基于圖像增強(qiáng)的數(shù)字圖像處理研究學(xué)年論文

1、本科學(xué)生學(xué)年論文論文題目：基于圖像增強(qiáng)的數(shù)字圖像處理研究學(xué) 院：電子工程學(xué)院年 級(jí)：2010專 業(yè)：電子信息工程姓 名：學(xué) 號(hào)：指導(dǎo)教師：鮑東星 2013年6月21日摘要在我們的實(shí)際生活、生產(chǎn)中，人們直接獲得的原始圖像并不能夠直接運(yùn)用到生活、生產(chǎn)中，因?yàn)樵紙D像在生成、傳輸和轉(zhuǎn)換過(guò)程中可能會(huì)受到多種因素的影響，如各種各樣的噪聲、通道帶寬等，往往會(huì)出現(xiàn)清晰度下降、對(duì)比度偏低等降質(zhì)現(xiàn)象，為了使得處理后的圖像對(duì)某種特定的應(yīng)用比原始圖像更合適，往往需要提高圖像質(zhì)量。圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)削弱或去除某些不需要信息的處理方法，其目的是使得處理后的圖像對(duì)某種特定的應(yīng)用比原始圖

2、像更合適。本文研究了圖像增強(qiáng)的一些常用方法，包括空域圖像增強(qiáng)、頻率域圖像增強(qiáng)，并用MATLAB編程設(shè)計(jì)了相應(yīng)的實(shí)驗(yàn)，對(duì)圖像增強(qiáng)效果進(jìn)行了驗(yàn)證。關(guān)鍵詞圖像增強(qiáng)；空域增強(qiáng)；頻域增強(qiáng)AbstractInourdailylifeandproduction,peopleoftencantusedtherawimagedirectly,becauseofthegenerationandtransformationoftheoriginalimage,itmaybeaffectedbymanyfactors,suchasavarietyofkindsofnoiseandchannelbandwidth.Th

3、esharpnessandcontrastisdecreasingandhavelowqualities.inordertomaketheimagemoresuitableforsomeparticularapplicationafterprocessingthantheoriginal,weoftenneedtoimproveimagequality.Images enhance is in a particular need to highlight a picture in the information, and weaken or remove certain need of inf

4、ormation in the process, its purpose is to make the image of a specific application is better than the original image. This paper studies the image of some common method, including airspace images enhance and increase the frequency domain, and images matlab programming, design corresponding to pictu

5、re to enhance the effect of the verification. Key wordsImage enhancement; the airspace strengthened; the frequency domain enhancementII目錄摘要IAbstractII第一章 緒論11.1 課題背景及意義11.2 圖像增強(qiáng)技術(shù)國(guó)內(nèi)發(fā)展?fàn)顩r2第二章 圖像增強(qiáng)的基本理論42.1 數(shù)字圖像的表示42.2 數(shù)字圖像處理概述42.3 圖像增強(qiáng)概述42.3.1 圖像增強(qiáng)的定義42.3.2 圖像增強(qiáng)的現(xiàn)狀與應(yīng)用5第三章 空域增強(qiáng)73.1基本原理73.2空域增強(qiáng)實(shí)現(xiàn)73.2.1灰

6、度調(diào)整實(shí)現(xiàn)73.2.2直方圖均衡化83.2.3直方圖規(guī)定化103.3 空域?yàn)V波增強(qiáng)113.3.1 基本原理113.3.2 線性平滑濾波器123.3.3 非線性平滑濾波器133.3.4 線性銳化濾波器14第四章 頻域增強(qiáng)164.1 基本原理164.2 低通濾波164.3 高通濾波18結(jié)論19參考文獻(xiàn)20致謝21基于圖像增強(qiáng)的數(shù)字圖像處理研究第一章 緒論人們對(duì)外界信息的百分之七十五都來(lái)自圖像，也就是說(shuō)人類的大部分信息都是從圖像中獲取的。利用計(jì)算機(jī)對(duì)圖像進(jìn)行各種形式的處理，促進(jìn)了圖像處理技術(shù)的快速發(fā)展。圖像增強(qiáng)本身就是圖像處理中最具吸引力的領(lǐng)域之一。1.1 課題背景及意義隨著電子計(jì)算機(jī)技術(shù)的進(jìn)步，計(jì)

7、算機(jī)圖像處理近年來(lái)得到飛躍的發(fā)展，已經(jīng)成功的應(yīng)用于幾乎所有與成像有關(guān)的領(lǐng)域，并正發(fā)揮著相當(dāng)重要的作用。它利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行系列操作，從而獲得某種預(yù)期的結(jié)果。對(duì)圖像進(jìn)行處理時(shí)，經(jīng)常運(yùn)用圖像增強(qiáng)技術(shù)以改善圖像的質(zhì)量。在一般情況下，經(jīng)過(guò)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(huì)造成圖像質(zhì)量的下降。在攝影時(shí)由于光照條件不足或過(guò)度，會(huì)使圖像過(guò)暗或過(guò)亮；光學(xué)系統(tǒng)的失真、相對(duì)運(yùn)動(dòng)、大氣流動(dòng)等都會(huì)使圖像模糊，傳輸過(guò)程中會(huì)引入各種類型的噪聲。總之輸入的圖像在視覺(jué)效果和識(shí)別方便性等方面可能存在諸多問(wèn)題，這類問(wèn)題不妨統(tǒng)稱為質(zhì)量問(wèn)題。盡管由于目的、觀點(diǎn)、愛(ài)好等的不同，圖像質(zhì)量很難有統(tǒng)一的定義和標(biāo)

