《基于MATLAB的数字图像处理系统的研究毕业设计论文.pdf》由会员分享，可在线阅读，更多相关《基于MATLAB的数字图像处理系统的研究毕业设计论文.pdf（24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、*摘摘 要要数字图像处理是近几年来新兴的研究领域，受到越来越多的学者的高度重视。因为图像在生成、传递、压缩、储存、变换等诸多过程中，会受到不利成分的影响。比方分别在不一样的照明情况下操作，会引起图像亮度的转变；操作设备时，不可避免地会发生抖动，这样做的话就会引起图像位移；捕获到的图像对比度较低或是位置不契合等等。所以想要获得清晰的图像就要对图像进行数字图像的处理。本文主要从图像增强、图像复原、图像编码的 Matlab 仿真以及 GUI 板块的设计四个角度进行研究。在本文中图像增强主要深入讨论了使用灰度变换函数去拉伸图像的对比度，使用直方图均衡化去合理分配图像的灰度，使用空域滤波和频域滤波使图像
2、变得越发清晰。图像编码主要简述的就是编码冗余、空间冗余以及不相关信息，通过以上图像编码的三种方法可以减小图片的冗余度和加大数据压缩比等等。图像复原主要概述的是维纳滤波、最小二乘法滤波以及 L-R 滤波三种滤波方法，这三种滤波方式可以达到过滤掉图像中模糊部分的目的。通过可视化界面达到了将以上三种图像处理方法结合在一起的目的。在 GUI界面中，只要选定一种处理方式并按下“开始”按钮就能够执行相应的处理方法，而且会同时得到原始图像与处理后的图像。关键字：图像增强；图像压缩；图像复原；Matlab;GUIAbstractAbstractDigital image processing is the e
3、merging research field in recent years,by moreand more scholars attach great importance.Because the image in the generation,transmission,compression,storage,transformation and many other processes,will beaffected by the adverse effects.For example,in the case of different lightingoperations,will cau
4、se the image brightness changes;operating equipment,it willinevitably jitter,so it will cause image displacement;The captured image is low or theposition is not fit and so on.So you want to get a clear image of the image isnecessary to digital image processing./*This paper mainly studies image enhan
5、cement,image restoration,Matlabsimulation of image coding and GUI design.In this paper,the image enhancementmainly discusses the contrast of using the gray scale transformation function to stretchthe image,and uses the histogram equalization to rationally distribute the gray scaleof the image.The us
6、e of spatialfiltering and frequency domain filtering makes theimage become more and more clear.Image coding is mainly described in the codingredundancy,spatial redundancy and irrelevant information,through the above imageencoding of the three methods can reduce the redundancy of the picture and incr
