數(shù)字圖像處理論文參考模板

1、姓名陸建偉學(xué)號1341904222成績江蘇科技大學(xué)數(shù)字圖像處理本科生課程論文論文題目：圖像增強方法綜述與matlab實現(xiàn)完成時間：_2016年6月2日_ 所在專業(yè)：_軟件工程_ _所在年級：_13419042_ _ 1 / 18圖像增強方法綜述與matlab實現(xiàn)軟件工程專業(yè) 1341904222 陸建偉摘要： 本文介紹圖像增強的內(nèi)容，并就內(nèi)部幾種方法進行更深一步的探索，利用matlab使得算法實現(xiàn)并對比。關(guān)鍵詞：圖像增強；數(shù)字圖像處理；灰度變換；直方圖；matlab；一、 研究背景1.1研究目的經(jīng)過圖像的傳送和轉(zhuǎn)換，如成像、復(fù)制、掃描、傳輸和顯示等，經(jīng)常會造成圖像質(zhì)量的下降。光學(xué)系統(tǒng)的失真、相

2、對運動、大氣流動等都會使圖像模糊，傳輸過程中會引入各種類型的噪聲?？傊斎氲膱D像在視覺效果和識別方便性等方面可能存在諸多問題。通過本課題的研究能夠使圖像有更好的視覺感受效果，更能夠滿足社會生活和生產(chǎn)的需要是本文的最終目的。1.2研究現(xiàn)狀計算機圖像處理的發(fā)展歷史并不長,但是引起了人們的足夠重視?？傮w來說， 圖像處理技術(shù)的發(fā)展大致經(jīng)歷了初創(chuàng)期、發(fā)展期、普及期和實用化期4 個階段。隨著對圖像技術(shù)研究的不斷深入和發(fā)展,新的圖像 增強方法不斷出現(xiàn)。圖像作為自然界景物的客觀反映是人類感知世界的視覺基礎(chǔ)也是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。二 、主要理論概況圖像增強是

3、指根據(jù)特定的需要突出圖像中的重要信息同時減弱或去除不需要的信息。從不同的途徑獲取的圖像通過進行適當(dāng)?shù)脑鰪娞幚砜梢詫⒃灸：磺迳踔粮緹o法分辨的原始圖像處理成清晰的富含大量有用信息的可使用圖像有效地去除圖像中的噪聲、增強圖像中的邊緣或其他感興趣的區(qū)域從而更加容易對圖像中感興趣的目標(biāo)進行檢測和測量。處理后的圖像是否保持原狀已經(jīng)是無關(guān)緊要的了不會因為考慮到圖像的一些理想形式而去有意識的努力重現(xiàn)圖像的真實度。圖像增強的目的是增強圖像的視覺效果將原圖像轉(zhuǎn)換成一種更適合于人眼觀察和計算機分析處理的形式。它一般要借助人眼的視覺特性以取得看起來較好地視覺效果很少涉及客觀和統(tǒng)一的評價標(biāo)準(zhǔn)。圖像增強的方法可以大

4、致分為兩類，一類是空域處理方法，一類是頻域的處理法 王斌，MATLAB實現(xiàn)數(shù)字圖像增強處理，佳木斯大學(xué)學(xué)報，2005,23(1):31-35三、研究的主要內(nèi)容圖像增強的主要內(nèi)容如圖1.1圖像增強空間域點運算灰度變換 直方圖修正法均衡化規(guī)定劃局部統(tǒng)計法 局部運算圖像平滑鄰域平均法中值濾波多圖像平均法頻域低通濾波法圖像銳化微分法高通濾波法 頻率域高通濾波 低通濾波 同臺濾波增強 彩色增強假彩色增強 偽彩色增強 圖像的代數(shù)運算 圖1.1本本主要研究的是點運算的兩種方法，即灰度變換法、直方圖修正法。再加上Retinex法。3.1 圖像增強方法3.1.1灰度變換灰度變換是在圖像采集系統(tǒng)中對圖像像素進行修

