基于灰度变换的图像处理.docx
《基于灰度变换的图像处理.docx》由会员分享，可在线阅读，更多相关《基于灰度变换的图像处理.docx（44页珍藏版）》请在冰豆网上搜索。
基于灰度变换的图像处理
（2009届）
本科毕业设计（论文）资料
题目名称：
基于灰度变换的图像处理
系统的实现
学院（部）：
计算机与通信学院
专业：
通信工程
学生姓名：
简琪樱
班级：
通信052
学号0540820218
指导教师姓名：
刘立
职称副教授
最终评定成绩：
湖南工业大学教务处
2009届
本科毕业设计（论文）资料
第一部分设计说明书
（2009届）
本科毕业设计（论文）
基于灰度变换的图像处理系统的实现
学院（部）：
计算机与通信学院
专业：
通信工程
学生姓名：
简琪樱
班级：
通信052
学号0540820218
指导教师姓名：
刘立
职称副教授
最终评定成绩
2009年6月
摘要
图像是人的视觉基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。
图像是人类获取和交换信息的主要来源，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。
图像增强是对图像质量在一般意义上的改善。
当无法知道图像退化有关的定量信息时，可以使用图像增强技术较为主观地改善图像的质量。
所以，图像增强技术是用于改善图像视感质量所采取的一种方法。
图像灰度变换是图像增强处理技术中一种非常基础、直接的空间域图像处理方法，也是图像数字化软件和图像显示软件的一个重要组成部分。
灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。
目的是为了改善画质，使图像的显示效果更加清晰。
本文从图像求反、调整灰度值、直方图修正等灰度变换来叙述，并通过设计基于灰度变换的图像增强系统来完成这些功能，实现图像增强。
关键词：
图像，灰度，变换，增强，像素
ABSTRACT
Thevisualimageisthebasisoftheobjective,andtoreflectthenatureofhumanunderstandingoftheworldandanimportantsourceofmankinditself.ImageisthemainsourceofHumanaccessandexchangeofinformation，therefore,thefieldofimageprocessingapplicationswillinevitablyinvolvethehumanaspectsoflifeandwork.ImageEnhancementisinthegeneralsenseofimprovementofimagequality.Whenwedon'tknowthequantitativeinformationofimagedegradation,wecanusetheimageenhancementtechnologytoimproveimagequalityfromthesubjective.Therefore,imageenhancementtechnologyisonewaytoimprovethequalityofimagesfromthesense.
Imagegray-scaletransformationisabasicanddirectmethodofairspaceimageprocessingtechnologyinimageenhancementaswellasanimportantcomponentofdigitalimagesoftwareandimagedisplaysoftware.Gray-scaletransformationisamethodtocertainobjectivesinaccordancewiththeconditionsundertheconditionsaccordingtoacertainpointbypointtransformtherelationshipbetweengrayvalueofpixels.Thepurposeistoimprovethequality,sothattheeffectofimagedisplayismoreclearly.
Inthispaper,itdiscribesfromtheaspectssuchasanti-image,adjustingthegrayvalue,histogramamendments,andthedesignworksisbasedongray-scaletransformationoftheimageenhancementsystemtoaccomplishthesefunctionstoachieveimageenhancement.