8、準(zhǔn)，但是根據(jù)應(yīng)用要求改善圖像質(zhì)量卻是一個(gè)共同的目標(biāo)。圖像增強(qiáng)是指根據(jù)特定的需要突出圖像中的重要信息，同時(shí)減弱或去除不需要的信息。從不同的途徑獲取的圖像，通過(guò)進(jìn)行適當(dāng)?shù)脑鰪?qiáng)處理，可以將原本模糊不清甚至根本無(wú)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(qiáng)圖像中的邊緣或其他感興趣的區(qū)域，從而更加容易對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量。處理后的圖像是否保持原狀已經(jīng)是無(wú)關(guān)緊要的了，不會(huì)因?yàn)榭紤]到圖像的一些理想形式而去有意識(shí)的努力重現(xiàn)圖像的真實(shí)度。圖像增強(qiáng)的目的是增強(qiáng)圖像的視覺(jué)效果，將原圖像轉(zhuǎn)換成一種更適合于人眼觀察和計(jì)算機(jī)分析處理的形式。它一般要借助人眼的視覺(jué)特性

9、，以取得看起來(lái)較好地視覺(jué)效果，很少涉及客觀和統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)。增強(qiáng)的效果通常都與具體的圖像有關(guān)系，靠人的主觀感覺(jué)加以評(píng)價(jià)。目前圖像增強(qiáng)處理的應(yīng)用已經(jīng)滲透到醫(yī)學(xué)診斷、航空航天、軍事偵察、指紋識(shí)別、無(wú)損探傷、衛(wèi)星圖片的處理等領(lǐng)域。如對(duì)x射線圖片、CT影像、內(nèi)窺鏡圖像進(jìn)行增強(qiáng)，使醫(yī)生更容易從中確定病變區(qū)域，從圖像細(xì)節(jié)區(qū)域中發(fā)現(xiàn)問(wèn)題；對(duì)不同時(shí)間拍攝的同一地區(qū)的遙感圖片進(jìn)行增強(qiáng)處理，偵查是否有敵人軍事調(diào)動(dòng)或軍事裝備及建筑出現(xiàn)；在煤礦工業(yè)電視系統(tǒng)中采用增強(qiáng)處理來(lái)提高工業(yè)電視圖像的清晰度，克服因光線不足、灰塵等原因帶來(lái)的圖像模糊、偏差等現(xiàn)象，減少電視系統(tǒng)維護(hù)的工作量。圖像增強(qiáng)技術(shù)的快速發(fā)展同它的廣泛應(yīng)用是分不

10、開(kāi)的，發(fā)展的動(dòng)力來(lái)自穩(wěn)定涌現(xiàn)的新的應(yīng)用，我們可以預(yù)料，在未來(lái)社會(huì)中圖像增強(qiáng)技術(shù)將會(huì)發(fā)揮更為重要的作用。在圖像處理過(guò)程中，圖像增強(qiáng)是十分重要的一個(gè)環(huán)節(jié)。本文的主要內(nèi)容就是圍繞圖像增強(qiáng)部分的一些基本理論和算法而展開(kāi)。1.2 圖像增強(qiáng)技術(shù)國(guó)內(nèi)發(fā)展?fàn)顩r在借鑒國(guó)外相對(duì)成熟理論體系和技術(shù)應(yīng)用體系的條件下，國(guó)內(nèi)的增強(qiáng)技術(shù)和應(yīng)用也有了很大的發(fā)展?？傮w來(lái)說(shuō)，圖像增強(qiáng)技術(shù)的發(fā)展大致經(jīng)歷了初創(chuàng)期、發(fā)展期、普及期和應(yīng)用期4個(gè)階段。初創(chuàng)期開(kāi)始于20世紀(jì)60年代，當(dāng)時(shí)的圖像采用像素型光柵進(jìn)行掃描顯示，大多采用中、大型機(jī)對(duì)其進(jìn)行處理。在這一時(shí)期由于圖像存儲(chǔ)成本高，處理設(shè)備造價(jià)高，因而其應(yīng)用面很窄。20世紀(jì)70年代進(jìn)入了發(fā)展

11、期，開(kāi)始大量采用中、大型機(jī)進(jìn)行處理，圖像處理也逐漸改用光柵掃描顯示方式，特別是出現(xiàn)了CT和衛(wèi)星遙感圖像，對(duì)圖像增強(qiáng)處理提出了一個(gè)更高的要求。到了20世紀(jì)80年代，圖像增強(qiáng)技術(shù)進(jìn)入普及期，此時(shí)的計(jì)算機(jī)已經(jīng)能夠承擔(dān)起圖形圖像處理的任務(wù)。20世紀(jì)90年代進(jìn)入了應(yīng)用期，人們運(yùn)用數(shù)字圖像增強(qiáng)技術(shù)處理和分析遙感圖像，以有效地進(jìn)行資源和礦藏的勘探、調(diào)查、農(nóng)業(yè)和城市的土地規(guī)劃、作物估產(chǎn)、氣象預(yù)報(bào)、災(zāi)害及軍事目標(biāo)的監(jiān)視等。在生物醫(yī)學(xué)工程方面，運(yùn)用圖像增強(qiáng)技術(shù)對(duì)X射線圖像、超聲圖像和生物切片顯微圖像等進(jìn)行處理，提高圖像的清晰度和分辨率。在工業(yè)和工程方面，主要應(yīng)用于無(wú)損探傷、質(zhì)量檢測(cè)和過(guò)程自動(dòng)控制等方面；在公共安全

