精华内容
下载资源
问答
  • matlab混合增强

    2012-08-05 21:19:53
    数字图像处理中图像增强的一个混合增强的程序
  • 图像增强处理:设计一套空间域与频率域结合的图像增强算法,处理噪声图像,去除噪声,提高图像质量。已知:噪声为随机噪声和周期... 包括需要的图片,课设报告,MATLAB加噪代码,空域与频域结合使用的多种图像增强算法
  • 冈萨雷斯 数字图像处理(第三版)matlab代码 图3.43 混合空间增强(全身骨骼扫描图像经过拉普拉斯,锐化,Sobel梯度处理,均值滤波,幂律/伽马变换得到的混合增强图像) 经过一系列的变换,最后得到的图,人体的整个...
  • 《数字图像处理》冈萨雷斯 2版 第3章 混合空间图像增强法 p110-p111页matlab程序
  • 自己写的实验报告 混合空间增强法在骨骼图像处理实验报告(附代码)
  • 这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片,同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差,用拉普拉斯...

    一、简介

    去散射和边缘增强是解决水下图像的对比度严重衰减、颜色偏差和边缘模糊等问题的关键步骤。这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片,同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差,用拉普拉斯金字塔融合获得无雾和色彩校正图像的融合结果。 最后,输出图像被转换为混合小波和方向滤波器组(HWD)域,用于去噪和边缘增强。 实验结果表明,该方法可以消除颜色失真,提高水下图像的清晰度。

    二、源代码

    clc;
    clear;
    addpath('codes\')
    addpath('Images\')
     
     FileName = uigetfile({'*.jpg;*.bmp;*.png'},'Optional images','Images'); 
     input = imread(FileName);
     output = underwater(input);
     underwaterimage2(input);
     
     %i=40;             %Saved images number
     %saveas(1,['./myresults/',num2str(i),'.jpg']);
     
    function sum_img = window_sum_filter(image, r)
     
    % sum_img(x, y) = = sum(sum(image(x-r:x+r, y-r:y+r)));
     
    [h, w] = size(image);
    sum_img = zeros(size(image));
     
    % Y axis
    im_cum = cumsum(image, 1);
     
    sum_img(1:r+1, :) = im_cum(1+r:2*r+1, :);
    sum_img(r+2:h-r, :) = im_cum(2*r+2:h, :) - im_cum(1:h-2*r-1, :);
    sum_img(h-r+1:h, :) = repmat(im_cum(h, :), [r, 1]) - im_cum(h-2*r:h-r-1, :);
     
    % X axis
    im_cum = cumsum(sum_img, 2);
     
    sum_img(:, 1:r+1) = im_cum(:, 1+r:2*r+1);
    sum_img(:, r+2:w-r) = im_cum(:, 2*r+2:w) - im_cum(:, 1:w-2*r-1);
    sum_img(:, w-r+1:w) = repmat(im_cum(:, w), [1, r]) - im_cum(:, w-2*r:w-r-1);
     
    end
     
    

    三、运行结果

    在这里插入图片描述

    四、备注

    完整代码或者代写添加QQ2449341593

    展开全文
  • 这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片,同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差,用拉普拉斯...

    一、简介

    去散射和边缘增强是解决水下图像的对比度严重衰减、颜色偏差和边缘模糊等问题的关键步骤。这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片,同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差,用拉普拉斯金字塔融合获得无雾和色彩校正图像的融合结果。 最后,输出图像被转换为混合小波和方向滤波器组(HWD)域,用于去噪和边缘增强。 实验结果表明,该方法可以消除颜色失真,提高水下图像的清晰度。

    二、源代码

    clc;
    clear;
    addpath('codes\')
    addpath('Images\')
     
     FileName = uigetfile({'*.jpg;*.bmp;*.png'},'Optional images','Images'); 
     input = imread(FileName);
     output = underwater(input);
     underwaterimage2(input);
     
     %i=40;             %Saved images number
     %saveas(1,['./myresults/',num2str(i),'.jpg']);
     
    function sum_img = window_sum_filter(image, r)
     
    % sum_img(x, y) = = sum(sum(image(x-r:x+r, y-r:y+r)));
     
    [h, w] = size(image);
    sum_img = zeros(size(image));
     
    % Y axis
    im_cum = cumsum(image, 1);
     
    sum_img(1:r+1, :) = im_cum(1+r:2*r+1, :);
    sum_img(r+2:h-r, :) = im_cum(2*r+2:h, :) - im_cum(1:h-2*r-1, :);
    sum_img(h-r+1:h, :) = repmat(im_cum(h, :), [r, 1]) - im_cum(h-2*r:h-r-1, :);
     
    % X axis
    im_cum = cumsum(sum_img, 2);
     
    sum_img(:, 1:r+1) = im_cum(:, 1+r:2*r+1);
    sum_img(:, r+2:w-r) = im_cum(:, 2*r+2:w) - im_cum(:, 1:w-2*r-1);
    sum_img(:, w-r+1:w) = repmat(im_cum(:, w), [1, r]) - im_cum(:, w-2*r:w-r-1);
     
    end
     
    