Keywords:
image,gray,transform,enhancement,pixel
目录
第一章绪论1
1.1选题意义及背景1
1.2研究现状2
1.3本文结构3
第2章图像增强4
2.1概述4
2.2空域处理增强5
2.2.1直接灰度变换5
2.2.2直方图修正7
2.2.3中值滤波10
2.3巴特沃斯滤波11
第3章系统需求分析12
3.1系统需求12
3.2开发环境的选择13
第4章MATLAB概述15
4.1MATLAB简介15
4.2MATLAB的特点15
4.3GUI设计17
4.3.1认识GUI环境17
4.3.2GUI设计原理19
4.3.3GUI设计步骤19
4.3.4GUI组件的布局19
4.3.5GUI控件的属性控制20
4.3.6菜单的添加20
第5章系统的设计22
5.1系统模块生成22
5.2系统实现23
5.2.1文件模块24
5.2.2编辑模块25
5.2.3噪声模块33
5.2.4滤波模块35
5.2.5帮助模块38
结论39
参考文献40
致谢42
第一章绪论
1.1选题意义及背景
图像是人类获取和交换信息的主要来源，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。
随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。
在航天和航空技术方面、生物医学工程方面、通信工程方面多媒体通信、工业和工程领域中图像处理、军事公安方面、文化艺术方面图像处理技术都有很重要很广泛的应用。
从动画制作到军事侦察照片，从服装设计制作到对火星照片的处理，图像处理都扮演着剧组举足轻重的角色，它已经渗入到我们生活的方方面面。
获得图像信息是非常重要，但目的不仅仅是为了获得图像，而更重要的是将图像信息进行处理，在大量复杂的图像中找出我们所需要的信息。
因此图像信息处理在某种意义上讲，比获得图像更为重要，尤其是在当今科学技术迅速发展的时代,对图像信息处理提出了更高的要求，以便更加快速、准确，可靠地获得有用信息。
影响系统图像清晰程度的因素很多，例如室外光照度不够均匀就会造成图像灰度过于集中；由CCD（摄像头）获得的图像经过A/D（数/模转换，该功能在图像系统中由数字采集卡来实现）转换、线路传送都会产生噪声污染等等。
因此图像质量不可避免的降低了，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。
因此，在对图像进行分析之前，必须要对图像质量进行改善。
图像处理（imageprocessing）用计算机对图像进行分析，以达到所需结果的技术[1]。
图像处理一般指数字图像处理。
数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。
图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。
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[2]。
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、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
随着图像处理技术的深入发展，从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，实现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，取得了不少重要的研究成果。
其中代表性的成果是70年代末MIT的Marr[5]提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。
图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。
1.2研究现状
图像增强作为图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了重要作用。
目前由于还没有一种通用的衡量图像质量的指标能够用来评价图像增强方法的优劣[7]，图像增强理论有待进一步完善。
因此，图像增强技术的探索具有试验性和多样性。
