口腔CT图像处理是医学影像分析中的重要环节，旨在改善图像质量，提高医生对病灶的诊断效率。本实验主要探讨了图像增强处理的原理、方法和具体实施步骤，特别是针对空域和频率域两种基本方法。
一、图像增强处理原理与目的
1. 图像增强的目的是提升图像的可读性和辨识度，特别是在医学图像中，如CT图像，通过突出关键特征，减轻噪声干扰，可以更准确地识别病灶。
2. 图像增强包括空间域增强和频率域增强。空间域法直接处理图像像素，通过灰度映射变换优化图像。频率域法则利用傅立叶变换，先将图像转换到频率域，进行滤波操作后再转换回空间域。
二、实验方法与步骤
1. 中值滤波：这是一种非线性滤波方法，适用于去除椒盐噪声。它选取邻域像素的中值作为中心像素的新值，以平滑图像，但可能会破坏图像的边缘细节。
2. 均值滤波：属于线性滤波，通过邻域像素的平均值来替换每个像素值，能有效抑制加性噪声，但可能导致图像模糊，特别是对边缘区域。
3. 直方图均衡化：通过改变图像灰度分布，增强图像对比度，使图像细节更加明显，适用于改善低对比度图像。
4. 锐化算法（拉普拉斯滤波）：利用微分算子来增强图像边缘，常用于图像恢复和细节凸显，也可通过高通滤波器达到类似效果。
5. 频域滤波：通过傅立叶变换将图像转换到频率域，应用特定滤波器对高频或低频成分进行选择性增强或抑制，以达到图像增强或降噪的目的。
三、代码实现
实验提供了多个MATLAB代码示例，包括testExmp_HXY.m（中值滤波）、testExmp1_HXY.m（均值滤波）、testExmp2_HXY.m（直方图均衡化）和testExmp3_HXY.m（拉普拉斯滤波），以及testExmp4_HXY.m（频域滤波），这些代码可供学习者实践图像处理算法，理解不同方法在实际操作中的效果。
口腔CT图像处理实验旨在通过各种图像增强技术，提升图像质量和诊断价值。从空间域的中值滤波和均值滤波，到频率域的滤波处理，每种方法都有其适用场景和优势，通过实践和代码实现，可以深入理解这些方法的工作原理及其在实际问题中的应用。