12、方面，人像、指紋及其他痕跡的處理和識(shí)別，以及交通監(jiān)控、事故分析等都在不同程度上使用了圖像增強(qiáng)技術(shù)。圖像增強(qiáng)是圖像處理的重要組成部分，傳統(tǒng)的圖像增強(qiáng)方法對(duì)于改善圖像質(zhì)量發(fā)揮了極其重要的作用。隨著對(duì)圖像技術(shù)研究的不斷深入和發(fā)展，新的圖像增強(qiáng)方法不斷出現(xiàn)。例如一些學(xué)者將模糊映射理論引入到圖像增強(qiáng)算法中，提出了包括模糊松弛、模糊熵、模糊類等增強(qiáng)算法來(lái)解決增強(qiáng)算法中映射函數(shù)選擇問(wèn)題，并且隨著交互式圖像增強(qiáng)技術(shù)的應(yīng)用，可以主觀控制圖像增強(qiáng)效果。同時(shí)利用直方圖均衡技術(shù)的圖像增強(qiáng)也有許多新的進(jìn)展：例如提出了多層直方圖結(jié)合亮度保持的均衡算法、動(dòng)態(tài)分層直方圖均衡算法。這些算法通過(guò)分割圖像，然后在子層圖像內(nèi)做均衡處

13、理，較好地解決了直方圖均衡過(guò)程中的對(duì)比度過(guò)拉伸問(wèn)題，并且可以控制子層灰度映射范圍，增強(qiáng)效果較好。第二章 圖像增強(qiáng)的基本理論2.1 數(shù)字圖像的表示圖像并不能直接用計(jì)算機(jī)來(lái)處理，處理前必須先轉(zhuǎn)化成數(shù)字圖像。早期一般用picture代表圖像，隨著數(shù)字技術(shù)的發(fā)展，現(xiàn)在都用image代表離散化了的數(shù)字圖像。由于從外界得到的圖像多是二維（2-D）的，一幅圖像可以用一個(gè)2-D數(shù)組表示。這里x和y表示二維空間XY中一個(gè)坐標(biāo)點(diǎn)的位置，而f則代表圖像在點(diǎn)的某種性質(zhì)數(shù)值。為了能夠用計(jì)算機(jī)對(duì)圖像進(jìn)行處理，需要坐標(biāo)空間和性質(zhì)空間都離散化。這種離散化了的圖像都是數(shù)字圖像，即都在整數(shù)集合中取值。圖像中的每個(gè)基本單元稱為圖像

14、的元素，簡(jiǎn)稱像素。2.2 數(shù)字圖像處理概述所謂數(shù)字圖像處理，就是利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行系列操作，從而獲得某種預(yù)期效果的技術(shù)。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個(gè)因素的影響：一是計(jì)算機(jī)的發(fā)展，數(shù)字圖像處理離不開(kāi)計(jì)算機(jī)，因此又稱計(jì)算機(jī)圖像處理；二是數(shù)字的發(fā)展；三是廣泛的農(nóng)牧業(yè)，林業(yè)，環(huán)境，軍事和醫(yī)學(xué)等方面的應(yīng)用需求的增長(zhǎng)。2.3 圖像增強(qiáng)概述2.3.1 圖像增強(qiáng)的定義圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)削弱或去除某些不需要的信息的處理方法，也是提高圖像質(zhì)量的過(guò)程。圖像增強(qiáng)的目的是使圖像的某些特性方面更加鮮明、突出，使處理后的圖像更適合人眼視覺(jué)特性或機(jī)器分析，以便于實(shí)現(xiàn)對(duì)圖像的

15、更高級(jí)的處理和分析。圖像增強(qiáng)的過(guò)程往往也是一個(gè)矛盾的過(guò)程：圖像增強(qiáng)希望既去除噪聲又增強(qiáng)邊緣。但是，增強(qiáng)邊緣的同時(shí)會(huì)同時(shí)增強(qiáng)噪聲，而濾去噪聲又會(huì)使邊緣在一定程度上模糊，因此，在圖像增強(qiáng)的時(shí)候，往往是將這兩部分進(jìn)行折中，找到一個(gè)好的代價(jià)函數(shù)達(dá)到需要的增強(qiáng)目的。傳統(tǒng)的圖像增強(qiáng)算法在確定轉(zhuǎn)換函數(shù)時(shí)常是基于整個(gè)圖像的統(tǒng)計(jì)量，如：ST轉(zhuǎn)換，直方圖均衡，中值濾波，微分銳化，高通濾波等等。這樣對(duì)應(yīng)于某些局部區(qū)域的細(xì)節(jié)在計(jì)算整幅圖的變換時(shí)其影響因?yàn)槠渲递^小而常常被忽略掉，從而局部區(qū)域的增強(qiáng)效果常常不夠理想，噪聲濾波和邊緣增強(qiáng)這兩者的矛盾較難得到解決。2.3.2 圖像增強(qiáng)的現(xiàn)狀與應(yīng)用計(jì)算機(jī)圖像處理的發(fā)展歷史不長(zhǎng)，

