《图像加强处理技术研究.docx》由会员分享，可在线阅读，更多相关《图像加强处理技术研究.docx（20页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、图像加强处理技术研究图像加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发展，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行系列操作，进而获得某种预期的结果。对图像进行处理时，经常运用图像加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，传输经过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众多问题，这类问
2、题不妨统称为质量问题。图像加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，通过进行适当的加强处理，能够将本来模糊不清甚至根本无法分辨的原始图像处理成明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、加强图像中的边缘或其他感兴趣的区域，进而愈加容易对图像中感兴趣的目的进行检测和测量。图像加强的目的是加强图像的视觉效果，将原图像转换成一种更合适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，以获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。加强的效果通常都与详细的图像有关系，靠人的主观感觉加以评价。目前图像加强处理的应
3、用已经浸透到医学诊断、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x射线图片、CT影像、内窥镜图像进行加强，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行加强处理，侦查能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加强处理来提高工业电视图像的明晰度，克制因光线缺乏、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。图像加强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们能够意料，在将来社会中图像加强技术将会发挥更为重要的作用。二基于点运算的图像加强技术灰度变换1利
4、用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的或灰度区间，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若干线段，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。上一页下一页图4.1三段线性变换其中f(x,y)，g(x,y)分别为原图像和变换后的图像的灰度级，maxf、maxg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为要加强的目的所对应的灰度范围，变换后灰度范围扩展至c,d。变换时对a,b进行了线性拉伸，而0,a和b,max则被压缩，这两部分对应的细节信
5、息损失了。若这两部分对应的像素数较少，则损失的信息也相应较少。其数学表达式如式。?上一页下一页()gammatopbottomhighlowIimadjustJ,=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()对其进行修正。结果如上图所示J=imadjust(I,0.00.5,);imshow(I),figure,imshow(J)结论:优势：能够充分利用图像中的亮度信息，明显改善图像质量，是一种常用的图像加强算法。缺乏：对于受噪
6、声影响明显的图像，该算法加强效果不明显。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。直方图平衡化2利用matlab图像工具箱提供的函数histeq()对Mr.bmp进行直方图平衡化处理，观察处理前后两幅图像的直方图。直方图平衡化经过如下：1计算原图像的灰度直方图)(KrrP；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根据灰度变换表，将原图像各灰度级映射为新的灰度级。在MATLAB中，histeq函数能够实现直方图平衡化。函数调用方法为：),(NIhisteqJ=该命令对灰度图像I进行变换，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
7、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。上一页下一页histeq功能：直方图平衡化。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)指定直方图平衡后的灰度级数n，默认值为64。J,T=histeq(I,.)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。直方图平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，其结果扩张了像素值的动态范围，是一种常用的图像加强算法。缺乏：不能抑制噪声。三
8、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。?=1111111111111111111111111251,kjhrect?=0111011111111111111101110211,kjhcirc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丢失。2非线性滤波中值滤波是一种最常用的图像加强技术，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(x,y)中的每一个点m
9、,n，取其领域s。设s含有M个像素a1，a2，上一页下一页?，aM，将其按大小排序，若M是奇数时，则位于中间的那个象素值就是修改后图像g(x,y)在点m,n处的像素值；若M是偶数则取中间两个象素的平均值作为修改后图像g(x,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,salt&pepper,0.02);J=imnoise(I,gaussian,0.02);J=imnoise(I,speckle,0.02);figure
10、,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)利用函数MyMeanFilter()对加噪图像做“均值滤波处理新建一个M-File函数functionMyMeanFilter(J,wb)I2=colfilt(double(J),wbw
11、b,sliding,median);%中值滤波I2=uint8(I2);figure,imshow(I2)title(theprocessedimagebyMyMeanFilter1)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);上一页下一页分别输入如下的滤波窗口尺寸MyMeanFilter(J,3)MyMeanFilter(J,5)MyMeanFilter(J,7)实验结果：5像元5像元滤波窗口能够获得较好的效果。随着领域的加大，图像的模糊程度也愈加严重。(3)利用matlab图像工具箱提供的函数medf
12、ilt2()对(1)生成的含噪图像进行中值滤波。medfilt2()，中值滤波J=medfilt2(I)用33的滤波窗口对图像A进行中值滤波。J=medfilt2(I,mn)用指定大小为mn的窗口对图像A进行中值滤波。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特别有用，十分是对于二进噪声十分有效，但对于消除高斯噪声影响效果不佳。其突出的优点是在消除噪声的同时，还能保护边界的信息。四.图像的锐化技术图像锐化处理的作用是使灰度反差加强，进而使模糊图像变得愈加明晰。图像模糊的本质就是图像遭到平均运算或积分运算，因而能够对图像进行逆运算，如微分运算以突出图像细节使图像变得更
13、为明晰。由于拉普拉斯是一种微分算子，它的应用可加强图像中灰度突变的区域，减弱灰度的慢变化区域。因而，锐化处理可选择拉普拉斯算子对原图像进行处理产生描绘灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。拉普拉斯锐化的基本方法能够由下式表示15：fxyy-=fg?x()x),(2y,)(这种简单的锐化方法既能够产生拉普拉斯锐化处理的效果，同时又能保留背景信息：将原始图像叠加到拉普拉斯变换的处理结果中去，能够使图像中的各灰度值得到保留、灰度突变处的比照度得到加强，最终结果是在保留图像背景的前提下，突现出图像中小的细节。结论:比拟原始模糊图像和经过拉氏算子运算的图像，能够发现，图像模糊的部分得到了锐化，十分是模糊的边缘部分得到了加强，边界愈加明显。但是，图像显示清楚的地方，经过滤波发生了失真，这也是拉氏算子加强的一大缺点。上一页下一页