7、easethe data compression ratio and so on.Image restoration is mainly summarized in theWiener filter,least squares filtering and L-R filter three filtering methods,these threefiltering methods can be filtered to filter out the purpose of the fuzzy part of theimage.Through the visual interface to achi
8、eve the above three kinds of imageprocessing methods together for the purpose.In the GUI interface,as long as theselection of a processing method and press the start button to be able to perform theappropriate processing methods,and will also get the original image and processedimages.Key words:imag
9、e enhancement;image compression;image restoration;Matlab;GUI/*第 1 章 绪论1.1 课题研究背景及意义当今这个时代，信息传播迅速，大家也从各种渠道上获取信息，时刻掌握世界的动态。同时呢，一目了然的图像是人们掌握信息最直接的方式。然则，图象在产生、传递、编码、保存、转换等这些进程中，会受到一些不利地成分的渲染，就好比：採集图象时会受到光照、天气等自然界成分的影响1；採集仪器或显示设备自身硬件条件的不构硬而产生的系统噪声；捕捉到的图象对此度低或是位置不适当；压缩进程中对图像内容的不同成度损坏；光学系统失真等等这些问题都是很常见的。在实
10、际应用中，由于以上原因观察者或计算机视觉系统相对很难对受损的图像做出正确判断和进一步分析。图像加强是数字图像处理的组成部分之一，是图像处理的筹备价段，提取隐藏在图像中的信息或者是提高低对比度图像的对比度是图像增强的主要目的。图像复原的目的是在给定的图像进行人为的改善，使图像的特征像人们所期望的那样2。图像增强主要是做的处理都是人眼能直接看到变化的，而图像复原大部分是图像的内在参数发生了变化，有的人眼很难直接看出来。目前图像处理不仅仅在日常生活应用中有十分重要的作用，就好比卫星的电视、核场合磁场共同振动形成影像、工业的生产、多中媒体系统、电子类的商业事务等，还在技术研宄领域同样扮演着举足轻重的角
11、色，例如地理信息的系统、航空遥控感知、宇宙的探究观测、军事的刑侦观察、指纹的认识区别等范畴。从以上情况来看，图像处理的技术涉猎的范畴非常广泛，对国计民生起着不可低估的作用。其中，主要涉及的应用领域有：（1）生物医学领域在种种医学数字图像中有些许的低对比度的问题须要我们去一一解决，好比，计算机的断层扫描、核场和磁场的共振、数紫位的乳房的摄影术、超声波、血管的制造影像的技术、内置窥镜的图像、核角度的医学等。因为直接从医学成的图像设备中获取高对比度、质量好的原先图像，须要花费大量的时间或者是要给患者的导管里住入大量的射线的照影剂。以是便对前面说的图像进行了灰度的加强变换，能让医生更加容易地观察，方便
12、医生确定些许的病理的变化或阻塞，为患者治疗，同时呢，还减少了对患者的第二次伤害。/*（2）工业生产领域工业的生产也是图像的处理技术应用重要范畴之一。用的最多的便是产品质量的检测角度，就好比：食品包装袋的质量抽查、纺织品的质量稽查、工业产品和零部件的没有损伤的检测、金属材料的内部构造的剖析等。在工业自动控制时，工业的生产过程须要人们的时时刻刻地盯着，就好比：对像流淌的河流一样生产线的不用人力的一种控制、港口的检查测量配调安排等。还有，基于计算机辅助设计和制造的工业生产也更泛泛。（3）公共安全领域公共的安全对每个公民的生活都有一定程度的影响，所以这就须要一些部门采取非常的技术手段保证给公民一个安静
