💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进；
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。
更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）
②付费专栏Matlab图像处理（初级版）
⛳️关注优快云海神之光，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
将ace增强后的图像信息熵与图像标准差的乘积作为目标函数, ace的增益因子a作为待寻优的变量；
使用pso算法对ace的增益因子a进行寻优，并返回最优的增益因子；
将最优增益代入ace算法中，对图像进行增强；
采用引导滤波对增强后的图像进行降噪，提高可视化效果；
⛄二、部分源代码
%% PSO_ACE
% date: 2020_08
% Author: X
% function: 图像增强，(1) PSO优化ACE增益因子 (2) 引导滤波降噪
%% 初始化
addpath(genpath(pwd));
clear;
clc;
close all;
warning(‘off’)
%% 定义全局变量
global meanimg stdimg I img
I = rgb2ycbcr(imread(‘test2.jpg’));% 将图片转换到ycbcr空间
img = double(I(:,:,1));
% 求局部均值
filter = fspecial(‘average’,3);
meanimg = imfilter(img,filter);
% figure;imshow(meanimg/255,[]);
% 求局部标准差
stdimg = stdfilt(img);
% temp = stdfilt(img(:,:,1));
%% PSO 寻优
a_range=[0,1]; % 参数x变化范围(这里寻优的是ACE算法中的增益因子a)
range = [a_range];
Max_V = 0.2*(a_range(:,2)-a_range(:,1)); % 最大速度取变化范围的10%~20%
n=1; % 待优化函数的维数
psoparams = [10 200 10 2 2 0.8 0.2 1500 1e-25 200 NaN 0 0]; % 参数配置，详细查看pso工具箱使用文档
Bestarray = pso_Trelea_vectorized(‘obj_func’, n, Max_V, range, 1, psoparams); % 调用PSO寻优，返回最优参数以及最优函数值
%% 输出增强后的图像(将获得增益因子代入ACE)
D = mean(meanimg(😃);
c = Bestarray(1)D./(stdimg);
c(c>10) = 3;
result = meanimg + c.(img - meanimg);
MIN = min(min(result));
MAX = max(max(result));
result = (result - MIN)/(MAX - MIN);
result = adapthisteq(result);
I(:,:,1) = result*255;
result_img = ycbcr2rgb(I);
figure;imshow(result_img);
title(‘PSO_ACE’);
%% 引导滤波降噪
[r,c,b]=size(I);
x = reshape(result_img,[r*c b]);
x = compute_mapping(x,‘PCA’,1); % 对原图进行PCA降维
guidance = reshape(x, r, c)/255; % 获得引导图像
result_img = double(result_img)/255;
r = 5; % 滤波半径
eps = 0.005; % 滤波正则化参数
for i = 1:3
result_img_GD(:,:,i) = guidedfilter(guidance, result_img(:,:,i), r, eps); % 引导滤波
end
figure;imshow(result_img_GD,[]);
title(‘PSO_ACE_GD’); % 显示滤波后的图像
⛄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.
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
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
