【图像亮度、对比度调整，直方图均衡化及图像平滑】

图像增强与基本处理

目标

学习图像增强的基本方法，包括亮度调整、对比度调整、直方图均衡化、图像平滑（高斯滤波、中值滤波）等。

知识点

1. 亮度调整

• 定义：调整图像的整体亮度，使图像更亮或更暗。
• 原理：通过增加或减少每个像素的亮度值来实现。
• 特点：
○ 简单直接，适用于全局亮度调整。
○ 可能会导致过曝或欠曝。
• 使用技巧：
○ 亮度调整应根据图像的实际亮度情况适度调整。
○ 避免过度调整导致图像失真。

示例代码：

% 读取图像
img = imread('E:\Work\TestPic\embeded.jpg');
% 调整亮度（增加50）
brightImg = imadd(img, 50);
% 调整亮度（减少50）
dimmedImg = imadd(img, -50);
% 显示结果
figure;
subplot(1, 3, 2);
imshow(img);
title('Original Image');  % 显示原图
subplot(1, 3, 3);
imshow(brightImg);
title('Brightened Image'); % 显示亮度增强图
subplot(1, 3, 1);
imshow(dimmedImg);
title('Dimmed Image'); % 显示亮度增强图

代码解释：
• imadd 函数用于将每个像素值增加一个固定值（50），从而增加图像亮度。
• imshow 函数用于显示图像。

运行结果：
在这里插入图片描述

2. 对比度调整

• 定义：调整图像的对比度，使图像更清晰或更模糊。
• 原理：通过调整图像的动态范围来增强或减弱对比度。
• 特点：
○ 增强对比度可以使图像更清晰。
○ 过度调整可能导致细节丢失。
• 使用技巧：
○ 根据图像的动态范围调整对比度。
○ 使用 imadjust 函数灵活控制对比度。

示例代码：

% 读取图像
img = imread('peppers.png');% 调整对比度
% [0.2, 0.8] 是输入范围，[0.3, 0.7] 是输出范围
contrastImg = imadjust(img, [0.2, 0.8], [0.3, 0.7]);% 显示结果
figure;
subplot(1, 2, 1);
imshow(img);
title('Original Image');
subplot(1, 2, 2);
imshow(contrastImg);
title('Contrast Adjusted Image');

代码解释：
• imadjust 函数通过调整输入范围 [0.2, 0.8] 和输出范围 [0.3, 0.7] 来增强对比度。
• 输入范围定义了原图像的最小和最大亮度值，输出范围定义了调整后的亮度范围。

运行结果：
在这里插入图片描述

3. 直方图均衡化

• 定义：通过调整图像的直方图，使像素值均匀分布，增强图像对比度。
• 原理：
○ 计算图像的直方图。
○ 计算累积分布函数（CDF）。
○ 使用 CDF 转换像素值，使直方图均匀化。
• 特点：
○ 适用于全局对比度较低的图像。
○ 可能会增强噪声。
• 使用技巧：
○ 对于对比度较低的图像效果明显。
○ 可与去噪操作结合使用。

示例代码：

% 读取图像
img = imread('peppers.png');% 直方图均衡化
equalizedImg = histeq(img);% 显示结果
figure;
subplot(1, 2, 1);
imshow(img);
title('Original Image');
subplot(1, 2, 2);
imshow(equalizedImg);
title('Equalized Image');% 显示直方图
figure;
subplot(1, 2, 1);
imhist(img);
title('Original Histogram');
subplot(1, 2, 2);
imhist(equalizedImg);
title('Equalized Histogram');

代码解释：
• histeq 函数用于对图像进行直方图均衡化。
• imhist 函数用于显示图像的直方图，帮助用户直观理解均衡化的效果。

运行结果：
在这里插入图片描述

4. 图像平滑（高斯滤波）

• 定义：使用高斯滤波器对图像进行平滑处理，去除噪声。
• 原理：
○ 高斯滤波器是一种线性滤波器。
○ 通过卷积操作对图像进行平滑。
• 特点：
○ 适用于去除高斯噪声。
○ 会导致图像模糊。
• 使用技巧：
○ 根据噪声强度选择合适的滤波器尺寸和标准差。
○ 过度平滑会导致细节丢失。

示例代码：

% 读取图像
img = imread('peppers.png');% 创建高斯滤波器
h = fspecial('gaussian', [5, 5], 2); % 5x5滤波器，标准差为2% 应用高斯滤波
blurredImg = imgaussfilt(img, 2); % 使用imgaussfilt函数，标准差为2% 显示结果
figure;
subplot(1, 2, 1);
imshow(img);
title('Original Image');
subplot(1, 2, 2);
imshow(blurredImg);
title('Blurred Image');

代码解释：
• fspecial(‘gaussian’, [5, 5], 2) 创建一个5x5的高斯滤波器，标准差为2。
• imgaussfilt 函数直接应用高斯滤波器，参数为标准差。

运行结果：
在这里插入图片描述

5. 图像平滑（中值滤波）

• 定义：使用中值滤波器对图像进行平滑处理，去除椒盐噪声。
• 原理：
○ 对每个像素及其邻域计算中值。
○ 用中值替换中心像素。
• 特点：
○ 适用于去除椒盐噪声。
○ 保留图像边缘。
• 使用技巧：
○ 根据噪声密度选择合适的滤波器尺寸。
○ 过大的滤波器尺寸会导致模糊。
示例代码：

% 图像平滑（中值滤波）
% 读取图像
img = imread('E:\Work\TestPic\embeded.jpg');% 转换为灰度图像
img_gray = rgb2gray(img);% 添加椒盐噪声
noisyImg = imnoise(img_gray, 'salt & pepper', 0.02); % 2%的噪声密度% 中值滤波
filteredImg = medfilt2(noisyImg, [3, 3]); % 3x3滤波器% 显示结果
figure;
subplot(1, 3, 1);
imshow(img_gray);
title('Original Image');subplot(1, 3, 2);
imshow(noisyImg);
title('Noisy Image');subplot(1, 3, 3);
imshow(filteredImg);
title('Filtered Image');