5、正，是圖像增強的重要手段。灰度變換主要分為兩種：一種是全域線性變換，一種是分段線性變換。1. 全域線性變換假設(shè)原圖像f(x,y)的灰度范圍為a,b,希望變換后圖像g(x,y)的灰度范圍擴展至c,d，則線性變換的表示式為：gx，y=d-cb-afx,y-a+c此關(guān)系如圖3.1如果圖像中大部分像素的灰度級分布在區(qū)域a,b之間，小部分灰度級超出了此區(qū)域，為了改善增強效果，可以用如下所示的變換關(guān)系：gx，y=c 0fx,y<ad-cb-afx,y-a+c af(x,y)<b d bfx,yM此關(guān)系圖可用3.2表示：圖3.1圖3.22. 分段線性變換在圖像增強中，為了突出感興趣的目標(biāo)或灰度區(qū)

6、間，相對抑制那些不感興趣的灰度區(qū)間，可以采用分段性變換，常用的方法是分三段線性變換，如圖3.3所示，設(shè)原圖像在0，Mf,感興趣目標(biāo)所在灰度范圍在a,b,欲使其灰度范圍拉伸到c,d,則對應(yīng)的分段線性變換表達(dá)式為gx，y=cafx,y 0fx,y<a d-cb-afx,y-a+c afx,y<b Mg-dMf-bfx,y-b+d bf(x,y)Mf 圖3.33. 灰度非線性變換當(dāng)用某些非線性函數(shù)，例如對數(shù)函數(shù)作為圖像的映射函數(shù)時，可實現(xiàn)圖像灰度的非線性變換，對數(shù)變換的一般形式為：gx，y=a+lnfx,y+1b*lnc式中a、b、c是為了便于調(diào)整曲線的位置和形狀而引入的參數(shù)，他使低灰度

7、范圍的f得以擴展而高灰度范圍的f得到壓縮，以使圖像分布，與人的視覺特性相匹配。圖像的對數(shù)變換關(guān)系如圖3.4所示：圖3.4指數(shù)變換的一般形式為：gx，y=bcfx,y-a-1式中，a、b、c三個參數(shù)同樣是用來調(diào)整曲線的位置和形狀。但他的效果與對數(shù)變換相反。這種變換能對圖像的高灰度區(qū)給予較大的拉伸。圖像的指數(shù)變換關(guān)系如圖3.5所示：圖3.53.2.2直方圖修正法直方圖均衡化方法的基本思想就是把原始圖像的直方圖變換成均勻分布的形式，這樣就增加了圖像灰度值的動態(tài)范圍 徐輝，基于matlab的圖像增強技術(shù)的分析與研究，湖北第二師范學(xué)院學(xué)報，2008,25(8):78。當(dāng)圖像的直方圖均勻分布時，圖像包含的

8、信息量最大，圖像看起來就顯得清晰?；叶戎狈綀D是表示一幅圖像灰度分布情況的統(tǒng)計圖表。直方圖的橫坐標(biāo)是灰度級，一般用r表示，縱坐標(biāo)是具有該灰度級的像素個數(shù)或出現(xiàn)這個灰度級的概率P(rk)。已知Prk=nkN式中，N為一幅圖像中像素的總數(shù)；rk表示灰度值為k的灰度級；nk為第rk級灰度的像素數(shù)；P(rk)表示該灰度級出現(xiàn)的概率。1. 直方圖均衡化對于獲得的圖像，如果其視覺效果不理想，可以通過直方圖均衡化技術(shù)對其直方圖作適當(dāng)修改，實現(xiàn)增強圖像對比度的目的。這種方法的基本思想是對原始圖像中的像素灰度作某種映射變換，使變換后的圖像灰度的概率密度是均勻分布的，即變換后圖像是一幅灰度級均勻分布的圖像。為討論方

9、便起見，設(shè)r和s分別表示歸一化了的原圖像灰度和經(jīng)直方圖修正后的圖像灰度。即0r,s1。在0,1區(qū)間內(nèi)的任一個r值，都可產(chǎn)生一個s值，且s=T(r)。T(r)作為變換函數(shù)，滿足下列條件： 在0r1內(nèi)為單調(diào)遞增函數(shù)，保證灰度級從黑到白的次序不變；  在0r1內(nèi)，有0T(r)1，確保映射后的像素灰度在允許的范圍內(nèi)；反變換關(guān)系為 r=T-1(s)，T-1(s)對s同樣滿足上述兩個條件。由概率論理論可知，如果已知隨機變量r的概率密度為pr(r),而隨機變量s是r的函數(shù)，則s的概率密度ps(s)可以由pr(r)求出。假定隨機變量s的分布函數(shù)用Fs(s) 表示，根據(jù)分布函數(shù)定義