13、的生活氛围。图像的处理技术在这一范畴大展拳脚，就好比认识区别等技术，用于公路的监视控制、档案的管理、指纹的认识区别等公共安全范畴。然而，因为受到光的直线、蒸汽悬浮在空气、灰尘等不可抗力的影响，交通监察可控系统中的图像会有一定水平的影响，这个时候采用灰度加强处理可以提高图像的清晰水平；指纹的认识区别技术帮助公安部门在找罪犯时剖析犯罪现场提取到的指纹，找到犯罪分子；还有对历史的文字、图片档案的修改和修与管理等也须要图像处理技术。（4）航天航空领域在航空航天领域也泛泛地用到了图像的处理技术，特别是针对航空遥感和卫星遥感方面。目前遥感技术已相对比较成熟，比如：广泛运用于资源的勘探考察、自然天灾人害的提
14、前知道、土地丈量、环境污染的检察测量、森林和海洋资源的调查，地面武装目标的认识和区别等。在遥感图像用数字技术的加工的处理方面，数字图像处理技术的用处越来越大，处理后的图像分辨的水平高、处理的成果和速度也越来越快。具体应用的话最好的例子是在战争期间，常常需要航天拍摄获取对方的信息，就可以发现敌对那方军人们是不是有人员动作或军事装备及楼房出现。（5）通信工程领域最近这些年，通信工程的成长联合了文字、声音、图像和数据的多媒体通信，用生活中的种端来讲就是将电视、电话和计算机以三个网络合为一个的方式在数字通信网上传输。图像通信非常繁杂，须要大量的图像数据地传输。视频的制作过程就泛泛地用道了图像处理、转变
15、、合成技术；多种媒体的系统在运作时须要大量的用到静止状态的图像和活动状态图像的采集、处理、压缩、保存和传输等技术。/*除了以上五大领域以外，图像的处理技术还泛泛地用到在文化和艺术方面、机器人的肉眼的一种认识和区分、电子类的商务范畴等。总的来说，跟着新的用法的不断涌现，图像处理技术的成长很有速率，尤其是图像的灰度加强的技术泛泛的用再社会生活的个个方面。由上面的话能认识到，在未来的高速成长中，图像处理将会被个个范畴运用的淋漓尽致，图像的处理技术也将会不断与时俱进。1.2 研究现状计算机图像处理的成长汗青其实并不算长，但火速引起了各个领域的重视。原始的图像处理技术在 20 世纪 50 年代后期就已经
16、开始萌芽了，但是因为当时的技术条件的不足，它的应用没有被广泛推广。它的发展历程可总结为以下五个阶段：美国加州理工学院喷气推进实验室在 1964 年第一次对 Ranger probe 7太空飞船网罗的月球照片进行处理，得到了清晰的图像效果，这标志着图像处理技术开始应用到实际应用当中去了3。图像处理技术在 70 年代迈向了成长期，出现的 TC 和卫星遥感图像对图像处理的要求提高了很多，以是图像处理技术也不得不与时俱进。80 年代进入普及阶段，此时的大型微机己经能够承当起图像处理的基本使命。图像处理技术在 90 年代进入合用化时代，图像处理的信息量巨大的同时对打点速率的要求更高。21 世纪的图像处理
17、技术要求图像的实时处理，现代化的硬件设备能够釆用数字全息技术(DHT)使图像蕴含各种最为完备和丰富的信息，实现图像的智能生成、办理、了解和辨认4。这些年来，跟着对图像处理技术研究的不竭深入，涌现了些许新的图像处理法子。海内外许多学者都对图像处理要领进行了大量研究，并取得了厚实结果。以下介绍二种研究较多的图像处理方法。（1）基于直方图处理提出的新方法在传统的图像增强的算法中直方图处理是一种很常用的法子。很多学者在直图处理的底子上又提出了一些改变的算法。2008 年 Iyad Jafar 提出了基于直方图均衡的变量的法子，简单来说便是约束变量直方图均衡法（CVHE)来提高灰度图像的对此度5。这个法
18、子是在直方图均衡的底子上，在公式中新发明了一个对此度增强的灰度转换函数，就是匀称亮度约束的函数，用来保持匀称亮度对直方图拉伸的控制，减少亮度的变化。除了这些还有基于 CVHE 算法有两种变形的算法：约束变量局部直方图均衡化(CVLHE)，它的工作原理类似于常用的局部直方图均衡化的算法，但它使用了 CVHE 变换函数，其效果比 CVHE 算法更好，然则，对计算的要求高；快速的约束变量局部的直方图均衡化（ACVLHE)算法，它使用修编后的非重复块处理方法，减少CVLHE 计算量，ACVLHE 算法是在 CVHE 的运算/*速度和 CVLHE 的实在效果之间求一种平等。2013 年 Shashi P
19、oddar 提出了一种无参数修改的直方图均衡化（NMHE)的增强算法，给输入的图像设定一个动做状态范畴的独自参数。基于该算法的两种变形算法分别为：NMHE_BP 算法保留了原始图像的亮度，增强了图像亮度保持约束，其结果相比其他同类算法令人满意；NMHE_IB 算法是图像亮度自适应增强，也显示出了明显的加强效果。这些算法可用于灰度图像和彩色图像，纵然在有差别的前提下也能实现合理的图像均衡化。（2）基于滤波器的图像增强方法 2011 年 J.G.Liu 提了基于平滑滤波器的强度制作，保存频率谱的图像合作的技术来提高空间的细节7。但是现有的技术即不能避免图像光谱性能的扭曲也不能避免涉及复杂或是耗时的
