使用伽马校正的MSR算法matlab代码

以下是使用伽马校正的MSR算法的MATLAB代码示例：

% 读取图像
img = imread('example.jpg');

% 将图像转换为浮点数
img = im2double(img);

% 伽马校正（gamma correction）
gamma = 2.2;
img_gamma = img.^gamma;

% MSR算法
sigma = 5; % 设置高斯核的标准差
L = 2; % 设置L值

% 计算基础图像
base_img = img_gamma - imgaussfilt(img_gamma, sigma);

% 计算细节图像
detail_img = img - base_img;

% 进行增强
enhanced_img = base_img + L * detail_img;

% 将增强后的图像进行伽马反校正
enhanced_img = enhanced_img.^(1/gamma);

% 显示原始图像和增强后的图像
figure;
subplot(1,2,1), imshow(img), title('Original Image');
subplot(1,2,2), imshow(enhanced_img), title('Enhanced Image');

请注意，此代码仅用于演示目的，您可能需要根据您的需求进行修改。

相关问题

基于伽马校正的MSR算法 matlab实现

伽马校正是一种常用的图像处理方法，可以用于调整图像的亮度和对比度。而MSR算法则是基于伽马校正的一种图像增强算法，可以提高图像的清晰度和对比度。以下是基于伽马校正的MSR算法的matlab实现：

function [out_image] = MSR(image, gamma, alpha, beta)

% image: 输入图像
% gamma: 伽马校正参数
% alpha: 对比度增益参数
% beta: 空间域平滑参数

% 将图像转换为灰度图像
if size(image, 3) == 3
    image = rgb2gray(image);
end

% 对图像进行伽马校正
gamma_image = imadjust(image, [], [], gamma);

% 计算图像的梯度幅值和方向
[Gmag, Gdir] = imgradient(gamma_image);

% 对梯度幅值进行归一化
Gmag_norm = Gmag ./ max(Gmag(:));

% 计算梯度幅值的均值
Gmag_mean = mean(Gmag_norm(:));

% 计算局部对比度权重
contrast_weight = alpha * (Gmag_norm - Gmag_mean) + Gmag_mean;

% 对权重进行空间域平滑处理
H = fspecial('gaussian', [5 5], beta);
contrast_weight_smooth = imfilter(contrast_weight, H, 'replicate');

% 对图像进行MSR增强
out_image = gamma_image .* contrast_weight_smooth;

% 对增强后的图像进行灰度级拉伸
out_image = imadjust(out_image, [], [], [0 1], []);

其中，输入的参数gamma表示伽马校正参数，alpha表示对比度增益参数，beta表示空间域平滑参数。该函数首先将输入图像转换为灰度图像，然后对图像进行伽马校正。接着，计算图像的梯度幅值和方向，并对梯度幅值进行归一化。然后，计算梯度幅值的均值，并根据梯度幅值和均值计算局部对比度权重。对权重进行空间域平滑处理后，对图像进行MSR增强。最后，进行灰度级拉伸，输出增强后的图像。

伽马校正MATLAB代码

以下是一个简单的伽马校正MATLAB代码：

% 读取图像
img = imread('example.jpg');

% 将图像转换为灰度图像
gray_img = rgb2gray(img);

% 设置伽马值
gamma_val = 1.5;

% 进行伽马校正
gamma_img = imadjust(gray_img, [], [], gamma_val);

% 显示原始图像和伽马校正后的图像
subplot(1,2,1)
imshow(gray_img);
title('原始图像');
subplot(1,2,2)
imshow(gamma_img);
title(['伽马校正后的图像 (gamma值 = ', num2str(gamma_val), ')']);

这个代码将读取名为“example.jpg”的图像并将其转换为灰度图像。然后，它将设置伽马值为1.5并使用`imadjust`函数进行伽马校正。最后，它将显示原始图像和伽马校正后的图像。