图像增强的研究及发展现状毕业论文Word文档格式.docx
《图像增强的研究及发展现状毕业论文Word文档格式.docx》由会员分享，可在线阅读，更多相关《图像增强的研究及发展现状毕业论文Word文档格式.docx（58页珍藏版）》请在冰豆网上搜索。
2.4图像增强流程图 10
本章小结 10
第三章图像增强方法与原理 11
3.1图像变换 11
3.1.1离散图像变换的一般表达式 11
3.1.2离散沃尔什变换 12
3.2灰度变换 13
3.2.1线性变换 13
3.2.2分段线性变换 14
3.2.3非线性变换 14
3.3直方图变换 15
3.3.1直方图修正基础 15
3.3.2直方图均衡化 16
3.3.3直方图规定化 18
3.4图像平滑与锐化 19
3.4.1平滑 19
3.4.2锐化 19
本章小结 21
第四章图像增强算法与实现 22
4.1灰度变换 22
58
4.2直方图均衡化 24
4.3平滑算法 25
4.4锐化 27
本章小结 28
结 论 30
致 谢 31
参考文献 32
附录1译文 34
附录2 英文参考资料 40
附录3源程序代码 51
第1章 绪论
在网络发展迅速的今天，Google可以搜索到与“image”一词有关的内容有五千多万条，然而，“image”至今还没有一个精确的定义。
甚至在webster词典中，“图像（image）”被等同于“图形（picture）”，被模糊的定义为“一种对绘画或摄影的简单表示”。
人类对于图像的认识和利用还停留在一个较低的层次，对于图像处理技术甚至图像定义本身还需要更多更深入的研究[1]。
1.1课题背景
数字图像处理技术是20世纪60年代随着计算机技术和VLS（VeryLargeScaleIntegrator}的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了巨大的成就[1]。
视觉是人类最重要的感知手段，图像又是视觉的基础。
早期图像处理的目的是改善图像质晕，它以人为对象，以改善人的视觉效果为目的。
图像处理中输入的是质量低的图像，输出的是改善质量后的图像。
常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得成功应用的是美国喷气推进实验室
（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片进行图像处理，如：
几何校正、灰度变换、去除噪声，并考虑了太阳位和月球环境的影响，由计算机成功地绘出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术探测研究中，数字图像处理技术都发挥巨大的作用[11]。
数字图像处理技术取得的另一个巨大成就是在医学上。
1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（ComputerTomograph）,CT的基本方法是根据人
的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年
EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术被授予诺贝尔奖，以表彰它对人类做出的划时代贡献。
从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术向更高、更深层次发展。
人们已开始研究如何用计算机系统解释图像，类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。
很多国家，特别是发达国家投入更多的人力、物力到这项研究，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
提出的视觉计算理沦，这个理论成为计算机视觉领域其后十多年的主导思想
[3]。
20世纪80年代末期，人们开始将其应用于地理信息系统，研究海图的自动读入、自动生成方法。
数字图像处理技术的应用领域不断拓展。
数字图像处理技术的大发展是从20世纪90年代初开始的。
自1986年以来，小波理论和变换方法迅速发展，它克服r傅里叶分析不能用于局部分析等方面的不足之处，被认为是调和分析半个世纪以来工作之结晶。
Ma11at于
1988年有效地将小波分析应用于图像分解和重构。
小波分析被认为是信号，图像分析在数学方法上的重大突破。
随后数字图像处理技术迅猛发展，到目前为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。
进入21世纪，随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。
属于这些领域的有航空航天、生物医学、机器人视觉、公安司法、军事制导、文化艺术等。
该技术成为一门引人注目、前景远大的新学科。
1.2图像增强的研究及发展现状
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[4]。
处理后的图像是否
