亮度变换与空间滤波

一.背景知识
二.亮度变换函数
- 2.1函数imadjust
- 2.2对数和对比度拉伸变换
- 2.3整合
三.直方图处理与绘图函数
- 3.1生成并绘制直方图
- 3.2直方图均衡化
- 3.2直方图匹配
四.空间滤波
- 4.1线性空间滤波
- 4.2非线性空间滤波
五.IPT的标准空间滤波器
- 5.1线性空间滤波器
- 5.2非线性空间滤波器

一.背景知识

空间域技术则是直接对图像的像素进行操作。有表达式：
g(x,y)=T[f(x,y)]g(x,y)=T[f(x,y)]g(x,y)=T[f(x,y)] 其中f是输入，g是输出。
还有点(x,y)的临近点定义为.是中心位于(x,y)的正方形或长方形。（这就有意思了，边界可能不填充）

二.亮度变换函数

在灰度图里，亮度就是灰度，而彩色图里，则是每个通道的颜色分量。

2.1函数imadjust

该函数语法:g = imadjust(f, [low_in high_in], [low_out high_out], gamma)

简单点来讲，就是将in的值映射到out的值，就可以理解为数学上的那种定义域变化。这俩矩阵的范围都是0~1与图像类型无关，会自适应。
gamma决定了映射方式是否为线性，可省略，默认值为1。
若high_out < low_out则亮度还会反转。

2.2对数和对比度拉伸变换

对数缩放是指：如果高频太多，则在图像查看的时候，低频段的东西是不占优势的，高频占了主导，低频就会抑制。所以得想出一种办法对其缩放。后面会介绍这个函数。
而基于此想法，衍生出一种对比度拉伸变换函数。就高频一个高值，低频一个低值，然后中频就由对数级数缩放或者直接阶跃，阶跃情况下，图像则会变成二值图像。
这种方法的函数表达式为：
s=T(r)=11+(m/r)Es=T(r)=\frac{1}{1+(m/r)^E}s=T(r)=1+(m/r)E1 E则是缩放函数的斜率
matlab可以如下表示：
g = 1./(1 + (m./(double(f) + eps)).^E)
简单点，可以直接使用
g = im2uint8(mat2gray (log(1 + double (f))));

2.3整合

我们可以通过自己编写一个函数intrans来实现将前面所学的功能负片、对数、gamma、对比度拉伸变换全部整合：

function g = intrans(f, varargin)
error(nargchk(2, 4, nargin));
classin = class(f);
if strcmp(class(f), 'double') & max(f(:)) > 1 & ~strcmp(varargin{1}, 'log')f = mat2gray(f);
elsef = im2double(f);
end
method = varargin{1};
switch methodcase 'neg'g = imcomplement(f);case 'log'if length(varargin) == 1c = 1;elseif length(varargin) == 2c = varargin{2};elseif length(varargin) == 3c = varargin{2};classin = varargin{3};elseerror('Incorrect number of inputs for the log option')endg = c*(log(1 + double(f)));case 'gamma'if length(varargin) < 2error('Not enough inputs for the gamma option')endgam = varargin{2};g = imadjust(f, [ ], [ ], gam);case 'stretch'if length(varargin) == 1m = mean2(f);E = 4.0;elseif length(varargin) == 3m = varargin{2};E = varargin{3};elseerror('Incorrect number of inputs for the stretch option')endg = 1./(1+(m./(f + eps)).^E);otherwiseerror('Unknown method')
end
g = changeclass(classin, g);

然后是changeclass这个函数需要自己写：

function image = changeclass(class, varargin)
switch class
case 'uint8'image = im2uint8(varargin{:});
case 'uint16'image = im2uint16(varargin{:});
case 'double'image = im2double(varargin{:});
otherwiseerror('Unsupported IPT data class.');
end

这样我们就可以调用这个整合的函数了：

f = imread('gray.jpg');
g = intrans(f, 'stretch', mean2(im2double(f)), 0.9);
subplot(1,2,1);
imshow(f);
subplot(1,2,2);
imshow(g);

