【图像增强】基于双边滤波和局部均值算法实现图像光照增强附matlab代码
【图像增强】基于双边滤波和局部均值算法实现图像光照增强附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
图像的获取过程存在各种不确定因素，易导致其质量下降 或 退 化，常常需要利用图像增强技术，改善其视 觉 效 果。图像增强是对图像进行分析的预处理环节，即将图像转换成更适合于人眼观察和机 器 分 析 识 别 的 形 式，以 突 出 图 像 细 节 和 对比度。基于空域的直接增强算法，可对图像灰度进行处理，包 括 Ｇａｍｍａ校 正 法、对 比 度 拉 伸 法、直 方 图均衡化、小波变换法等。频域的处理方法以修改图像的傅里叶变换为基础，包括多尺度增强、小波增强和巴特沃斯高通滤波等。
为了改善低亮度图像的可视性效果，给出一种基于双边滤波的彩色图像增强算法。对图像亮度整体作对数变换后，利用当前点与其邻域像素之间的关系，调整低亮度图像的局部对比度，并通过线性颜色恢复算法恢复图像色彩信息。针对随机所选５幅彩色图像的测试结果显示，经所给算法增强后的图像，其信息熵、均值和平均梯度皆有相对显著增加。
2 部分代码
function [ output ] =
PSNR
( img1,img2)
%
PSNR
峰值信噪比
img1=im2double(img1);
img2=im2double(img2);
if
sum(sum(sum(sum(img1-img2)))) ==
0
error(’
Those
pictures are the same’);
end
MAX
=
1
; %图像有多少灰度级（我这里定为
1
）
if
numel(size(img1))==
3
for
i=
1
:
3
% 归一化
if
(
max
(
max
(img1(:,:,i)))-
min
(
min
(img1(:,:,i)))) ~=
0
img1(:,:,i) = (img1(:,:,i)-
min
(
min
(img1(:,:,i))))./(
max
(
max
(img1(:,:,i)))-
min
(
min
(img1(:,:,i))));
end
if
(
max
(
max
(img2(:,:,i)))-
min
(
min
(img2(:,:,i)))) ~=
0
img2(:,:,i) = (img2(:,:,i)-
min
(
min
(img2(:,:,i))))./(
max
(
max
(img2(:,:,i)))-
min
(
min
(img2(:,:,i))));
end
%
MSE
=sum(sum((img1(:,:,i)-img2(:,:,i)).^
2
))/(size(img1(:,:,i),
1
)*size(img1(:,:,i),
1
)); %图片像素
output(i)=
10
*log10(
MAX
/sqrt(
MSE
)); %峰值信噪比
end
output=mean(output);
else
% 归一化
if
(
max
(
max
(img1))-
min
(
min
(img1))) ~=
0
img1 = (img1-
min
(
min
(img1)))./(
max
(
max
(img1))-
min
(
min
(img1)));
end
if
(
max
(
max
(img2))-
min
(
min
(img2))) ~=
0
img2 = (img2-
min
(
min
(img2)))./(
max
(
max
(img2))-
min
(
min
(img2)));
end
%
MSE
=sum(sum((img1-img2).^
2
))/(size(img1,
1
)*size(img1,
1
)); %图片像素
output=
10
*log10(
MAX
/sqrt(
MSE
)); %峰值信噪比
end
end
3 仿真结果
4 参考文献
[1]田小平, 姜薇, 吴成茂. 基于双边滤波的低亮度图像增强算法[J]. 西安邮电大学学报, 2016, 21(4):5.
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。