圖像增強(qiáng)畢業(yè)論文

1、<p><b>　　摘 要</b></p><p>　　圖像作為一種有效的信息載體，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。</p><p>　　圖像增強(qiáng)是指按特定的需要采用特定方法突出圖像中的某些信息，同時(shí)削弱或去除無關(guān)信息，或?qū)⒃瓐D轉(zhuǎn)換成一種更適合人或機(jī)器

2、進(jìn)行分析處理的形式的圖像處理方法。</p><p>　　本文圍繞圖像增強(qiáng)算法而展開，在闡明圖像增強(qiáng)處理基本方法的基礎(chǔ)上，就幾種有代表性的圖像增強(qiáng)算法, 進(jìn)行了研究、比較，分析了各自的優(yōu)缺點(diǎn)并指明了其最佳適用場(chǎng)景，以期從中總結(jié)出一套行之有效的圖像增強(qiáng)算法的應(yīng)用指導(dǎo)規(guī)則。 </p><p>　　關(guān)鍵詞： 圖像；圖像增強(qiáng)；算法 </p><p><b>　　Ab

3、stract</b></p><p>　　As an effective information carrier,image is the main source through which human acquire and exchange information.Researches have shown that eighty percent of surroundings informati

4、on which is able to be perceptive by human is acquired through human visual system.</p><p>　　Teehniques of image enhaneement aim at improving the interpretability or perception of information in images for h

5、uman viewers，eliminating or attenuating unneeded information，or providing better input for other automated image proeessing teehniques.</p><p>　　This paper is developed according to the algorithm of image en

6、hancement.After the fundamental methods of image enhancement processing are demonstrated,the following representative algorithms. deeply and systematically investigated and compared.The advantage and defect of the above-

7、mentioned algorithms as well as the suitable application situations of them are analyzed and pointed out,in order to conclude a set of effective application instructing rules.</p><p>　　Keywords： Image；Image

8、Enhancement；Arithmetic</p><p><b>　　目錄</b></p><p><b>　　摘 要I</b></p><p>　　AbstractII</p><p><b>　　第1章 緒論1</b></p><p>

9、　　1.1 課題背景1</p><p>　　1.2 圖像增強(qiáng)的研究及發(fā)展現(xiàn)狀2</p><p>　　1.3 論文工作內(nèi)容3</p><p><b>　　本章小結(jié)4</b></p><p>　　第二章 圖像增強(qiáng)的基本理論5</p><p>　　2.1 數(shù)字圖像的基本理論5<

10、;/p><p>　　2.1.1數(shù)字圖像的表示5</p><p>　　2.1.2圖像的灰度5</p><p>　　2.1.3灰度直方圖6</p><p>　　2.2 數(shù)字圖像增強(qiáng)概述6</p><p>　　2.3 圖像增強(qiáng)概述7</p><p>　　2.3.1圖像增強(qiáng)的定義7</p&

11、gt;<p>　　2.3.2常用的圖像增強(qiáng)方法8</p><p>　　2.4 圖像增強(qiáng)流程圖10</p><p><b>　　本章小結(jié)10</b></p><p>　　第三章 圖像增強(qiáng)方法與原理11</p><p>　　3.1 圖像變換11</p><p>　　3.1.1

12、離散圖像變換的一般表達(dá)式11</p><p>　　3.1.2 離散沃爾什變換12</p><p>　　3.2 灰度變換13</p><p>　　3.2.1 線性變換13</p><p>　　3.2.2分段線性變換14</p><p>　　3.2.3非線性變換14</p><p>　　

13、3.3 直方圖變換15</p><p>　　3.3.1直方圖修正基礎(chǔ)15</p><p>　　3.3.2直方圖均衡化16</p><p>　　3.3.3直方圖規(guī)定化18</p><p>　　3.4 圖像平滑與銳化19</p><p>　　3.4.1平滑19</p><p>　　3.4

14、.2 銳化19</p><p><b>　　本章小結(jié)21</b></p><p>　　第四章 圖像增強(qiáng)算法與實(shí)現(xiàn)22</p><p>　　4.1 灰度變換22</p><p>　　4.2 直方圖均衡化24</p><p>　　4.3 平滑算法25</p><p>

15、;<b>　　4.4 銳化27</b></p><p><b>　　本章小結(jié)28</b></p><p><b>　　結(jié) 論30</b></p><p><b>　　致 謝31</b></p><p><b>　　參考文獻(xiàn)32<

16、;/b></p><p><b>　　附錄1 譯文34</b></p><p>　　附錄2 英文參考資料40</p><p>　　附錄3 源程序代碼51</p><p><b>　　第1章 緒論</b></p><p>　　在網(wǎng)絡(luò)發(fā)展迅速的今天，Google可

17、以搜索到與“image”一詞有關(guān)的內(nèi)容有五千多萬(wàn)條，然而，“image”至今還沒有一個(gè)精確的定義。甚至在webster詞典中，“圖像(image)”被等同于“圖形(picture)”，被模糊的定義為“一種對(duì)繪畫或攝影的簡(jiǎn)單表示”。人類對(duì)于圖像的認(rèn)識(shí)和利用還停留在一個(gè)較低的層次，對(duì)于圖像處理技術(shù)甚至圖像定義本身還需要更多更深入的研究[1]。</p><p><b>　　1.1 課題背景</b>

18、;</p><p>　　數(shù)字圖像處理技術(shù)是20世紀(jì)60年代隨著計(jì)算機(jī)技術(shù)和VLS（Very Large Scale Integrator}的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來的一個(gè)新興技術(shù)領(lǐng)域，它在理論上和實(shí)際應(yīng)用中都取得了巨大的成就[1]。</p><p>　　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(duì)象，以改善人的視覺效果為目的。圖像處理中

19、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(qiáng)、復(fù)原、編碼、壓縮等。首次獲得成功應(yīng)用的是美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL）。他們對(duì)航天探測(cè)器徘徊者7號(hào)在1964年發(fā)回的幾千張?jiān)虑蛘掌M(jìn)行圖像處理，如：幾何校正、灰度變換、去除噪聲，并考慮了太陽(yáng)位和月球環(huán)境的影響，由計(jì)算機(jī)成功地繪出月球表面地圖，獲得了巨大的成功。隨后又對(duì)探測(cè)飛船發(fā)回的近十萬(wàn)張照片進(jìn)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

20、月創(chuàng)舉奠定了堅(jiān)實(shí)的基礎(chǔ)，也推動(dòng)了數(shù)字圖像處理這門學(xué)科的誕生。在以后的宇航空間技術(shù)探測(cè)研究中，數(shù)字圖像處理技術(shù)都發(fā)揮巨大的作用[11]。</p><p>　　數(shù)字圖像處理技術(shù)取得的另一個(gè)巨大成就是在醫(yī)學(xué)上。1972年英國(guó)EMI公司工程師Housfield發(fā)明了用于頭顱診斷的X射線計(jì)算機(jī)斷層攝影裝置，也就是我們通常所說的CT（Computer Tomograph）,CT的基本方法是根據(jù)人的頭部截面的投影，經(jīng)計(jì)算機(jī)處理

21、來重建截面圖像，稱為圖像重建。1975年EMI公司又成功研制出全身用的CT裝置，獲得了人體各個(gè)部位鮮明清晰的斷層圖像。1979年，這項(xiàng)無損傷診斷技術(shù)被授予諾貝爾獎(jiǎng)，以表彰它對(duì)人類做出的劃時(shí)代貢獻(xiàn)。</p><p>　　從20世紀(jì)70年代中期開始，隨著計(jì)算機(jī)技術(shù)和人工智能、思維科學(xué)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(jì)算機(jī)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

