【matlab数字图像处理实验】图像的增强

1、加入噪声
I=imread('lene.jpg');%读取图像
K=rgb2gray(I);
J=imnoise(K,'gaussian',0,0.01);%给图像加高斯噪声
subplot(1,2,1);imshow(J);
title('加入高斯噪声的图像');
H = IMNOISE(K,'salt & pepper',0.02);%给图像加椒盐噪声
subplot(1,2,2);imshow(H);
title('加入椒盐噪声的图像');

2、图像的平滑
邻域平均模板
加权平均模板

3、邻域平均
M1=(1/4)*[0,1,0;1,0,1;0,1,0];
M2=(1/8)*[1,1,1;1,0,1;1,1,1];
L=imfilter(J,M1);
G=imfilter(J,M2);
subplot(1,2,1);imshow(L);
title('4邻域平均')
subplot(1,2,2);imshow(G);
title('8邻域平均')

4、加权平均
M3=(1/5)*[0,1,0;1,1,1;0,1,0];
M4=(1/16)*[1,2,1;2,4,2;1,2,1];
L=imfilter(J,M3);
G=imfilter(J,M4);
subplot(1,2,1);imshow(L);
title('1/5加权平均')
subplot(1,2,2);imshow(G);
title('1/16加权平均')

5、图像的锐化
拉普拉斯模板

Laplacian锐化模板

I=imread('fabric.png');%读取图像
K=rgb2gray(I);
M1=[0,1,0;1,-4,1;0,1,0];
M2=[1,1,1;1,-8,1;1,1,1];
K=double(K);
J=conv2(K,M1,'same'); %卷积
G=conv2(K,M2,'same');
F=K-J;
E=K-G;
figure,imshow(K,[]),
figure,imshow(J),
figure,imshow(G),
figure,imshow(F,[])
figure,imshow(E,[])
原图像

4－邻域
8－邻域
4－邻域锐化图像

8－邻域锐化图像

1、平均滤波和加权滤波的效果都不怎么好，不能完全除去高斯噪声，它们对椒盐噪声的处理效果比较理想但仍旧存在提升的空间；另外，在对4邻域8邻域的比较以及1/5加权以及1/16加权平均的比较可以看出，多领域的处理效果比较好，但是它的缺点是会引起图像的模糊。可以肯定的是不同的模版其效果不同，对特定的图像要使用特定的模版。

2、图像变模糊的原因一般为成像系统聚焦不好、信道过窄以及平均过积分运算。图像的锐化使得目标物轮廓变模糊，细节轮廓不清晰，加重目标物轮廓，使模糊图像变清晰。拉普拉斯算子是常用的边缘增强算子，拉普拉斯运算也是偏导数运算的线性组合运算，而且是一种各向同性（旋转不变性）的线性运算。

3、在比较4邻域以及8邻域的锐化图像我们可以发现，4邻域锐化在边缘以及与原图像的相似程度上都有比较满意的效果，8邻域锐化在灰度级对比上比4邻域更加优秀，但它的一个缺点是丢失了一部分图像细节，从而导致图片看起来变得“模糊”。