20、频率分解与重建的处理。高分辨率的图像和它的低通滤波之间运用比率和低分辨率多光谱图像的空间细节可以得到显著改善，且不改变其光频谱特质和对此度。该方法也可用于图像的处理包，对于任何单个波段或彩色复合的图像进行快速实时图像共同处理和可以看见。2007 年 CarloGrillenzoni 提出了选择锐化参数的新的统计度量方法和新自适应技术来估计和调整边沿分量。61.3 本文主要内容和结构安排本文的主要阐述的是实现图像增强、图像复原以及图像编码三个方面的Matlab 仿真方法以及可视化界面的设计。本文具体内容安排如下：第一章 绪论：主要简述了课题研究的背景、意义以及研究现状。第二章 数字图像增强的研究
21、：主要从空间域和频率域两个角度阐述了图像增强的 Matlab 仿真方法，通过以上方法能够达到改善图像灰度级分布和滤波的目的。第三章 数字图像编码的研究：主要简述了编码冗余、空间冗余以及不相关信息三种数字图像编码的 Matlab 仿真方法，通过以上方法能够达到增大图像压缩率的目的。第四章 数字图像复原的研究：主要概述了维纳滤波、最小二乘法滤波以及L-R 滤波三种图像复原的 Matlab 仿真方法，通过以上方法能达到退化建模的目的。第五章 基于 Matlab 的数字图像处理系统的研究：主要简述了系统的设计目/*的、设计的方法以及最终实现功能的界面。1.4 本章小结本章主要介绍了数字图像处理的应用以
22、及研究背景。这些都告诉了我们数字处理技术已经从上个世纪开始被各个领域所重视起来了，技术的应用跨越了很广的话题，他们都是数字图像处理应用的主流，即使覆盖的方向各种各样，但是谈论依然怎讯相同的基本主题。便是说明和打点多样繁杂的数字图像处理问题。第 2 章 数字图像增强的研究将图像想要加强的部分突出出来并且将相对次要的部分进行抑制是数字图像增强处理的最终目的。按照增强技术运用在不同的空间里，可以分为频率域和空间域的图像增强。空域增强就是图像处理发生在图像所处的二维空间里，也便是说直接编辑每一个像素的灰度值，频域增强就是在频域进行，通常情况下需要一个空频转换，大家通常使用的方法是傅里叶变换。2.1 空
23、域方法2.1.1 灰度变换方法假设原始图像在点(x,y)的灰度是f，通过转换后得到的图像为g，那么增强这幅图像就表示为在(x,y)处的灰度f映射成g，表示为:g(x,y)=Tf(x,y)（2-1）点运算中包含对比度运算，增强过程是逐个像素点进行的，因此得到的结果只和这个像素点相关。灰度变换方法应用的情况是：当一个图像在成像时，其使用的仪器是非线性的，或者说图像的动态范围过于狭窄，导致其不正常曝光，这些原因使得图像的对比度不够强，导致很多细节无法进行进一步分辨。线性扩展灰度值这种方法可以帮助研究人员获得更加清楚的图像。我们猜测原始图像f(x,y)具有a,b这个区间的灰度范畴，那么线性灰度扩展之后
24、，这个图像的灰度范围变成了c,d。/*如下图2.1，图2.2所示，分别对原始数字乳房图像进行imadjust和stretchlim变换。从以上仿真成果来看的话，在利用了imadjust和stretchlim函数以后图像的对比度增强了，完成了对比度的拉伸，原始图像的病灶处被清晰地放大了。2.1.2 对数变换当我们想要执行对数变换去达到什么目的时，一般想要得到的就是将压缩值返回至显示的整个区域内。对数变换主要用于将图像的低灰度值局部进行扩大，将图像的高灰度值部分进行压缩，以达到夸大图像低灰度局部的目的。变换方法由下式给出。s=c logv1(1v r)r 0,1（2-2）对数变换被用的最多的就是压
25、缩动态范围，如下图2.4 和 2.5 所示，将取值在 0 至 1.5*106的傅里叶频谱，显示在线性尺度的 8 位系统上。图 2.5 就是将图 2.4 的灰度范围扩展到整个范围内，将原始图像的以下低灰度值部分显示了出来，所以我们可以看到相对于之前的图像改善是很显著的。2.1.3 直方图均衡化直方图均衡化处理的宗旨便是把原始图像的灰度从汇集的某个灰度区域变成在全数灰度范畴内的一种匀称散布。直方图均衡化便是对图像进行一种改善，让图像的灰度分派越发合理，使图像的灰度在整个灰度范畴内涌现的概率是匀称的。直方图均衡化便是把给定图像的直方图分布改变成相对均匀的分布直方图分布。直方图均衡化的想法是把原先的图
