數(shù)字圖像處理大作業(yè)c(共17頁)

1、 西安郵電大學數(shù)字圖像處理大作業(yè)(zuy)學生姓名：專業(yè)名稱：班 級： 圖像增強一引言(ynyn)圖像作為一種(y zhn)有效的信息載體，是人類獲取和交換信息的主要來源。人類感知的外界信息80%以上是通過視覺得到的。因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。視覺是人類最重要的感知手段，圖像又是視覺的基礎(chǔ)。早期圖像處理的目的是改善圖像質(zhì)暈，它以人為對象，以改善人的視覺效果為目的。圖像處理中輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像。常用的圖像處理方法有圖像增強、復(fù)原、編碼、壓縮等。首次獲得成功應(yīng)用的是美國噴氣推進實驗室（JPL）。他們對航天探測器徘徊者7號在1964年發(fā)回

2、的幾千張月球照片進行圖像處理，如：幾何校正、灰度變換、去除噪聲，并考慮了太陽位和月球環(huán)境的影響，由計算機成功地繪出月球表面地圖，獲得了巨大的成功。隨后又對探測飛船發(fā)回的近十萬(sh wn)張照片進行更為復(fù)雜的圖像處理，獲得月球的地形圖、彩色圖及全景鑲嵌圖，為人類登月創(chuàng)舉奠定了堅實的基礎(chǔ)，也推動了數(shù)字圖像處理這門學科的誕生。在以后的宇航空間技術(shù)探測研究中，數(shù)字圖像處理技術(shù)都發(fā)揮巨大的作用1數(shù)字圖像處理是利用計算機對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征等相關(guān)理論、方法和技術(shù)的總稱。因為通常圖像處理是用計算機和實時硬件實現(xiàn)的，因此也稱之為計算機圖像處理。一般而言，數(shù)字圖像處理的主要內(nèi)容包括圖

3、像獲取、圖像復(fù)原、圖像增強、圖像分割、圖像分析、圖像重建、圖像壓縮編碼等等。20世紀20年代，圖像處理首次應(yīng)用于改善倫敦和紐約之間海底電纜發(fā)送的圖片質(zhì)量。直到20世紀50年代數(shù)字計算機發(fā)展到一定水平后，數(shù)字圖像處理才真正引起人們的興趣。二國內(nèi)外發(fā)展及現(xiàn)狀從20世紀70年代中期開始，隨著計算機技術(shù)和人工智能、思維科學研究的迅速發(fā)展，數(shù)字圖像處理技術(shù)向更高、更深層次發(fā)展。人們已開始研究如何用計算機系統(tǒng)解釋圖像，類似人類視覺系統(tǒng)理解外部世界，這被稱為圖像理解或計算機視覺。很多國家，特別是發(fā)達國家投入更多的人力、物力到這項研究，取得了不少的重要的研究成果。其中代表性的成果是70年代末MIT的Marr提

4、出的視覺計算理淪，這個理論成為計算機視覺領(lǐng)域其后十多年的主導思想2。20世紀(shj)80年代末期，人們開始將其應(yīng)用于地理信息系統(tǒng)，研究海圖的自動讀入、自動生成方法。數(shù)字圖像處理技術(shù)(jsh)的應(yīng)用領(lǐng)域不斷拓展。數(shù)字圖像處理技術(shù)的大發(fā)展是從20世紀90年代初開始的。自1986年以來，小波理論和變換方法迅速發(fā)展，它克服(kf)r傅里葉分析不能用于局部分析等方面的不足之處，被認為是調(diào)和分析半個世紀以來工作之結(jié)晶。Ma11at于1988年有效地將小波分析應(yīng)用于圖像分解和重構(gòu)。小波分析被認為是信號，圖像分析在數(shù)學方法上的重大突破。隨后數(shù)字圖像處理技術(shù)迅猛發(fā)展，到目前為止，圖像處理在圖像通訊、辦公自動化