增强的方法往往具有针对性，以至于对某类图像效果较好的增强方法未必一定适用于另一类图像。
在实际情况中，要找到一种有效的方法常常必须广泛的进行实验，在没有给定图像怎样被降低质量的先验知识时，要预测某种具体方法的效用是很困难的。
经常采用的方法是，使用几种增强技术的组合或使用调节参量的方法。
要取得对一幅图像较好的改善效果，有时要综合运用多种增强方法，发挥每种方法的特长，这就要求我们依据图像结构的特点和图像处理的要求，选用相应的增强方法。
对于某种具体的图像增强方法，观看增强图像的效果，分析取得较好效果的图像的特点，这样可以加快对图像增强方法的选取。
调节参量是图像增强时经常使用到的一种方法，如何确定参量最佳数值，是取得较好图像效果的关键因素。
因而图像增强的最大困难是，很难对增强结果加以量化描述，只能靠经验、人的主观感觉加以评价。
同时，要获得一个满意的增强效果，往往需要人机的交互作用[25]。
随着对图像增强技术研究的不断深入，新的图像增强方法不断出现。
目前主要分为如下几类。
1．传统的图像增强方法
传统的图像增强的处理方法基本可以分为空域图像增强和频域图像增强两大类。
为了适应图像的局部特性，基于局部变换的图像增强方法应运而生，如局部直方图均衡化、对比度受限自适应直方图均衡化、利用局部统计特性的噪声去除方法。
目前还将一些学科与图像处理相结合，如基于神经网络的脉冲噪声滤波技术、基于纹理分析的保细节平滑技术等。
2．多尺度分析的图像增强方法
多尺度分析又称为多分辨率分析，它是由Matlab于1989年首先提出的。
以小波变换为代表的多尺度分析方法，被认为是分析工具及方法上的重大突破。
小波分析在时域或频域上都具有良好的局部特性，而且由于对高频信号采取逐步精细的时域或空域步长，从而可以聚焦到分析对象的任意细节。
3．数学形态学增强方法
数学形态学是用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到对图像分析和识别的目的。
它的数学基础是集合论，最基本的形态学算子有腐蚀、膨胀、开和闭。
数学形态学增强技术主要是形态学平滑去噪技术，相对图像开启然后再闭合，是一种对图像进行平滑的方法。
这两种操作的综合效果是去除或减弱亮区和暗区的各类噪声。
基于数学形态学的形态学滤波器可借助先验图像的几何信息，利用数学形态学算子有效的去除噪声，同时又可以保留图像中原有信息。
4.模糊增强方法
近年来不少学者致力于把模糊集理论引入图像处理和识别技术的研究。
由于图像本身的复杂性，多灰度分布所带来的不确定性和不精确（即模糊性），使得用模糊集合理论进行图像处理成为可能。
模糊集方法和神经网络、遗传算法结合用于图像增强的方法正在研究之中。
由于没有图像增强的通用标准，主要是根据人眼的主观判断和经验知识，结合人类的视觉特性模型，基于人类视觉的图像增强技术也成为一种研究趋向。
1.3本文结构
本论文介绍了基于灰度变换的图像增强系统的具体实现，有直方图灰度变换、均衡化，图像取反，二值化，灰度切割、灰度变换，在此基础上给图像加入少量噪声，用滤波的方法把含有噪声的图像恢复。
整个系统在灰度图像方面有比较好的实现效果，已经达到了要求。
本文共5章，各章结构安排如下：
第1章对选题意义及背景、研究现状以及本文的结构安排做了简单的叙述。
第2章则介绍图像增强采取的基本理论和基本方法，对处理图像实现的方法进行理论叙述。
包括直接灰度变换如图像求反、灰度切割，直方图均衡化、中值滤波以及巴特沃斯滤波的基本理论。
第3章则分析系统需要完成的功能，详细介绍了设计思路以及为什么要用MATLAB作为系统开发软件。
第4章简要介绍设计系统所用软件MATLAB的特点。
第5章则主要介绍系统实现的功能以及如何实现这些功能。
第2章图像增强
2.1概述
图像是人的视觉基础，是自然景物的客观反应，是人类认识世界和人类本身的重要源泉。
“图”是物体反射或透射光的分布，“像”是人的视觉系统所接受的图在人脑中所形成的印象或认识。
照片、绘画、剪贴画、地图、书法作品、手写汉字、传真、卫星云图、X光片、脑电图等都是图像。
本文所说的图像都是指数字图像。
对于不同类型的图像，需要将图像转换成不同的图像类型。
需要注意的是，如果将图像从一种格式转换成为另一种格式，产生的图像看起来会和而原来的图像不同。
例如，如果把一幅彩色索引图像转换为灰度图像，产生的图像可能是彩色图像而不是灰度图像。
