基于MatLab的数字图像清晰化方法VIP免费

ComputerEraNo.420080引言在科学研究、军事技术、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题。但是，所获得的图像往往模糊不清、含有不同程度的噪声。因此，需要对图像进行必要的清晰化处理来改善图像的质量。数字图像处理方法大致可分为空域法和变换域法[1]。小波变换是数字图像变换域法中的一种，由于它的多分辨率分析与人类的视觉原理很相似，因此非常适合数字图像处理。利用小波变换对数字图像进行增强有一定的效果，不过，影响数字图像视觉效果的因素，除了图像增强外，还有其它的因素，如图像对比度、图像清晰度、图像亮度等等。因此对数字图像仅仅进行增强是不够的，还需要结合其他方法进行图像处理，才能更好地提高数字图像的视觉效果，提高数字图像的清晰化程度。1MatLab简介MatLab全称是MatrixLaboratory（矩阵实验室），是当今很流行的科学计算软件。信息技术、计算机技术发展到今天，科学计算在各个领域得到了广泛的应用，在诸如控制论、时间序列分析、系统仿真、图像信号处理等方面都有大量的计算问题，自己编写大量的繁复的计算程序，不仅消耗时间和精力，减缓工作进程，而且往往质量不高。MatLab软件的适时推出，为人们提供了一个方便的数值计算平台[2]。将MatLab用于数字图像处理，其优点有以下几方面[3]：⑴强大、高效的矩阵和数组运算功能。⑵语法规则与一般的高级语言类似，一个稍有编程基础的人能很快熟悉掌握。⑶语言简洁紧凑，使用灵活，程序书写形式自由。而且库函数十分丰富，避免了繁杂的子程序编程。⑷具有各种方便的绘图功能。⑸提供了图像处理、数字信号处理、小波处理等各种功能强大的工具箱。⑹集成了各种变换函数，不仅方便了研究人员，而且使源程序简洁明了、易实现。⑺MatLab与VisualC++有良好的接口。2图像清晰化综合处理方法2.1中值滤波平滑去噪平滑是空域滤波中的一种方法，用于模糊图像处理或消除图像噪声。通常通过低通滤波器来实现。平滑滤波器可分为线性平滑滤波器和非线性平滑滤波器。中值滤波器是一种最常用的非线性平滑滤波器，其输出图像中任一点的像素等于该点邻域中各点像素灰度的中间值。给定图像f(x,y)中的一个点(m,n)，取其领域s。设s含有M个像素{a1,a2,K,aM}，将其按大小排序，若M是奇数时，则位于中间的那个像素值就是修改后图像g(x,y)在点(m,n)处的像素值；若M是偶数则取中间两个像素的平均值作为修改后g(x,y)图像在点(m,n)处的像素值[4]。为了观察中值滤波平滑去噪的效果，我们对一幅人为地加入噪声的图像（图1）进行了去噪处理，图2示出了去噪后的效果。在MatLab中实现代码如下。I=imread(‘原始图像.tif’);%读取原图像J=imnoise(I,salt&pepper,0.02);%给原始图像添加椒盐噪声K=medfih2(J);%中值滤波去噪imshow(J);%显示含噪图像imshow(K);%显示中值滤波后图像图1加椒盐噪声的图像图2中值滤波后图像由以上效果图可以看出，加入椒盐噪声的图像，经中值滤波平滑去噪后，已去掉了几乎所有的噪声。但是此图像的清晰度不高，部分细节还没有突出，还需要作进一步处理。2.2小波自适应图像增强小波变换是图像增强频域法中一种很好的方法。小波变换对图像进行增强，首先要对图像进行小波变换，将其分解为大小、位置和方向均不相同的分量，然后根据需要对不同位置、不基于MatLab的数字图像清晰化方法段群，吴粉侠(咸阳师范学院计算机科学系，陕西咸阳712000)摘要：图像增强目的是为了改善图像的视觉效果。但是在实际的应用中，仅仅对图像加以增强是不够的，还要将改善图像对比度、图像亮度、图像去噪等多种方法联合起来进行综合处理，以达到数字图像清晰化。文章采用MatLab处理工具，结合小波分析理论，实现数字图像清晰化。实验发现该方法对含噪图像有较好的处理效果。关键词：图像去噪；图像增强；多分辨率分析；中值滤波平滑60··计算机时代2008年第4期同方向上的某些分量改变其系数的大小，使得某些感兴趣的分量被放大而使某些不需要的分量减少，最后再进行反变换得到增强图像。在处理的过程中，对小波系数可采用下面三种增强算法[5]：单阈值增强算法、双阈值增强算法、自适应增强...