5、系統(tǒng)、地理信息系統(tǒng)、醫(yī)療設(shè)備、衛(wèi)星照片傳輸及分析和工業(yè)自動化領(lǐng)域的應(yīng)用越來越多。進入21世紀，隨著計算機技術(shù)的迅猛發(fā)展和相關(guān)理論的不斷完善， 圖像增強處理的應(yīng)用已經(jīng)滲透到醫(yī)學診斷、航空航天、軍事偵察、指紋識別、無損探傷、衛(wèi)星圖片的處理等領(lǐng)域。如對x射線圖片、CT影像、內(nèi)窺鏡圖像進行增強，使醫(yī)生更容易從中確定病變區(qū)域，從圖像細節(jié)區(qū)域中發(fā)現(xiàn)問題；對不同時間拍攝的同一地區(qū)的遙感圖片進行增強處理，偵查是否有敵人軍事調(diào)動或軍事裝備及建筑出現(xiàn)；在煤礦工業(yè)電視系統(tǒng)中采用增強處理來提高工業(yè)電視圖像的清晰度，克服因光線不足、灰塵等原因帶來的圖像模糊、偏差等現(xiàn)象，減少電視系統(tǒng)維護的工作量。圖像增強技術(shù)的快速發(fā)展同

6、它的廣泛應(yīng)用是分不開的，發(fā)展的動力來自穩(wěn)定涌現(xiàn)的新的應(yīng)用，我們可以預(yù)料，在未來社會中圖像增強技術(shù)將會發(fā)揮更為重要的作用3。三 .傳統(tǒng)圖像增強的基本方法1 基本的灰度變換實踐證明，灰度變換技術(shù)是一種簡便而有效的提高圖像對比度的方法?；叶茸儞Q也叫點運算，它不改變像素的位置，只改變像素的灰度。設(shè)輸入圖像為，輸出圖像為，則灰度變換的數(shù)學表達式可表示為： (式3.1)這里為灰度變換的具體映射關(guān)系。經(jīng)常出現(xiàn)這樣的情況，圖像的灰度范圍沒有充分利用顯示裝置所允許的最大灰度范圍從而導致圖像的對比度太低，使一些細節(jié)不易被觀察到。比如：攝影過程中如果曝光過度，就會出現(xiàn)這樣的缺陷。解決上述問題的最簡單方法是進行灰度的

7、線性變換，其數(shù)學表達式如下： (式3.2)對灰度做這樣線性變換以后，把原始(yunsh)圖像的灰度范圍(fnwi)強行擴展為顯示裝置所允許(ynx)的最大灰度范圍，從而提高了整幅圖像的對比度，原來觀察不到的一些圖像細節(jié)可能更加突出了，圖3.1給出了這種線性灰度變換關(guān)系：圖3.1灰度范圍的線性變換如果在圖像處理過程中，需要突出圖像中某些灰度范圍內(nèi)的圖像的細節(jié)，同時又允許適當損失另外灰度范圍內(nèi)的圖像處理細節(jié)，可以采用線性灰度變換的另一種形式，即分段線性變換。經(jīng)過這種變換以后，可以使所關(guān)心的圖像細節(jié)的灰度范圍得以擴展，增強其對比度；同時又使的所不關(guān)心的圖像細節(jié)所處的灰度范圍得以壓縮，降低其對比度。值

8、得注意，這種分段線性變換，變換前后整幅圖像總的灰度范圍不變的。三段線性變換的數(shù)學表達式可寫成： = (式3.3)式中 ， 在實際的處理過程中，如果圖像上灰度范圍的兩端區(qū)域上有噪聲，比如感光膠片上有劃傷和黑色感光顆粒，則可以(ky)用這種變換把灰度范圍的兩端區(qū)域壓縮，使人眼視覺對噪聲的感受不明顯，而對有用細節(jié)所占據(jù)的灰度區(qū)域給予(jy)線性擴展，提高這部分的對比度。 如果(rgu)圖像上絕大部分的像素的灰度級集中在范圍內(nèi)，比較少的像素的灰度級超出此范圍，則可用以下變換增強原圖像上的范圍的對比度： = (式3.4) 圖3.2表示了這種變換關(guān)系。值得注意，擴展原圖像灰度范圍是以完全損失灰度小于和灰度