    三、运行结果

    在这里插入图片描述

    四、备注

    完整代码或者代写添加QQ912100926
    往期回顾>>>>>>
    【图像压缩】图像处理教程系列之图像压缩【Matlab 074期】
    【图像分割】图像处理教程系列之图像分割(一)【Matlab 075期】
    【图像分割】图像处理教程系列之图像分割(二)【Matlab 076期】
    【模式识别】银行卡号之识别【Matlab 077期】
    【模式识别】指纹识别【Matlab 078期】
    【图像处理】基于GUI界面之DWT+DCT+PBFO改进图像水印隐藏提取【Matlab 079期】
    【图像融合】CBF算法之图像融合【Matlab 080期】
    【图像去噪】自适应形态学之图像去噪【Matlab 081期】

    展开全文
  • 该平台采用C#.Net和Matlab混合编程方法,将Matlab的图像处理功能与.Net开发的Web网站结合起来,用户无需安装数字图像软件和掌握专业的图像处理技能,利用浏览器便可以对数字图像进行图像变换、增强、压缩、分割、缩放等...
  •  下面对一幅人体骨骼扫描图进行混合空间增强(有点吓人)。。。我们的目标是通过图像锐化突出骨骼的更多细节来增强图像。由于图像灰度的动态范围很窄并且伴随着很高的噪声,所以很难对其进行增强。对此,我们采取的...

        这次试验问题很多,应该还是数据格式的问题,先发上来吧,放假回去先用Matlab做下,再改改。。。。。

       下面对一幅人体骨骼扫描图进行混合空间增强(有点吓人)。。。我们的目标是通过图像锐化突出骨骼的更多细节来增强图像。由于图像灰度的动态范围很窄并且伴随着很高的噪声,所以很难对其进行增强。对此,我们采取的策略是:首先用拉普拉斯变换突出图像中的小细节,然后用梯度法突出其边缘。平滑过的梯度图像将用于掩蔽拉普拉斯图像,最后通过灰度变换来扩展图像的灰度动态范围。

    1. 首先进行拉普拉斯变换

       首先通过拉普拉斯变换突出图像的小细节。

    2. 再进行拉普拉斯加强算法(未标定,补做。。。)

       图像加强(锐化)

    3. 再进行sobel梯度算法

      再通过sobel算法突出边缘

    4. 再进行拉普拉斯加强后的图像与sobel处理后的图像乘法

    得到强边缘和噪声减少的结果

    5. 最后进行幂律变换(这个还没做。。。。完全弄明白回来补做)

    #include "dipHeader.h"
    
    void main()
    {
    	IplImage* bone = cvLoadImage("bone.tif",0);
    	IplImage* bone2s = cvCreateImage(cvGetSize(bone),IPL_DEPTH_16S,bone->nChannels);
    	IplImage* bonelap = cvCreateImage(cvGetSize(bone),IPL_DEPTH_16S,bone->nChannels);
    	IplImage* bonelap2f = cvCreateImage(cvGetSize(bone),IPL_DEPTH_32F,bone->nChannels);
    	IplImage* bonesub = cvCreateImage(cvGetSize(bone),IPL_DEPTH_16S,bone->nChannels);
    //	IplImage* bonecal = cvCreateImage(cvGetSize(bone),IPL_DEPTH_16S,bone->nChannels);
    	IplImage* bonesob = cvCreateImage(cvGetSize(bone),IPL_DEPTH_8U,bone->nChannels);
    	IplImage* bonesob2f = cvCreateImage(cvGetSize(bone),IPL_DEPTH_32F,bone->nChannels);
    	IplImage* bonemul = cvCreateImage(cvGetSize(bone),IPL_DEPTH_32F,bone->nChannels);
    	cvLaplace(bone,bonelap,7);
    	cvConvertScale(bone , bone2s , 1.0, 0.0);
    	cvSobel(bone,bonesob,1,0,3);
    	
    	cvConvertScale(bonesob,bonesob2f,1.0,0.0);
    	cvConvertScale(bonelap,bonelap2f,1.0,0.0);
    
    	cvAddWeighted(bone2s,1.0,bonelap, -1.0, 0.0, bonesub);
    	
    
    	cvMultiplyAcc(bonelap2f,bonesob2f,bonemul);
    /*	int x,y;
    	for (y=0;y<bonesub->height;y++)
    	{
    		short* bonesub_data = (short*)(bonesub->imageData+y*bonesub->widthStep);
    		short* bonecal_data = (short*)(bonecal->imageData+y*bonecal->widthStep);
    		for(x=0;x<bonesub->widthStep;x++)
    		{
    			bonecal_data[x] = (short)(bonesub_data[x]+255) / 2;
    		}
    	}*/
    
    	cvNamedWindow("bone",0);
    	cvShowImage("bone",bone);
    	cvNamedWindow("bonelap",0);
    	cvShowImage("bonelap",bonelap);
    	cvNamedWindow("bonesub",0);
    	cvShowImage("bonesub",bonesub);
    //	cvNamedWindow("bonecal",0);
    //	cvShowImage("bonecal",bonecal);
    	cvNamedWindow("bonesob",0);
    	cvShowImage("bonesob",bonesob);
    
    	cvNamedWindow("bonemul",0);
    	cvShowImage("bonemul",bonemul);
    	cvWaitKey(0);
    }


     

     

     

    展开全文
  • 忙了大半个学期的指纹、掌纹处理,这里稍微整理出部分 ...增强指纹图像(通过均衡化、边缘收敛、平滑、增强、二指化); 细化(提取单像素的脊线) 标记特征点(切缝法求方向图、根据Poincare index 找特征点...

