图像增强处理技术研究22881.pdf

《图像增强处理技术研究22881.pdf》由会员分享，可在线阅读，更多相关《图像增强处理技术研究22881.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、-.z.图像增强处理技术研究 一课题背景及意义 随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的开展，已经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进展系列操作，从而获得*种预期的结果。对图像进展处理时，经常运用图像增强技术以改善图像的质量。在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。在摄影时由于光照条件缺乏或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统

2、称为质量问题。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进展适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进展检测和测量。图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，很少涉及客观和统一的评价标准。增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。目前图像增强处理的应用已经渗

3、透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。如对*射线图片、CT 影像、内窥镜图像进展增强，使医生更容易从中确定病变区域，从图像细节区域中发现问题；对不同时间拍摄的同一地区的遥感图片进展增强处理，侦查是否有敌人军事调动或军事装备及建筑出现；在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，抑制因光线缺乏、灰尘等原因带来的图像模糊、偏差等现象，减少电视系统维护的工作量。图像增强技术的快速开展同它的广泛应用是分不开的，开展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。二基于点运算的图像增强技术 灰度变换 1利用

4、 matlab 图像工具箱提供的函数 imhist()观察 Mr.bmp 的直方图。为了突出图像中感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换，把 0-255 整个灰度值区间分为假设干线段，每一个直线段都对应一个局部的线性变换关系，常用的是三段线性变换方法，如图 4.1 所示。-.z.图4.1 三段线性变换 其中 f(*,y)，g(*,y)分别为原图像和变换后的图像的灰度级，ma*f、ma*g 分别为原图像和变换后的图像的最大灰度级。灰度区间a,b为要增强的目标所对应的灰度范围，变换后灰度范围扩展至c,d。变换时对a,b进展了线性拉伸，而0,a和b,ma*则被压缩

5、，这两局部对应的细节信息损失了。假设这两局部对应的像素数较少，则损失的信息也相应较少。其数学表达式如式。分段线性变换可以根据用户的需要，拉伸特征物体的灰度细节，虽然其他灰度区间对应的细节信息有所损失，这对于识别目标来说没有什么影响。下面对一些特殊的情况进展了分析。令 k1c/a,k2=(d-c)/(b-a)，k3=(ma*g-d)/(ma*f-b)，即它们分别为对应直线段的斜率。当 k1=k3=0 时，如图 4.2a所示，表示对于a,b以外的原图灰度不感兴趣，均令为 0，而处于a,b之间的原图灰度，则均匀的变换成新图灰度。当 k1=k2=k3=0，但 c=d 时，如图 4.2b所示，表示只对a

6、,b间的灰度感兴趣，且均为同样的白色，其余变黑，此时图像对应变成二值图。这种操作又称为灰度级或窗口切片。当 kl=k31，c=d=ma*g 时，如图 4.2c所示，表示在保存背景的前提下，提升a,b间像素的灰度级。它也是一种窗口或灰度级切片操作。图4.2 三段线性变换 MATLAB 软件中，imadjust 函数可以实现图像的灰度变换，通过直方图变换调整图像的比照度。其中，gamma 为校正量 r，highlow为原图像中要变换的灰度范围，topbottom指定了变换后的灰度范围。由于原始图像的灰度较暗，比照度不够强烈，所以调用 Matlab 图像工具箱提供的函数 imadjust()对其进展

7、修正。结果如上图所示 J=imadjust(I,0.0 0.5,);imshow(I),figure,imshow(J)结论:优势：可以充分利用图像中的亮度信息，明显改善图像质量，是一种常用的图像增强算法。缺乏：对于受噪声影响明显的图像，该算法增强效果不明显。即不能有效地抑制噪声。而且，仅仅利用了图像中的局部信息。直方图均衡化 2 利用 matlab 图像工具箱提供的函数 histeq()对 Mr.bmp 进展直方图均衡化处理，观察处理前后两幅图像的直方图。直方图均衡化过程如下：1计算原图像的灰度直方图)(KrrP；-.z.2计算原图像的灰度累积分布函数ks，进一步求出灰度变换表；3根据灰度变

8、换表，将原图像各灰度级映射为新的灰度级。在 MATLAB 中，histeq 函数可以实现直方图均衡化。函数调用方法为：该命令对灰度图像 I 进展变换，返回有 N 级灰度的图像 J，J 中的每个灰度级具有大致一样的像素点，所以图像 J 的直方图较为平坦，当 N 小于 I 中灰度级数时，J 的直方图更为平坦，缺省的 N 值为64。histeq 功能：直方图均衡化。用法：J=histeq(I,hgram)将原始图像 I 的直方图变成用户指定的向量 hgram。hgram 中的各元素的值域为0,1。J=histeq(I,n)指定直方图均衡后的灰度级数 n，默认值为 64。J,T=histeq(I,.)