16、但已經(jīng)引起了人們的重視。圖像處理技術(shù)始20世紀(jì)60年代，由于當(dāng)時(shí)圖像存儲(chǔ)成本高，處理設(shè)備造價(jià)高，因而其應(yīng)用面很窄。1964年美國(guó)加州理工學(xué)院的噴氣推進(jìn)實(shí)驗(yàn)室，首次對(duì)徘徊者7號(hào)太空飛船發(fā)回的月球照片進(jìn)行了處理，得到了前所未有的清晰圖像，這標(biāo)志著圖像處理技術(shù)開(kāi)始得到實(shí)際應(yīng)用。70年代進(jìn)入發(fā)展期，出現(xiàn)和衛(wèi)星遙感圖像，對(duì)圖像處理的發(fā)展起到了很好的促進(jìn)作用。80年代進(jìn)入普及期，此時(shí)微機(jī)己經(jīng)能夠承擔(dān)起圖形圖像處理的任務(wù)。VLSI的出現(xiàn)更使得處理速度大大提高，其造價(jià)也進(jìn)一步降低，極大的促進(jìn)了圖像處理系統(tǒng)的普及和應(yīng)用。90年代是圖像處理技術(shù)實(shí)用化時(shí)期，圖像處理的信息量巨大，對(duì)處理的速度要求極高。21世紀(jì)的圖像

17、處理技術(shù)要向高質(zhì)量化方面發(fā)展，實(shí)現(xiàn)圖像的實(shí)時(shí)處理，采用數(shù)字全息技術(shù)使圖像包含最為完整和豐富的信息，實(shí)現(xiàn)圖像的智能生成、處理、理解和識(shí)別。目前，許多新的增強(qiáng)算法都充分利用了周圍鄰域這一重要的信息，形成了很多局部處理的灰度調(diào)整算法，該方法主要利用了鄰域的統(tǒng)計(jì)特性。其中自適應(yīng)濾波器既能平滑又能保護(hù)邊緣，其基本思想是濾波器的參數(shù)可根據(jù)像素所在的鄰域情況而自適應(yīng)選取，也可描述為加權(quán)平均濾波器，可以較好的平滑噪聲區(qū)域，并能保護(hù)較顯著的邊緣，但對(duì)圖像細(xì)節(jié)的保護(hù)較差，該算法對(duì)脈沖噪聲敏感，而且模型的性能受參數(shù)的影響比較大。近年來(lái)，模糊集合理論在圖像處理中得到了廣泛的應(yīng)用。例如Yang和Tohl采用模糊規(guī)則改進(jìn)

18、傳統(tǒng)的中值濾波器中濾波窗口尺度的選擇，改善了算法對(duì)高斯噪聲的抗噪性能。Russoti提出的自適應(yīng)模糊濾波算子可以較好的保護(hù)圖像細(xì)節(jié)和濾除高斯噪聲，其算法中窗口的大小由鄰域一致性程度決定，該一致性程度由一個(gè)模糊邏輯規(guī)則導(dǎo)出。圖像增強(qiáng)中變換域增強(qiáng)也得到很廣泛的應(yīng)用，例如付傅氏變換、離散余弦變換、小波變換等，其中小波是近年來(lái)發(fā)展起來(lái)的一種新的時(shí)頻分析工具，它具有時(shí)頻局部化能力和多分辨率分析的能力，使得它很適合于信號(hào)處理鄰域。對(duì)圖像進(jìn)行多尺度小波變換后，不同頻率的信號(hào)出現(xiàn)在不同尺度的子帶圖像上，有了這些特性就能很好的對(duì)感興趣的部分進(jìn)行增強(qiáng)。圖像變換的方法是多種多樣的。通過(guò)采取適當(dāng)?shù)脑鰪?qiáng)處理可以將原本模

19、糊不清甚至根本無(wú)法分辨的原始圖片處理成清楚、明晰的富含大量有用信息的可使用圖像，因此圖像增強(qiáng)技術(shù)在許多領(lǐng)域得到廣泛應(yīng)用。在圖像處理系統(tǒng)中，圖像增強(qiáng)技術(shù)作為預(yù)處理部分的基本技術(shù)，是系統(tǒng)中十分重要的一環(huán)。迄今為止，圖像增強(qiáng)技術(shù)己經(jīng)廣泛用于軍事、地質(zhì)、海洋、森林、醫(yī)學(xué)、遙感、微生物以及刑偵等方面。第三章 空域增強(qiáng)3.1 基本原理圖像增強(qiáng)技術(shù)可分為兩大類：一類是頻域處理法、一類是空域處理法。空域圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)，削弱或去除某些不需要的信息的處理方法。其主要目的是處理后圖像對(duì)某些特定的應(yīng)用比原來(lái)的圖像更加有效，從而達(dá)到改善圖像質(zhì)量的目的?？沼蛱幚矸ㄊ侵苯訉?duì)圖像中的像