下表2-1列出了图形处理工具中所有的图像转换函数。
表2.1图像转换函数
函数
描述
dither
用抖动法（dithering）转换图像
gray2ind
灰度图像向索引图像转换
grayslice
设定阀值将灰度图转换为索引图
isbw
图像为二值图像则返回真
isgray
图像为灰度图像则返回真
isind
图像为索引图像则返回真
isrgb
图像为RGB图像则返回真
im2bw
设定阀值将图像转换为值维图像
im2double
将图像数据阵列转换为double型
im2uint8
将图像数据阵列转换为uint8型
im2uint16
将图像数据阵列转换为uint16型
ind2gray
索引图像向灰度图像转换
ind2rgb
索引图像向RGB图像转换
mat2rgb
将矩阵转换为灰度图
rgb2gray
RGB图像向灰度图转换
rgb2ind
RGB图像向索引图像转换
图像增强（imageenhancement）作为基本的图像处理技术，指按照特定的需要突出图像中的有用信息，同时，削弱或者去除某些不需要的信息的处理方法。
它可以是一个失真的过程，其目的是要增强视觉效果。
在图像增强过程中，不分析图像降低质量的原因，处理后的图像不一定逼近原始图像[8]。
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。
图像增强按所用方法可分成频率域法和空间域法。
前者基础是卷积定理。
它采用修改图像傅里叶变换的方法实现对图像的增强处理。
采用低通滤波（即只让低频信号通过）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。
空域处理法是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。
所采用的映射变换取决于增强的目的。
具有代表性的空间域算法有局部求平均值法和中值滤波[21]（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
频域处理则是先对图像进行正交变换，得到变换系数阵列，然后再进行处理，处理后再变换到空间域，得到处理结果。
2.2空域处理增强
在图像处理中，空域是指由像素组成的空间，空域增强的方法是指直接作用于像素的增强方法。
空域处理可以表示为：
g（x,y）=T[f（x,y）]（2.1）
其中，f（x,y）是增强前的图像，g（x,y）是增强处理后的图像，而T是对f的一种操作，其定义在（x,y）的邻域。
如果T是定义在每个（x,y）点上，则T称为点操作；如果T是定义在（x,y）的某个邻域上，则T称为模板操作[16]。
另外，T还能对输入的图像系列进行操作。
从操作容易实现的角度看，最常用的邻域的正方形，因此T操作最简单的形式是1×1（即点操作）的情况，在这种情况下，g的值仅依赖f在（x,y）点的值，T操作成为灰度变换函数，如果以s和t分别代表f和g在（x,y）点的值，则式（2.1）可以写成：
t=T（s）（2.2）
一般情况下像素的邻域比像素大，也就是说像素的邻域中除本身外还有其他像素。
在这种情况下，g的值不仅依赖f在（x,y）点的值，而且还与f在以（x,y）为中心的邻域内所有的像素值有关，如果仍然以s和t分别代表f和g在（x,y）处的灰度值，并以n（s）代表f在（x,y）邻域内像素的灰度值，则式（2.2）可以写为：
t=T（s,n（s））（2.3）
在邻域内实现增强操作常利用模板与图像卷积来实现[4]。
模板实际上是一个小小的二维阵列，模板中各元素的取值确定了模板的性质，如图像平滑、锐化等。
这种模板操作称为空间滤波。
2.2.1直接灰度变换
简单的说，灰度变换就是指对图像上各个像素点的灰度值x按某个函数T（）变换到y[11]。
例如为了提高图像的清晰度，需要将图像的灰度级整个范围或其中某一段（A，B）扩展或压缩到（A
，B
）；需要显示出图像的细节部分等都要求采用灰度变换方法。
灰度变换有时又被称为图像的对比度增强或对比度拉伸[1]。
假定输入图像中的一个像素的灰度级为Z，经过T（Z）函数变换后输出图像对应的灰度级为Z
，其中要求Z和Z
都要在图像的灰度范围之内[7]。
根据T（）形式，可以将灰度变换分为线性变换和非线性变换。
具体应用中采用何种T（），需要根据变换的要求而定。
直接灰度变换属于所有图像增强技术中最简单的一类，这种变换方法很多，下面介绍几种常用的方法。