26、像的直方图变化为匀称散步分的摸子，这样便增添了像素灰度值的动态范畴，这样便可达到加强图像总体对比度的成效。直方图均衡化的具体步调有如下三步第一步,按照公式计算原图像的灰度直方图:P(rk)=nk (k=0,1,2,，255)（2-3）此中N为原图像像素总额,r代表第个灰度级,nk表示图像中灰度级r涌现的像素的个数,p表示灰度级涌现的几率。/*第二步,依据公式（2-3）计算原图像的灰度累计散布函数s,继而根据公式求出灰度变换表：ksk=kj=0p(rj)=j=0nj/n（2-4）gk=sk255n+0.5（2-5）此中g为第k个灰度级别变更后的灰度值,0.5 的作用是四舍五入。第三步,凭据灰度变
27、换表,将原图像各灰度级映照为新的灰度级,便可完现直方图均衡化。直方图均衡化方法有以下两个特点：（1）对各灰度级别呈现频率大的灰度级进行的加强程度更大一点，反之，对灰度级出现的频率小的灰度级进行增强的水平相对较小一点。（2）还可以削减原来的图像灰度级别的个数,换句话说，便是对涌现频率太小的灰度级别可能会遗失。如下图 2.6 是电子显微镜下花粉的图像，大概夸大了 700 倍，图 2.7 是这幅图像的直方图。因为从直方图上可以看得出来原始图像的灰度几乎都分布在较暗的区域，所以想法是从直方图的角度去改善这幅图像，对这幅图像进行直方图均衡化之后的结果便是图 2.8，图 2.9 是其直方图。从均衡化图像的
28、直方图中就可以看出来，处置后的图像的灰度范畴大抵匀称地散布在了全数地域内，以是说均衡化的图像对比度增添了。从图像上直观地来看，图像也更加清晰了。2.1.4 空域滤波空域变换主要有两种，平滑和锐化。（1）锐化：锐化技术可以用来恢复经过模糊处理后图像的边缘清晰程度。简单的来说，锐化可以看作是平滑的一个反向过程，也就是说对于经过平均或者积分处理的图像，进行微分等倒序的运算就可以还原其清晰度。图像锐化处理的作用就是将图像的灰度范围扩大，是灰度较暗的地方更暗，灰度较亮的地方更亮，这样之后图像就会加倍清晰。本文中择取拉普拉斯算子对/*图像的锐化处置进行解释，因为拉普拉斯算子是一种二阶微分的运算同时同向的微
29、分算子是旋转稳定的，以是拉普拉斯算子可以表现为：f=f/x+f/y（2-6）或f=f(x+1,y)+f(x 1,y)+f(x,y+1)+f(x,y 1)4f(x,y)（2-7）另外，拉普拉斯算子也能够用模板表现出来，以下图 2.10 所示，为离散拉普拉斯算子的模板，图 2.11 表示拉普拉斯算子的扩大模板。从上图可以看出，如果暗域中出现亮点，那么拉普拉斯就会加强这个亮点的亮度，也就是去掉亮点模糊的边缘。使用imfilter实现拉普拉斯滤波器，再用拉普拉斯滤波器对月球北极的图像进行滤波，如下图 2.12，图 2.13，图 2.14 和图 2.15 所示。从以上仿真结果可以看出来，拉普拉斯滤波是图
30、像变得越发清晰了。因为用拉普拉斯算子对原图像进行处置此后，就会拥有描画灰度突变的图像图 2.14，这个图像是将原始图像在滤波前就转换成浮点方式来保存了图像中的负值，这个时候，再用原始图像与图 2.14 做减法就能得到最终的图 2.15。（2）平滑低通滤波器可以对图像进行平滑操作。在绝大多数情况下，咱们利用低通滤波有两个主意，一种是使图像变得暧昧，图像模糊的骨子是图像收到了均衡运算或有积分运算，模糊的目的在于将细小的细节部分模糊掉，同时就可以突出整体大的部分，第二种则是消除图像中的噪声。低通滤波的方法主要研究的是均值滤波和中值滤波8。中值滤波亦然是滑润法子的一种，中值滤波是削减图像中椒盐噪声的经
31、常使用也是有效的用具，中值滤波是最出名的统计排序滤波器，也就是非线性空间滤波器。操作步调便是，在选定的地域中，取全数像素点的灰度值中值，将这个值付与这个地域的每一个点。实际操作中这个末了选定的值不是加权平均数而是将区域内所有像素的灰度值依据从小到大进行排序后选出的中央那个值作为最后的替代值。拔取中值是为了去掉孤立的噪声点，图像看上去会加倍真实。公式可以表示为：/*g(x,y)=medf(x k,y 1),(k,1 W)（2-8）其中 W一般情况下是 n n的区域，也可以改变其形状。中值滤波针对椒盐噪声效果显著，在现实应用中此类法子可以起到庇护图像的边沿信息的作用。下图2.16是一张工业电路板的
