lena图像,直方图均衡

lena图像,直方图均衡%对lena图像进行直方图均衡,给出处理前后的图像及其直方图%用3*3的均值滤波器处理lena图像%对lena图像施加(Pa=Pb=0.1)的椒盐噪声,然后采用3*3中值滤波器处理%用Soble算子对lena图像进行锐化处理%对lena图像进行直方图均衡,给出处理前后的图像及其直方图clearall;closeall;image=imread(‘D:\lena.bmp’);im

大家好,又见面了,我是你们的朋友全栈君。

%对lena图像进行直方图均衡,给出处理前后的图像及其直方图
%用3*3的均值滤波器处理lena图像
%对lena图像施加(Pa=Pb=0.1)的椒盐噪声,然后采用3*3中值滤波器处理
%用Soble算子对lena图像进行锐化处理
%对lena图像进行直方图均衡,给出处理前后的图像及其直方图
clear all;close all;
image=imread('D:\lena.bmp');

image_d=double(image);
srcprobability=zeros(1,256);
[M,N]=size(image);
for m=1:M
    for n=1:N
        srcprobability(image_d(m,n)+1)=srcprobability(image_d(m,n)+1)+1;
    end
end
srcprobability=srcprobability./(M*N);

%进行直方图均衡化处理
Sk=zeros(1,256);
for i=1:256
    if i==1
        Sk(1)=srcprobability(1);
    else
        Sk(i)=Sk(i-1)+srcprobability(i);
    end
end

for i=1:256
    Sk(i)=round(Sk(i)*255);
end

%将直方图均衡化的结果写到目标图像
image_hist=zeros(M,N);
for m=1:M
    for n=1:N
        image_hist(m,n)=Sk(image_d(m,n));
    end
end

drcprobability=zeros(1,256);
for m=1:M
    for n=1:N
        drcprobability(image_hist(m,n)+1)=drcprobability(image_hist(m,n)+1)+1;
    end
end

drcprobability=drcprobability./(M*N);
clear Sk;

figure(1)
subplot(1,2,1);
bar(srcprobability);
title('输入图像的直方图');
subplot(1,2,2);
bar(drcprobability);
title('进行直方图均衡化后的直方图');

figure(2)
imshow(image);
title('原始lena图像');

figure(3)
image_hist=uint8(image_hist);
imshow(image_hist);
title('直方图均衡化处理后的lena图像');

%用3*3的均值滤波器处理lena图像
image_ave=zeros(M,N);
%边缘值不处理
for i=1:N
    image_ave(1,i)=image_d(1,i);
    image_ave(M,i)=image_d(M,i);
end
for i=2:M-1
    image_ave(i,1)=image_d(i,1);
    image_ave(i,N)=image_d(i,N);
end
for m=2:M-1
    for n=2:N-1
        template=image_d(m-1:m+1,n-1:n+1);
        template=reshape(template,1,9);
        image_ave(m,n)=sum(template)./9;
    end
end

figure(4)
image_ave=uint8(image_ave);
imshow(image_ave);
title('用3*3的均值滤波器对lena图像进行处理后的结果');

%对lena图像施加(Pa=Pb=0.1)的椒盐噪声,然后采用3*3中值滤波器处理
image_noise=imnoise(image,'salt & pepper',0.1); %加入椒盐躁声
image_noise_d=double(image_noise);
image_mid=zeros(M,N);
%边缘值不处理
for i=1:N
    image_mid(1,i)=image_noise_d(1,i);
    image_mid(M,i)=image_noise_d(M,i);
end
for i=2:M-1
    image_mid(i,1)=image_noise_d(i,1);
    image_mid(i,N)=image_noise_d(i,N);
end
for m=2:M-1
    for n=2:N-1
        template=image_noise_d(m-1:m+1,n-1:n+1);
        template=reshape(template,1,9);
        image_mid(m,n)=median(template);
    end
end

figure(5)
clear image_noise_d;
imshow(image_noise);
title('施加(Pa=Pb=0.1)的椒盐噪声的lena图像');

figure(6)
image_mid=uint8(image_mid);
imshow(image_mid);
title('用3*3的中值滤波器对加(Pa=Pb=0.1)的椒盐噪lena图像进行处理后的结果');       