10、Fss=-sPs(s)ds=-rPr(r)dr利用密度函數(shù)是分布函數(shù)的導(dǎo)數(shù)的關(guān)系，等式兩邊對s求導(dǎo)，有:Pss=dds-sPr(r)dr=Prdrds=PrddsT-1(s)可見，輸出圖像的概率密度函數(shù)可以通過變換函數(shù)T(r)可以控制圖像灰度級的概率密度函數(shù)，從而改善圖像的灰度層次，這就是直方圖修改技術(shù)的基礎(chǔ)。從人眼視覺特性來考慮，一幅圖像的直方圖如果是均勻分布的，即Ps(s)=k(歸一化時k=1)時，該圖像色調(diào)給人的感覺上該圖像比較協(xié)調(diào)。因此要求將原直方圖通過T(r)調(diào)整為均勻分布的.然后反過來按均衡化的直方圖去調(diào)整原圖像，以滿足人眼視覺要求的目的。因為歸一化假定Ps=1，由密度函數(shù)則有ds

11、=Pr(r)dr, 兩邊積分得s=Tr=0rPr(r)dr, 上式表明，當(dāng)變換函數(shù)為r的累積分布函數(shù)時，能達(dá)到直方圖均衡化的目的。對于離散的數(shù)字圖像，用頻率來代替概率，則變換函數(shù)T(rk)的離散形式可表示為:sk=Trk=j=0kPrrj=j=0knjn上式表明，均衡后各像素的灰度值sk可直接由原圖像的直方圖算出。一幅圖像sk同rk之間的關(guān)系稱為該圖像的累積灰度直方圖。如圖3.6所示，圖3.62. 直方圖規(guī)定化直方圖均衡化的優(yōu)點是能自動地調(diào)整整個圖像的對比度，但具體的增強效果不易控制，處理的結(jié)果總是得到全局均衡化的直方圖。而直方圖規(guī)定劃可以有選擇的增強某個灰度值范圍內(nèi)的對比度。設(shè)Pr(r)和P

12、r(z)分別代表原始圖像和規(guī)定化后處理的圖像，分別對原始圖像和規(guī)定化處理后的圖像的直方圖均衡化處理，則有：s=Tr=0rPr(r)drv=Gz=0zPz(z)dzz=G-1(v)處理后得到的直方圖如圖3.7所示：原圖 規(guī)定直方圖圖3.73.2.3 Retinex法Retinex理論是從生理學(xué)角度出發(fā)，根據(jù)人眼視覺系統(tǒng)對色彩的感知特性而產(chǎn)生的，根據(jù)Retinex理論，圖像主要由兩部分構(gòu)成，分別是入射光和反射物體，圖像由下式表示：S(x,y)=R(x,y)*L(x,y),其中，入射光L(x,y)直接決定來了一副圖像中像素能達(dá)到的動態(tài)范圍，反射物體R(x,y)決定了一副圖像的內(nèi)在性質(zhì)，retinex

13、理論的實際就是從圖像中獲得物體的反射性質(zhì)R，即拋開入射光的性質(zhì)來獲得物體的本來面貌。 譚躍，基于Retinex理論的圖像增強算法研究，技術(shù)與市場，2009,16(12):5-6Retinex算法公式如下：R(x,y)=logI(x,y)-logF(x,y)*I(x,y)Fx,y=exp(-x2+y222)2 (r=x2+y2)其中I(x,y)表示輸入圖像：*表示卷積運算：R(x,y)表示經(jīng)Retinex理論處理后的輸出圖像；F(x，y)為高斯函數(shù)。從公式中可以看出，高斯函數(shù)濾波器只有唯一的參數(shù)，此參數(shù)在圖像處理過程過程中起了關(guān)鍵作用，直接決定了處理結(jié)果。當(dāng)越小時，算法動態(tài)壓縮能力越強，就越能更

14、好的突出圖像的細(xì)節(jié)部分，但隨之輸出圖像顏色失真情況比較嚴(yán)重；反之越大，輸出圖像的顏色保真度越好，但動態(tài)壓縮能力也同時減弱。Retinex的算法思想如下：1. 分析輸入圖像S(i,j)，將圖像中各像素點的灰度值得數(shù)據(jù)類型由BYTE型轉(zhuǎn)為double型。2. 變換到對數(shù)域中進行處理，利用取對數(shù)的方式將照射光分量和反射光分量分離；LogS(x,y)=logR(x,y)*L(x,y)=logR(x,y)+logL(x,y)3. 用高斯模板對原圖像做卷積，即相當(dāng)于對原圖像做低通濾波，得到低通濾波后的圖像，在對數(shù)域中用圖像減去低通濾波后的圖像，得到高頻增強后的圖像，然后對其去反對數(shù)，得到增強后的圖像。3.