32、X射线图像，对它进行椒盐噪声污染如图2.17所示，再对它进行中值滤波如图 2.18 所示，图 2.19 是对边缘效应的改进。从以上仿真结果可以看出，中值滤波可以很好地削弱噪声，但是滤波后的图像外圈存在一些杂质，与之前的拉普拉斯滤波相比并没有比原始图像更清晰，所以我们看到最终图像其实是更平滑了。2.2 频域方法空间域和频率域的线性滤波的底子都是卷积定理，不妨被写作：f(x,y)h(x,y)H(u,v)F(u,v)(2-9)逆变换为：f(x,y)h(x,y)H(u,v)F(u,v)（2-10）根据滤波处理，我们对第一个表达式更感兴趣。原因很快变得清楚，函数H(u,v)被称为传递函数，频域滤波的观点
33、便是选择滤波器传递函数，通过规定的方法修正 F(u,v)。2.2.1 频域低通（平滑）滤波器在频率域中，高频表示的是一幅图中的边缘、噪声等，低频就代表灰度值缓慢的部分，低通滤波的意义就是将高频部分过滤出去，保留下低频部分。它存在的意义就是消除随机噪声，平滑边缘。下面介绍几种低通滤波器及其原理：高斯低通滤波器H(u,v)=Aeu/2（2-11）其中u=D(u,v)。/*本文就以高斯低通滤波器举例，对 500*500 像素大小的图像 2.21 进行高斯低通滤波，使用的截止频率为填充的图像宽度的 5%。由以上仿真结果能比对出来图 2.24 比图 2.21 在原点部分有模糊，这就是低通滤波器的效果。2
34、.2.2 频域高通（锐化）滤波器高频是描述一幅图像的边沿以及很多细节的部分，要是一个图像的高频部分较差，那么表现在图像上便是清晰度很差，较为模糊。高通滤波的目的就是削减这种模糊程度，使得其图像的边缘和细节相对凸显，压制低频，增强高频，这样呢，在视觉上实现对于图像的锐化。高斯高通滤波器H(u,v)=exp(u2/2)（2-12）D（u，v）是距傅立叶变换中央原点的间隔。D0是停止频率。下图 2.26 是对原始图像进行高斯高通滤波后得到的结果。从仿真结果中能看出来，图 2.26 的边缘和其它锐利转换的灰度增强了，但是可以看出来图像丢掉了大部分原始图像中带有的灰色调。2.2.3 高频强调滤波如图 1
35、6 所示，图像中的边沿和其他锐利转换的灰度加强了。然则，因为图像的平均数是傅里叶变换在原点处的值给出的，何况到而今为止咱们计议的高通滤波器都是偏离傅里叶变换的原点的，以是图像才会失去了大部分原始图像所呈现的灰色调。抵偿的法子是为高通滤波器加上偏移量。要是这个偏移量与某个加数联系起来，这个加数由滤波器乘以某个大于 1 的常数构成，那么就完成了为滤波器加上一个偏移量的工作了，这种法子就叫做高频强调滤波。高频强调滤波由如下传递函数：HHFE(u,v)=a+bHHP(u,v)（2-13）/*此中，a是偏移量，b是乘数，HHP是高通滤波器的传递函数。高频强调滤波和直方图均衡配合利用获得的成果要比独立使用
36、任何一种法子得到的结果都要明了9。对一幅数字的胸部X射线图像进行高通滤波和高频强调滤波的比较，因为这幅图像的灰度在较暗端的更多，我们利用这个例子也给出了怎样做用空间域处理来补偿的频域滤波，如下图 2.27 所示是原始图像，图 2.28 是高通滤波后的结果，图 2.29 是高频强调后的结果，图 2.30 是将图 2.29 均衡化后的结果。由仿真结果可以知道，高通滤波的结果并不理想，这是因为滤波器的半径没有小于通过变换原点附近的频率，滤波就不会对D0的值过度捕捉，基于这个原因，我们必须将原始图像转换成浮点形式，否则图像中的负值会被裁汰掉，微弱细节将丢失。高频强调滤波的益处便是保存了图像中的低频局部
37、，让灰色调得以顾全。2.3 本章小结本章要紧谈了少许图像增强的处置法子，归纳起来有八种：灰度变换、对数变换、直方图均衡化、空域平滑滤波、空域锐化滤波、频域低通滤波、频域高通滤波和高频强调滤波,主要讲了他们的原理及 Matlab 仿真。第3章 数字图像编码的研究图像编码谈论的是怎样做才能削减描绘数字图像的数据量的问题。压缩是通过除掉一个或更多基本数据冗余来达到的。这三个冗余是：1）编码冗余，当用到的码字大于最佳编码时就存在编码冗余了；2）空间或时间冗余，也就是因为一幅图像的像素间相邻图像像素间的关联而造成的冗杂；3）无关信息，也就是由于人肉眼而忽略的数据繁杂。3.1 图像编码的分类一幅图像的压缩
