全国服务热线: +QQ996934
最新公告:
seo培训学习,企业站seo实战培训,培训seo教学课程——实战为主,理论为辅,诚信不变,力保双赢...
SEO培训service
SEO联系Contact us
地址:
中国CHINA
邮箱:
996934@qq.com
电话:
+QQ996934
传真:
+QQ996934
seo培训学习   当前位置:首页 > SEO资讯 > seo培训学习
Matlab图像增强与复原技术在SEM图像中的应用发布时间:2020-01-11

  直方图均衡化(Histogran Equalization,HE)是利用直方图的统计数据进行直方图的修改,能有效地处理原始图像的直方图分布情况,使各灰度级具有均匀的概率分布,培训seo教学课程通过调整图像的灰度值的动态范围,自动地增加整个图像的对比度,以使图像具有较大的反差,大部分细节清晰。传统的直方图理论如下:输入的直方图用H(p)表示;输入的灰度级范围为[p0,pk],其目的是找到一个单调的像素亮度变换q T(p),使得输出的直方图G(q)在整个输出亮度范围[p0,pk]内是均匀的。直方图可以看作是离散的概率密度函数,变换T的单调性意味着有如下公式成立:式(1)中的求和可以理解成离散概率密度函数的累积。假设图像有M行和N列个像素,则均衡化的直方图G(q)就对应均衡化的离散概率密度函数f,其函数的值是一个常数:式(2)的值替换式(1)的左边,对于理想化的连续概率密度来说,就可以得到精确的均衡化直方图,这时式(1)变化为:式(4)中的积分被称为累积的直方图,在数字图像中用求和来近似,因此结果直方图并不是理想地等同的。在离散情况下,对式(4)的连续像素亮度变换的近似为: (2)利用传递函数H(u,v)对图像的频谱函数F(u,v)进行处理,得到输出G(u,v);式中:N和M表示每个像素周围的N×M局部邻域。Winener2函数使用这些估计值,构建像素式维纳滤波为:式中:v2为噪声方差,企业站seo实战培训如果不指定噪声方差,Winner2函数将使用所有局部估计方差的平均值作为其参数。采用该算法对医学生物图像进行增强和复原的实现。如图1所示,原始图像的图像模糊不清,动态范围小,整个图像呈现低对比度。利用直方图均衡化处理的图像2,使整个图像的对比度明显增强,上皮细胞与周围环境的区别明显,但是图像不平滑,有噪声。经过低通滤波处理后的图3,通过滤波去除了高频分量,消除了噪声,起到了平滑图像去除噪声的增强作用,但因它去除了某些边界对应的频率分量,使得上皮细胞的边界变得有一点模糊缘效应。经过自适应维纳滤波得到的图4,很好地改善了上皮细胞的图像质量,突出了上皮细胞的整体与局部特征,达到了很好的视觉效果和区别特征。所用的原始图片,是作者从事扫描电镜工作过程中所拍到并且保存的照片,细胞与背景区分不明显,无论怎么操作电镜都无法达到客户所希望的、清楚的细胞轮廓,与周围环境区别明显。图像增强可以理解为按需要进行适当的变换,对图像的某些特征,如边缘、轮廓的对比度等进行强调或锐化,突出某些有用的信息,去除或消弱无用的信息,以便于显示、观察或进一步分析和处理。图像质量的视觉评价是一个高度主观的过程。由图1~图4可见,原始图片中的图像模糊不清,对比度低,上皮细胞轮廓不明显,与背景区分不大,在经过直方图均衡化,频域低通滤波,自适应维纳滤波处理后,图像逐步得以改善。最后得到的结果图像 (见图4自适应维纳滤波处理后的图像),其上皮细胞的轮廓非常明显,对比度和亮度很适中,能很好地用于生物医学工作来鉴别上皮细胞。通过数字图像处理能够很好地增强与改善生物医学上这类图像质量,在扫描电镜工作过程中,因细胞(上皮细胞,钙细胞,神经细胞等)与周围环境太相似,无论怎么操作电镜,都无法得到细胞轮廓清楚,与背景区分明显的理想图像。数字图像处理为医学生物图像的处理提供了一个技术平台,seo培训学习不仅对生物医学图像的分析和诊断有着重要意义,而且对其他图像处理也有着重要的参考意义。沂山风景区在优化网格化管…