9、大于的圖像節(jié)為代價的。這種變換與分段線性變換實際上都是非線性變換。實際上，可能利用一些數(shù)學函數(shù)進行灰度變換，如平方、對數(shù)、指數(shù)等但這種變換必須滿足以下條件，即： 如果 ，則需有 ，也就是說，灰度變換前后的灰度范圍必須在顯示裝置所允許的最大灰度范圍之內(nèi)。下面介紹以下常用的幾種變換。 （1） 圖像反轉(zhuǎn)：對圖像適用于求反是將原圖灰度值反轉(zhuǎn)，簡單來說就是把黑的變百，白的變黑。嵌入于圖像暗色區(qū)域的白色或者灰色細節(jié)，特別當黑色面積占主導地位時，進行圖像反轉(zhuǎn)是比較理想的。（2）對數(shù)變換：使窄帶低灰度輸入圖像值映射為寬帶輸出值，可以利用這種變換來擴展被壓縮的高值圖像中的暗像素，相對的是反對數(shù)變換的調(diào)整值；對數(shù)

10、函數(shù)有它重要的特征，就是它很大程度上壓縮了圖像像素值的動態(tài)范圍；（3）冪次變換(binhun)：冪次曲線中的部分值把輸入窄帶(zhi di)暗值映射到寬帶輸出值，相反，輸入高值時也成立。 (2) 對比度增強：增強圖像比度（Contrast stretching)實際上是增強原圖各部分之間的反差。對比度增強分為線性和非線性對比度增強兩種，線性是指將對比度較差的圖像灰度線性擴展，常能顯著改善圖像的質(zhì)量。當用某些非線性函數(shù)如對數(shù)、指數(shù)函數(shù)作為映射函數(shù)時，可實現(xiàn)圖像灰度的非線性變換。對比度增強是圖像增強中最普遍的增強方法。當圖像成像不足或過度曝光，圖像記錄(jl)設(shè)備范圍太窄等，都會產(chǎn)生對比不足的問題

11、，使圖像的細節(jié)分辨不清。為此需對每一像素的灰度級進行變換，擴大圖像灰度的范圍，達到圖像增強目的。2 直方圖處理設(shè)圖像的灰度級范圍為，為此灰度范圍內(nèi)的任一灰度級，為這幅圖像灰度級為的像素出現(xiàn)的頻數(shù)，可以看出，是的函數(shù)，該函數(shù)的圖形稱為這幅圖像的直方圖。一般橫坐標表示灰度級，縱坐標表示具有該灰度級的像素的頻數(shù)。數(shù)字圖像直方圖顯然是有一系列豎線條組成的圖形，豎線條的高度代表了該灰度級在此幅圖像出現(xiàn)的頻數(shù)（或相對頻數(shù)或頻率），如下圖3.2所示：圖3.2 數(shù)字圖像方圖 為討論(toln)方便，把灰度級歸一化，即 ，假定對原始(yunsh)圖像灰度級做以下(yxi)灰度變換： 為使這種灰度變換具有實際意義