9、返回从能将图像 I 的灰度直方图变换成图像 J 的直方图变换 T。直方图均衡化增加了图像灰度动态范围，也增加了对象的比照度。结论:优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩*了像素值的动态范围，是一种常用的图像增强算法。缺乏：不能抑制噪声。三图像平滑技术 1线性滤波 输出图像的值等于输入图像滤波后值的局部平均，各个项具有一样的权。下面是平滑窗口分别为矩形和圆形的情况。优势：实现简单，去噪效果明显。缺乏：去噪的同时会导致结果图像边缘位置的改变和细节模糊甚至丧失。2非线性滤波 中值滤波是一种最常用的图像增强技术，是非线性滤波。对椒盐噪声有很好的去噪效果。中值滤波是基于一个移动

10、窗口并计算输入图像在窗口内的像素亮度值的中值作为输出图像窗口中心的像素值而产生的。给定的图像 f(*,y)中的每一个点m,n，取其领域 s。设 s 含有 M 个像素a1，a2，aM，将其按大小排序，假设 M 是奇数时，则位于中间的那个象素值就是修改后图像 g(*,y)在点m,n处的像素值；假设 M 是偶数则取中间两个象素的平均值作为修改后图像 g(*,y)在点m,n处的象素值。(1)利用 matlab 图像工具箱提供的函数 imnoise()产生 3 幅不同的含噪图像并保存为 bmp 文件 噪声模型分别为 gaussian，salt&pepper，speckle。J=imnoise(I,sal

11、t&pepper,0.02);J=imnoise(I,gaussian,0.02);J=imnoise(I,speckle,0.02);-.z.figure,imshow(J);figure,imshow(J);figure,imshow(J);在 MATLAB 中提供了给图像参加噪声的函数 imnoiseimnoise 的语法格式为 J=imnoise(I,type)J=imnoise(I,type,parameters)其中 J=imnoise(I,type)返回对原始图像 I 添加典型噪声的有噪图像 J。参数 type 和 parameters 用于确定噪声的类型和相应的参数。(2)利用

12、函数 MyMeanFilter()对加噪图像做“均值滤波处理 新建一个 M-File 函数 function MyMeanFilter(J,wb)I2=colfilt(double(J),wb wb,sliding,median);%中值滤波 I2=uint8(I2);figure,imshow(I2)title(the processed image by MyMeanFilter1)注：J 为含噪图像矩阵默认，wb 为滤波窗口尺寸。J=imnoise(I,gaussian,0.02);figure,imshow(J);分别输入如下的滤波窗口尺寸 MyMeanFilter(J,3)MyMea

13、nFilter(J,5)MyMeanFilter(J,7)实验结果：5 像元5 像元滤波窗口能够取得较好的效果。随着领域的加大，图像的模糊程度也更加严重。(3)利用 matlab 图像工具箱提供的函数 medfilt2()对(1)生成的含噪图像进展中值滤波。medfilt2()，中值滤波 J=medfilt2(I)用 33 的滤波窗口对图像 A 进展中值滤波。J=medfilt2(I,m n)用指定大小为 mn 的窗口对图像 A 进展中值滤波。实验结果：对椒盐噪声的处理效果最好，中值滤波对于消除孤立点和线段的干扰十分有用，特别是对于二进噪声特别有效，但对于消除高斯噪声影响效果不佳。其突出的优点

14、是在消除噪声的同时，还能保护边界的信息。四.图像的锐化技术-.z.图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。图像模糊的实质就是图像受到平均运算或积分运算，因此可以对图像进展逆运算，如微分运算以突出图像细节使图像变得更为清晰。由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度的慢变化区域。因此，锐化处理可选择拉普拉斯算子对原图像进展处理产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。拉普拉斯锐化的根本方法可以由下式表示15：这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果，同时又能保存背景信息：将原始图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保存、灰度突变处的比照度得到增强，最终结果是在保存图像背景的前提下，突现出图像中小的细节。结论:比较原始模糊图像和经过拉氏算子运算的图像，可以发现，图像模糊的局部得到了锐化，特别是模糊的边缘局部得到了增强，边界更加明显。但是，图像显示清楚的地方，经过滤波发生了失真，这也是拉氏算子增强的一大缺点。