MATLAB图像增强实战，从基础原理到项目落地

一、图像增强核心概念与MATLAB应用场景

图像增强是数字图像处理的核心环节，旨在通过算法提升图像的视觉效果、突出关键特征，解决图像采集过程中因光线、设备、环境导致的模糊、偏色、对比度不足等问题。MATLAB凭借强大的Image Processing Toolbox工具箱，成为科研、工程领域实现图像增强的主流工具，广泛应用于机器视觉、医学影像分析、安防监控、遥感图像解译等场景。

本文全程基于MATLAB R2023b版本编写（兼容R2020及以上版本），所有代码均可直接运行，涵盖灰度图像、彩色图像的主流增强方法，适合零基础入门到进阶应用。

二、MATLAB图像增强前置准备

1. 环境与工具要求

• 安装MATLAB及Image Processing Toolbox（可通过ver命令检查：在命令行输入ver image processing toolbox，显示版本即安装成功）；
• 准备测试图像：建议选择自己的实际场景图像（如低光照照片、模糊监控图），也可使用MATLAB内置示例图像（如peppers.png、cameraman.tif）。

2. 图像读取与基础操作

首先掌握图像的读取、显示、格式转换基础，这是所有增强操作的前提：

% 1. 读取图像（支持jpg、png、tif等格式）
img = imread('test.jpg'); % 替换为自己的图像路径
% 2. 显示原始图像
figure('Name','原始图像');
imshow(img);
title('原始图像');
% 3. 格式转换（根据需求选择）
if size(img,3)==3 % 判断是否为彩色图像
    img_gray = rgb2gray(img); % 转为灰度图像
else
    img_gray = img;
end
% 4. 图像信息查看
disp(['图像尺寸：',num2str(size(img))]);
disp(['图像数据类型：',class(img)]);

三、基础增强方法（适合新手入门）

1. 对比度增强（解决图像过暗/过亮、细节丢失）

（1）线性对比度拉伸（手动调整灰度范围）

适用于灰度分布集中的图像，通过扩展灰度值范围提升对比度：

% 线性拉伸：将灰度范围从[min,max]映射到[0,255]
img_stretch = imadjust(img_gray); 
% 自定义拉伸范围（示例：将[50,200]映射到[0,255]）
img_stretch_custom = imadjust(img_gray,[50/255,200/255],[0,1]);

% 对比显示
figure('Name','对比度拉伸效果');
subplot(1,3,1);imshow(img_gray);title('原始灰度图像');
subplot(1,3,2);imshow(img_stretch);title('默认拉伸');
subplot(1,3,3);imshow(img_stretch_custom);title('自定义拉伸');

（2）直方图均衡化（自动优化对比度）

MATLAB内置histeq函数，通过平摊灰度直方图提升整体对比度，适合低光照、雾天图像：

% 灰度图像直方图均衡化
img_eq = histeq(img_gray);
% 彩色图像均衡化（需分通道处理）
img_rgb = img;
img_rgb(:,:,1) = histeq(img(:,:,1)); % R通道
img_rgb(:,:,2) = histeq(img(:,:,2)); % G通道
img_rgb(:,:,3) = histeq(img(:,:,3)); % B通道

% 显示直方图对比
figure('Name','直方图均衡化');
subplot(2,2,1);imshow(img_gray);title('原始图像');
subplot(2,2,2);imshow(img_eq);title('均衡化后');
subplot(2,2,3);imhist(img_gray);title('原始直方图');
subplot(2,2,4);imhist(img_eq);title('均衡化直方图');

2. 亮度调整（解决图像偏暗/偏亮）

通过调整图像像素值实现亮度控制，核心是像素值的加减运算：

% 亮度调整：正值增亮，负值调暗（取值范围-100~100）
brightness = 50; % 调整参数，可自行修改
img_bright = imadd(img_gray, brightness); 
% 限制像素值在0-255范围内（避免溢出）
img_bright(img_bright>255) = 255;
img_bright(img_bright<0) = 0;

figure('Name','亮度调整');
subplot(1,2,1);imshow(img_gray);title('原始图像');
subplot(1,2,2);imshow(img_bright);title(['亮度+',num2str(brightness)]);