12、，應(yīng)滿足如下條件： （1）在區(qū)間內(nèi)，為單值單調(diào)增加； （2）在，對應(yīng)有。這里條件（1）使變換后的灰度值保持從黑到白的次序，條件（2）保證變換后的像素灰度級仍在允許的范圍內(nèi)。由到的反變換可用下式表示： 這里對于變量也應(yīng)滿足條件（1）和（2）。圖3.3表示了滿足條件（1）和（2）的變換。圖3.3具有實際意義的灰度變換接下來簡單介紹以下常見的兩種基于直方圖灰度變換： (1)直方圖均衡化：是一種借助于直方圖變換實現(xiàn)灰度映射從而達到圖像增強目的的方法。直方圖表示數(shù)字圖像中每一灰度級與其出現(xiàn)的頻數(shù)(具有該灰度級的像素數(shù)目)間的統(tǒng)計關(guān)系。直方圖能給出圖像整體分布描述，如圖像的灰度范圍、灰度級的大致分布情況等

13、。把原圖像的直方圖變換為各灰度值頻率固定的直方圖稱為直方圖均衡化。(2)直方圖規(guī)定化：也是一種借助于直方圖變換來增強圖像(t xin)方法，它通過將原始的直方圖轉(zhuǎn)換為期望得到的直方圖，從而達到預(yù)先確定的增強效果。也就是使處理后的圖像具有指定的直方圖。3 中值濾波(lb) 傳統(tǒng)圖像增強算法中，空域濾波是直接在圖像空間借助摸板卷積來實現(xiàn)的增強方法。根據(jù)不同的模板設(shè)計，空域濾波即可以實現(xiàn)對圖像平滑(pnghu)功能。在空域濾波時即可線性的組合模板運算的結(jié)果，也可非線性的利用模板運算的結(jié)果。中值濾波的思想是對一個窗口內(nèi)的所有像素灰度值進行排序，取排序結(jié)果的中間值作為原窗口中心點像素的灰度值。這種濾波也

14、就是平滑操作，對干擾噪聲的效果較好。中值濾波的關(guān)鍵在于選擇合適的窗口大小和形狀。4 小波變換圖像增強小波變換(Wavelate Transform)是由法國科學家Molret在進行地震數(shù)據(jù)分析時提出的，在1986年Mallat將計算機視覺領(lǐng)域的多尺度分析思想引入到小波函數(shù)構(gòu)造中，形成了統(tǒng)一的小波函數(shù)構(gòu)造理論。小波變換在圖像分解與重建過程中，按需要改變有關(guān)小波參數(shù)，并且它的多分辨率分析具有良好的空間域和頻率域局部化特性，對高頻采用逐漸精細的時域或空域步長，可以聚焦到分析對象的任意細節(jié)，由此可增強圖像中感興趣的部分，國內(nèi)外已有部分學者開始對此方法進行研究，到目前為止小波變化在圖像壓縮領(lǐng)域應(yīng)用效果最

15、好。四結(jié)論總體來說，以上方法都有各自的使用范圍，傳統(tǒng)圖像增強方法在原理上容易理解，計算也簡便 。圖像增強是數(shù)字圖像理中的重要研究內(nèi)容，不僅在于它的廣泛使用性，更在于它于我們的日常生活息息相關(guān)，一方面體現(xiàn)在醫(yī)療儀器上；另一方面在于我們通過傳感器獲取的大多數(shù)圖像并不如我們所想象的那么理想例如噪聲太大，圖像模糊，背景黑或者太亮等等，都需要我們對圖像進行增強處理。 參考文獻1 馮安, 王希常. MATLAB在數(shù)字圖像增強(zngqing)中的應(yīng)用. 信息技術(shù), 2007, 23(01): 14-16.2 夏德深, 傅德勝. 計算機圖像處理(t xin ch l)及應(yīng)用. 南京(nn jn):東南大學出

16、版社, 2004.3 王斌. MATLAB實現(xiàn)數(shù)字圖像增強處理. 佳木斯大學學報, 2005, 23(1): 31-34.實驗(shyn)部分用Matlab編程實現(xiàn)(shxin)以下題目中的三個。(1)亮圖像(t xin)、暗圖像、和低對比度圖像的直方圖均衡化。(2)用中值濾波濾除圖像中的椒鹽噪聲。(3)用空域拉普拉斯模板實現(xiàn)圖像銳化。(4)用頻域高斯低通、高斯高通濾波器分別對圖像進行平滑和銳化。實驗一一、實驗題目用中值濾波濾除圖像中的椒鹽噪聲。二實驗原理椒鹽噪聲是由圖像(t xin)傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由 HYPERLINK /view/421

