matlab數(shù)字圖像處理-圖像增強

1、圖像增強圖像增強的定義圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時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)量的過程9。圖像增強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特性或機器分析，以便于實現(xiàn)對圖像的更高級的處理和分析。圖像增強的過程往往也是一個矛盾的過程：圖像增強希望既去除噪聲又增強邊緣。但是，增強邊緣的同時會同時增強噪聲，而濾去噪聲又會使邊緣在一定程度上模糊，因此，在圖像增強的時候，往往是將這兩部分進行折中，找到一個好的代價函數(shù)達到需要的增強目的10。傳統(tǒng)的圖像增強算法在確定轉(zhuǎn)換函數(shù)時常是基于整個圖像的統(tǒng)計量，如：ST轉(zhuǎn)換，直方圖均衡，

2、中值濾波，微分銳化，高通濾波等等。這樣對應(yīng)于某些局部區(qū)域的細節(jié)在計算整幅圖的變換時其影響因為其值較小而常常被忽略掉，從而局部區(qū)域的增強效果常常不夠理想，噪聲濾波和邊緣增強這兩者的矛盾較難得到解決。常用的圖像增強方法圖像增強可分成兩大類：空間域法和頻率域法?；诳臻g域的算法處理時直接對圖像灰度級做運算；基于頻率域的算法是在圖像的某種變換域內(nèi)對圖像的變換系數(shù)值進行某種修正，是一種間接增強的算法。基于空間域的算法分為點運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態(tài)范圍，擴展對比度。鄰域增強算法分為圖像平滑和銳化兩種。平滑一般用于消除圖像噪

3、聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。銳化的目的在于突出物體的邊緣輪廓，便于目標識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計差值法等?；陬l率域的算法把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。圖像增強的方法是通過一定手段對原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制（掩蓋）圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配。在圖像增強過程中，不分析圖像降質(zhì)的原因，處理后的圖像不一定逼近原始圖像?？臻g域

4、/點處理（變換）處理方法空間域模板處理（濾波）頻率域圖像增強,處理策略全局處理局部處理處理對象灰度圖像彩色圖像題目要求對圖像增強不包括去噪，因此在本文中只考慮圖像變換、灰度變換、直方圖變換和銳化這四種方法。圖像增強原理1、圖像變換是指圖像的二維正交變換，它在圖像增強、復原、編碼等方面有著廣泛的應(yīng)運。如傅立葉變換后平均值正比于圖像灰度的平均值，高頻分量則表明了圖像中目標邊緣的強度和方向，利用這些性質(zhì)可以從圖像中抽取出特征；又如在變換域中，圖像能量往往集中在少數(shù)項上，或者說能量主要集中在低頻分量上，這時對低頻成分分配較多的比特數(shù)，對高頻成分分配較少的比特數(shù)，即可實現(xiàn)圖像數(shù)據(jù)的壓縮編碼。2、灰度變換

5、可使圖像動態(tài)范圍增大，對比度得到擴展，使圖像清晰、特征明顯，是圖像增強的重要手段之一。它主要利用點運算來修正像素灰度，由輸入像素點的灰度值確定相應(yīng)輸出點的灰度值，是一種基于圖像變換的操作。灰度變換不改變圖像內(nèi)的空間關(guān)系，除了灰度級的改變是根據(jù)某種特定的灰度變換函數(shù)進行之外，可以看作是“從像素到像素”的復制操作。3、圖像的灰度直方圖是反映一幅圖像的灰度級與出現(xiàn)這種灰度級的概率之間的關(guān)系的圖形。直方圖反應(yīng)了圖像的整體灰度分布情況，對于暗色圖像，直方圖的組成集中在灰度級低（暗）的一側(cè)，相反，明亮圖像的直方圖則傾向于灰度級高的一側(cè)。由于圖像的視覺效果不好或者特殊需要，常常要對圖像的灰度進行修正，以達到

6、理想的效果，即對原始圖像的直方圖進行轉(zhuǎn)換。4、圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，這就需要利用圖像銳化技術(shù)，使圖像邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是圖像受到了平均或積分運算，因此可以對其進行逆運算（如微分運算）就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實質(zhì)是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。為了要把圖像中間任何方向伸展的邊緣和輪廓變得清晰，我們希望對圖像的某種運算是各向同性的。圖像增強流程圖N最佳結(jié)果開始（結(jié)束）得判增強參數(shù)增強算沁處珅保荷退出輸入圖像