三.直方图处理与绘图函数

按目前来说，直方图在增强，压缩，分割，描述方面扮演着基础性的角色，其他应用后续会介绍，目前是学如何绘制。

3.1生成并绘制直方图

简单来说，就是按照亮度级进行离散化的划分。在[0,G]里有L个亮度级。
具体函数为h = imhist(f, b)
b是要分成多少级，若为空，则默认为G+1
而通过numel(f)可获取f有多少元素，即h = imhist(f, b)/numel(f)即可对直方图归一化。
直接调用imhist(f, b);可以获得直方图，但是这个图很不好看，所以常用其他的绘图方式：
bar(horz, v, width)

v是我们要绘制的直方图的点组成的行向量
horz则是一个与v维度相同的向量，用于标记水平标度值，若为空，则默认为length(v)。、
width默认的是直方图的柱的宽度

axis([horzmin horzmax vertmin vertmax])
则是水平、垂直坐标轴的最小最大值
set(gca, 'xtick\ytick', [])
则可以通过行向量来调整坐标轴的刻度
text(xloc, yloc, 'text str', 'fontsize', 'size')
可以为坐标轴添加文字
title('str')
可以添加标题
有类似的，杆状图：stem(horz, v, 'color_style_marker', 'fill')，fill为是否填充坐标点
还有plot(horz, v, 'color_style_marker')。
其中color_style_marker则是与Python中的参数一致：

最终样式则如下：

3.2直方图均衡化

假设灰度级归一化至范围[0,1]的连续量，则p_rr表示某给定图像中的灰度级的概率密度函数(PDF)，则对输入灰度级做如下变换，得到输出的灰度级s：
s=T(r)=∫0rpr(w)dws=T(r)=\int_{0}^{r} p_r(w)\, dws=T(r)=∫0rpr(w)dw 其中式中w是积分的哑分量，可以看出输出的灰度级的概率密度函数是均匀的:
ps(S)={1,0≤s≤10,其他p_s(S)= \begin{cases} 1,\qquad\ 0\leq s\leq 1 \\ 0, \qquad\ 其他 \end{cases} ps(S)={1, 0≤s≤10, 其他
反正总的来说，直方图均衡化后，会加局部不够明显的地方，比如画面过亮，则会变暗，过暗则会变，它具有高对比度。
一般来说我们使用函数g = histeq(f, nlev)
其中nlev默认为64.但是为了有最好的效果，需将灰度级设置为最大的可能数量，比如256.
这里可以看看效果:
通过执行代码：

f = imread('gray.jpg');
h = imhist(f);
h1 = h(1:10:256);
axis([0 256 0 15000]);
subplot(2,2,1);
plot(h);
subplot(2,2,3);
imshow(f);
g = histeq(f, 256);
h2 = imhist(g);
subplot(2,2,2);
plot(h2);
subplot(2,2,4);
imshow(g);
figure(2);
hnorm = imhist(f)./numel(f);
cdf = cumsum(hnorm);
x = linspace(0,1,256);
plot(x, cdf);
axis([0 1 0 1]);

由于原图像偏亮，所以我们均衡化后的图像，变得更暗，且可以看到我们cdf的变换函数

3.2直方图匹配

直方图匹配则就是将图的直方图按给定的直方图进行调整，函数任然用histeq(f, [])后面那个参数不跟数字而是一个行向量。

四.空间滤波

4.1线性空间滤波

说白了就是卷积。先翻转再平移。将卷积核旋转180°后进行对每一个像素平移。
那么可以用该函数：g = imfilter(f, w, mode, boundary, size)

f是原图像
w是卷积核
mode可为：corr或conv。前者是相关对核无操作，后者是卷积会对卷积核旋转180°。
boundary：边界选项。P边界填充值P、'replicate' 复制边界拓展、symmetric镜像反射其边界拓展、circular将图像看为一个二维周期函数的一个周期进行拓展。
size：大小选项。'full'则按拓展后，也就是填充后的图像输出，'same'则与输入图像大小一致。

4.2非线性空间滤波

非线性空间滤波是指：类似于线性空间滤波，只不过对每个像素点的操作包含了一个邻域的像素，比如取核内像素的最大值。有俩函数，colfilt和nlfilter一般来说追求速度用colfilt。它会生成一个最大的mn×MN的矩阵A，也就是邻域×图像大小的矩阵。在该矩阵中，每一列对应于中心位于图像内某个位置的邻域所包围的像素。
语法为：g = colfilt(f, [m n], 'sliding', @func, parameters)
@func说的叫函数句柄，也就是C语言中的函数指针。parameters则是func要用到的参数。
函数func则必须对矩阵的每一列操作，返回一个包含所有列的行向量v，v的第k个元素表示的是对A中的第k列进行func操作后的结果。所以A中可以有MN列，v的最大维度为1×MN。
所以我们可以用padarray进行填充：
g = padarray(f, [r c ], method, direction)
r c 是要增加的行列数