22、理解或計(jì)算機(jī)視覺。很多國(guó)家，特別是發(fā)達(dá)國(guó)家投入更多的人力、物力到這項(xiàng)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提出的視覺計(jì)算理淪，這個(gè)理論成為計(jì)算機(jī)視覺領(lǐng)域其后十多年的主導(dǎo)思想[3]。</p><p>　　20世紀(jì)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(dòng)讀入、自動(dòng)生成方法。數(shù)字圖像處理技術(shù)的應(yīng)用領(lǐng)域不斷拓展。</p><p>　　數(shù)字

23、圖像處理技術(shù)的大發(fā)展是從20世紀(jì)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r傅里葉分析不能用于局部分析等方面的不足之處，被認(rèn)為是調(diào)和分析半個(gè)世紀(jì)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(rèn)為是信號(hào)，圖像分析在數(shù)學(xué)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(dòng)化系統(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(dòng)化領(lǐng)域

24、的應(yīng)用越來越多。</p><p>　　進(jìn)入21世紀(jì)，隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展和相關(guān)理論的不斷完善，數(shù)字圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就。屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)、機(jī)器人視覺、公安司法、軍事制導(dǎo)、文化藝術(shù)等。該技術(shù)成為一門引人注目、前景遠(yuǎn)大的新學(xué)科。</p><p>　　1.2 圖像增強(qiáng)的研究及發(fā)展現(xiàn)狀</p><p>　　圖

25、像增強(qiáng)是指根據(jù)特定的需要突出圖像中的重要信息，同時(shí)減弱或去除不需要的信息。從不同的途徑獲取的圖像，通過進(jìn)行適當(dāng)?shù)脑鰪?qiáng)處理，可以將原本模糊不清甚至根本無法分辨的原始圖像處理成清晰的富含大量有用信息的可使用圖像，有效地去除圖像中的噪聲、增強(qiáng)圖像中的邊緣或其他感興趣的區(qū)域，從而更加容易對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量[4]。處理后的圖像是否保持原狀已經(jīng)是無關(guān)緊要的了，不會(huì)因?yàn)榭紤]到圖像的一些理想形式而去有意識(shí)的努力重現(xiàn)圖像的真實(shí)度。圖像增強(qiáng)

26、的目的是增強(qiáng)圖像的視覺效果，將原圖像轉(zhuǎn)換成一種更適合于人眼觀察和計(jì)算機(jī)分析處理的形式。它一般要借助人眼的視覺特性，以取得看起來較好地視覺效果，很少涉及客觀和統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)。增強(qiáng)的效果通常都與具體的圖像有關(guān)系，靠人的主觀感覺加以評(píng)價(jià)[6]。</p><p>　　圖像增強(qiáng)處理的應(yīng)用已經(jīng)滲透到醫(yī)學(xué)診斷、航空航天、軍事偵察、指紋識(shí)別、無損探傷、衛(wèi)星圖片的處理等領(lǐng)域。如對(duì)x射線圖片、CT影像、內(nèi)窺鏡圖像進(jìn)行增強(qiáng)，使醫(yī)生更容

27、易從中確定病變區(qū)域，從圖像細(xì)節(jié)區(qū)域中發(fā)現(xiàn)問題；對(duì)不同時(shí)間拍攝的同一地區(qū)的遙感圖片進(jìn)行增強(qiáng)處理，偵查是否有敵人軍事調(diào)動(dòng)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(qiáng)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(hù)的工作量。圖像增強(qiáng)技術(shù)的快速發(fā)展同它的廣泛應(yīng)用是分不開的，發(fā)展的動(dòng)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(huì)中圖像增強(qiáng)技術(shù)將會(huì)發(fā)揮更為重要的作用[5]。</p

28、><p>　　在圖像處理過程中，圖像增強(qiáng)是十分重要的一個(gè)環(huán)節(jié)。本文的主要內(nèi)容就是圍繞圖像增強(qiáng)部分的一些基本理論和算法而展開。基于MATLAB的圖像增強(qiáng)算法研究。</p><p>　　1.3 論文工作內(nèi)容</p><p>　　圖像增強(qiáng)的過程往往也是一個(gè)矛盾的過程：圖像增強(qiáng)既希望去除噪聲又增強(qiáng)邊緣。但是，增強(qiáng)邊緣的同時(shí)會(huì)同時(shí)增強(qiáng)噪聲，而濾去噪聲又會(huì)使邊緣在一定程度上模糊，

29、因此，在圖像增強(qiáng)的時(shí)候，往往是將這兩部分進(jìn)行折中，找到一個(gè)好的代價(jià)函數(shù)達(dá)到需要的增強(qiáng)目的。</p><p>　　傳統(tǒng)的圖像增強(qiáng)算法在確定轉(zhuǎn)換函數(shù)時(shí)常是圖像變換、灰度變換、直方圖變換、圖像平滑與銳化、色彩增強(qiáng)等。常用的一些圖像增強(qiáng)方法是學(xué)習(xí)圖像增強(qiáng)的基礎(chǔ)，至今它們對(duì)于改善圖像質(zhì)量仍發(fā)揮著重要的作用。本文著重研究了這些增強(qiáng)方法對(duì)圖像進(jìn)行增強(qiáng)處理，針對(duì)圖像增強(qiáng)的普遍性問題，研究和實(shí)現(xiàn)常用的圖像增強(qiáng)方法及其算法，討論不同

30、的增強(qiáng)算法的適用場(chǎng)合，并對(duì)其圖像增強(qiáng)方法進(jìn)行性能評(píng)價(jià)。</p><p>　　全文共分六章，具體安排如下。</p><p>　　第一章引言。介紹圖像增強(qiáng)技術(shù)的課題背景和意義、本文的研究?jī)?nèi)容。</p><p>　　第二章圖像增強(qiáng)的基本理論。闡述圖像增強(qiáng)中用到的有關(guān)數(shù)字圖像的一些基本概念；概述常用的一些圖像增強(qiáng)方法及其特點(diǎn)，如灰度變換、直方圖均衡化。</p>

31、<p>　　第三章圖像增強(qiáng)方法與原理。針對(duì)圖像增強(qiáng)過程中遇到的問題，提出相應(yīng)的解決方法。</p><p>　　第四章圖像增強(qiáng)算法與實(shí)現(xiàn)。</p><p>　　最后是總結(jié)與致謝，論文的結(jié)尾附有源程序代碼。</p><p>　　第二章 圖像增強(qiáng)的基本理論</p><p>　　2.1 數(shù)字圖像的基本理論</p><

32、;p>　　2.1.1數(shù)字圖像的表示</p><p>　　圖像并不能直接用計(jì)算機(jī)來處理，處理前必須先轉(zhuǎn)化成數(shù)字圖像。早期一般用picture代表圖像，隨著數(shù)字技術(shù)的發(fā)展，現(xiàn)在都用image代表離散化了的數(shù)字圖像。</p><p>　　由于從外界得到的圖像多是二維（2-D）的，一幅圖像可以用一個(gè)2-D數(shù)組表示。這里x和y表示二維空間X、Y中一個(gè)坐標(biāo)點(diǎn)的位置，而f則代表圖像在點(diǎn)的某種性質(zhì)數(shù)