7、預(yù)處理實例分析根據(jù)項目要求，以下進行灰度變換、直方圖變換和銳化這三種圖像增強方法的分析。1、灰度線性變換為了突出圖像中感興趣的目標或灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)間，可采用分段線性變換，把0-255整個灰度值區(qū)間分為若干線段，每一個直線段都對應(yīng)一個局部的線性變換關(guān)系，常用的是三段線性變換方法。以下是在MATLAB中進行灰度線性變換的處理結(jié)果：灰度圖像原始圖像圖左邊是用到的原是彩色圖片，右邊是該彩色圖片的灰度圖像。100-200-線愎犠圖像“直萬圖線餞窮換圖像H17直萬圖從上圖可以看出原始圖像動態(tài)范圍較小，整體較暗，反映在直方圖上像素主要集中在低灰度的一側(cè)。線性變換圖像0.010.3的動

8、態(tài)范圍較大，整體明暗對比較強，圖像變亮，可以看到更多的細節(jié)反映在直方圖上像素分布較平均。線性變換圖像0.30.7的動態(tài)范圍更大，明暗對比更強，圖像與上一張變換圖像相比，只突出整幅圖片最亮的區(qū)域，即圖片中的云彩部分的細節(jié)。優(yōu)勢：可以充分利用圖像中的亮度信息，明顯改善圖像質(zhì)量，是一種常用的圖像增強算法。不足：對于受噪聲影響明顯的圖像，該算法增強效果不明顯。即不能有效地抑制噪聲。而且，僅僅利用了圖像中的局部信息。2、直方圖均衡化直方圖均衡化過程如下：計算原圖像的灰度直方圖Pr(rk)；計算原圖像的灰度累積分布函數(shù)ks,進一步求出灰度變換表;根據(jù)灰度變換表，將原圖像各灰度級映射為新的灰度級。以下是在M

9、ATLAB中進行圖像直方圖均衡的處理結(jié)果：100灰度圖像均衡化處理后圖像200300400500200400600灰度圖像直方圖均衡化處理后圖像直方圖100100從直方圖統(tǒng)計可以看出，原始圖的灰度范圍大約是0到100之間，灰度分布的范圍比較狹窄，所以整體上看對比度比較差，而直方圖均衡化后，灰度幾乎是均勻的分布在0到255的范圍內(nèi)，圖像明暗分明，對比度很大，圖像比較清晰明亮，很好的改善了原始圖的視覺效果。優(yōu)勢：能夠使得處理后圖像的概率密度函數(shù)近似服從均勻分布，其結(jié)果擴張了像素值的動態(tài)范圍，是一種常用的圖像增強算法。不足：不能抑制噪聲。3、銳化圖像銳化處理的作用是使灰度反差增強，從而使模糊圖像變得

10、更加清晰。圖像模糊的實質(zhì)就是圖像受到平均運算或積分運算，因此可以對圖像進行逆運算，如微分運算以突出圖像細節(jié)使圖像變得更為清晰。由于拉普拉斯是一種微分算子，它的應(yīng)用可增強圖像中灰度突變的區(qū)域，減弱灰度的慢變化區(qū)域。因此，銳化處理可選擇拉普拉斯算子對原圖像進行處理產(chǎn)生描述灰度突變的圖像，再將拉普拉斯圖像與原始圖像疊加而產(chǎn)生銳化圖像。拉普拉斯銳化的基本方法可以由下式表示這種簡單的銳化方法既可以產(chǎn)生拉普拉斯銳化處理的效果，同時又能保留背景信息：將原始圖像疊加到拉普拉斯變換的處理結(jié)果中去，可以使圖像中的各灰度值得到保留、灰度突變處的對比度得到增強，最終結(jié)果是在保留圖像背景的前提下，突現(xiàn)出圖像中小的細節(jié)。

11、由于上面用到的圖片銳化后效果不明顯，很勉強只分辨出雨傘的輪廓因此在下面分析中換了一張圖片。以下是在MATLAB中進行圖像銳化的處理結(jié)果：原始灰度圖像拉普拉斯銳化濾波圖像拉普拉斯銳化濾波結(jié)果比較原始模糊圖像和經(jīng)過拉氏算子運算的圖像，可以發(fā)現(xiàn)，圖像模糊的部分得到了銳化，特別是模糊的邊緣部分得到了增強，邊界更加明顯。特別明顯的是原圖的最下面左右各有一行很模糊的水印，銳化后非常明顯。但是，圖像顯示清楚的地方，經(jīng)過濾波發(fā)生了失真，這也是拉氏算子增強的一大缺點。總結(jié)圖像增強，擬人說法是給圖像“化妝”，是按照特定的需要有選擇的突出圖像中的某些信息，削弱或去除某些不需要的信息的處理方法。數(shù)字圖像增強技術(shù)是數(shù)字

