数字图像处理DIP之线性对比度展宽图像增强实践记录

谁践踏了优雅 2023-07-18 09:44 26阅读 0赞

### 数字图像处理DIP之线性对比度展宽图像增强实践记录 ###

*  一、关于图像增强之线性对比度展宽
 *   *  1、线性对比度展宽实现方法
     *  2、算法流程与MATLAB处理程序
 *  二、实践记录
 *   *  1、代码实现
     *  2、运行结果
 *  三、线性对比度展宽—— 灰级窗

***叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！***  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]

# 一、关于图像增强之线性对比度展宽 #

对比度展宽的目的 ： **通过将亮暗差异（ 即对比度 ） 扩大 ， 来把人所关心的部分强调出来** 。  
原理：`进行像素点对点的、灰度级的线性影射 。 该影射关系通过调整参数来实现对亮暗差异的扩大`。

## 1、线性对比度展宽实现方法 ##

设原图 、 处理后的结果图的灰度值分别为 \[f(i,j)\] 和\[g(i,j)\];  
要求 \[g(i,j)\] 和 \[f(i,j)\] 均在 \[0 ， 255\] 间变化 ， 但是g的表现效果要优于f 。因为 f 和 g 的取值范围相同 ， 所以通过 **`抑制`** 不重要的部分 ， 来 **`扩展`** 所关心部分的对比度。

为了达到上面所提出的目的 原图 （ 横轴上的 f(i,j) ）与处理后图 （ 纵轴上的 g(i,j) )的灰度影射关系可用下图表示 ：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 2]

## 2、算法流程与MATLAB处理程序 ##

• 设置参数  
（例如：fa = 5;fb = 30; ga = 80;gb = 100;）  
• 读入图像到矩阵F  
• 得到F的行列数m,n,  
• 初始化输出矩阵G  
• 对于G的每一行i  
• 对于G的每一列j  
• 根据公式由F(i,j)计算G(i,j)

# 二、实践记录 #

## 1、代码实现 ##

**`ContrastWidening.m`文件**

function G=ContrastWidening(ImPath,fa,fb,ga,gb)
    x  = imread(ImPath);            %%% 图片读取 
    [m,n,c] = size(x);
    if(c>1)
        F=rgb2gray(x);
    end
    G=zeros(m,n);
    k1 = ga/fa;                          
    k2 = (gb-ga)/(fb-fa);             
    k3 = (255-gb)/(255-fb);              
    for i=1:m    
        for j=1:n
            if F(i,j)<fa
                G(i,j) = k1*F(i,j);
            elseif F(i,j)<fb
                G(i,j) = k2*(F(i,j)-fa)+ga;
            else
                G(i,j) = k3*(F(i,j)-fb)+gb;
            end
        end
    end
    G = uint8(G);
    figure,imshow(x);
    figure,imshow(G);
    end

## 2、运行结果 ##

调用编写好的函数：

ContrastWidening(ImPath,fa,fb,ga,gb);
     
     小啊呜的调用实例：
     ContrastWidening('football.jpg',60,100,60,70);

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 3]  
现象如下：左为原图，右为处理后图片；  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 4]  
成功实现！  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 5]  
其中的函数参数fa,fb,ga,gb设置就需要多次实践取值得到更心仪的处理图片啦！

# 三、线性对比度展宽—— 灰级窗 #

当 256 个灰度级所表示的亮暗范围内的信息量太大 ， 没办法很好地表述时 ， 通过开窗的方式 **`每次只把窗内的灰度级展宽而把窗外的灰度级完全抑制掉`** 。

例如 ： CT 图像的原始数据为 12bit （ 或是 16bit ）， 要将其显示出来 ， 则只能转换为 8bit ， 于是有了 16 归并为1 1 （ 或 256 归并为1 1 ） 的需要 。 这时 ， 开骨窗 、 肌肉窗 、 组织窗就可分别清晰地显示相应的内容 。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 6]  
经过灰级窗处理后，**将原图中灰度值分布在范围内的像素值映射到范围内**，使对比度展宽获得更清晰图像。灰级窗算法只显示指定灰度级范围内的信息，并充分增强其对比度，从而抑制非重要的信息。  
• 灰级窗映射计算公式表示如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 7]

**Ending！**  
更多课程知识学习记录随后再来吧！

就酱，嘎啦！

![在这里插入图片描述][20200207152559955.png_pic_center]

注：  
1、我们愈是学习，愈觉得自己的贫乏。 —— 雪莱  
2、注意：MATLAB自带的图片在“Matlab\\R2010b\\toolbox\\images\\imdemos”这个文件夹中。这个文件夹中有很多尺寸合适的图片，也有很多类型，调用时很方便。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]: /images/20230528/9ec6cd5182cb4c10af34b846900230e5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230528/d0c1711896d3423e9fe330f5177ca5bc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20230528/cf56e4211fca4a4fa7b073191ba6ab32.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20230528/739085f7f7a84503bf52a1b7a7f98d3b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20230528/faa56450fbc945bd92e62dcce620f64f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20230528/8732a412bbe4423fabe80c31df0272bc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20230528/d6c07d7fcb294687a4285935d4809409.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 7]: /images/20230528/1dca8c06894046c0b5b52e3cc1d67ad4.png
[20200207152559955.png_pic_center]: /images/20230528/0f800505c7984ee19a09d42043ff0d0c.png