33、值。為了能夠用計(jì)算機(jī)對(duì)圖像進(jìn)行處理，需要坐標(biāo)空間和性質(zhì)空間都離散化。這種離散化了的圖像都是數(shù)字圖像，即都在整數(shù)集合中取值。圖像中的每個(gè)基本單元稱為圖像的元素，簡(jiǎn)稱像素[3]。</p><p>　　2.1.2圖像的灰度</p><p>　　常用的圖像一般是灰度圖，這時(shí)f表示灰度值，反映了圖像上對(duì)應(yīng)點(diǎn)的亮度。亮度是觀察者對(duì)所看到的物體表面反射光強(qiáng)的量度。作為圖像灰度的量度函數(shù)應(yīng)大于零。人們?nèi)粘?/p>

34、看到的圖像一般是從目標(biāo)上反射出來的光組成的，所以可看成由兩部分構(gòu)成：入射到可見場(chǎng)景上光的量；場(chǎng)景中目標(biāo)對(duì)反射光反射的比率。確切地說它們分別稱為照度成分和反射成分。與和都成正比，可表示成＝×。</p><p>　　將二維坐標(biāo)位置函數(shù)稱為灰度。入射光照射到物體表面的能量是有限的，并且它永遠(yuǎn)為正，即0<<；反射系數(shù)為0時(shí)，表示光全部被物體吸收，反射系數(shù)為1時(shí)，表示光全部被物體反射，反射系數(shù)在全吸收

35、和全反射之間，即0<<1。因此圖像的灰度值也是非負(fù)有界的[7]。</p><p>　　2.1.3灰度直方圖</p><p>　　灰度直方圖是數(shù)字圖像處理中一個(gè)最簡(jiǎn)單、最有用的工具，它反映了數(shù)字圖像中每一灰度級(jí)與其出現(xiàn)頻率之間的統(tǒng)計(jì)關(guān)系?？梢杂嗅槍?duì)性地通過改變直方圖的灰度分布狀況，使灰度均勻地或按預(yù)期目標(biāo)分布于整個(gè)灰度范圍空間，從而達(dá)到圖像增強(qiáng)的效果[16]。</p>

36、<p>　　灰度直方圖是灰度值的函數(shù)，描述的是圖像中具有該灰度值的像素的個(gè)數(shù)，如圖2.1所示，（b）為圖像（a）的灰度直方圖，其橫坐標(biāo)表示像素的灰度級(jí)別，縱坐標(biāo)表示該灰度出現(xiàn)的頻率（像素的個(gè)數(shù)）。</p><p>　　（a） (b)</p><p>　　圖2.1 a為原圖像 b為a的

37、灰度直方圖</p><p>　　2.2 數(shù)字圖像增強(qiáng)概述</p><p>　　隨著數(shù)字技術(shù)的不斷發(fā)展和應(yīng)用，現(xiàn)實(shí)生活中的許多信息都可以用數(shù)字形式的數(shù)據(jù)進(jìn)行處理和存儲(chǔ)，數(shù)字圖像就是這種以數(shù)字形式進(jìn)行存儲(chǔ)和處理的圖像。利用計(jì)算機(jī)可以對(duì)它進(jìn)行?，F(xiàn)圖像處理技術(shù)所不能實(shí)現(xiàn)的加工處理，還可以將它在網(wǎng)上傳輸，可以多次拷貝而不失真[8]。數(shù)字圖像處理亦稱為計(jì)算機(jī)圖像處理，指將圖像信號(hào)轉(zhuǎn)換成數(shù)字格式并利用計(jì)

38、算機(jī)對(duì)其進(jìn)行處理的過程。</p><p>　　數(shù)字圖像處理系統(tǒng)主要由圖像采集系統(tǒng)、數(shù)字計(jì)算機(jī)及輸出設(shè)備組成[5]。如圖2.2所示。</p><p><b>　?。▓D要自己畫）</b></p><p>　　圖2.2 數(shù)字圖像處理系統(tǒng)</p><p>　　圖2.2僅僅是圖像處理的硬件設(shè)備構(gòu)成，圖中并沒有顯示出軟件系統(tǒng)，在圖像

39、處理系統(tǒng)中軟件系統(tǒng)同樣是非常重要的。在圖像獲取的過程中，由于設(shè)備的不完善及光照等條件的影響，不可避免地會(huì)產(chǎn)生圖像降質(zhì)現(xiàn)象。影響圖像質(zhì)量的幾個(gè)主要因素是：</p><p>　　(1)隨機(jī)噪聲，主要是高斯噪聲和椒鹽噪聲，可以是由于相機(jī)或數(shù)字化設(shè)備產(chǎn)生，也可以是在圖像傳輸過程中造成的；</p><p>　　(2)系統(tǒng)噪聲，由系統(tǒng)產(chǎn)生，具有可預(yù)測(cè)性質(zhì)；</p><p>　　

40、(3)畸變，主要是由于相機(jī)與物體相對(duì)位置、光學(xué)透鏡曲率等原因造成的，可以看作是真實(shí)圖像的幾何變換。</p><p>　　數(shù)字圖像處理流程如圖2.3所示，從一幅或是一批圖像的最簡(jiǎn)單的處理，如特征增強(qiáng)、去噪、平滑等基本的圖像處理技術(shù)，到圖像的特征分析和提取，進(jìn)而產(chǎn)生對(duì)圖像的正確理解或者遙感圖像的解譯，最后的步驟可以是通過專家的視覺解譯，也可以是在圖像處理系統(tǒng)中通過一些知識(shí)庫(kù)而產(chǎn)生的對(duì)圖像的理解[9]。</p&g

41、t;<p>　　圖2.3 圖像處理流程圖</p><p>　　數(shù)字圖像處理技術(shù)起源比較早，但真正發(fā)展是在八十年代后，隨著計(jì)算機(jī)技術(shù)的高速發(fā)展而迅猛發(fā)展起來。到目前為止，圖像處理在圖像通訊、辦公自動(dòng)化系統(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(dòng)化領(lǐng)域的應(yīng)用越來越多。但就國(guó)內(nèi)的情況而言，應(yīng)用還是很不普遍，人們主要忙于從事于理論研究，諸如探索圖像壓縮編碼等，而對(duì)于將成熟技術(shù)轉(zhuǎn)化為生產(chǎn)力方面認(rèn)

42、識(shí)還遠(yuǎn)遠(yuǎn)不夠。California大學(xué)的Tony chen教授認(rèn)為，目前國(guó)際上最常用的三種圖像處理框架是：基于變換的圖像處理框架；基于偏微分方程（PDE）的圖像處理框架；基于統(tǒng)計(jì)學(xué)的圖像處理框架。其中基于變換的圖像處理框架主要在實(shí)現(xiàn)圖像壓縮上有優(yōu)勢(shì)，而基于偏微分方程（PDE）的圖像處理框架在圖像的噪聲去除、邊緣提取、圖像分割上有優(yōu)勢(shì)。事實(shí)上，除了這三種工具以外，數(shù)學(xué)形態(tài)學(xué)、神經(jīng)網(wǎng)絡(luò)等學(xué)科在圖像去噪及圖像分割方面也存在特有的優(yōu)勢(shì)[10]。

43、</p><p>　　2.3 圖像增強(qiáng)概述</p><p>　　2.3.1圖像增強(qiáng)的定義</p><p>　　圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)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(qiáng)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(jī)器分析，以便于實(shí)現(xiàn)對(duì)圖像的更高級(jí)的處理和分析。圖