四、进阶增强方法（解决复杂场景问题）

1. 去噪增强（解决图像噪点、颗粒感）

图像噪声会掩盖细节，MATLAB提供多种去噪函数，常用的有中值滤波、高斯滤波：

% 1. 中值滤波（适合椒盐噪声，如相机噪点）
img_median = medfilt2(img_gray,[3 3]); % 3×3滤波核，可改为5×5
% 2. 高斯滤波（适合高斯噪声，如低光噪点）
img_gauss = imgaussfilt(img_gray, 1); % 1为滤波标准差，值越大去噪越强（但会模糊）
% 3. 自适应去噪（保留细节的同时去噪）
img_adap = adapthisteq(img_gray); % 自适应直方图均衡化，兼顾去噪与增强

figure('Name','去噪增强');
subplot(2,2,1);imshow(img_gray);title('原始含噪图像');
subplot(2,2,2);imshow(img_median);title('中值滤波');
subplot(2,2,3);imshow(img_gauss);title('高斯滤波');
subplot(2,2,4);imshow(img_adap);title('自适应去噪增强');

2. 锐化增强（解决图像模糊、细节不清）

通过增强图像边缘和纹理，提升清晰度，适合扫描文档、模糊监控图像：

% 方法1：拉普拉斯锐化
laplacian = fspecial('laplacian', 0); % 拉普拉斯算子
img_lap = imfilter(img_gray, laplacian, 'replicate');
img_sharp1 = img_gray - img_lap; % 锐化后图像

% 方法2：Unsharp Mask锐化（更自然）
img_gauss_blur = imgaussfilt(img_gray, 2);
img_sharp2 = imsubtract(img_gray, img_gauss_blur);
img_sharp2 = imadd(img_gray, img_sharp2);

figure('Name','图像锐化');
subplot(1,3,1);imshow(img_gray);title('原始模糊图像');
subplot(1,3,2);imshow(img_sharp1);title('拉普拉斯锐化');
subplot(1,3,3);imshow(img_sharp2);title('Unsharp Mask锐化');

3. 彩色图像增强（解决偏色、饱和度不足）

针对彩色图像的增强需兼顾色调、饱和度，避免调整后色彩失真：

% 将RGB图像转为HSV空间（H:色调，S:饱和度，V:亮度）
img_hsv = rgb2hsv(img);
% 调整饱和度（S通道）和亮度（V通道）
saturation = 1.5; % 饱和度提升50%，>1增饱和，<1降饱和
brightness_v = 1.2; % 亮度提升20%
img_hsv(:,:,2) = img_hsv(:,:,2) * saturation; % 调整饱和度
img_hsv(:,:,3) = img_hsv(:,:,3) * brightness_v; % 调整亮度
% 限制范围（0-1）
img_hsv(img_hsv>1) = 1;
img_hsv(img_hsv<0) = 0;
% 转回RGB空间
img_color_enhance = hsv2rgb(img_hsv);

figure('Name','彩色图像增强');
subplot(1,2,1);imshow(img);title('原始彩色图像');
subplot(1,2,2);imshow(img_color_enhance);title('饱和度+亮度增强');

五、实战案例：低光照监控图像增强

结合以上方法，实现低光照、有噪点的监控图像增强，完整代码如下：

% 实战：低光照监控图像增强
% 1. 读取图像
img = imread('monitor.jpg'); % 替换为低光照监控图像
img_gray = rgb2gray(img);
% 2. 去噪（先去噪再增强，避免噪点放大）
img_denoise = medfilt2(img_gray,[3 3]);
% 3. 对比度增强（直方图均衡化）
img_eq = histeq(img_denoise);
% 4. 锐化增强（突出细节）
laplacian = fspecial('laplacian', 0);
img_sharp = img_eq - imfilter(img_eq, laplacian, 'replicate');
% 5. 亮度微调
img_final = imadd(img_sharp, 20);
img_final(img_final>255) = 255;

% 显示全流程效果
figure('Name','低光照监控图像增强实战');
subplot(2,3,1);imshow(img);title('原始彩色图像');
subplot(2,3,2);imshow(img_gray);title('灰度转换');
subplot(2,3,3);imshow(img_denoise);title('去噪后');
subplot(2,3,4);imshow(img_eq);title('对比度增强');
subplot(2,3,5);imshow(img_sharp);title('锐化后');
subplot(2,3,6);imshow(img_final);title('最终增强效果');

% 保存增强后的图像
imwrite(img_final, 'enhanced_monitor.jpg');
disp('增强后的图像已保存！');