比如：

f = [1 2;3 4];
fp = padarray(f, [3 2], 'replicate', 'post');
disp(fp);
%%1     2     2     23     4     4     43     4     4     43     4     4     43     4     4     4
%%

五.IPT的标准空间滤波器

5.1线性空间滤波器

生成滤波器的语法w = fspecial('type', parameters)

5.2非线性空间滤波器

ordfilt2可以对图像领域中所包含的像素进行排序，然后使用排序结果确定的值来代替邻域中心像素的值。其他非线性滤波器后面会讲。
语法g = ordfilt2(f, order, domain)

使用领域的一组排序元素中的第order来代替f中的元素。邻域由domain中的非零元素指定
domain是由0 1组成的矩阵。且能指定具体的“邻域”。
比如最小值滤波：g = ordfilt2(f, 1, ones(m, n))
也有最大值滤波：g = ordfilt2(f, m * n, ones(m, n))
当然也有中值滤波：g = ordfilt2(f, median(1:m*n), ones(m, n))
median可以按行向量求出每个行向量的中值，最后得到一个中值列向量。但。用ceil((m*n)/2)也行啊，用median还更费时间。。。

Matlab数字图像处理学习记录【2】——亮度变换与空间滤波相关推荐

Matlab数字图像处理学习记录【7】——形态学图像处理
形态学图像处理一.预备知识 1.1 集合论中的基本概念 1.2 二值图像.集合和逻辑运算符二.膨胀与腐蚀 2.1 膨胀 2.2 结构元素的膨胀 2.3 strel函数 2.4 腐蚀三. 腐蚀和膨 ...
Matlab数字图像处理学习记录【9】——表示与描述
表示与描述零.前言一.背景知识 1.1 单元数组与结构 1.1.1 单元数组 1.1.2 结构 1.2 一些基本的M函数二.表示 2.1 链码 2.2 使用最小周长多边形的多边形近似 2.3 标 ...
数字图像处理学习记录
目录第一章:导论第二章:数字图像处理基础第三章:图像变换第四章:图像增强第五章:图像复原与重建第六章:图像编码与压缩(无内容) 第七章:图像分割第一章:导论图像(按图像空间坐标和亮 ...
matlab数字图像处理函数,MATLAB数字图像处理学习（二）|常用函数
以下的学习整理来自<数字图像处理原理与实践(MATLAB版)> im2bw 功能:将索引图象.灰度图像和RGB彩色图像转换为二值图像调用形式: >BW = im2bw(I,leve ...
数字图像处理学习笔记4：图像增强之空间滤波2（一阶微分锐化滤波（梯度），二阶微分锐化（拉普拉斯），非锐化掩蔽）
文章目录前言一.一阶微分和二阶微分的定义二.一阶微分锐化滤波:梯度 1.梯度 2.sobel算子及MATLAB代码二.二阶微分锐化滤波:拉普拉斯算子 1.拉普拉斯算子 2.拉普拉斯算子MATL ...
图像处理怎么学matlab,Matlab数字图像处理学习（1）-亮度变换
亮度变换函数: 1.imadjust(f,[low_in high_in],[low_out high_out],gamma) gamma = 1时是线性映射,gamma < 1时高亮度区域被压 ...
MATLAB数字图像处理学习笔记
我们都知道一幅图片就相当于一个二维数组,可以用一个矩阵来表示,而MATLAB可以说就是为矩阵运算而生的,所以学习图像处理,学习MATLAB势在必行! 一. MATLAB基础知识 1. 读取图像 1 % ...
数字图像处理学习笔记3：图像增强之空间滤波1（平滑滤波：均值滤波、中值滤波）
文章目录前言平滑滤波 1.平滑线性滤波(均值滤波)及MATLAB代码 2.非线性滤波器(中值滤波)及MATLAB代码总结前言使用一些滤波器对图像进行处理.利用滤波窗口使当前像素灰度值与周围像 ...
数字图像处理—亮度变换与空间滤波—亮度变换函数
数字图像处理-亮度变换与空间滤波-亮度变换函数参考资料:<数字图像处理>,仅供学习参考. 亮度变换函数仅取决于亮度的值,与像素位置无关,所以亮度变换函数通常可写成如下形式: s=T(r) ...

Matlab数字图像处理学习记录【2】——亮度变换与空间滤波