声，然后分别利用邻域平均和中值滤波对该图像进行滤波。

（4）选择一幅灰度图像，分别利用拉普拉斯滤波器和sobel滤波器对该图像进行锐化。

4. 实验结果及其分析

（1）本实验选择一幅直方图不均匀的灰度图像，对该图像做直方图均衡化处理。原图像及其均衡化处理后的图像如图1、图2所示。从图1与图2、图3与图4可以看出，均衡前的图像的灰度值主要分布在低灰度级，因此图像偏暗，对比度小，均衡后，图像的直方图分布均匀，因为对比度得到增强，视觉效果较好。

图1 原图像

)

图2 均衡化处理后图像

图3原图像直方图

图4 均衡化处理后直方图

（2）选择一幅灰度图像，对它添加均值为0，方差为0.009的高斯噪声，再利用邻域平均法，程序循环输入三次不同的尺寸对它进行滤波，得到如图5、图6、图7所示的图像。

图5是滤波器尺寸为1时的结果，图6表示为滤波器尺寸为5时的结果，图7表示滤波器尺寸为9时的结果，从这三幅图对比可以看出，当滤波器的尺寸增大时，滤噪后的图像也越来越模糊。

图5 滤波器尺寸为1时结果

图6 滤波器尺寸为5时结果

图7 滤波器尺寸为9时结果

（3）选择一幅灰度图像，对它添加椒盐噪声，然后分别利用邻域平均和中值滤波对该图像进行滤波。图8为原图像和加椒盐噪声后的图像，图9为利用邻域平均法滤波和中值滤波后的图像，由图9两种滤波方法对比可以看出，中值滤波更有效的去除了椒盐噪声。

图8 原图像与加椒盐噪声后的图像

图9 中值滤波与邻域平均法滤波

（4）选择一幅灰度图像，分别利用拉普拉斯滤波器和sobel滤波器对该图像进行锐化。锐化处理的主要目的是突出灰度的过度部分，在空间域中，均值滤波类似于积分，锐化滤波类似于微分，laplacian算子类似于二阶微分，强调的是图像灰度级剧烈变换的部分，而sobel算子类似于一阶微分，强调的是图像灰度级缓慢变化的部分。

图11为原图像和利用拉普拉斯滤波器滤波后的图像，图12为原图像和利用sobel滤波器处理的结果，从两幅图像的对比可以看出，锐化后的图像的细节比原始图像更加清晰了。

拉普拉斯算子：

当 α=0 时：

图11原图像与拉普拉斯滤波后的图像

sobel算子：

图12原图像与sobel滤波后的图像

5. 直方图均衡化处理的主要步骤

直方图均衡化算法可以分为三个步骤：

（1）统计原始图像的直方图，统计直方图每个灰度级出现的次数；

（2）计算直方图累积分布曲线,累计归一化的直方图;

（3）用累积分布函数作变换函数进行图像灰度变换，计算新的像素值。

6. MATLAB程序代码

感兴趣的读者可获取参照下方方式获取实验代码和实验报告等资料。优先推荐途径一，若遇途径一失效，请再尝试途径二。

途径一

优先推荐该途径
第一步：扫描下方二维码，或打开微信搜索并关注“ 2贰进制 ”公众号；
第二步：回复“ MATLAB图像增强 ”即可获取本文相关资料。

途径二

优先推荐途径一，该途径管理可能不能秒回
扫描下方二维码，加入学习交流QQ群“ 480558240 ”，联系管理员获取包括但不限于本篇内容的更多学习资料。

2贰进制–Echo 2020年5月
我认同兴趣是最好的老师，但是除了兴趣其次是侮辱，所以如果您觉得本文还不错，请点赞＋评论＋收藏，要是关注那更是对我极大地羞辱了，您的羞辱便是我前进的动力！
如果本文对你有所帮助，解决了您的困扰，可以通过赞赏来给予我更大支持：

此致
感谢您的阅读、点赞、评论、收藏与打赏。