20、素進(jìn)行處理，基本上是以灰度映射變換為基礎(chǔ)的。所用的映射變換取決于增強(qiáng)的目的，例如增加圖像的對(duì)比度，改善圖像的灰度層次等處理均屬于空域處理法。直方圖是圖像處理中比較重要的一個(gè)概念，它用于顯示圖像的灰度值分布情況。MATLAB圖像處理工具箱提供了imhist函數(shù)來(lái)計(jì)算和顯示圖像的直方圖。imhist函數(shù)的語(yǔ)法格式為：imhist(I,n)；計(jì)算和顯示灰度圖像I的直方圖，n為指定的灰度級(jí)數(shù)目，默認(rèn)值為256。imhist(X,map)；計(jì)算和顯示索引色圖像X的直方圖，map為調(diào)色板。counts，x=imhist（）；得到灰度圖像直方圖的數(shù)據(jù)，counts為灰度頻次向量，x為相應(yīng)的灰度坐標(biāo)向量。3.

21、2 空域增強(qiáng)實(shí)現(xiàn)3.2.1 灰度調(diào)整實(shí)現(xiàn)設(shè)變量r代表圖像中像素灰度級(jí)。把像素灰度級(jí)歸一化處理，那么0r1，其中r=0表示黑，r=1表示白。對(duì)于一幅給定的圖像來(lái)說(shuō)，每個(gè)像素取值在0，1的灰度級(jí)是隨機(jī)的。用概率密度函數(shù)Pr(r)來(lái)表示圖像灰度級(jí)的分布。當(dāng)大部分像素集中在低灰度級(jí)區(qū)域，圖像呈現(xiàn)暗的特性，而當(dāng)大部分像素集中在高灰度級(jí)區(qū)域，圖像呈現(xiàn)亮的特性。調(diào)用MATLAB工具箱中的imadjust函數(shù)來(lái)實(shí)現(xiàn)對(duì)比度增強(qiáng)。具體的實(shí)現(xiàn)程序如下：I=imread(pout. tif);%導(dǎo)入圖像J=imadjust(I,70/255 165/255,0 1);%在指定區(qū)域內(nèi)調(diào)整灰度subplot(2,2,1)

22、;imshow(I);title(原圖像);%繪制原圖像subplot(2,2,2);imshow(J);title（變換后圖像）;%繪制灰度變換后圖像subplot(2,2,3);imhist(I);title(原圖像直方圖);%繪制原圖像的直方圖subplot(2,2,4);imhist(J);title(變換后圖像直方圖);% 繪制灰度變換后的直方圖運(yùn)行后得到的圖像與直方圖比較如Error! Reference source not found.、Error! Reference source not found.2、Error! Reference source not found.3

23、和Error! Reference source not found.4所示。 圖3-1原圖 圖3-2變換后圖像圖3-3原圖像直方圖 圖3-4變換后圖像直方圖由圖可以看出，原圖像的灰度范圍比較小，而且多集中在中間位置。將灰度范圍從70/255 165/255映射到0 1，圖像的對(duì)比度顯著增強(qiáng)，亮度也增加；變換前得直方圖分布比較集中，而變換后的直方圖分布比較擴(kuò)散。3.2.2 直方圖均衡化有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細(xì)節(jié)看不清楚。這時(shí)可以通過(guò)直方圖均衡化將圖像的灰度范圍分開(kāi)，并且讓灰度頻率較小的灰度級(jí)變大，通過(guò)調(diào)整圖像灰度值的動(dòng)態(tài)范圍，自動(dòng)地增加整個(gè)圖像的對(duì)比度，使圖像

24、具有較大的反差，細(xì)節(jié)清晰。它以概率論為基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算來(lái)實(shí)現(xiàn)，從而達(dá)到增強(qiáng)的目的。它的變換函數(shù)取決于圖像灰度直方圖的累積分布函數(shù)。概括的說(shuō)，就是把一已知灰度概率分布的圖像，經(jīng)過(guò)一種變換，使之演變成一幅具有均勻概率分布的新圖像。有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細(xì)節(jié)看不清楚。這時(shí)可以將圖像的灰度范圍分開(kāi)，并且讓灰度頻率較小的灰度級(jí)變大。當(dāng)圖像的直方圖為一均勻分布時(shí)，圖像的信息熵最大，此時(shí)圖像包含的信息量最大，圖像看起來(lái)就顯得清晰。設(shè)數(shù)字圖像中像素的灰度級(jí)為rk，歸一化后4的取值范圍為：黑0rk1白 k=0，1，2，L-1其中，L為灰度級(jí)的總數(shù)。考慮灰度變換函數(shù) S=T(

25、r)=r()d (0r1) （3-1）其中r()代表隨機(jī)變量的概率密度函數(shù)，按照S=T(r)= r()d (0r1)對(duì)原圖像做灰度變換，變換后圖像灰度的概率密度是均勻的。從而使變換后圖像的灰度等級(jí)得到了擴(kuò)展，提高了圖像對(duì)比度。具體的實(shí)現(xiàn)程序如下：I=imread(pout.tif);%導(dǎo)入原始圖像J=histeq(I);%進(jìn)行直方圖均衡化subplot(2,2,1);imshow(I);title(原始圖像);%繪制原始圖像subplot(2,2,2);imshow(J);title(直方圖均衡圖像);%繪制直方圖均衡化后圖像subplot(2,2,3);imhist(I);title(原始圖