%用Soble算子对lena图像进行锐化处理
image_soble=zeros(M,N);
%边缘值不处理
for i=1:N
    image_soble(1,i)=image_d(1,i);
    image_soble(M,i)=image_d(M,i);
end
for i=2:M-1
    image_soble(i,1)=image_d(i,1);
    image_soble(i,N)=image_d(i,N);
end
for m=2:M-1
    for n=2:N-1
        template=image_d(m-1:m+1,n-1:n+1);
        template=reshape(template,1,9);
        Gx=abs(template(7)+2*template(8)+template(9)-template(1)-2*template(2)-template(3));
        Gy=abs(template(3)+2*template(6)+template(9)-template(1)-2*template(4)-template(7));
        image_soble(m,n)=Gx+Gy;
    end
end

figure(7)
clear image_d;
image_soble=uint8(image_soble);
imshow(image_soble);
title('用Soble算子对lena图像进行锐化处理的结果');
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/150982.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • RowBounds分页原理、RowBounds的坑

    RowBounds分页原理、RowBounds的坑背景说明项目中经常会使用分页查询,有次使用了RowBounds进行分页,因为很多场景或网上也看到很多这样的写法,所以我也在项目中使用了该类进行分页。但是有次线上却抛了异常,由此引发了对RowBounds原理的探究。一:RowBounds分页原理Mybatis可以通过传递RowBounds对象,来进行数据库数据的分页操作,然而遗憾的是,该分页操作是对ResultSet结果集进行分页,也就是人们常说的逻辑分页,而非物理分页(物理分页当然就是我们在sql语句中指定limit和offset值)。RowBou

    2022年9月22日
    0
  • python制作一个【搜索工具】,可搜索隐藏文件、系统文件、搜索速度一绝「建议收藏」

    python制作一个【搜索工具】,可搜索隐藏文件、系统文件、搜索速度一绝「建议收藏」经常使用电脑自带的搜索很慢很卡,今天做一个搜索工具,可以搜索到隐藏的文件,而且速度也很快点个赞留个关注吧!!导入模块importos检测一下输入的路径最后一位有没有/,如果没有则添加,是为了方便操作ifDIR.endswith(‘/’)==True:passelse:DIR=DIR+’/’用来循环检测文件,进入文件目录然后检测,再次进入检测,循环往复defiterbrowse(path):forhome,dirs,fi

    2022年9月20日
    0
  • C语言中的移位运算

    C语言中的移位运算移位运算移位运算包括左移和右移左移运算:x<<k:x左移k位,并在右端补零。右移运算:逻辑右移:x>>k:x右移k位,并在左端补零。算术右移:x>>k:x右移k位,并在左端补最高有效位的值。下表为对一个8位参数x的两个不同的值做不同的一位操作得到的结果:操作值参数x[01100011][10010101]x&l

    2022年7月13日
    14
  • 端口号怎么查看_如何查看端口

    端口号怎么查看_如何查看端口查看本地端口查看端口监控wc计算数字,-l或——lines:只显示列数.netstat网络系统的状态信息netstat-lntup|grep3306|wc-lnetstat-lntup|grepmysql|wc-lss查看活动状态的套接字信息ss-lntup|grep3306|wc-lss-lntup|grep…

    2022年10月27日
    0
  • js 给元素添加自定义属性

    js 给元素添加自定义属性给元素添加自定义属性obj.setAttribute(‘attr_name’,’attr_value’);//例如obj.setAttribute(‘class’,’snow-container’)给元素添加class属性的三种方法document.getElementsByTagName(‘body’)[0].className=’snow-container’;//设置为新的…

    2022年6月22日
    132
  • Window.location.search和Window.location.hash区别[通俗易懂]

    Window.location.search和Window.location.hash区别[通俗易懂]search:只能取到“?”后面和“#”之前的内容,如果“#”之前没有“?”search取值为空hash:第一个”#”之后的内容

    2022年7月16日
    13

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号