44、像增強(qiáng)的過程往往也是一個(gè)矛盾的過程：圖像增強(qiáng)希望既去除噪聲又增強(qiáng)邊緣。但是，增強(qiáng)邊緣的同時(shí)會(huì)同時(shí)增強(qiáng)噪聲，而濾去噪聲又會(huì)使邊緣在一定程度上模糊，因此，在圖像增強(qiáng)的時(shí)候，往往是將這兩部分進(jìn)行折中，找到一個(gè)好的代價(jià)函數(shù)達(dá)到需要的增強(qiáng)目的[10]。傳統(tǒng)的圖像增強(qiáng)算法在確定轉(zhuǎn)換函數(shù)時(shí)常是基于整個(gè)圖像的統(tǒng)計(jì)量，如：ST轉(zhuǎn)換，直方圖均衡，中值濾波，微分銳化，高通濾波等等。這樣對(duì)應(yīng)于某些局部區(qū)域的細(xì)節(jié)在計(jì)算整幅圖的變換時(shí)其影響因?yàn)槠渲递^小而常常被忽略

45、掉，從而局部區(qū)域的增強(qiáng)效果常常不夠理想，噪聲濾波和邊緣增強(qiáng)這兩者的矛盾較難得到解決。</p><p>　　2.3.2常用的圖像增強(qiáng)方法</p><p>　　圖像增強(qiáng)可分成兩大類：頻率域法和空間域法。前者把圖像看成一種二維信號(hào)，對(duì)其進(jìn)行基于二維傅里葉變換的信號(hào)增強(qiáng)。采用低通濾波（即只讓低頻信號(hào)通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號(hào)，使模糊的圖片變得清晰。具有代表性

46、的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲[9]。 </p><p>　　圖像增強(qiáng)的方法是通過一定手段對(duì)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(qiáng)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。圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)處理過程所在的空間不同，可分為基于空間

47、域的算法和基于頻率域的算法兩大類?；诳臻g域的算法處理時(shí)直接對(duì)圖像灰度級(jí)做運(yùn)算；基于頻率域的算法是在圖像的某種變換域內(nèi)對(duì)圖像的變換系數(shù)值進(jìn)行某種修正，是一種間接增強(qiáng)的算法[9]。 </p><p>　　基于空間域的算法分為點(diǎn)運(yùn)算算法和鄰域去噪算法。點(diǎn)運(yùn)算算法即灰度級(jí)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(kuò)大圖像動(dòng)態(tài)范圍，擴(kuò)展對(duì)比度。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種。平滑一般用于消除圖像噪聲，但是

48、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(biāo)識(shí)別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計(jì)差值法等[9]。</p><p><b>　　(1)直方圖均衡化</b></p><p>　　有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細(xì)節(jié)看不清楚。這時(shí)可以通過直方圖均衡化將圖像的灰度范圍分開，并且讓灰度

49、頻率較小的灰度級(jí)變大，通過調(diào)整圖像灰度值的動(dòng)態(tài)范圍，自動(dòng)地增加整個(gè)圖像的對(duì)比度，使圖像具有較大的反差，細(xì)節(jié)清晰。</p><p><b>　　(2)對(duì)比度增強(qiáng)法</b></p><p>　　有些圖像的對(duì)比度比較低，從而使整個(gè)圖像模糊不清。這時(shí)可以按一定的規(guī)則修改原來圖像的每一個(gè)像素的灰度，從而改變圖像灰度的動(dòng)態(tài)范圍。</p><p><b

50、>　　(3)平滑噪聲</b></p><p>　　有些圖像是通過掃描儀掃描輸入或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機(jī)產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點(diǎn)。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。圖像平滑就是針對(duì)圖像噪聲的操作，其主要作用是為了消除噪聲，圖像平滑的常用方法是采用均值濾波或中值濾波，均值濾波是一種線性空間濾波，它用一個(gè)有奇數(shù)點(diǎn)的掩模在

51、圖像上滑動(dòng)，將掩模中心對(duì)應(yīng)像素點(diǎn)的灰度值用掩模內(nèi)所有像素點(diǎn)灰度的平均值代替，如果規(guī)定了在取均值過程中掩模內(nèi)各像素點(diǎn)所占的權(quán)重，即各像素點(diǎn)所乘系數(shù)，這時(shí)就稱為加權(quán)均值濾波；中值濾波是一種非線性空間濾波，其與均值濾波的區(qū)別是掩模中心對(duì)應(yīng)像素點(diǎn)的灰度值用掩模內(nèi)所有像素點(diǎn)灰度值的中間值代替[9]。</p><p><b>　　(4)銳化</b></p><p>　　平滑噪聲時(shí)

52、經(jīng)常會(huì)使圖像的邊緣變的模糊，針對(duì)平均和積分運(yùn)算使圖像模糊，可對(duì)其進(jìn)行反運(yùn)算采取微分算子使用模板和統(tǒng)計(jì)差值的方法，使圖像增強(qiáng)銳化。圖像邊緣與高頻分量相對(duì)應(yīng)，高通濾波器可以讓高頻分量暢通無阻，而對(duì)低頻分量則充分限制，通過高通濾波器去除低頻分量，也可以達(dá)到圖像銳化的目的[10]。</p><p>　　2.4 圖像增強(qiáng)流程圖</p><p>　　圖2-1 圖像增強(qiáng)流程圖</p>&

53、lt;p><b>　　本章小結(jié)</b></p><p>　　對(duì)圖像增強(qiáng)基本理論進(jìn)行了闡述，圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)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。圖像增強(qiáng)可分成兩大類：頻率域法和空間域法。本章對(duì)圖像增強(qiáng)的基本理論進(jìn)行了逐步分析，闡明了圖像的增強(qiáng)方法的種類及常用的幾種方法。</p><p>　　第三章 圖

54、像增強(qiáng)方法與原理</p><p><b>　　3.1 圖像變換</b></p><p>　　人與電腦對(duì)事物的理解是不同的，對(duì)于人來說，文字信息要比圖像信息抽象，但是對(duì)于電腦來說，圖像信息要比文字信息抽象。因此，對(duì)于計(jì)算機(jī)來說，要對(duì)圖像進(jìn)行處理，并不是一件容易的事情。為了快速有效的對(duì)圖像進(jìn)行處理和分析，我們通常都需要對(duì)圖像進(jìn)行一些變換，把原來的圖像信息變?yōu)榱硪粡埿问?，?/p>

55、計(jì)算機(jī)更容易理解、處理和分析。這種變換就是所謂的圖像變換。</p><p>　　圖像變換是指圖像的二維正交變換，它在圖像增強(qiáng)、復(fù)原、編碼等方面有著廣泛的應(yīng)運(yùn)。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(biāo)邊緣的強(qiáng)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(xiàng)上，或者說能量主要集中在低頻分量上，這時(shí)對(duì)低頻成分分配較多的比特?cái)?shù)，對(duì)高頻成分分配較少的比特?cái)?shù)

56、，即可實(shí)現(xiàn)圖像數(shù)據(jù)的壓縮編碼。</p><p>　　3.1.1離散圖像變換的一般表達(dá)式</p><p><b>　　對(duì)于二維離散函數(shù)</b></p><p>　　x=0,1,2,…,M-1；y=0,1,2,…,N-1 (3.1)</p><p><b>　　有變換對(duì)</b&g