    忙了大半个学期的指纹、掌纹处理,这里稍微整理出部分

    目标

    找出指纹图像的中心点与三角点,统计间隔脊线数量,完成指纹的归类。


     

    功能

    需要完成的处理包括:

    • 分割前景与背景(利用梯度图、方向场实现);
    • 增强指纹图像(通过均衡化、边缘收敛、平滑、增强、二指化);
    • 细化(提取单像素的脊线)
    • 标记特征点(切缝法求方向图、根据Poincare index 找特征点)
    • 统计连线与脊线交点

     

    效果

    指纹类型识别:

    image

    image

    脊线数量统计:

    V}EDSKR$3UM6J1PAN`5$U)W

     

    后续补充(相关链接)

    一些具体的方法等我有空我再在这边进行补充吧

    转载于:https://www.cnblogs.com/KC-Mei/p/4335989.html

    展开全文
  • 不仅涉及数字图像的文件读/写、显示、类型转换、频域变换、几何变换、图像增强、图像去噪、图像分割、边缘检测、特征提取、图像配准、图像拼接、图像压缩、图形用户界面设计等技术,而且详细讲述可视密码共享、数字...
  • 不仅涉及数字图像的文件读/写、显示、类型转换、频域变换、几何变换、图像增强、图像去噪、图像分割、边缘检测、特征提取、图像配准、图像拼接、图像压缩、图形用户界面设计等技术,而且详细讲述可视密码共享、数字...
  • PS图层混合模式基于MATLAB实现 1. 组合模式(正常、溶解) 2. 加深混合模式(变暗、...内容包含matlab gui图像处理的大部分内容,如特效处理,增强处理,任意变形截图,可设参数的对比度和亮点等变化。 ..
  • 图像增强处理:设计2套空间域与频率域结合的图像增强算法,处理以下两组图片中的带噪声图像,去除噪声,提高图像质量。 (1)已知:噪声为随机噪声和周期噪声混合噪声; (2)要求: a)去噪处理后,计算均方误差...
  • 下面我们对一幅人体骨骼扫描图进行混合空间增强。之前在网上找了很多关于空间增强的代码,但是都只有matlab的版本,一直没有找到C++的版本。所以我结合冈萨雷斯的《数字图像处理》上面的思路,粗略的写了一个C++的...
  • 【期刊征文】《中国图象图形学报》征文——高光谱图像处理与应用征文截稿日期:2021年2月28日出版日期:2021年7月注意事项:一、征文范围(包括但不限于)1) 高光谱成像技术新进展2) 高光谱图像质量增强技术与应用3) ...
  • 图像增强处理:设计一套空间域与频率域结合的图像增强算法,处理以下任一组图片中的带噪声图像,去除噪声,提高图像质量。 (1)已知:噪声为随机噪声和周期噪声混合噪声; (2)要求: a)去噪处理后,计算均方误差...
  • 前言去年图像处理的DLL,有学弟问我做的思路,便放到博客里 github地址,欢迎star 图像增强处理:设计一套空间域与频率域结合的图像增强算法,处理以下任一组图片中的带噪声图像,去除噪声,提高图像质量。...
  • 利用Matlab软件进行图像数据获取、对比度增强、去噪、二值化处理;为弥补二值化后图像中出现的断边、孔洞,借助Sobel算子进行边缘提取以接合断边,并基于数学形态学算子填充孔洞。再标签化处理图像并提取水果的颜色...
  • 习题 MATLAB编程和练习 参考文献 第14章 聚类算法III:基于函数最优方法 14.1 引言 14.2 混合分解方法 14.3 模糊聚类算法 14.4 可能性聚类 14.5 硬聚类算法 14.6 向量量化 附录 习题 MATLAB编程和练习 参考文献 第15...
  • 数学建模方法:蚁群算法

    热门讨论 2010-05-21 15:35:07
    改进的增强型蚁群算法 基于云模型理论的蚁群算法改进研究 基于禁忌搜索与蚁群最优结合算法的配电网规划 自适应蚁群算法在序列比对中的应用 基于蚁群算法的QoS多播路由优化算法 多目标优化问题的蚁群算法研究 多线程...
  • LSHBOX:局部敏感算法(LSH)的C++工具箱,提供了好几种普遍的LSH算法,也可以支持Python和MATLAB。 PGM-index:能够快速查找、前导、范围搜索和更新数以亿计项数组的数据结构,其跟传统索引相比,使用梯度的顺序而...

空空如也

空空如也

1 2
收藏数 25
精华内容 10
关键字:

matlab混合图像增强

matlab 订阅