15、2 圖像增強實驗代碼及效果圖3.2.1 負(fù)相變換1、實驗代碼f=imread('D:/tt.jpg');M,N=size(f);g=zeros(M,N);g=double(g);for i=1:Mfor j=1:Ng(i,j)=255-f(i,j);endendfigure;subplot(2,2,1);imshow(f,);subplot(2,2,2);imshow(g,);2、實驗結(jié)果3.2.2分段線性變換1、實驗代碼X1=imread('D:tt.jpg');figure,imshow(X1)f0=0;g0=0; %對圖像灰度進行分段的點f1=20;g1=

16、10;f2=180;g2=230;f3=255;g3=255;figure,plot(f0,f1,f2,f3,g0,g1,g2,g3)axis tight,xlabel('f'),ylabel('g')title('圖線'); %繪制變換曲線r1=(g1-g0)/(f1-f0);b1=g0-r1*f0;r2=(g2-g1)/(f2-f1);b2=g1-r2*f1;r3=(g3-g2)/(f3-f2);b3=g2-r3*f2;m,n=size(X1);X2=double(X1);for i=1:mfor j=1:nf=X2(i,j);g(i,j)=

17、0;if(f>=f1)&(f<=f2)g(i,j)=r1*f+b2;elseif(f>=f2)&(f<=f3)g(i,j)=r3*f+b3;endendendfigure,imshow(mat2gray(g)2、實驗結(jié)果原圖直方圖分段線性變換之后的圖3.2.3 灰度非線性變換(對數(shù)變換)1、實驗代碼I=imread('D:/tt.jpg');x=0:255;c=255/log(256);y=c*log(x+1);figure,subplot(2,2,1),plot(y),title('對數(shù)變換直方圖'),axis tigh

18、t,axis squareI_log=uint8(y(I+1);subplot(2,2,2);imshow(I);title('原圖')subplot(2,2,3);imshow(I_log);title('圖像調(diào)整')I_br=imadd(I,100);subplot(2,2,4);imshow(I_br);title('原始圖像縮放')2、實驗結(jié)果3.2.4直方圖均衡化1、實驗代碼clear all;I=imread('D:/tt.jpg'); %讀入JPG彩色圖像文件subplot(2,2,1);imshow(I) %顯示出

19、來 title('輸入的彩色JPG圖像')I_gray = rgb2gray(I); %灰度化后的數(shù)據(jù)存入數(shù)組imwrite(I_gray,'1_gray.bmp'); %保存灰度圖像subplot(2,2,2);imshow(I_gray);title('灰度圖')height,width=size(I_gray); %測量圖像尺寸參數(shù)p=zeros(1,256); %預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量for i=1:height for j=1:width p(I_gray(i,j) + 1) = p(I_gray(i,j) + 1) + 1; e

20、ndends=zeros(1,256);s(1)=p(1);for i=2:256 s(i)=p(i) + s(i-1); %統(tǒng)計圖像中<每個灰度級像素的累積個數(shù)，s(i):0,1,i-1endfor i=1:256 s(i) = s(i)*256/(width*height); %求灰度映射函數(shù) if s(i) > 256 s(i) = 256; endend%圖像均衡化I_equal = I;for i=1:height for j=1:width I_equal(i,j) = s( I(i,j) + 1); endendsubplot(2,2,3);imshow(I_equal) %顯示均衡化后的圖像 title('均衡化后圖像')2、實驗結(jié)果3.2.5 Retinex法1、實驗代碼Img = imread('D:/tt.jpg');hsvImg = rgb2hsv(Img);V=hsvImg(:,:,3);height,width=size(V);V = uint8(V*255);NumPixel = zeros(1,256);for i = 1:heightfor j = 1: widthNumPixel(V(i,j) + 1) =