57、t;</p><p><b>　　(3.2)</b></p><p>　　u=0，1，2，…，M-1 v＝0，1，2，…，N-1</p><p><b>　　(3.3)</b></p><p>　　x=0，1，2，…，M-1 y＝0，1，2，…，N-1</p><p>　

58、　變換核可分離的離散圖像變換表示為：</p><p><b>　　(3.4)</b></p><p>　　如此，二維離散變換就可以用兩次一維變換實(shí)現(xiàn)。</p><p>　　3.1.2 離散沃爾什變換</p><p>　　由于傅立葉變換的變換核由正弦余弦函數(shù)組成，運(yùn)算速度受影響。要找另一種正交變換，要運(yùn)算簡(jiǎn)單且變換核矩陣產(chǎn)

59、生方便。Walsh Transform矩陣簡(jiǎn)單，只有1和－1，矩陣容易產(chǎn)生，有快速算法[1]。</p><p><b>　　一維離散沃爾什變換</b></p><p>　　假如N=2，則離散 f(x) （ x=0,1, 2,…,N-1）的沃爾什變換</p><p>　　u=0，1，2，…，N-1 (3.5)</p>&

60、lt;p>　　x=0，1，2，…，N-1 (3.6)</p><p><b>　　二維離散沃爾什變換</b></p><p><b>　　(3.7)</b></p><p>　?。╱=0,1,2…,M-1 v=0,1,2…,N-1）</p><p><b>　　(3.8)

61、</b></p><p>　?。▁=0,1,2…,M-1 y=0,1,2…,N-1）</p><p>　　這里假定了M=2，N＝2</p><p>　　從上式可知，反正變換核具有可分離性，即</p><p><b>　　(3.9)</b></p><p>　　所以，二維離散沃爾什

62、變換可由兩次變換來實(shí)現(xiàn)。</p><p><b>　　3.2 灰度變換</b></p><p>　　灰度變換可使圖像動(dòng)態(tài)范圍增大，對(duì)比度得到擴(kuò)展，使圖像清晰、特征明顯，是圖像增強(qiáng)的重要手段之一。它主要利用點(diǎn)運(yùn)算來修正像素灰度，由輸入像素點(diǎn)的灰度值確定相應(yīng)輸出點(diǎn)的灰度值，是一種基于圖像變換的操作?；叶茸儞Q不改變圖像內(nèi)的空間關(guān)系，除了灰度級(jí)的改變是根據(jù)某種特定的灰度變換函

63、數(shù)進(jìn)行之外，可以看作是“從像素到像素”的復(fù)制操作?；邳c(diǎn)運(yùn)算的灰度變換可表示為[1]：</p><p><b>　　(3.10)</b></p><p>　　其中T被稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。一旦灰度變換函數(shù)確定，該灰度變換就被完全確定下來。</p><p>　　灰度變換包含的方法很多，如逆反處理、閾值變換

64、、灰度拉伸、灰度切分、灰度級(jí)修正、動(dòng)態(tài)范圍調(diào)整等。雖然它們對(duì)圖像的處理效果不同，但處理過程中都運(yùn)用了點(diǎn)運(yùn)算，通?？煞譃榫€性變換、分段線性變換、非線性變換。</p><p>　　3.2.1 線性變換</p><p>　　假定原圖像f(x,y)的灰度范圍為[a,b]，變換后的圖像g(x,y)的灰度范圍線性的擴(kuò)展至[c,d]，如圖3 .11所示。則對(duì)于圖像中的任一點(diǎn)的灰度值P(x,y)，變換后為

65、g(x,y)，其數(shù)學(xué)表達(dá)式如下所示[1]。</p><p><b>　　(3.11)</b></p><p>　　若圖像中大部分像素的灰度級(jí)分布在區(qū)間[a,b]內(nèi)，max f為原圖的最大灰度級(jí)，只有很小一部分的灰度級(jí)超過了此區(qū)間，則為了改善增強(qiáng)效果，可以令</p><p><b>　　(3.12)</b></p>

66、;<p>　　在曝光不足或過度的情況下，圖像的灰度可能會(huì)局限在一個(gè)很小的范圍內(nèi)，這時(shí)得到的圖像可能是一個(gè)模糊不清、似乎沒有灰度層次的圖像。采用線性變換對(duì)圖像中每一個(gè)像素灰度作線性拉伸，將有效改善圖像視覺效果。</p><p>　　3.2.2分段線性變換</p><p>　　為了突出圖像中感興趣的目標(biāo)或灰度區(qū)間，相對(duì)抑制不感興趣的灰度區(qū)間，可采用分段線性變換，它將圖像灰度區(qū)間分

67、成兩段乃至多段分別作線性變換。進(jìn)行變換時(shí)，把0-255整個(gè)灰度值區(qū)間分為若干線段，每一個(gè)直線段都對(duì)應(yīng)一個(gè)局部的線性變換關(guān)系。如圖3.1所示，為二段線性變換，(a)為高值區(qū)拉伸，(b)為低值區(qū)拉伸[9]。</p><p><b>　?。ㄗ约寒嫞?lt;/b></p><p>　　圖3.1 二段線性變換</p><p>　　3.2.3非線性變換</

68、p><p>　　非線性變換就是利用非線性變換函數(shù)對(duì)圖像進(jìn)行灰度變換，主要有指數(shù)變換、對(duì)數(shù)變換等。</p><p>　　指數(shù)變換，是指輸出圖像的像素點(diǎn)的灰度值與對(duì)應(yīng)的輸入圖像的像素灰度值之間滿足指數(shù)關(guān)系，其一般公式為[1]：</p><p><b>　　(3.13)</b></p><p>　　其中b為底數(shù)。為了增加變換的動(dòng)態(tài)

69、范圍，在上述一般公式中可以加入一些調(diào)制參數(shù)，以改變變換曲線的初始位置和曲線的變化速率。這時(shí)的變換公式為：</p><p><b>　　(3.14)</b></p><p>　　式中a，b，c都是可以選擇的參數(shù)，當(dāng)f(x,y)=a時(shí)，g(x,y)=0，此時(shí)指數(shù)曲線交于X軸，由此可見參數(shù)a決定了指數(shù)變換曲線的初始位置參數(shù)c決定了變換曲線的陡度，即決定曲線的變化速率。指數(shù)變

70、換用于擴(kuò)展高灰度區(qū)，一般適于過亮的圖像。</p><p>　　對(duì)數(shù)變換，是指輸出圖像的像素點(diǎn)的灰度值與對(duì)應(yīng)的輸入圖像的像素灰度值之間為對(duì)數(shù)關(guān)系，其一般公式為：</p><p><b>　　(3.15)</b></p><p>　　其中表示以10為底，也可以選用自然對(duì)數(shù)。為了增加變換的動(dòng)態(tài)范圍，在上述一般公式中可以加入一些調(diào)制參數(shù)，這時(shí)的變換公式

71、為：</p><p><b>　　(3.16)</b></p><p>　　式中a，b，c都是可以選擇的參數(shù)，式中f(x,y)+1是為了避免對(duì)0求對(duì)數(shù)，確保。當(dāng)f(x,y)=0時(shí)，，則y=a，則a為Y軸上的截距，確定了變換曲線的初始位置的變換關(guān)系，b、c兩個(gè)參數(shù)確定變換曲線的變化速率。對(duì)數(shù)變換用于擴(kuò)展低灰度區(qū)，一般適用于過暗的圖像。</p><p&