26、像直方圖);%繪制原始圖像的直方圖subplot(2,2,4);imhist(J);title(均衡化圖像直方圖);%繪制均衡化后圖像的直方圖運(yùn)行后得到的圖像與直方圖比較如Error! Reference source not found.5、Error! Reference source not found.6、Error! Reference source not found.7和Error! Reference source not found.8所示。圖3-5原始圖像 圖3-6直方圖均衡圖像圖3-7原始圖像直方圖 圖3-8均衡化圖像直方圖由Error! Reference source

27、 not found.可以看出均衡前圖像直方圖高度集中，重疊現(xiàn)象嚴(yán)重；均衡化后圖像的直方圖灰度分布平衡。圖像清晰度明顯高于原圖像，尤其是窗戶中網(wǎng)格部分清晰的顯現(xiàn)出來(lái)，有利于特征值的提取。3.2.3 直方圖規(guī)定化正文直方圖均衡化是以累計(jì)分布函數(shù)變換法為基礎(chǔ)的直方圖修正技術(shù)，使得變換后的灰度概率密度函數(shù)是均勻分布的，因此，它不能控制變換后的直方圖而交互性差。這樣，在很多特殊的情況下，需要變換后圖像的直方圖具有某種特定的曲線，例如對(duì)數(shù)和指數(shù)等，直方圖規(guī)定化可以解決這一問(wèn)題。采用直方圖均衡化能夠滿足對(duì)圖像整體灰度值和參數(shù)值的調(diào)整，并能自動(dòng)增強(qiáng)整個(gè)圖像的對(duì)比度，但是有時(shí)我們并不需要整體的圖像信息而只關(guān)注

28、其中某一部分的特征，實(shí)際中我們需要特定形狀的直方圖，從而有效增強(qiáng)某個(gè)灰度值范圍的對(duì)比度。例如在醫(yī)學(xué)上我們只需要關(guān)注某一部位的病變情況，采用直方圖規(guī)定化可以實(shí)現(xiàn)。MATLAB實(shí)現(xiàn)程序如下：I=imread(pout.tif)；%導(dǎo)入原始圖像hgram=0:255;%設(shè)定參數(shù)值J=histeq(I,hgram)；%對(duì)原圖像按照指定參數(shù)進(jìn)行規(guī)定化subplot(2,2,1);imshow(I);title(原始圖像)；%繪制原始圖象subplot(2,2,2);imshow(J);title(直方圖規(guī)定化后圖像)；%繪制直方圖規(guī)定化后圖像subplot(2,2,3);imhist(I);title(

29、原始圖像直方圖)；%繪制原始圖像的直方圖subplot(2,2,4);imhist(J);title(規(guī)定化后直方圖)；%繪制規(guī)定化后圖像的直方圖運(yùn)行后得到的圖像與直方圖比較如Error! Reference source not found.9、Error! Reference source not found.10、Error! Reference source not found.11、和Error! Reference source not found.12所示。Error! Reference source not found.9原始圖像 Error! Reference sourc

30、e not found.10直方圖規(guī)定化后圖像Error! Reference source not found.11原始圖像直方圖 Error! Reference source not found.12直方圖規(guī)定化后圖像直方圖 Error! Reference source not found.中將原圖像和圖像規(guī)定化后的圖像進(jìn)行比較可以知道，原圖像在低灰度值一側(cè)比較密集，直方圖規(guī)定化在高灰度值一側(cè)更為密集，指定變化后的圖像比直方圖均衡化后的圖像更亮，在較暗的區(qū)域細(xì)節(jié)更加清楚。 通過(guò)比較得出圖像均衡化可以得出直方圖均衡化能夠增強(qiáng)整個(gè)圖像的對(duì)比度，但它的具體增強(qiáng)效果不易控制；直方圖規(guī)定化通過(guò)一

31、個(gè)灰度映像函數(shù)將原直方圖改造成我們所期望的直方圖，并且可以靈活的設(shè)置參數(shù)對(duì)灰度進(jìn)行處理，達(dá)到理想的直方圖。3.3 空域?yàn)V波增強(qiáng)一般情況下，像素的鄰域比該像素要大，也就是說(shuō)這個(gè)像素的鄰域中除了本身以外還包括其他像素。在此情況下，g(x,y)在(x,y)位置處的值不僅取決于f(x,y)在以(x,y)為中心的鄰域內(nèi)所有的像素的值。如仍以s和t分別表示f(x,y)在(x,y)位置處的灰度值，并以n(s)代表f(x,y)在(x,y)鄰域內(nèi)像素的灰度值，則 t=EAs,n(s)為在鄰域內(nèi)實(shí)現(xiàn)增強(qiáng)操作，?？衫媚０迮c圖像進(jìn)行卷積。每個(gè)模板實(shí)際上是一個(gè)二維數(shù)組，其中各個(gè)元素的取值定了模板的功能，這種模板操作也

