梯度域图像增强matlab程序

以下是一个简单的基于梯度域的图像增强示例 Matlab 程序：

% 读取图像
image = imread('example.jpg');

% 将图像转换为灰度图像
gray_image = rgb2gray(image);

% 使用高斯滤波去除噪声
filtered_image = imgaussfilt(gray_image, 2);

% 计算图像的梯度
[dx, dy] = gradient(filtered_image);

% 计算梯度的幅值和方向
magnitude = sqrt(dx.^2 + dy.^2);
direction = atan2(dy, dx);

% 对幅值进行归一化
normalized_magnitude = (magnitude - min(magnitude(:))) / (max(magnitude(:)) - min(magnitude(:)));

% 对幅值进行平方，以增强边缘
squared_magnitude = normalized_magnitude .^ 2;

% 将方向转换为度数
degree_direction = direction * 180 / pi;

% 将度数方向离散化为 8 个方向
quantized_direction = floor((degree_direction + 22.5) / 45) * 45;

% 将图像分成 8 个梯度方向的子区域
subregions = mat2cell(squared_magnitude, size(squared_magnitude, 1) / 8 * ones(1, 8), size(squared_magnitude, 2));

% 计算每个子区域的平均幅值和方向
mean_magnitudes = cellfun(@mean, subregions);
mean_directions = cellfun(@(x) mode(quantized_direction(x ~= 0)), subregions);

% 将平均幅值和方向合并成一个 8 维向量
feature_vector = [mean_magnitudes, mean_directions];

% 显示原始图像和增强后的图像
imshowpair(image, repmat(uint8(255 * normalized_magnitude), [1, 1, 3]), 'montage');

该程序将输入图像转换为灰度图像，并使用高斯滤波去除噪声。然后，它计算图像的梯度，并将梯度的幅值和方向归一化和离散化。接下来，它将图像分成 8 个梯度方向的子区域，并计算每个子区域的平均幅值和方向。最后，它将平均幅值和方向合并成一个 8 维向量，并显示原始图像和增强后的图像。