38、质量取决于三个条件：1.具有比较大的压缩比；2.算法不能太繁杂，并且运算速率要较快；3.当图像进行解压缩时，其效果应具有和原始图像相差较小的效果。/*数字图像在通过数据量权衡有两种压缩类型，一种是无损压缩，另一种是有损压缩。其中无损压缩又叫做冗余压缩，这类可以有逆进程的紧缩方法具有较高的压缩比率，并且是属于信息保持型的数据压缩类型。有损压缩又称为熵压缩，这类不可以存在逆进程的紧缩过程压缩比率相对较低。另一种压缩编码的分类是凭据编码发生的数据域进行划分的，分为空间域编码和变换域编码两个根底的大类，除了以前说的之外，另有少许其余类型的区分，比如模型编码，神经网络编码等等。依据压缩要领的道理分类，分
39、为预测编码、变换编码和统计编码三类。3.2 图像编码技术的基本理论（1）图像编码的基本原理用尽量少的比特数就可以把图像完全地表示出来便是操纵数字图像压缩的终级宗旨，由于比特数的缩小使得图像所占用的空间变少，是以如此就能够在一定程度上升高图像传输效率的同时又节约了保存的空间。在信息论当中，这种压缩叫做信源编码。我们假定存在一个无印象的信源，它孕育的信息为ai，1 i N，我们了解其呈现的几率，记为P(ai)。则其信息量定义为：I(ai)=log2P(ai)(3-1)以是晓得一个消息涌现的几率越低，那么这个消息包蕴的信息量大概就越多，这个信息的出现对信息的完整度的就会奉献越大，反之亦然。信源的平均
40、信息量称为“熵”，可以表示为：NHNi=1P(ai)IP(ai)=i=1P(ai)logP(ai)（3-2）对上式取以 2 为底的对数时，单位为比特（bits）：H=Ni=1P(ai)log2P(ai)（3-3）依据香农无噪声编码定理，关于熵为 H 的信号源，对其进行无失真编码所大概达到的最低比特数为，这里为一任意小的正数，于是可能达到的/*最大压缩比为：Cmax=B/(H+)B/（3-4）其中 B是原始图像的平均比特率。在数字图像压缩中，压缩比是权衡图像压缩得是不是胜利的一个目标，不妨定义压缩比为：C=原始数据的平均比特率（B）/压缩数据的平均比特率（H）（3-5）（2）图像编码的基本模型对
41、于一幅图像的压缩编码，一共分为两个阶段，第一个阶段是对图像信号进行变换，所利用到的模型是预测模型和正交模型，第二个阶段是对于目标图像进行合适的代码分配来传输，这一阶段利用到的是上一阶段已经进行变换的统计的特性。编码器与解码器的布局分别如图 3.1，图 3.2 所示。原始图像经过 DCT变换之后就相称于一种低通滤波，这样高频部分就被滤掉了，而高频分量包罗的图像信息相对比较少，以是去掉高频分量便是我们须要达到的压缩的目的。3.3 图像编码技术的研究及仿真当我们对一幅图像的灰度级或某个灰度级映照操作的输出进行编码时，拔取霍夫曼码就囊括了对每一个信源符号可能的最小编码符号数，遵从每次仅编码一个信源符号
42、的限制条件。因为呢，图像处理的用具箱里不蕴含图像压缩的函数，这章的紧要目标便是在 Matlab 背景下供给开发数据压缩的技能的实际法子。好比：用在讲清楚咋样在比特级别去做可以改变长度的数据的描摹。这事是个挺重要的事。因为呢，可以变长的编码是图像压缩的中流砥柱，然则，Matlab 在处理匀称数据矩阵方面是极好的。在开发函数的进程当中，当须要将 M-函数在早先保留在的 C 或 Fortran 程序联接时，和带有适量的 M-函数须要加速时，这个呢是非常重要的一项技能。3.3.1 编码冗余霍夫曼编码/*霍夫曼码的产生不是圧缩过程。为了实现成为霍夫曼码的压缩，对于产生码字的符号，不管他们是灰度级、行程长
43、度，还是其他灰度映射操作的输出，都必须在生成码字一致的情况下被变换或映射。霍夫曼编码的第一步是凭照符号呈现的概率进行排序，创立一个信源递减序列，这种符号排序思量了归并最低概率的符号作为零丁的符号的这么一种情况，并在下一次信源约简时考虑替换掉它们。霍夫曼编码进程的第二步是对每一个约简的信源进行编码，编码从最小的信源开头一直到原始信源。固然，关于两符号信源的最短二进制编码由 0 和 1 组成。为了能更好地说明一下霍夫曼编码的压缩性能，用一位女士的大小为512*512 的 8 比特单色图像来进行压缩，如下图 3.3 和图 3.4 所示。从仿真结果中我们可以看到 cr1 和 cr2 之间有一些差距，这
44、个差异是因为Matlab 数据文件的开销。3.3.2 空间冗余为了减少一下像素之间的繁杂多余的部分出现，大多数情况下把由人观察和解释的二维像素数组变换成更加有效地格式，但是这个格式肉眼是观察不出来的。如果原始图像可以从变换的数据集重建，他们就被称为可以有逆过程的映射。为了展现这个简单的映射过程，无损预测编码的处置法子可以经过每个像素中的新消息进行索取和编码来消除像素间的冗杂。如下图 3.5，图 3.6，图 3.7和图 3.8 所示。如图 3.8 所示 eShang 是无损预测编码后的熵，ceShang 是霍夫曼编码后的熵，熵明显减少了，熵的减少意味着预测温差图像比原始图像更有效地进行编码。Ce