保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
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[6]。
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。
如对x射线图片、CT影像、内窥镜图像进行增强，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行增强处理，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，克服因光线不足、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[5]。
在图像处理过程中，图像增强是十分重要的一个环节。
本文的主要内容就是围绕图像增强部分的一些基本理论和算法而展开。
基于MATLAB的图像增强算法研究。
1.3论文工作内容
图像增强的过程往往也是一个矛盾的过程：
图像增强既希望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图像变换、灰度变换、直方图变换、图像平滑与锐化、色彩增强等。
常用的一些图像增强方法是学习图像增强的基础，至今它们对于改善图像质量仍发挥着重要的作用。
本文着重研究了这些增强方法对图像进行增强处理，针对图像增强的普遍性问题，研究和实现常用的图像增强方法及其算法，讨论不同的增强算法的适用场合，并对其图像增强方法进行性能评价。
全文共分六章，具体安排如下。
第一章引言。
介绍图像增强技术的课题背景和意义、本文的研究内容。
第二章图像增强的基本理论。
阐述图像增强中用到的有关数字图像的一些
基本概念；
概述常用的一些图像增强方法及其特点，如灰度变换、直方图均衡化。
第三章图像增强方法与原理。
针对图像增强过程中遇到的问题，提出相应
的解决方法。
第四章图像增强算法与实现。
最后是总结与致谢，论文的结尾附有源程序代码。
第二章 图像增强的基本理论
2.1数字图像的基本理论
2.1.1数字图像的表示
图像并不能直接用计算机来处理，处理前必须先转化成数字图像。
早期一般用picture代表图像，随着数字技术的发展，现在都用image代表离散化了的数字图像。
由于从外界得到的图像多是二维（2-D）的，一幅图像可以用一个2-D数组f（x,y）表示。
这里x和y表示二维空间X、Y中一个坐标点的位置，而f则代表
图像在点（x,y）的某种性质数值。
为了能够用计算机对图像进行处理，需要坐标空间和性质空间都离散化。
这种离散化了的图像都是数字图像，即
f（x,y）都在整数集合中取值。
图像中的每个基本单元称为图像的元素，简称像素[3]。
2.1.2图像的灰度
常用的图像一般是灰度图，这时f表示灰度值，反映了图像上对应点的亮度。
亮度是观察者对所看到的物体表面反射光强的量度。
作为图像灰度的量度
函数f（x,y）应大于零。
人们日常看到的图像一般是从目标上反射出来的光组
成的，所以
f（x,y）可看成由两部分构成：
入射到可见场景上光的量；
场景中
目标对反射光反射的比率。
确切地说它们分别称为照度成分
i（x,y）和反射成
分r（x,y）。
f（x,y）与i（x,y）和r（x,y）都成正比，可表示成
r（x,y）。
f（x,y）＝i（x,y）×
将二维坐标位置函数
f（x,y）称为灰度。
入射光照射到物体表面的能量是
有限的，并且它永远为正，即0<
i（x,y）<
¥
；
反射系数为0时，表示光全部被物体吸收，反射系数为1时，表示光全部被物体反射，反射系数在全吸收和全反射之间，即0<
r（x,y）<
1。
因此图像的灰度值也是非负有界的[7]。
2.1.3灰度直方图
灰度直方图是数字图像处理中一个最简单、最有用的工具，它反映了数字图像中每一灰度级与其出现频率之间的统计关系。
可以有针对性地通过改变直方图的灰度分布状况，使灰度均匀地或按预期目标分布于整个灰度范围空间，从而达到图像增强的效果[16]。
灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，如图2.1所示，（b）为图像（a）的灰度直方图，其横坐标表示像素的灰度级
别，纵坐标表示该灰度出现的频率（像素的个数）。
（a） （b）
图2.1 a为原图像 b为a的灰度直方图
2.2数字图像增强概述
随着数字技术的不断发展和应用，现实生活中的许多信息都可以用数字形式的数据进行处理和存储，数字图像就是这种以数字形式进行存储和处理的图
像。
利用计算机可以对它进行常现图像处理技术所不能实现的加工处理，还可以将它在网上传输，可以多次拷贝而不失真[8]。
数字图像处理亦称为计算机图像处理，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。
数字图像处理系统主要由图像采集系统、数字计算机及输出设备组成[5]。
如图2.2所示。
（图要自己画）
图2.2数字图像处理系统
图2.2仅仅是图像处理的硬件设备构成，图中并没有显示出软件系统，在图像处理系统中软件系统同样是非常重要的。
在图像获取的过程中，由
升级会员 