【图像增强】基于量子遗传算法实现自适应图像增强附matlab代码
【图像增强】基于量子遗传算法实现自适应图像增强附matlab代码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
1 简介
图象增强就是将原来不清楚的图像变得清晰或把我们感兴趣的某些特征强调出来,以改善图像的视觉效果或便于对图像进行其他处理。灰度图像的非线性变换是一种有效的图像增强方法,该方法对不同灰度特征的图像采用不同的非线性变换曲线进行调整。归一化非完全Beta函数可以拟合图像调整的各种非线性变换曲线,不同的参数值分别对应于不同类型的图像非线性变换曲线,但通常确定该函数参数需要采用穷举法和人工介入法,计算量大且无智能性。量子遗传算法是量子计算和遗传算法相结合的一种新的优化算法。量子遗传算法建立在量子的态矢量表示的基础之上,将量子比特的几率幅表示应用于遗传算法中染色体的编码,使得一条染色体可以表达多个态的叠加,并利用量子逻辑门代替遗传操作实现染色体的更新,从而实现目标的优化求解,具有比遗传算法更高的搜索效率。本文利用量子遗传算法进行灰度图像的非线性变换函数参数的自适应选择。实验表明,量子遗传算法具有强大的搜索能力,它可以根据图像的灰度性质,得到较优的非线性变换曲线,有效的实现了灰度图像的自适应增强。
2 部分代码
% 利用量子遗传算法进行图像增强
clc,clear all;close all;
%% read picture
img=rgb2gray(imread(’test1.jpg’));
img=imresize(img,0.7);
figure(1);
imhist(img); % 原始图像直方图
img=double(img);
[row,colume]=size(img); % 图像大小
num_pixel=row*colume; % 像素个数
%% 利用QGA求最优的alpha, beta
MAX_Geneic=20; % 遗传代数
sizePopu=10; % 初始种群数目
tic;
best=QGA_Sharpen(img,MAX_Geneic,sizePopu);
disp([’The total time is ’ num2str(toc) ’s’]);
fprintf(’The final alpha is %f
’,best.B(1));
fprintf(’The final beta is %f
’,best.B(2));
fprintf(’The best fitness value is %f
’,best.fitnessVal);
%% 画出非线性函数（Beta函数）图像
x=0:0.01:1;
y=pdf(’beta’,x,best.B(1),best.B(2));
figure(4);
plot(x,y);
%% 处理之后的图像灰度值
img_sharp=best.sharpImg;
figure(5);
imhist(uint8(img_sharp)); % 锐化后图像直方图
figure;
subplot(121)
imshow(img,[]); %
title(’原始图像’)
subplot(122)
imshow(uint8(img_sharp));
title(’增强图像’)% 可视化处理后图像
%imwrite(uint8(cameraman),’test2_opt.jpg’);
3 仿真结果
4 参考文献
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。