当前位置：首页 > news >正文

基于MATLAB的图像增强

news 来源：原创 2025/5/28 6:59:03

🍑个人主页：Jupiter. 🚀 所属专栏：传知代码 欢迎大家点赞收藏评论😊

在这里插入图片描述

一、背景及意义介绍
- 背景
- - 图像采集过程中的局限性
- 意义
二、概述
三、代码结构及说明
- （一）整体结构
- （二）亮度增强部分
- （三）对比度增强部分
- （四）锐度增强部分
四、复现步骤
- （一）准备图像数据
- （二）运行代码
- （三）查看结果
五、总结
部署方式

参考文献：需要本文的详细复现过程的项目源码、数据和预训练好的模型可从该地址处获取完整版：地址

一、背景及意义介绍

背景

图像采集过程中的局限性

视觉是人类获取外界信息的重要途径之一，但在图像采集过程中，受到多种因素的影响。例如，拍摄设备的硬件条件会限制图像质量。一些低端相机可能存在传感器性能不佳、镜头分辨率低等问题，导致拍摄出的图像存在亮度不足、对比度差或者边缘模糊等情况。
拍摄条件也对图像质量有重要影响。在不良的光照条件下，如阴天、夜晚或室内光线昏暗的环境中，拍摄的图像可能会过暗，无法清晰地呈现物体的细节。此外，拍摄角度、距离以及环境中的干扰因素（如雾气、灰尘等）也可能导致图像质量下降。

图像处理需求的增长

随着科技的发展，对图像处理的需求在不断增加。在许多领域，如医学、军事、航空航天、工业自动化等，都需要对图像进行处理和分析。例如，在医学领域，医生需要通过对X光、CT、MRI等医学影像进行分析来诊断疾病，而这些影像可能由于设备或拍摄条件的原因存在质量问题，需要进行图像增强来提高诊断的准确性。
在军事侦察中，为了获取更准确的情报，需要对无人机拍摄的地形图像或在恶劣天气条件下拍摄的图像进行增强处理，以便更好地识别目标和分析战场形势。

意义

符合审美需求
通过对原始图像的成像质量进行增强，可以使图像更加美观，符合人们对图像的审美需求。例如，将老照片进行增强处理，可以使其更加清晰、色彩更加鲜艳，让人们更好地回忆过去的时光。
提高信息获取效率
增强后的图像可以更直观地呈现所需信息。通过提高图像的亮度、对比度和锐度等，可以突出图像的部分特征，忽略背景噪声和外界干扰，便于快捷地筛选出关键信息。这在处理大量图像数据时尤为重要，可以节省时间和加快图像处理、存储和传输速度。
提升图像分析能力
在一些需要对图像进行分析的领域，如目标识别、图像分类等，图像增强可以提高图像的质量，从而提升分析算法的性能。例如，在工业自动化中，通过对生产线上的产品图像进行增强处理，可以更准确地识别产品的缺陷，提高产品质量控制的效率。
拓展应用领域
图像增强技术可以广泛应用于机器人视觉和工业测量等领域。在机器人视觉中，增强后的图像可以帮助机器人更好地识别周围环境，实现自动化控制和复杂目标识别。在工业测量中，高质量的增强图像可以提高测量的准确性和可靠性。

二、概述

图像增强技术因图像采集受限及处理需求增长而发展，其意义在于符合审美、提高信息获取效率、提升分析能力及拓展应用领域。原文地址：https://kns.cnki.net/kcms2/article/abstract?v=SY7jeTtuViK1WteUqQBUUOjcnqynS8TS4NAREFdR4RXKuHOZlbJrcxGLOrqUklAbjIaA0UM41eweiUypydKxpIBgj7SHN62QkfkKqEfDSr3bsoeTsVFd8HBAA083dvmrBFHPosT89_KHOmHrDJ789eHMmevm2DvTKAXDw235ypc=&uniplatform=NZKPT

三、代码结构及说明

（一）整体结构

代码分为三个主要部分，分别用于实现图像亮度增强、对比度增强和锐度增强。每个部分都包含读取图像、处理图像以及显示处理结果的步骤。

（二）亮度增强部分

首先使用close all清理内存中的图形窗口，避免之前的绘图结果对本次操作产生干扰。
通过imread函数读取指定路径下的图像文件，并将图像数据存储在变量A中。
imadjust函数用于调整图像亮度，其参数[0.1 0.9]表示原始图像中要映射的亮度范围，[0 1]表示目标亮度范围，0.4是映射比例，通过这些参数设置将原始图像的亮度进行调整，并将结果存储在变量B中。
最后使用figure创建一个新的图形窗口，并通过subplot和imshow函数分别在窗口中显示原始图像A和亮度提升后的图像B。

（三）对比度增强部分

同样先使用clc和clear分别清屏和清理内存。
通过imread函数读取另一幅图像文件，并存储在变量PS中，然后使用imshow和title函数显示原始图像并添加标题。
根据图像尺寸初始化用于存储灰度直方图的数组GP，并通过循环计算原始图像的灰度直方图，即统计每个灰度值在图像中出现的频率。
使用bar函数绘制原始图像的灰度直方图，以便直观查看原始图像的灰度分布情况。
接下来对灰度直方图进行均衡化处理，通过两个嵌套的循环计算均衡化映射值S2，并根据S2计算均衡化后的直方图Gpeq。
再次使用bar函数绘制均衡化后的直方图，以便对比观察直方图的变化。
最后根据均衡化结果更新图像数据，将原始图像中每个像素的灰度值替换为均衡化后的对应值，并显示均衡化后的图像。

（四）锐度增强部分

首先清理内存，然后读取一幅图像文件并存储在变量A中。
使用rgb2gray函数将彩色图像转换为灰度图像，以便后续进行边缘检测。
分别使用Prewitt算子、Sobel算子和拉普拉斯算子对灰度图像进行边缘检测，得到不同算子处理后的边缘图像，并存储在相应的变量中。
最后使用figure创建一个新的图形窗口，并通过subplot和imshow函数分别显示原始图像和不同算子处理后的边缘图像，并添加相应的标题。

四、复现步骤

（一）准备图像数据

确保在代码中指定的图像文件路径（如C:\Fig.1.tiff、C:/Fig2.tiff和C:\Fig3.tiff）下存在相应的图像文件。
图像文件可以是TIFF格式或Matlab支持的其他格式。如果使用不同格式的图像文件，可能需要根据实际情况修改imread函数的参数或对图像进行预处理。

（二）运行代码

将上述代码复制到Matlab编辑器中。
逐行运行代码或直接运行整个脚本。如果遇到错误，根据错误提示信息进行修改，常见错误及解决方法如下：
如果出现“文件或路径不存在”的错误，检查图像文件路径是否正确。
如果出现“函数或变量无法识别”的错误，检查相关函数的使用是否正确，变量是否在正确的作用域内定义和使用。
如果出现语法错误，根据Matlab的语法规则仔细检查代码。

（三）查看结果

当代码成功运行后，会弹出多个图形窗口，分别显示图像亮度增强、对比度增强和锐度增强的结果。
在每个图形窗口中，可以直观地看到原始图像和处理后的图像之间的差异，从而验证图像增强的效果。
在这里插入图片描述

五、总结

通过上述复现步骤，可以在Matlab环境中成功复现论文中的图像增强效果。在复现过程中，需要注意图像文件路径的正确性、代码的语法规则以及可能出现的错误处理。同时，对于图像增强的效果评估可以进一步深入，例如通过定量指标来衡量图像增强前后的质量变化，以便更好地理解和优化图像增强算法。

部署方式

Matlab2022a

目录