图像增强.doc

图像增强.doc

《图像增强.doc》由会员分享，可在线阅读，更多相关《图像增强.doc（8页珍藏版）》请在冰豆网上搜索。

XXXXXXXXXXX大学

《计算机图形学及应用》课程学期论文

基于Matlab的图像增强

ImageenhancementBasedonMATLAB

学号：

姓名：

专业：

指导老师：

日期：

2011年04月25日

基于Matlab的图像增强

XXXX

（XXXX大学XXX学院，XXXXXXXXX）

摘要：

数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。

图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用.本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价.

关键词：

图像增强 直方图增强对比度增强平滑锐化

ImageenhancementBasedonMATLAB

Author:

LiuDong-hai

（SchoolofMechanicalEngineering,DalianjiaotongUniversity,Dalian116028）

Abstract：

Digitalimageprocessingistheproceduresofconvertingimagesignalintodigitalformat,thenusingthecomputertoprocessit.Imageenhancementisdigitalimageprocessingprocessoftenuseamethodtoimproveimagequality,itplaysanimportantrole.Thisarticlefirstintroducestheprincipleofimageenhancementandclassification，andthenfocusonseveralmethodstostudysuchasandhistogramenhancement,contrastenhancement,smoothingandsharpening,andothercommonlyusedinlearningthebasicdigitalimageWiththeapproach,throughMatlabexperimentthattheactualeffectofvariousalgorithmstocomparetheadvantagesanddisadvantagestodiscussthedifferentenhancementalgorithm.Theapplicationofoccasions,anditsimageenhancementmethodofperformanceevaluation.

Keywords:

ImageEnhancementhistogramenhancementcontrastenhancementsmoothing sharpening

1引言

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，即图像失真.在摄影时由于光照条件不足或过度，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，通过进行适当的增强处理，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行检测和测量.目前图像增强处理的应用已经渗透到医学诊断、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，图像增强技术得到了快速的发展.

2图像增强的基本理论

2.1图像增强的定义

为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的简单改善方法或者加强特征的措施称为图像增强.

一般情况下，图像增强是按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法，也是提高图像质量的过程.图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析.图像增强的过程往往也是一个矛盾的过程：

图像增强希望既去除噪声又增强边缘.但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的.传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：

ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等等.这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决.

2.2图像增强的分类及方法

图像增强可分成两大类：

频率域法和空间域法。

前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强.采用低通滤波法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰.具有代表性的空间域算法有局部求平均值法和中值滤波法等，它们可用于去除或减弱噪声.图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配.在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像.图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类.基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法.

基于空域的算法分为点运算算法和邻域去噪算法.点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度.邻域增强算法分为图像平滑和锐化两种.平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。

常用算法有均值滤波、中值滤波.锐化的目的在于突出物体的边缘轮廓，便于目标识别。

常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等.

常用的图像增强方法包括：

（1）直方图均衡化

（2）对比度增强法（3）平滑噪声（4）锐化.

3图像增强方法及算法

3.1 直方图均衡化

直方图均衡化过程如下：

（1）计算原图像的灰度直方图；

（2）计算原图像的灰度累积分布函数，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函数可以实现直方图均衡化.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相同的像素点，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.

以下展示了直方图均衡化的效果：

图3.1直方图均衡化对比图

从直方图统计可以看出，原始图的灰度范围大约是110到250之间，灰度分布的范围比较狭窄，所以整体上看对比度比较差，而直方图均衡化后，灰度几乎是均匀的分布在0到255的范围内，图像明暗分明，对比度很大，图像比较清晰明亮，很好的改善了原始图的视觉效果.

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，是一种常用的图像增强算法.

不足：

不能抑制噪声.

3.2 对比度增强

对比度增强是图像增强技术中一种比较简单但又十分重要的方法.这种方法是按一定的规则修改输入图像每一个像素的灰度，从而改变图像灰度的动态范围.它可以是灰度动态范围扩展，也可以使其压缩，或者是对灰度进行分段处理，根据图像特点和要求在某段区间中进行压缩在另外区间进行扩展.

例如，观察图3.2可以发现，该图的对比度不高其灰度直方图没有低于35或高于210的值，如果将图像数据映射到整个灰度范围内，则图像的对比度将大大增大.

图3.2灰度直方图

设输入图像为f（x,y），处理后的图像为g（x,y），则对比度增强可以表示为下面的数学变幻式：

g（X,Y）=T[f（X,Y）]

其中T表示输入图像和输出图像对应点的灰度映射关系。

实际中由于曝光不足或成像系统非线性的影响，通常照片或电子系统生成图像对比对不良，利用对比度增强变换可以有效地改善图像的质量.

3.3平滑滤波

平滑技术用于平滑图像中的噪声.平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均或中值。

为了既平滑噪声又保护图像信号，也有一些改进的技术，比如在频域中运用低通滤波技术.

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，各个项具有相同的权。

下面是平滑窗口分别为矩形和圆形的情况.

（式3-1）

（式3-2）

对一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声.

邻域平均法是空间域平滑噪声技术.用一像素邻域内各像素灰度平均值来代替该像素原来的灰度，即是邻域平均技术.

另外，频域处理的基础是频域滤波，例如，理想的低通滤波器：

（式3-3）

其中.（式3-4）

如图3.3为利用低通邻域平均模板进行平滑的例子：

图3.3平滑滤波图像

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.下图是加高斯噪声后，中值滤波和平均滤波的滤波效果对比：

图3.4中值滤波对比图

如图可见，对于高斯噪声，均值滤波效果比均值滤波效果好.原因：

（1）高斯噪声是幅值近似正态分布，但分布在每点像素上.

（2）因为图像中的每点都是污染点，所以中值滤波选不到合适的干净点.

但对于椒盐噪声，中值滤波效果比均值滤波效果好.原因：

（1）椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点.

（2）中值滤波是选择适当的点来替代污染点的值，所以处理效果好.

（3）因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点.

3.4 锐化

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，因此可以对图像进行逆运算，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行处理产生描述灰度突