12、圖像處理的基本技術(shù)，圖像增強的目的是突出圖像中人或者機器感興趣的特征部分，為后續(xù)的圖像識別、理解、輸出顯示等服務(wù)。圖像增強的方法有很多種，針對不對圖像的情況運用不同的增強技術(shù)，使圖像更容易讓人識別、更清晰，是本課題主要的研究目的。對比度增強法適合于對比度較低的圖像，通過線性和非線性的變化，修改每一個像素的灰度，從而改變圖像的動態(tài)范圍達到圖像增強的目的。直方圖均衡化針對在低值灰度區(qū)間上頻率較大、圖像中較暗區(qū)域中細節(jié)看不清楚的圖像，有較好的增強效果。但是上述兩種方法的缺點都是不能抑制噪聲，對于圖像中呈孤立分散分布的噪聲點，可以用平滑的方式去除，其中線性濾波實現(xiàn)簡單，去噪效果明顯，但是去噪的同時會導

13、致結(jié)果圖像邊緣位置的改變和細節(jié)模糊甚至丟失；非線性濾波能夠較好的保持圖像邊緣位置和細節(jié)，但是算法的實現(xiàn)相對線性濾波比較困難。平滑處理的時候經(jīng)常會使圖像的邊緣變的模糊，圖像銳化處理的作用就是使灰度反差增強，從而使模糊圖像變得更加清晰。最后，圖像處理是面向?qū)ο蠛蛦栴}的一門學科。圖像處理的研究，也就是針對某一問題最多也就是某一類型問題的算法的研究。圖像處理廣闊的領(lǐng)域中，還有很多需要研究和探索的領(lǐng)域，例如：找到一種客觀的評價標準，該標準能對圖像能夠客觀的正確的評價一幅圖像的好與壞；如何對圖像進行分類，以便能在成千上萬的圖像庫中實現(xiàn)檢索等等。參考文獻1、DigitalImageProcessingThi

14、rdEditionRafaelC.GonzalezRichardE.Woods培生教育出版集團(PearsonEducation)2、王耀南計算機圖像處理與識別技術(shù)北京：高等教育出版社,20013、夏德深,傅德勝.計算機圖像處理及應(yīng)用南京:東南大學出版社,2004.4、張娜.圖像增強技術(shù)的研究.計算機仿真,2007,24(1)：02-04.5、孫蕾,李丙春.圖像增強算法與評價方法研究.計算機工程,2007,33(08)：21-236、余成波.數(shù)字圖像處理及MATLAB實現(xiàn).重慶:重慶大學出版社,2003附錄代碼一：%灰度線性變換，利用imadjust函數(shù)對圖像局部灰度范圍進行擴展%MATLAB

15、程序?qū)崿F(xiàn)如下：I=imread(9.jpg);%顯示原始圖像imshow(I);title(原始圖像);I1=rgb2gray(I);%顯示原始圖像的灰度圖像subplot(2,3,1),imshow(I1);title(灰度圖像);axison;subplot(2,3,4),imhist(I1);%畫出灰度直方圖title(灰度圖像直方圖);axison;J=imadjust(I1,0.010.3,);%局部拉伸，把0.10.5內(nèi)的灰度拉伸為01subplot(2,3,2),imshow(J);title(線性變換圖像0.010.3);axison;subplot(2,3,5),imhist

16、(J);%畫出灰度直方圖title(線性變換圖像0.010.3直方圖);axison;K=imadjust(I1,0.30.7,);%局部拉伸，把0.30.7內(nèi)的灰度拉伸為01subplot(2,3,3),imshow(K);title(線性變換圖像0.30.7);axison;subplot(2,3,6),imhist(K);%畫出灰度直方圖title(線性變換圖像0.30.7直方圖);axison;代碼二：%直方圖均衡化I=imread(9.jpg);I1=rgb2gray(I);%顯示原始圖像的灰度圖像subplot(2,2,1),imshow(I1);title(灰度圖像);axison;subplot(2,2,3),imhist(I1);%畫出灰度直方圖title(灰度圖像直方圖);J=histeq(I1,64);%對圖像進行均衡化處理，返回有64級灰度的圖像Jsubplot(2,2,2),imshow(J);title(均衡化處理后圖像);axison;subplot(2,2,4),imhist(J);%畫出灰度直方圖title(均衡化處理后圖像直方圖);axison;代碼三：%銳化I=imread(1.jpg);I