72、gt;<b>　　3.3 直方圖變換</b></p><p>　　3.3.1直方圖修正基礎(chǔ)</p><p>　　圖像的灰度直方圖是反映一幅圖像的灰度級(jí)與出現(xiàn)這種灰度級(jí)的概率之間的關(guān)系的圖形。</p><p>　　灰度級(jí)為[0,L-1]范圍的數(shù)字圖像的直方圖是離散函數(shù)h()=，這里是第k級(jí)灰度，是圖像中灰度級(jí)為的像素個(gè)數(shù)。通常以圖像中像素?cái)?shù)目的總

73、和n去除他的每一個(gè)值，以得到歸一化的直方圖，公示如下：</p><p>　　k=0,1,2,…,L-1 (3.17)</p><p><b>　　且</b></p><p>　　因此給出了灰度級(jí)為發(fā)生的概率估計(jì)值。歸納起來，直方圖主要有一下幾點(diǎn)性質(zhì)：</p><p>　?。?）直方圖中不

74、包含位置信息。直方圖只是反應(yīng)了圖像灰度分布的特性，和灰度所在的位置沒有關(guān)系，不同的圖像可能具有相近或者完全相同的直方圖分布。</p><p>　?。?）直方圖反應(yīng)了圖像的整體灰度。直方圖反應(yīng)了圖像的整體灰度分布情況，對(duì)于暗色圖像，直方圖的組成集中在灰度級(jí)低（暗）的一側(cè)，相反，明亮圖像的直方圖則傾向于灰度級(jí)高的一側(cè)。直觀上講，可以得出這樣的結(jié)論，若一幅圖像其像素占有全部可能的灰度級(jí)并且分布均勻，這樣的圖像有高對(duì)比度

75、和多變的灰度色調(diào)。</p><p>　　（3）直方圖的可疊加性。一幅圖像的直方圖等于它各個(gè)部分直方圖的和。</p><p>　　（4）直方圖具有統(tǒng)計(jì)特性。從直方圖的定義可知，連續(xù)圖像的直方圖是一位連續(xù)函數(shù)，它具有統(tǒng)計(jì)特征，例如矩、絕對(duì)矩、中心矩、絕對(duì)中心矩、熵。</p><p>　　（5）直方圖的動(dòng)態(tài)范圍。直方圖的動(dòng)態(tài)范圍是由計(jì)算機(jī)圖像處理系統(tǒng)的模數(shù)轉(zhuǎn)換器的灰度級(jí)決

76、定。</p><p>　　由于圖像的視覺效果不好或者特殊需要，常常要對(duì)圖像的灰度進(jìn)行修正，以達(dá)到理想的效果，即對(duì)原始圖像的直方圖進(jìn)行轉(zhuǎn)換（修正）：</p><p>　　一幅給定的圖像的灰度級(jí)分布在0≤r≤1范圍內(nèi)?？梢詫?duì)[0,1]區(qū)間內(nèi)的任何一個(gè)r進(jìn)行如下的變換：</p><p>　　s=T(r) (3.18)<

77、;/p><p>　　變換函數(shù)T應(yīng)滿足以下條件：</p><p>　　a.在0≤r≤1區(qū)間內(nèi)，單值單調(diào)增加；</p><p>　　b.對(duì)于0≤r≤1，有0≤≤1。</p><p>　　這里的第一個(gè)條件保證了圖像的灰度級(jí)從白到黑的次序不變。第二個(gè)條件則保證了映射變換后的像素灰度值在允許的范圍內(nèi)。滿足這兩個(gè)條件，就保證了轉(zhuǎn)換函數(shù)的可逆。</p&g

78、t;<p>　　3.3.2直方圖均衡化</p><p>　　直方圖均衡化方法是圖像增強(qiáng)中最常用、最重要的方法之一。直方圖均衡化是把原圖像的直方圖通過灰度變換函數(shù)修正為灰度均勻分布的直方圖，然后按均衡直方圖修正原圖像。它以概率論為基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算來實(shí)現(xiàn)，從而達(dá)到增強(qiáng)的目的。它的變換函數(shù)取決于圖像灰度直方圖的累積分布函數(shù)。概括的說，就是把一已知灰度概率分布的圖像，經(jīng)過一種變換，使之演變成一幅具有均勻

79、概率分布的新圖像。有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細(xì)節(jié)看不清楚。這時(shí)可以將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級(jí)變大。當(dāng)圖像的直方圖為一均勻分布時(shí)，圖像的信息熵最大，此時(shí)圖像包含的信息量最大，圖像看起來就顯得清晰[10]。</p><p>　　直方圖均衡化變換函數(shù)如圖3.2所示，設(shè)r，s分別表示原圖像和增強(qiáng)后圖像的灰度。為了簡(jiǎn)單，假定所有像素的灰度已被歸一化。當(dāng)r=s=0時(shí)，表示黑

80、色；當(dāng)r=s=1時(shí)，表示白色；當(dāng)r，s在[0,1]之間時(shí)，表示像素灰度在黑白之間變化?；叶茸儞Q函數(shù)為：s=T(r)。</p><p>　　圖3.2 直方圖均衡化變換函數(shù)</p><p>　　實(shí)際上，由于直方圖是近似的概率密度函數(shù)，用離散灰度級(jí)作變換時(shí)很少能夠得到完全平坦的結(jié)果，而且，變換后往往會(huì)出現(xiàn)灰度級(jí)減少的現(xiàn)象，這種現(xiàn)象被稱為“簡(jiǎn)并”現(xiàn)象。這是像素灰度有限的必然結(jié)果。由于上述原因，數(shù)字

81、圖像的直方圖均衡只能是近似的。直方圖均衡化處理可大大改善圖像灰度的動(dòng)態(tài)范圍。減少簡(jiǎn)并現(xiàn)象通?？刹捎脙煞N方法：一種簡(jiǎn)單的方法是增加像素的比特?cái)?shù)。</p><p>　　比如，通常用8比特來代表一個(gè)像素，而現(xiàn)在用12比特來表示一個(gè)像素，這樣就可以減少簡(jiǎn)并現(xiàn)象發(fā)生的機(jī)會(huì)，從而減少灰度層次的損失。另外，采用灰度間隔放大理論的直方圖修正方法也可以減少簡(jiǎn)并現(xiàn)象。這種灰度間隔放大可以按照眼睛的對(duì)比度靈敏特性和成像系統(tǒng)的動(dòng)態(tài)范圍進(jìn)

82、行放大。一般實(shí)現(xiàn)方法采用如下幾步：</p><p>　?。?）統(tǒng)計(jì)原始圖像的直方圖；</p><p>　?。?）根據(jù)給定的成像系統(tǒng)的最大動(dòng)態(tài)范圍和原始圖像的灰度級(jí)來確定處理后的灰度級(jí)間隔；</p><p>　?。?）根據(jù)求得的步長(zhǎng)來求變換后的新灰度；</p><p>　?。?）用處理后的新灰度代替處理前的灰度。</p><

83、p>　　3.3.3直方圖規(guī)定化</p><p>　　直方圖均衡化是以累計(jì)分布函數(shù)變換法為基礎(chǔ)的直方圖修正技術(shù)，使得變換后的灰度概率密度函數(shù)是均勻分布的，因此，它不能控制變換后的直方圖而交互性差。這樣，在很多特殊的情況下，需要變換后圖像的直方圖具有某種特定的曲線，例如對(duì)數(shù)和指數(shù)等，直方圖規(guī)定化可以解決這一問題。</p><p>　　直方圖規(guī)定化方法如下：假設(shè)是原始圖像分布的概率密度函數(shù)