17、16.htm t _blank 圖像(t xin)切割(qig)引起；中值濾波是一種非線性平滑技術(shù)，它將每一 HYPERLINK /view/575.htm t _blank 像素點的 HYPERLINK /view/2796249.htm t _blank 灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有像素點灰度值的 HYPERLINK /view/1291842.htm t _blank 中值.是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的HYPERLINK /view/575.htm t _b

18、lank像素值接近的真實值，從而消除孤立的噪聲點。方法是用某種結(jié)構(gòu)的二維滑動模板，將板內(nèi) HYPERLINK /view/575.htm t _blank 像素按照像素值的大小進行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列；因為椒鹽噪聲是幅值近似相等但隨機分布在不同的位置上，圖像中有干凈點也有污染點。而中值濾波是選擇適當?shù)狞c來代替污染點的值，所以去除椒鹽噪聲最常用的算法是 HYPERLINK /view/277696.htm t _blank 中值濾波。三、源程序A=imread(D:pp.png);/ 讀取圖片文件中的數(shù)據(jù)B=rgb2gray(A);/ 將 HYPERLINK /view/

19、189672.htm t _blank 真彩色圖像轉(zhuǎn)換為 HYPERLINK /view/1549178.htm t _blank 灰度圖像figure,subplot(131),imshow(B);title(原圖);C=imnoise(B,salt & pepper,0.03);subplot(132),imshow(C);title(加入椒鹽噪聲圖);D=medfilt2(C);subplot(133),imshow(D);title(經(jīng)過中值濾波);四、實驗結(jié)果原圖像通過加椒鹽噪聲，圖像出現(xiàn)了黑白雜點，因為鹽=白色，椒=黑色，前者是高灰度噪聲，后者屬于低灰度噪聲。一般兩種噪聲同時出現(xiàn)，

20、呈現(xiàn)在 HYPERLINK /view/42116.htm t _blank 圖像上就是黑白雜點。而后在通過中值濾波后，圖像與原圖像相差無二，但是清晰度沒有以前的好?？偟膩碚f HYPERLINK /view/899566.htm t _blank 中值濾波法對消除 HYPERLINK /view/1665848.htm t _blank 椒鹽噪聲非常有效。五、程序(chngx)流程圖讀取圖片文件加入椒鹽噪聲將 HYPERLINK /view/189672.htm t _blank 彩色圖像轉(zhuǎn)換為 HYPERLINK /view/1549178.htm t _blank 灰度圖像顯示原圖顯示加入

21、椒鹽噪聲圖中值濾波顯示中值濾波圖實驗(shyn)二一、實驗(shyn)題目用空域拉普拉斯模板實現(xiàn)圖像銳化。二實驗原理拉式算子是一個刻畫圖像灰度的二階商算子，它是點、線、邊界提取算子，亦稱為邊界提取算子。通常圖像和對他實施拉式算子后的結(jié)果組合后產(chǎn)生一個銳化圖像。拉式算子用來改善因擴散效應(yīng)的模糊特別有效，因為它符合降制模型。而且也是最簡單的各向同性微分算子，具有旋轉(zhuǎn)不變性。如果在圖像中一個較暗的區(qū)域中出現(xiàn)了一個亮點，那么用拉普拉斯運算就會使這個亮點變得更亮。因為圖像中的邊緣就是那些灰度發(fā)生跳變的區(qū)域，所以拉普拉斯銳化模板在邊緣檢測中很有用(yu yn)。一般增強技術(shù)對于陡峭的邊緣和緩慢變化的邊緣很

