基于PCNN的图像增强matlab代码

function grayenhancement
%名称：PCNN灰度图像增强
%功能：对图像进行增强处理，使之轮廓、纹理清楚，细节清晰
%%
clc
close all
%%
[filename,pathname]=uigetfile('*.*','选择要处理的图片');
I=im2double(imread(fullfile(pathname,filename)));
figure,imshow(I);
title('原始图像');
if size(I,3)==3
I=rgb2gray(I);
end
I=double(I);
figure,imshow(I);
title('灰度图像');
I=I/255;%转化为[0,1]之间处理
%%
[p,q]=size(I);
%初始化相关参数
alpha_L=0.06931;
alpha_Theta=0.05;
beta=0.2;
vL=1.00;
vTheta=200;%连接幅度因子
np=700000;%阈值幅度因子
%初始化所有用到的矩阵
EnhImage=zeros(p,q);
L=zeros(p,q);
U=zeros(p,q);
Y=zeros(p,q);
Y0=zeros(p,q);
%突触联接权系数矩阵W
W=[0.1091 0.1409 0.1091;...
0.1409 0 0.1409;...
0.1091 0.1409 0.1091];
%实现PCNN图像增强
Bri=max(I(:));%灰度图像中最亮的像素的灰度值
La=[-1 -1 -1;-1 8 -1;-1 -1 -1];%；拉普拉斯算子
Theta=Bri-conv2(I,La,'same');
F=I;
for n=1:np
K=conv2(Y,W,'same');
L=exp(-alpha_L)*L+vL*K;
Theta=exp(-alpha_Theta)*Theta+vTheta*Y;
U=F.*(1+beta*L);
Y=im2double(U>Theta);
EnhImage=(log(Bri)-(n-1)*alpha_Theta).*Y;
Y0=Y0+EnhImage;
if any(Y(:))==0
fprintf('第%d次迭代后没有火点了.\n',n);
break;
end
end

%格式转换
image=Data_Normalized(Y0,0);
figure,imshow(image);
title('增强图像')

image1=Data_Normalized(Y0,1);
figure,imshow(image1);
title('反方式增强图像')

imwrite(image,strcat(filename,'_grayenhance.bmp'));
end

function Y_Normalized=Data_Normalized(Y,method)
%将Y的元素线性标准化到[0,1]之间
%可以有两种方式：1.min-0,max-1;2.min-1,max-0,因为Y的值一般都为负，不知其意义是值越大效果越大还是绝对值越大效果越大
%应该为第一种，但第二种效果也挺好看，因为HSI模型中I反映的是亮度，与颜色无关
if nargin==1
method=0;
end

Y_min=min(min(Y));
Y_max=max(max(Y));
if method==0
Y_Normalized=(Y-Y_min)/(Y_max-Y_min);
else
Y_Normalized=(Y-Y_max)/(Y_min-Y_max);
end
end