1.图像求反
所谓对图像求反是将原图系那个灰度值翻转[2]，简单来说就是使黑变白，使白变黑。
假设对灰度级范围是[0,L-1]变换到[L-1,0],变换公式如下：
T=L-1-s（2.4）
这种方法尤其适用于增强嵌入于图像暗色区域的白色或灰色细节。
2.图像灰度化
在RGB模型中，如果R=G=B，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值[18]（又称强度值、亮度值），灰度范围为0-255。
可以用图像转换函数将一幅图转换为灰度图像。
3.灰度切割
灰度切割的目的是增强特定范围的对比度[19]，用来突出图像中特定灰度范围的亮度。
进行灰度切割有很多方法，常用的有两种方法：
一是将图像中感兴趣的灰度级一较大的灰度值t2来表示，而对另外的灰度级则以较小的灰度级t1显示。
这种灰度级变换的表达式为：
t2s1≤s≤s2
t=（2.5）
t1其他
图2.1（a）是这种灰度变换示意图，它可以将s1和s2的灰度级突出，而将其余灰度级变为某个低灰度级值。
另一个方法随感兴趣的灰度级以较大的灰度值进行显示，而其他的灰度级则保持不变。
这种灰度变换可用式（2.6）来描述，其示意图如图2.2（b）。
其中的[s1,s2]表示感兴趣的灰度范围。
t2s1≤s≤s2
t=（2.6）
s其他
L-1L-1
s1s2L-1s1s2L-1
（a）（b）
图2.2灰度切割变换曲线
4.对数变换
在某些情况下，例如，在显示图像的傅里叶频谱时，其动态范围远远超过显示设备的显示能力，此时仅有图像最亮部分可在显示设备上显示，而频谱中的低值将看不见。
在这种情况下，所显示的图像相对于原图像就存在失真。
要消除这种因动态范围太大而引起的失真，一种有效的方法是对原图像的动态范围进行压缩，最常用的是借助对数形式对动态范围进行调整[13]，其数学表达式如下：
t=Clog（1+|s|）（2.7）
其中，C为尺度比例常数，取值范围可以结合原图像的动态范围以及显示设备的现实能力来定。
例如，傅里叶谱的范围在[0,R]=[0,1.6×106],为了在一个8位的显示设备上进行显示,并充分利用显示设备的动态范围,那么,尺度比例常数C的大小为C=256/log（1+1.6*106）,再用式（2.7）对原傅里叶谱进行变换。
2.2.2直方图修正
1.直方图的定义
在图像处理中提到的直方图是指灰度直方图。
它定义为统计图像中具有某种灰度的像素数目（或频率=像素数目／图像总的像素个数）的函数。
灰度直方图概括了图像中各灰度级的含量，提供了原图的灰度值分布情况[12]，也可以说给出了1幅图所有灰度值的整体描述。
什么是灰度直方图呢？
灰度直方图（histogram）是灰度级的函数，它表示图像中具有每种灰度级的象素的个数，反映图像中每种灰度出现的频率[8]。
设变量r代表图像中像素灰度级。
在图像中，像素的灰度级可作归一化处理，这样，r的值将限定在下述范围之内：
0≤r≤1
在灰度级中，r=0代表黑，r=1代表白。
对于一幅给定的图像来说，每一个像素取得[0，1]区间内的灰度级是随即的，也就是说r是一个随即变量。
假定对每一瞬间它们是连续的随即变量，那么，就可以用概率密度函数pr（r）来表示原始图像的灰度分布。
如果用直角坐标系的横轴代表灰度级r，用纵轴代表灰度级的概率密度函数pr（r），这样就可以针对一幅图像在这个坐标系中作一条曲线来。
这条曲线在概率论中就是分布密度曲线（见图2.3）
图2.3图像灰度分布概率密度函数
从图像灰度级的分布可以看出一幅图像的灰度分布特性。
例如上图中的两个灰度密度分布函数中可以看出：
（a）的大多数像素灰度值取在较暗的区域，所以这幅图像较暗，一般在摄影过程中暴光过强就会造成这种后果；而（b）图像的像素灰度值集中在亮区，因此，图像（b）的特性将偏亮，一般在摄影中暴光太脆弱将导致这种结果。
当然，从两幅图像的分布来看图像的质量均不理想。
为了有利于数字图像处理，必须引入离散形式。
在离散形式下，用rk代表离散灰度级，用pr（rk）代表pr（r），并且有下式成立：
pr（rk）=nk/n0≤rk≤1
k=0，1，2，．．．．．．．，l-1（2.8）
式中nk为图像中出现rk这种灰度的像素数，n是图像中像素总数，而nk/n就是概率论中所说的频数。
在直角坐标系中作出rk与pr（rk）的关系图形，这
升级会员 