32、稱為空域?yàn)V波。3.3.1 基本原理空域?yàn)V波分為線性濾波和非線性濾波兩類。線形濾波器的設(shè)計(jì)常基于對(duì)傅立葉變換的分析。非線形空域?yàn)V波器則一般直接對(duì)鄰域進(jìn)行操作。另外各種濾波器根據(jù)功能又主要分成平滑濾波和銳化濾波。平滑可用低通來(lái)實(shí)現(xiàn)，銳化可用高通來(lái)實(shí)現(xiàn)。平滑濾波器：它能減弱或消除傅立葉空間的高頻分量，但不影響在低頻分量。因?yàn)楦哳l分量對(duì)應(yīng)圖像中的區(qū)域邊緣等灰度值具有較大較快變化的部分，濾波器將這些分量濾去可使圖像平滑。銳化濾波器：它能減弱或消除傅立葉空間的高頻分量空域?yàn)V波器都是利用模板卷積，主要步驟如下：（1）將模板在圖中漫游，并將模板中心與圖中某個(gè)像素位置重合；（2）將模板上的系數(shù)與模板下對(duì)應(yīng)的像素

33、相乘；（3）將所有的乘積相加；（4）將和（模板的輸出響應(yīng)）賦給圖中對(duì)應(yīng)的模板中心位置像素。下面分別介紹在MATLAB中如何應(yīng)用平滑濾波器和銳化濾波器。3.3.2 線性平滑濾波器線性低通濾波器是最常用的線性平滑濾波器。這種濾波器的所有系數(shù)都是正的。對(duì)3*3的模板來(lái)說(shuō)，最簡(jiǎn)單的操作是取所有系數(shù)都為1。為保證輸出圖像仍在原來(lái)的灰度范圍內(nèi)，在計(jì)算R后要將其除以9再進(jìn)行賦值。這種方法稱為鄰域平均法。MATLAB實(shí)現(xiàn)均值過(guò)濾器的代碼所示：I=imread(saturn.tif);J=imnoise(I,salt & pepper,0.02);imshow（I）figure，imshow（J）K1=filt

34、er2(fspecial(average,3),J)/255;figure,imshow(K1)title(3*3的均值濾波器)原圖像，加入椒鹽噪聲的圖像和均值濾波的圖像分別如Error! Reference source not found.13、Error! Reference source not found.14和Error! Reference source not found.15所示。 Error! Reference source not found.13原圖 Error! Reference source not found.14加入椒鹽噪聲圖像 Error! Referen

35、ce source not found.15均值濾波器處理結(jié)果由圖像可以看出，圖像噪聲的灰度值與他們相鄰像素的灰度值明顯不同，表現(xiàn)為黑區(qū)域上的白點(diǎn)和白區(qū)域上的黑點(diǎn)，因此用鄰域平均濾波器來(lái)判斷圖像中個(gè)像素點(diǎn)是否還有噪聲，并銷售除所發(fā)現(xiàn)的噪聲。它的主要優(yōu)點(diǎn)是算法簡(jiǎn)單，使用靈活，計(jì)算速度快，但其代價(jià)是會(huì)造成圖像一定程度的模糊，特別是在邊緣和細(xì)節(jié)處。3.3.3 非線性平滑濾波器中值濾波器是一種非線性平滑濾波器。它是一種鄰域運(yùn)算，類似于卷積，但計(jì)算的不是加權(quán)求和，而是把鄰域中的像素按灰度級(jí)進(jìn)行排序，然后選擇改組的中間值作為輸出的像素值。具體步驟：（1）將模板在圖像中漫游，并將模板中心和圖像某個(gè)像素的位置

36、重合；（2）讀取模板下對(duì)應(yīng)像素的灰度值；（3）將這些灰度值從小到大排成一列；（4）找出這些值排在中間的一個(gè)；（5）將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。MATLAB實(shí)現(xiàn)中值濾波器代碼所示：I=imread(saturn.tif);J=imnoise(I,salt & pepper,0.02);K1=medfilt2(J,3,3);figure,imshow(K1)中值濾波的結(jié)果如Error! Reference source not found.16所示。Error! Reference source not found.16中值濾波結(jié)果 中值濾波器的主要優(yōu)點(diǎn)是運(yùn)算簡(jiǎn)單、速度快、易于實(shí)現(xiàn)，它

37、既能夠在消除噪聲的同時(shí)，又能夠較好地保持圖像的細(xì)節(jié)，防止圖像邊緣部分變得模糊這是簡(jiǎn)單的鄰域平均濾波器難以實(shí)現(xiàn)的。3.3.4 線性銳化濾波器正文線性高通濾波器是最常用的線性銳化濾波器。這種濾波器的中心系數(shù)都是正的，而周圍的系數(shù)都是負(fù)的。對(duì)3*3的模板來(lái)說(shuō)，典型的系數(shù)取值是：-1 1 1；-1 8 1；-1 1 -1事實(shí)上這是拉普拉斯算子，所有的系數(shù)之和為0。拉普拉斯算子是線性二階微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求。拉普拉斯算子對(duì)圖像中的噪聲非常敏感，為了減少噪聲的影響，在做增強(qiáng)處理之前，先將待處理的圖像進(jìn)行平滑，再做拉普拉斯運(yùn)算。相對(duì)于梯度算子，拉普拉

38、斯算子具有增強(qiáng)的邊緣精確定位的優(yōu)點(diǎn)。因?yàn)樘荻纫浑A微分算子會(huì)在較大范圍內(nèi)形成梯度值，差分的結(jié)果不適合精確定位。然后，二階差分算子的過(guò)零特性，可以使邊緣增強(qiáng)后精確定位。MATLAB代碼所示：I=imread(saturn.tif);m=fspecial(laplacian)I1=filter2(m,I)h=fspecial(unsharp,0.5);I2=filter2(h,I)/255;subplot(1,2,1);imshow(I1);title(高通濾波laplacian算子)subplot(1,2,2);imshow(I2);title(高通濾波unsharp)處理結(jié)果如Error! Re

