【图像增强】基于matlab GSA灰度图像增强【含Matlab源码 1172期】
一、获取代码方式
获取代码方式1:
通过订阅紫极神光博客付费专栏,凭支付凭证,私信博主,可获得此代码。
获取代码方式2:
完整代码已上传我的资源:【图像增强】基于matlab GSA灰度图像增强【含Matlab源码 1172期】
备注:
订阅紫极神光博客付费专栏,可免费获得1份代码(有效期为订阅日起,三天内有效);
二、图像增强及GSA简介
1 图像增强
图像增强是对图像的某些特征,如边缘、轮廓、对比度等进行强调或锐化,以便于显示、观察或进一步分析与处理。通过对图像的特定加工,将被处理的图像转化为对具体应用来说视觉质量和效果更“好”或更“有用”的图像。
图像增强是最基本最常用的图像处理技术,常用于其他图像处理的预处理阶段。
(1)高通平滑、低通锐化;平滑模糊、锐化突出图像细节
(2)滤波器还有带通、带阻等形式
(3)根据噪声(椒盐噪声、高斯噪声…)的不同,选用不同的滤波
(4)邻域有4-邻域、对角邻域、8-邻域,相对应的有邻接,即空间上相邻、像素灰度相似
(5)图像边缘处理:忽略不处理、补充、循环使用
(6)目前尚未图像处理大多基于灰度图像
2 引力搜索算法(GSA)
引力搜索算法(GSA)是一种基于引力和质量相互作用定律的优化算法。该算法基于牛顿引力:“宇宙中的每个粒子都以与力乘积成正比的力吸引每个其他粒子。它们的质量与它们之间的距离的平方成反比”。
三、部分源代码
% Using the Regional Similarity Transformation Function and Dragonfly Algorithm.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%THIS IS A DEMO FOR NOVEL IMAGE ENHANCEMENT USING GRAV脻TAT脻ONAL SEARCH ALGORITHM
clc;
clear all;
close all;
%READ IMAGE
i=imread('test5.bmp');
i=imresize(i,1);
%--------------------------------------------------------------------------
%GLOBAL MEAN
frekans=zeros(256,1);
% It records by counting how many times each pixel value is.
for k=1:size(i,1)
for l=1:size(i,2)
value=i(k,l);
frekans(value+1)=frekans(value+1)+1;
end
end
deger=max(frekans);
for k=1:256
if deger==frekans(k)
D=k;
end
end
D=double(D/255);
image = im2double(i);
global_mean = D;
%--------------------------------------------------------------------------
% LOCAL MEAN
Bmean = mean_n(image);
%--------------------------------------------------------------------------
%SIMILARITY
[S]=similarity(i);
B=double(S);
%--------------------------
C = std_n(image,Bmean);
im_size = size(image);
%-------------------------------------------------------------------------
%OPTIMIZATION PARAMETERS
N=15; % Agent number;
Max_iteration=15;
%-------------------------------------------------------------------------
%CALL FUNCTION
[parameters Fbest BestChart MeanChart] = GSA_enhancement2(image,global_mean,B,C,im_size, N, Max_iteration);
enh = trans(i,image, B, C, global_mean, parameters(1),parameters(2),parameters(3),parameters(4) );
function [S]= similarity(x)
[xlen ylen] =size(x);
S=zeros(xlen, ylen);
for i=2:1:xlen-1
for j=2:1:ylen-1
%--------------------------------------------------------
%Getting the values in the mask
maskGray=zeros(1,9) ;
resim=zeros(1,9) ;
for b=1:9;
[m]=ikomsu(b,i);
[n]=jkomsu(b,j);
[res]=resimdemi(m,n,xlen,ylen);
resim(b)=res;
if(resim(b)==1)
gray= x(m,n);
maskGray (b) =gray;
else
maskGray (b) =0;
end
end
% Distance and similarity are calculated between 9 pixels in the mask and the result is determined.
DN=150;
sim=0;
sum=0;
for b=1:9
sim (b)=similarity1(maskGray(b),maskGray(9),DN);
sum=sim(b)+sum;
end
%---------------------------------------------------------
S(i,j)=sum/9;
end
end
end
%------------------------------------------------------------------------
%FUNCTIONS
%-----------------------------------------------------------------------
function [ res ] = resimdemi(x,y,w,h )
if(x<1 || x>w-1 || y<1 || y>h-1)
res=0;
else
res=1;
end
end
function [x] = ikomsu( komsuno, i)
if(komsuno ==1)
x=i-1;
elseif(komsuno ==2)
x= i;
elseif(komsuno ==3)
x= i+1;
elseif(komsuno ==4)
x= i-1;
elseif(komsuno ==5)
x= i+1;
elseif(komsuno ==6)
x= i-1;
elseif(komsuno ==7)
x= i;
elseif(komsuno ==8)
x= i+1;
elseif(komsuno ==9)
x=i;
else
x=0;
end
end
function [y] = jkomsu( komsuno, j )
if(komsuno ==1)
y= j-1;
elseif(komsuno ==2)
y= j-1;
elseif(komsuno ==3)
y= j-1;
elseif(komsuno ==4)
y= j;
elseif(komsuno ==5)
y= j;
elseif(komsuno ==6)
y= j+1;
elseif(komsuno ==7)
y= j+1;
elseif(komsuno ==8)
y= j+1;
elseif(komsuno ==9)
y= j;
else
y=0;
end
end
function [sim] = similarity1( k, o, DN)
a=0;b=0;c=0;
a=abs(k-o);
% b=(abs(l-p))^2;
% c=(abs(m-r))^2;
% //Distance calculation based on the Euclidean relation
dist=a;
% % //Calculation of similarity based on linear function
arahes=dist/DN;
sim=1 - arahes;
% sim=exp(-dist/DN);
end
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
四、运行结果
五、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社,2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社,2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社,2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社,2015.
文章来源: qq912100926.blog.csdn.net,作者:海神之光,版权归原作者所有,如需转载,请联系作者。
原文链接:qq912100926.blog.csdn.net/article/details/119280772
- 点赞
- 收藏
- 关注作者
评论(0)