84、，是希望得到的圖像的概率密度函數(shù)。</p><p>　　先對(duì)原始圖像進(jìn)行直方圖均衡化處理，即：</p><p><b>　　(3.19)</b></p><p>　　假定已經(jīng)得到了所希望的圖像，并且它的概率密度函數(shù)是。對(duì)該圖像也做均衡化處理，即：</p><p><b>　　(3.20)</b>&l

85、t;/p><p>　　由于對(duì)于這兩幅圖像，同樣作了均衡化處理，所以他們具有同樣的均勻密度。其中（3.9）的逆過程為，則如果用從原始圖像中得到的均勻灰度級(jí)S來代替逆過程中的u，其結(jié)果灰度級(jí)將是所要求的概率密度函數(shù)的灰度級(jí)：</p><p><b>　　(3.21)</b></p><p>　　根據(jù)以上思路，可以總結(jié)出直方圖規(guī)定化增強(qiáng)處理的步驟如下：&

86、lt;/p><p>　?。?）將原始圖像進(jìn)行均衡化處理；</p><p>　?。?）規(guī)定希望的灰度概率密度函數(shù)，用（3.22）式計(jì)算它的累計(jì)分布函數(shù)G(z)；</p><p>　?。?）將逆變換函數(shù)用到步驟（1）中所得的灰度級(jí)。</p><p>　　上述三步得到了原始圖像的一種處理方法，只要求G(s)是可逆的即可進(jìn)行。但是，對(duì)于離散圖像，由于G(

87、s)是一個(gè)離散的階梯函數(shù)，不可能有逆函數(shù)存在，對(duì)此，只能進(jìn)行截?cái)嗵幚恚貙⒉豢杀苊獾膶?dǎo)致變換后圖像的直方圖一般不能與目標(biāo)直方圖嚴(yán)格的匹配。</p><p>　　3.4 圖像平滑與銳化</p><p><b>　　3.4.1平滑</b></p><p>　　獲得的圖像可能會(huì)因?yàn)楦鞣N原因而被污染，產(chǎn)生噪聲。常見的圖像噪聲主要有加性噪聲、乘性噪聲和量

88、化噪聲等。噪聲并不僅限于人眼所見的失真，有些噪聲只針對(duì)某些具體的圖像處理過程產(chǎn)生影響。圖像中的噪聲往往和正常信號(hào)交織在一起，尤其是乘性噪聲，如果處理不當(dāng)，就會(huì)破壞圖像本身的細(xì)節(jié)，如會(huì)使線條、邊界等變得模糊不清。有些圖像是通過掃描儀掃描輸入或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機(jī)產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點(diǎn)。圖像平滑就是針對(duì)圖像噪聲的操作，其主要作用是為了消除噪聲。如何既平滑掉噪聲又盡量保持圖像

89、細(xì)節(jié)，是圖像平滑的主要研究任務(wù)。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。這時(shí)可以采用線性濾波和中值濾波的方法。</p><p><b>　?。?）線性濾波</b></p><p>　　線性濾波一般采用的是領(lǐng)域平均法。對(duì)于給定的圖像f(x，y)中的每一個(gè)點(diǎn)（m，n），取其領(lǐng)域s。設(shè)s含有M個(gè)像素，取其平均值作為處理后所得圖像像素點(diǎn)（m，n）處的灰度。設(shè)S是3

90、*3的正方形鄰域，點(diǎn)（m，n）位于S中心，則：</p><p><b>　　(3.22)</b></p><p><b>　　（2）中值濾波</b></p><p>　　中值濾波就是輸出圖像的某點(diǎn)象素等于該象素鄰域中各象素灰度的中間值。給定的圖像f(x,y)中的每一個(gè)點(diǎn)（m,n），取其領(lǐng)域s。設(shè)s含有M個(gè)像素{a1，a2，

91、?，aM}，將其按大小排序，若M是奇數(shù)時(shí)，則位于中間的那個(gè)象素值就是修改后圖像g(x,y)在點(diǎn)f(m,n)處的像素值；若M是偶數(shù)則取中間兩個(gè)象素的平均值作為修改后圖像g(x,y)在點(diǎn)（m,n）處的像素值。</p><p><b>　　3.4.2 銳化</b></p><p>　　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

92、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(xì)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(yùn)算，因此可以對(duì)其進(jìn)行逆運(yùn)算（如微分運(yùn)算）就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實(shí)質(zhì)是因?yàn)槠涓哳l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(duì)圖像的某種運(yùn)算是各向同性的。</p><p><b

93、>　　（1）梯度法</b></p><p>　　梯度是圖像處理中最常用的一種一階微分方法。對(duì)圖像函數(shù)F(j,k)，其在點(diǎn)（j,k）上的梯度定義為矢量：</p><p><b>　　(3.23)</b></p><p>　　從梯度的性質(zhì)可知，梯度的方向確定了圖像F(j,k)的最大變化率的方向，G[F(j,k)]的幅度為下式：&l

94、t;/p><p><b>　　(3.24)</b></p><p>　　對(duì)于數(shù)字圖像，用差分來近似微分。為了便于編程和提高運(yùn)算速度，可以如下進(jìn)行絕對(duì)值的運(yùn)算：</p><p><b>　　(3.25)</b></p><p>　　一旦計(jì)算梯度的算法確立之后，就可以有很多方法來使圖像輪廓突出。最簡(jiǎn)單的方法

95、就是令（x,y）點(diǎn)上銳化后的圖像函f(x,y)數(shù)值等于原始圖像在該點(diǎn)上的梯度值，即：</p><p><b>　　(3.26)</b></p><p>　　此法的缺點(diǎn)是處理后的圖像僅顯示出輪廓，灰度平緩變化的部分由于梯度值較小而顯得很黑。</p><p><b>　?。?）拉普拉斯算子</b></p><

96、;p>　　拉普拉斯算子是線性二階微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求。拉普拉斯算子對(duì)圖像中的噪聲非常敏感，為了減少噪聲的影響，在做增強(qiáng)處理之前，先將待處理的圖像進(jìn)行平滑，再做拉普拉斯運(yùn)算。</p><p>　　相對(duì)于梯度算子，拉普拉斯算子具有增強(qiáng)的邊緣精確定位的優(yōu)點(diǎn)。因?yàn)樘荻纫浑A微分算子會(huì)在較大范圍內(nèi)形成梯度值，差分的結(jié)果不適合精確定位。然后，二階差分算子的過零特性

97、，可以使邊緣增強(qiáng)后精確定位。</p><p><b>　　（3）高通濾波</b></p><p>　　圖像邊緣與高頻分量相對(duì)應(yīng)，高通濾波器可以讓高頻分量暢通無阻，而對(duì)低頻分量則充分限制，從而達(dá)到圖像銳化的目的。建立在離散卷積基礎(chǔ)上的空間域高通濾波關(guān)系式如下：</p><p><b>　　(3.27)</b></p&g

98、t;<p><b>　　式中為銳化輸出；</b></p><p><b>　　為輸入圖像；</b></p><p>　　為沖擊響應(yīng)陣列（卷積陣列）。</p><p><b>　　本章小結(jié)</b></p><p>　　本章對(duì)圖像的增強(qiáng)與原理進(jìn)行了簡(jiǎn)單的概述，對(duì)幾種常