45、r是霍夫曼编码是的压缩率，cr 是预测编码的压缩率，压缩率明显增大了。3.3.3 不相关的信息跟编码和像素的冗余不一样的是，人心理作用的多余冗杂可能和真是的可以计算的视觉信息由关系。因为心里视觉的冗杂数据消除引起的定量信息损失很小，所以呢就称为量化。通常代表着把大范围的输入值与有限数量的输出值相对应。这是不能逆操作的，量化必将会导致数据的有损压缩。/*改进的灰度级量化是最典型的大组的量化过程，这个过程直接的在将被压缩的图像的灰度级上进行某些操作。他们通常会降低图像的空间或灰度分辨率10。但是呢，就算图像先被映射用来减少像素之间的冗杂，但是量化也还是会导致其他类型的图像造成一定程度的退化。如下图
46、 3.9 是一幅有 256 级灰度的单色图像，以下是结合了 IGS 量化的无损预测和霍夫曼编码生成的图像。我们用两倍于单独使用 IGS 量化时的 2:1 比率来压缩图像，这样得到的结果比原始图像的 1/4 还要小。这个我们可以通过压缩率来体现出来。3.4 本章小结本章的介绍通过从去除编码冗余和空间冗余和不相关信息的方法上去展开，并且着手研究了这些冗余的每一个 Matlab 子程序，同时又扩展了图像处理工具箱。本章的法子经过比较压缩率去表现种种方法对图像的处置效果，这此中联合了 IGS 量化的无损预测和霍夫曼编码的压缩率最大。第4章 数字图像还原的研究图像的复原，先要对图像退化的整个进程加上估量
47、，在这个底子上创立近似的退化数学模子，之后还须要对模子进行适当的修正，以对退化过程出现的失真进行补偿，以保证复原之后所得到的图像趋近于原始图像，实现图像的最优化11。4.1 图像复原处理的模型本文中使用退化函数把退化进程进行模型化，把退化函数处置后的成果与加性噪声项加在一起，作用于输入图像f(x,y),就能够产生一幅退化的图像g(x,y)：g(x,y)=Hf(x,y)+(x,y)(4-1)复原的主意便是得到原始图像的一个大体样子。要想让这个估摸最大水平地靠近原始的输入图像，那么我们就要对H和有很多的了解。/*若 H 是线性的、空间稳定的进程，则退化图像在空间域经过下式给出：g(x,y)=h(x
48、,y)f(x,y)+(x,y)(4-2)此中，h(x,y)是退化函数的空间展现，况且它的空间域的卷积和频域的乘法成了一个傅立叶的变换对，所以不妨用等价的频域表示写出下面的模子：G(u,v)=H(u,v)F(u,v)+N(u,v)(4-3)此中，用大写字母表示的项是傅里叶变换中相应的空间域的卷积项。在空间域h(x,y)成为点分散函数。关于任何品种的输入，点扩散函数便是为了让h(x,y)作用于光源的一个点来获得退化的特点。4.2 噪声的分类按干预源分类，图像噪声凭据其干扰源不妨被分为外部噪声和内部噪声。外部噪声，就是指系统外部任何不可抗力或者无关信号的滋扰而引起的噪声。如电气的配置，天体的放电表象
49、等引起的噪声。内部噪声：一般又可分为以下四种：（1）由光和电的底子性质引起的噪声。因于电子或没有中子的粒子在有一定方向活动时的没有确定的轨迹而形成的滋扰叫做散粒噪声；导体中自由电子的没有规则热运动成的热噪声；光量子在传输图像时，它的密度跟时间和空间转化成的光量子噪声等。（2）电器的机械运动产生的噪声。种种接头因颤栗引起电流变化产生的噪声；磁头、磁带等抖动或一起的颤动等。（3）工具质料自身的影响引发的噪声。好比正片和负片的外面看上去的颗粒和磁带磁盘外面坏处所激发的噪声。（4）体系里面配置电路所引发的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等等。按噪声与信号的关联分，这里不妨将噪
50、声区分为加性噪声模型和乘性噪声模型两大类。设f(x,y)为信号，n(x,y)为噪声，影响信号后的输出为g(x,y)。（1）加性噪声g(x,y)=f(x,y)+n(x,y)(4-4)/*加性嗓声和图像信号强度是无有关联的，比方运算放大器，再好比图像在传输过程当中会加进去信道噪声。这种带有噪声的终极图像 g(x,y)不妨算作为理想无噪声图像f(x,y)与噪声n(x,y)相加的和。构成的波形是噪声和信号的叠加，它的特色是n(x,y)和信号f无关。（2）乘性噪声按概率密度函数分。（1）白噪声（White Noise）：它的功率的频谱是常数。白噪声的一个特殊例子便是高斯噪声（Gaussian Noise