【图像增强】拉氏滤波图像质量提升【含Matlab源码 488期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、图像增强技术简介

1图像增强
图像增强是对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以便于显示、观察或进一步分析与处理。通过对图像的特定加工，将被处理的图像转化为对具体应用来说视觉质量和效果更“好”或更“有用”的图像。
图像增强是最基本最常用的图像处理技术，常用于其他图像处理的预处理阶段。

（1）高通平滑、低通锐化；平滑模糊、锐化突出图像细节
（2）滤波器还有带通、带阻等形式
（3）根据噪声（椒盐噪声、高斯噪声…）的不同，选用不同的滤波
（4）邻域有4-邻域、对角邻域、8-邻域，相对应的有邻接，即空间上相邻、像素灰度相似
（5）图像边缘处理：忽略不处理、补充、循环使用
（6）目前尚未图像处理大多基于灰度图像

⛄二、部分源代码

unction HighBoostFiltering

handle=figure;
set(handle,‘unit’,‘pixels’,‘position’,[0 0 1000 600]);
movegui(handle, ‘center’ );

img=imread(‘k.bmp’);
[h w]=size(img);
filter_mask={… %定义俩个拉氏滤波器
[0 -1 0;-1 4 -1;0 -1 0];… %普通拉氏滤波器
[-1 -1 -1; -1 8 -1 ;-1 -1 -1]}; %扩展拉氏滤波器
A=1.7; %设定提升系数A值的大小

%% matlab 实现
imgsharp2=imfilter(double(img),…
filter_mask{1},…
‘corr’, …
‘symmetric’,…
‘same’);
% imfilter函数：返回与输入图片的类型一样的处理图片；corr是相关，因为拉氏算子是中心对称的，所以做卷积和做相关是一样的；symmetric是镜像复制；same是相同尺寸；
imgafter2=double(img).*A+imgsharp2;
imgafter2=uint8(imgafter2);
% uint8强制类型转换：如果输入数据为double，则数据四舍五入，小于0的置为0。

subplot(241),imshow(img), title(‘此行为matla的imfilter实现的’);
subplot(242),imshow(uint8(imgsharp2)), title(‘未标定的拉氏滤波图’);
subplot(243),imshow(mat2gray(imgsharp2)), title(‘标定的拉氏滤波图’);
subplot(244),imshow(imgafter2), title(‘最终图’);

%% 自己写的算法
m=1;n=1;
imgMSR=EdgeFilling(img,m,n,1); %图像的边缘填充镜像的像素，因为拉氏算子是33，所以水平和垂直个填充一个像素单位
imgMSR=double(imgMSR); %扩展的图像转为double型
imgsharp1=imgMSR;
%拉氏算子是33，所以水平和垂直个填充一个像素单位,这里的m和n分别表示垂直和水平
hwait=waitbar(0,‘请等待>>>>>>>>’);
for i=1+m:h+m
for j=1+n:w+n
[p,q,r,t]=safeborder(h+2m,w+2n,i,j,m,n);
tempimg=imgMSR(p:q,r:t);
imgsharp1(i,j)=sum(sum(tempimg.*filter_mask{1}));
end
if i/h>0.8
set(findobj(hwait,‘type’,‘patch’),‘edgecolor’,‘g’,‘facecolor’,‘g’);
end
waitbar(i/h,hwait,‘正在处理’);
end
imgsharp1=imgsharp1(1+m:h+m,1+n:w+n); % 取中间部分，去掉边沿
imgafter1=double(img).*A+imgsharp1;
imgafter1=uint8(imgafter1);
close(hwait);
subplot(245),imshow(img), title(‘此行为自己写的代码处理的’);
subplot(246),imshow(uint8(imgsharp1)), title(‘未标定的拉氏滤波图’);
subplot(247),imshow(mat2gray(imgsharp1)), title(‘标定的拉氏滤波图’);
subplot(248),imshow(imgafter1), title(‘最终图’);

%% 总结：
% 最后发现，高提升滤波除了细节的提升外，还有亮度的提升，取决于A的值。
% 高提升滤波非常适合低灰度图像处理

function imgMSR=EdgeFilling(img,m,n,which)
% 对图像进行边缘填充，
% 填充方案有：
% 镜像复制which=1、填充黑色which=2、填充灰色which=3、填充白色which=4

[h w]=size(img);
if which1
fill=img;
elseif which2
fill=uint8(zeros(h,w));
elseif which3
fill=uint8(ones(h,w)*127);
elseif which4
fill=uint8(ones(h,w)*255);
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合