99、用的增強(qiáng)算法進(jìn)行了分析、研究。針對(duì)圖像增強(qiáng)過程中遇到的問題，提出相應(yīng)的解決方法。</p><p>　　第四章 圖像增強(qiáng)算法與實(shí)現(xiàn)</p><p><b>　　4.1 灰度變換</b></p><p>　　為了突出圖像中感興趣的目標(biāo)或灰度區(qū)間，相對(duì)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(gè)灰度值區(qū)間分為若干線段，每一個(gè)直線段

100、都對(duì)應(yīng)一個(gè)局部的線性變換關(guān)系，常用的是三段線性變換方法，如圖4.1所示。</p><p>　　圖4.1 三段線性變換</p><p>　　其中f(x,y)，g(x,y)分別為原圖像和變換后的圖像的灰度級(jí)，max f、max g分別為原圖像和變換后的圖像的最大灰度級(jí)?；叶葏^(qū)間[a,b]為要增強(qiáng)的目標(biāo)所對(duì)應(yīng)的灰度范圍，變換后灰度范圍擴(kuò)展至[c,d]。變換時(shí)對(duì)[a,b]進(jìn)行了線性拉伸，而[0,a

101、]和[b,max]則被壓縮，這兩部分對(duì)應(yīng)的細(xì)節(jié)信息損失了。若這兩部分對(duì)應(yīng)的像素?cái)?shù)較少，則損失的信息也相應(yīng)較少。其數(shù)學(xué)表達(dá)式如式（4.1）所示[14]。</p><p><b>　　(4.1)</b></p><p>　　分段線性變換可以根據(jù)用戶的需要，拉伸特征物體的灰度細(xì)節(jié)，雖然其他灰度區(qū)間對(duì)應(yīng)的細(xì)節(jié)信息有所損失，這對(duì)于識(shí)別目標(biāo)來說沒有什么影響。下面對(duì)一些特殊的情況進(jìn)

102、行了分析。令k1＝c/a ,k2=(d-c)/(b-a)，k3=(max g-d)/(max f-b)，即它們分別為對(duì)應(yīng)直線段的斜率。</p><p>　　當(dāng)k1=k3=0時(shí)，如圖4.2（a）所示，表示對(duì)于[a,b]以外的原圖灰度不感興趣，均令為0，而處于[a,b]之間的原圖灰度，則均勻的變換成新圖灰度。</p><p>　　當(dāng)k1=k2=k3=0，但c=d時(shí)，如圖4.2（b）所示，表示只

103、對(duì)[a,b]間的灰度感興趣，且均為同樣的白色，其余變黑，此時(shí)圖像對(duì)應(yīng)變成二值圖。這種操作又稱為灰度級(jí)（或窗口）切片。</p><p>　　當(dāng)kl=k3＝1，c=d=max g時(shí)，如圖4.2（c）所示，表示在保留背景的前提下，提升[a,b]間像素的灰度級(jí)。它也是一種窗口或灰度級(jí)切片操作。</p><p>　　圖4.2 三段線性變換</p><p>　　MATLAB軟件

104、中，imadjust函數(shù)可以實(shí)現(xiàn)圖像的灰度變換，通過直方圖變換調(diào)整圖像的對(duì)比度。</p><p><b>　　(4.2)</b></p><p>　　其中，gamma為校正量r，為原圖像中要變換的灰度范圍，指定了變換后的灰度范圍。</p><p>　　以下展示了常用對(duì)比度擴(kuò)展法的結(jié)果：</p><p>　?。╝）

105、 （b）</p><p>　?。╟） （b）</p><p>　　圖4.3 a為原圖像；b為a的直方圖；c為對(duì)比度擴(kuò)展結(jié)果；d為c的直方圖</p><p>　　從圖4.3（a）可以看出原始圖像動(dòng)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)，如圖

106、（b）所示。經(jīng)過對(duì)比度調(diào)整，圖像變亮，可以看到更多的細(xì)節(jié)如圖（c）和（d）所示。</p><p>　　優(yōu)勢(shì)：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(qiáng)算法。</p><p>　　不足：對(duì)于受噪聲影響明顯的圖像，該算法增強(qiáng)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。</p><p>　　4.2 直方圖均衡化</p

107、><p>　　直方圖均衡化過程如下：</p><p>　?。?）計(jì)算原圖像的灰度直方圖；</p><p>　　（2）計(jì)算原圖像的灰度累積分布函數(shù)，進(jìn)一步求出灰度變換表；</p><p>　?。?）根據(jù)灰度變換表，將原圖像各灰度級(jí)映射為新的灰度級(jí)。</p><p>　　在MATLAB中，histeq函數(shù)可以實(shí)現(xiàn)直方圖均衡化。

108、函數(shù)調(diào)用方法為：</p><p><b>　　(4.3)</b></p><p>　　該命令對(duì)灰度圖像I進(jìn)行變換，返回有N級(jí)灰度的圖像J，J中的每個(gè)灰度級(jí)具有大致相同的像素點(diǎn)，所以圖像J的直方圖較為平坦，當(dāng)N小于I中灰度級(jí)數(shù)時(shí)，J的直方圖更為平坦，缺省的N值為64。</p><p>　　以下展示了直方圖均衡化的效果：</p>&l

109、t;p>　?。╝） （b）</p><p>　　（c） （d）</p><p>　　圖4.4 a為原圖像；b為a的直方圖；c為直方圖均衡化結(jié)果；d為c的直方圖</p><p>　　從直方圖統(tǒng)計(jì)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

110、范圍比較狹窄，所以整體上看對(duì)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(duì)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。</p><p>　　優(yōu)勢(shì)：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(kuò)張了像素值的動(dòng)態(tài)范圍，是一種常用的圖像增強(qiáng)算法。</p><p>　　不足：不能抑制噪聲。</p><p>

111、<b>　　4.3 平滑算法</b></p><p>　　平滑運(yùn)算主要用于減少噪聲，對(duì)圖像進(jìn)行預(yù)處理以便于更高級(jí)的圖像處理技術(shù)的實(shí)現(xiàn)。</p><p><b>　?。?）線性濾波</b></p><p>　　輸出圖像的值等于輸入圖像濾波后值的局部平均，各個(gè)項(xiàng)具有相同的權(quán)。下面是平滑窗口分別為矩形和圓形的情況。</p&

112、gt;<p><b>　　(4.4)</b></p><p>　　優(yōu)勢(shì)：實(shí)現(xiàn)簡(jiǎn)單，去噪效果明顯。</p><p>　　不足：去噪的同時(shí)會(huì)導(dǎo)致結(jié)果圖像邊緣位置的改變和細(xì)節(jié)模糊甚至丟失。</p><p><b>　?。?） 非線性濾波</b></p><p>　　中值濾波是一種最常用的圖像

113、增強(qiáng)技術(shù)，是非線性濾波。對(duì)椒鹽噪聲有很好的去噪效果。</p><p>　　中值濾波是基于一個(gè)移動(dòng)窗口并計(jì)算輸入圖像在窗口內(nèi)的像素亮度值的中值作為輸出圖像窗口中心的像素值而產(chǎn)生的。給定的圖像f(x,y)中的每一個(gè)點(diǎn)（m,n），取其領(lǐng)域s。設(shè)s含有M個(gè)像素{a1，a2，?，aM}，將其按大小排序，若M是奇數(shù)時(shí)，則位于中間的那個(gè)象素值就是修改后圖像g(x,y)在點(diǎn)（m,n）處的像素值；若M是偶數(shù)則取中間兩個(gè)象素的平均值