39、ference source not found.17和Error! Reference source not found.18所示。Error! Reference source not found.17高通濾波laplacian算子 Error! Reference source not found.18高通濾波unsharp 從線性銳化濾波的圖像中可以看出：經(jīng)圖像銳化使圖像的邊緣輪廓及圖像的細(xì)節(jié)變得清晰。第四章 頻域增強(qiáng)4.1基本原理頻域增強(qiáng)是利用圖像變換方法將原來(lái)的圖像空間中的圖像空間中的圖像以某種形式轉(zhuǎn)換到其它空間中，然后利用該空間的特有性質(zhì)方便地進(jìn)行圖像處理，最后再轉(zhuǎn)換回原來(lái)的圖像

40、空間中，從而得到處理后的圖像。頻域增強(qiáng)的主要步驟是：（1）技術(shù)所需增強(qiáng)圖的傅立葉變換；（2）將其與一個(gè)（根據(jù)需要設(shè)計(jì)的）轉(zhuǎn)移函數(shù)相乘；（3）再將結(jié)果進(jìn)行傅立葉反變換以得到增強(qiáng)的圖。頻域增強(qiáng)的兩個(gè)關(guān)鍵步驟：（1）將圖像從空域轉(zhuǎn)換到頻域所需的變換及將圖像從頻域空間轉(zhuǎn)換回空域所需的變換；（2）在頻域空間對(duì)圖像進(jìn)行增強(qiáng)加工操作。常用的頻域增強(qiáng)方法有低通濾波和高通濾波。以下分別介紹在MATLAB中如何實(shí)現(xiàn)。4.2低通濾波圖像的能量大部分集中在幅度譜的低頻和中頻度，而圖像的邊緣和噪聲對(duì)應(yīng)于高頻部分。因此能降低高頻成分幅度的濾波器就能減弱噪聲的影響。Butterworth 低通濾波器是一種物理上可以實(shí)現(xiàn)的低

41、通濾波器，n階，截?cái)囝l率為d0的Butterworth低通濾波器的轉(zhuǎn)移函數(shù)為： （4-1）用MATLAB實(shí)現(xiàn)Butterworth低通濾波器的代碼所示：I1=imread(Saturn.tif);figure,imshow(I1)I2=imnoise(I1,salt);figure,imshow(I2)f=double(I2);g=fft2(f);g=fftshift(g);N1,N2=size(g);n=2;d0=50;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1 for j=1:N2 d=sqrt(i-n1)2+(j-n2)2);h=1/(1+0.414*(d/

42、d0)(2*n); result(i,j)=h*g(i,j); endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2);figure,imshow(X3)原圖和處理結(jié)果如Error! Reference source not found.1、Error! Reference source not found.2和Error! Reference source not found.3所示。Error! Reference source not found.1原始圖像 Error! Reference source not

43、 found.2加噪 Error! Reference source not found.3去噪使用低通濾波可以使低頻分量順利通過(guò)而有效地阻止高頻分量，可濾除頻域噪聲。4.3高通濾波高通濾波也稱高頻濾波器，它的頻值在0頻率處單位為1，隨著頻率的增長(zhǎng)，傳遞函數(shù)的值逐漸增加；當(dāng)頻率增加到一定值之后傳遞函數(shù)的值通常又回到0值或者降低到某個(gè)大于1的值。在前一種情況下，高頻增強(qiáng)濾波器實(shí)際上是依照能夠帶通濾波器，只不過(guò)規(guī)定0頻率處的增益為單位1。圖像邊緣與高頻分量相對(duì)應(yīng)，高通濾波器可以讓高頻分量暢通無(wú)阻，而對(duì)低頻分量則充分限制，從而達(dá)到圖像銳化的目的。建立在離散卷積基礎(chǔ)上的空間域高通濾波關(guān)系式如下： （4-2）式中為銳化輸出；為輸入圖像；為沖擊響應(yīng)陣列（卷積陣列）。使用高通濾波器可以衰減或抑制低頻分量，使高頻分量暢通，并能夠?qū)D像進(jìn)行銳化處理。結(jié)論數(shù)字圖像增強(qiáng)技術(shù)是數(shù)字圖像處理的基本技術(shù)，圖像增強(qiáng)的目的是突出圖像中人或者機(jī)器感興趣的特征部分，為后續(xù)的圖像識(shí)別、理解、輸出顯示等服務(wù)。在論文進(jìn)行過(guò)程中，在導(dǎo)師的悉心指導(dǎo)下，在對(duì)傳統(tǒng)的圖像增強(qiáng)技術(shù)的研究和大量的實(shí)驗(yàn)仿真下完成的圖像增強(qiáng)算法的研究，本文主要介紹了圖像增強(qiáng)的基本方法，總結(jié)如下：圖像增強(qiáng)的方法有很多種，針對(duì)不對(duì)圖像的情況運(yùn)用不同的增強(qiáng)技術(shù)，使圖像更容易讓人識(shí)別、更清晰，是本課題主要的研究目的。對(duì)比度增強(qiáng)法