22、難確定其邊緣線的位置。但此算子卻可用二次微分正峰和負峰之間的過零點來確定，對孤立點或端點更為敏感，因此特別適用于以突出圖像中的孤立點、孤立線或線端點為目的的場合。同梯度算子一樣，拉普拉斯算子也會增強圖像中的噪聲，有時用拉普拉斯算子進行邊緣檢測時，可將圖像先進行平滑處理。 空域濾波是在圖像控件通過領(lǐng)域操作完成的，實際實現(xiàn)(shxin)方法基本都是利用模板進行卷積，模板可看成是一幅尺寸為n*n的小圖像，為了使模板有唯一(wi y)確定的中心，n一般為基數(shù)。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像素位置重合；（2）將模板上的系數(shù)與模板下對應(yīng)的像素相乘；（3）將所有的乘積相加；（

23、4）將和（模板的輸出響應(yīng)）賦給圖中對應(yīng)的模板中心位置像素。三、源程序A=imread(D:pp.png);B=rgb2gray(A);figure,subplot(131),imshow(B);title(原圖);C=0 1 0,1 -4 1,0 1 0;D=filter2(C,B);D=uint8(D);subplot(132),imshow(D);title(拉普拉斯銳化圖);E=B-D;subplot(133),imshow(E);title(疊加結(jié)果);四、實驗結(jié)果由實驗圖像可知：由圖可以看出，將原始(yunsh)圖像通過拉普拉斯變換后增強了圖像中灰度突變處的對比度，使圖像中小的細節(jié)部

24、分得到增強并保留了圖像的背景色調(diào)，使圖像的細節(jié)比原始圖像更加清晰。拉普拉斯算子獲得的邊界是比較細致的邊界。反應(yīng)(fnyng)的邊界信息包括了許多的細節(jié)信息，但是所反映的邊界不是太清晰五、程序(chngx)流程圖讀取圖片文件將 HYPERLINK /view/189672.htm t _blank 彩色圖像轉(zhuǎn)換為 HYPERLINK /view/1549178.htm t _blank 灰度圖像顯示原圖中心為4的拉普拉斯濾波器數(shù)據(jù)轉(zhuǎn)換成無符號8位數(shù)輸出拉普拉斯銳化圖與疊加圖圖實驗三一、實驗題目用頻域高斯低通、高斯高通濾波器分別對圖像進行平滑和銳化。二實驗原理高斯(o s)高通濾波器傳遞函數(shù)為：式

25、中D0為截止頻率距遠點距離(jl)。與低通濾波器的情況一樣，可認為巴特沃斯高通型濾波器比IHPF更平滑。二維理想(lxing)高通濾波器的傳遞函數(shù)為D0是從頻率矩形中點測得的截止頻率長度，它將以D0為半徑的圓周內(nèi)的所有頻率置零，而毫不衰減地通過圓周外的任何頻率。但其物理上是不可實現(xiàn)的。巴特沃斯高通濾波器的傳遞函數(shù)為高通濾波器能夠用高斯型低通濾波器的差構(gòu)成。這些不同的濾波器有更多的參數(shù)，因此能夠?qū)V波器的形狀進行更多的控制。三、源程序A=imread(D:pp.png);B=rgb2gray(A);figure,subplot(131),imshow(B);title(原圖);B=double(

26、B);B=fftshift(fft2(B);E=B;M,N=size(B);k1=round(M/2);k2=round(N/2);D=50;for i=1:1:M for j=1:1:N juli=sqrt(i-k1)2+(j-k2)2); H(i,j)=exp(-1/2)*juli2*(1/D2); K(i,j)=1-exp(-1/2)*juli2*(1/D2); B(i,j)=H(i,j)*B(i,j); E(i,j)=K(i,j)*E(i,j); endendB=ifft2(ifftshift(B);E=ifft2(ifftshift(E);B=uint8(real(B);E=uint8(real(E);subplot(132