数字图像处理算法设计之图像增强Word文档下载推荐.docx

数字图像处理算法设计之图像增强Word文档下载推荐.docx

《数字图像处理算法设计之图像增强Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《数字图像处理算法设计之图像增强Word文档下载推荐.docx（29页珍藏版）》请在冰豆网上搜索。

【摘要】图像作为一种有效的信息载体，是人类获取和交换信息的主要来源。

人类感知的外界信息80％以上是通过视觉得到的。

因此。

图像处理的应用领域必然涉及到人类生活和工作的方方面面。

图像增强是对图像的低层次处理，处于图像处理的预处理阶段。

它是图像处理的一个重要环节，在整个图像处理过程中起着承前启后的重要作用，对图像高层次处理的成败至关重要。

其目的就是为了改善图像的质量和视觉效果，或将图像转换成更适合于人眼观察或机器分析识别的形式，以便从图像中获取更加有用的信息。

通过对频域法图像增强理论的理解，本文分析了频域法的低通滤波、高通滤波。

在此基础上，利用MATLAB对理想的滤波器、巴特沃斯滤波器和高斯滤波器进行编程与仿真，并对其结果进行分析与比较，表明低通滤波和高通滤波都能较好的改善图像质量。

【关键词】图像增强；

频域；

滤波

1.引言

1.1选题背景

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。

数字图像处理（DigitalImageProcessing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，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。

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。

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量[10]。

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。

图像处理工具箱提供一套全方位的参照标准算法和图形工具，用于进行图像处理、分析、可视化和算法开发。

可用其对有噪声图像或退化图像进行去噪或还原、增强图像以获得更高清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配。

工具箱中大部分函数均以开放式MATLAB语言编写。

这意味着可以检查算法、修改源代码和创建自定义函数。

图像处理工具箱在生物测定学、遥感、监控、基因表达、显微镜技术、半导体测试、图像传感器设计、颜色科学及材料科学等领域为工程师和科学家提供支持。

它也促进了图像处理技术的教学。

1.2图像增强的发展现状

数字图像处理的发展历史不长，但已经引起了各方面人士的注意。

数字图像预处理是数字图像处理的基本内容，而图像增强是图像预处理部分的主要内容。

数字图像处理技术起源比较早，但真正发展是在八十年代后，随着计算机技术的高速发展而迅猛发展起来。

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。

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。

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[1]。

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。

常用的图像增强处理方式包括灰度变换、直方图修正、图像锐化、噪声去除、几何畸变校正、频域滤波和彩色增强等。

由于图像增强与感兴趣的物体特性、观察者的习惯和处理目的密切相关，尽管处理方式多种多样，但它带有很强的针对性。

因此，图像增强算法的应用也是有针对性的，并不存在一种通用的、适应各种应用场合的增强算法。

于是，为了使各种不同特定目的的图像质量得到改善，产生了多种图像增强算法。

这些算法根据处理空间的不同分为基于空间域的图像增强算法和基于变换域的图像增强算法[14]。

基于空间域的图像增强算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增强算法；

基于变换域的图像增强算法可以分为频域的平滑增强算法、频域的锐化增强算法以及频域的彩色增强算法。

尽管各种图像增强技术已取得了长足的发展，形成了许多成熟、经典的处理方法，但新的增强技术依然在日新月异地发展完善，不断推陈出新，其中尤其以不引起图像模糊的去噪声方法（如空域的局部统计法）和新的频域滤波器增强技术（如小波变换，K—L变换等）最为引人瞩目。

1.3论文研究内容

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。

本文主要围绕图像增强算法而展开，着眼于图像优化过程中的预处理，在阐明图像增强处理的基本方法，如灰度变换、直方图修正、图像锐化、噪声去除和频域滤波增强的基础上，就几种有代表性的图像增强算法进行研究、比较，分析各自的特点，再用MATLAB实现这些算法，对一些低质量的图像进行处理，以期达到优化的目的。

全文共分为五章，具体安排如下：

第一章引言。

介绍图像增强技术的课题背景、发展现状和意义，以及本文的研究内容。

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、频域滤波等。

第三章频域图像增强的原理和方法。

选取图像增强中比较典型的频域处理方法进行说明，详细介绍其基本原理和算法。

第四章频域图像增强算法的实现。

这一章将通过MATLAB来实现频域图像增强的算法，通过具有代表性的几种滤波方法对图像进行优化处理，来验证上一章所提出的算法。

第五章总结与展望。

总结本文的研究工作，对以后的研究课题进行展望。

2.图像增强基本理论

2.1图像和数字图像

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函数f（x,y）来表示，这里x和y表示2-D空间XY中的一个坐标点，而f则代表图像在点（x,y）某种性质F的数值。

例如常用的图像一般是灰度图，这时f表示灰度值，当对可见光成像时，灰度值对应客观景物被观察到的亮度。

常见图像是连续的，即f,x,y的值可以是任意实数。

为了能用计算机对图像进行加工，需要把连续的图像在坐标空间XY和图像性质空间F都离散化。

这种离散化了的图像就是数字图像。

表达数字图像的2-D数组f（x,y）中，f,x,y都在整数集合中取值[4]。

F=

（1）

早期英文书籍里一般用picture代表图像，随着数字技术的发展，现都用image代表离散化了的数字图像。

图像中每个基本单元叫做图像元素，简称像素（pictureelement）.对2-D图像，英文里常用pixel（也有用pel）代表像素[2]。

一幅图像在空间上的分辨率与其包含的像素个数成正比，像素个数越多，图像的分辨率越高，也就越有可能看出图像的细节。

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

。

如果将图像中像素亮度（灰度级别）看成是一个随机变量，则其分布情况就反映了图像的统计特性，这可用ProbabilityDensityFunction（PDF）来刻画和描述，表现为灰度直方图（Histogram）。

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1a为原图像b为a的灰度直方图

2.2数字图像增强概述

图像增强技术是要通过对图像的加工，获得视觉效果更“好”，或看起来更“有用”的图像的技术[4]。

对灰度图像，这种视觉效果的改善常借助改变各个像素的灰度来实现。

具体说来，设原始图像在（x，y）处的灰度为f,而改变后的图像为g，则对图像增强的方法可表述为将在（（x,y）处的灰度f映射为g。

在很多情况下，f和g的取值范围是一样的，下面设均在[0,L—1]中，L为图像的灰度级数。

对不同的灰度f可以根据不同的规则将其映射为g，这些规则有时可写成解析式子，有时只能用函数曲线（称为变换曲线）来表示。

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[13]。

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。

数字图像处理系统由硬件和软件组成，包括采集、显示、存储、通信、主机和图像处理软件，如下图所示：

图2数字图像处理系统

图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，由于设备的不完善及光照等条件的影响，不可避免地会产生图像降质现象。

改善降质图像通常有两类方法：

一是不考虑图像降质的原因，只将图像中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像并不一定要去逼近原图像；

二是针对图像降质的具体原因，设法补偿，使改善后的图像尽可能地逼近原始图像。

数字图像处理流程如图3所示，从一幅或是一批图像的最简单的处理，如特征增强、去噪、平滑等基本的图像处理技