红外图像的处理及其MATLAB实现.docx
《红外图像的处理及其MATLAB实现.docx》由会员分享，可在线阅读，更多相关《红外图像的处理及其MATLAB实现.docx（13页珍藏版）》请在冰豆网上搜索。
红外图像的处理及其MATLAB实现
红外图像的处理及其MATLAB函数实现
0•引言
砸着红外技术日新月异的发展，纟I外技术在军事员人们日常生活中有着越来
越广泛的应用。
但由于红外探照灯及红外探测器件的限翎,红外成像系筑的成像效果的然不昵理想。
在民用监測应用中，主要表现为夜视距离近，图像背景与被监测目标之间对比度模翩，被监测目标细节难以辨认，图像特征信息不明确等方面。
为使图像更适于人眼观測、适用于图像后续目标识别及眼踪处理，有必要在红外图像果集和处理上做进一步的研究，来増強纟I外图像視觉效果。
1.红外图像的获取及其特点
1.1红外图像的获取
纟I外图像主要是由纟I外热像仪果集的。
纟I外热像仪是一种二维热图像成像装置。
热成像系筑是一个光学一电子系统,可用于接收渋长在0.75~100“n之间的电磁辐射，它的基本加能是将接收到的红外福肘转换成电信号,再将电信号的大小用灰度等级的形式表示，最后在显示器上显示岀来。
图1・1就是一张果集到的红外图像。
图1.1输人的红外图像
1.2红外图像的将虑
纟I外图像反映了目标和背景不可见纟I外辐射的空间分布，其辐射亮度分布主要由被观测景物的温度和发射率决定，因此红外图像ififtl®映了景物泪度差或辐射差。
根擴其成像原理，总结红外图像特点如下:
（1）虹外热图像表征景物的温度分布,是灰度图像，没有彩色或阴影（立休感觉），故对人眼而言，分需率低、分需潜力差；
（2）由于景物热平他、光波波长、传输距离远、大气衰减等原因，造成纟I外图像空同相关性强、对比度低、視觉效果模糊；
（3）热成像系筑的探测能力和空间分辦率低于可见光CCD阵列，使得红外图像的渭ffiSK于可见光图像;
（4）外界坏境的随机干扰和热成像系筑的不完善,鎗红外图像带来多种多样的噪声，比如热蝶声、散粒蝶声、1//S声、光子电子泓落喋声等等。
噪声来源多样，蝶声类塑繁多，这些都造成红外热图像喋声的不可预测的分布复杂性。
送些分布夏杂的II声使得红外图像的信諜比比普通电視图像低;
（5）由于纟I外探雷器各探测单元的响应特性不一致等原因，造成红外图像的非血匀tl,体现为图像的固定图案噪声、串扰、師变等。
由以上五亘可知，红外图像一般较略，冃目标与背景対比®lft,边缘模耕，视觉效果差。
通过以上比较分折，可以总结:
可见光图像习红外图像的成像机理虽然不同（可见光图像是利用物体对光线的反射来获得的,而红外图像是靠物体自身的红外辐射获取的）,但在况下，可见光图像与红外图像的视觉效果和直方图特征均相同，因此可以果用低照度可见光图像的处理方法来处理红外图像。
2.虹外图像的増强
2.1图像増舉
图像增强是指对图像的某些特征,如边缘、轮嘲、对比度等»ff»调或突显,以便于观察或做进一步的分析庁处理。
图像增强不意味着能增加原始的信息,有时甚至会损失一些信息，但图像增强的给果剂能加强对特定信息的识别能力，便图像中感兴趣的特征得以加强，从而使这些特征的检测和识别变得更加容易。
图像帽顒方法的分类如图2.1所示:
广空间域法彳邻域增强』
声消除法邻域平均法中值濾波梯度倒数加权选择式模板乎滑
「拂度法
拉普拉斯算子高斯•拉普拉斯算子陆通波波
模板匹配法
J统计差值法
严假彩色处理
「低通滤波
J频域法］高通滤彼匚同态滤波
S2.1图像増强方法
下面我们主要介绍其中的几种増強方法。
2.2虹外图像的直方图均衡化
2.2.1图像的直方图
庾度直方图是用于表迭图像京度分布悄猊的筑it图表，有一维直方图和二维
直方图之分。
其中最常用的是一维直方图。
它具有以下三个II质：
（1）图像与直方图之间是名对一的映射关系；
（2）只表示图像毎一贡度级出现的顒数,而失去了具有该庾级的像素的位置信息;（3）_幅图像各子区直方图之和等于该图像的全图直方图。
一幅图像的直方图可以提供下列信息:
（1）每个.灰度级上像素出现的頫数;
（2）图像像素值的別态范围;
（3）整幅图像的大致平均明H;
（4）图像的整休对比度悄况。
因此，在图像处理中直方图是很有用的决策和评价工具。
直方图统计在对比度应伸、灰度级修正、动态范围调整、图像整、模塑化等图像处理方法中发挥了很大的作用，在本文后面的讨论中将可以看到直方图的重要作用。
比较红外图像与可见光图像的直方图,可以总结其宜方图特点如下:
⑴像素灰度值动态范围不大，很少充满整个质度级空间；而可见光图像的像素则分布干几平整个灰度级空间。
（2）绝大部分像素集中干某些相邻的灰度级范围，这些范围以外的灰度级上则没有或只有很少的像素；而可见光图像的像素分布则比较均匀。
（3）a方图中有明显的哗存在，多数悄况下为单峰或双峰，若为双峰，则一般主峰为信号，次晔为蝶声；而可见光图像直方图的眸不如红外图像明显，一般多个障同时存在。
以上特点是大名数纟I外图像直方图所具备的，但也不绝对。
实际中的红外图像可能会由于气候条件、坏境温度等因素的影附，呈现出与上述特贞不完全一致的悄形。
图2.2为原红外图像的荻度图和貞方图直方图
aTFigiirel
HieEditviewinserttoolsDesktopwirdoA/helpw
AJ怎*、-、V；◎农必•耳□目=EJ—
原始图像的灰度图
02.2原始图像的灰度图和宜方图
2.2.2直方图的均斛
直方图均術的作用是改变图像中SIH1率分布，使其均匀化.其实质是使图像中^8K率密度较大的像素向fflifiSH级扩展，因而灰度层次垃开,而阀率密度较小的像素灰度级收缩，从而辻岀原来占有的部分灰度级，这样的处理使图像充分有效地利用各个灰度级，因而增强了图像对比度。
由前一章纟I外图像特点的分折可知，纟I外图像普遍存在着灰度级比较集中，层次感差等间题，果用直方图均術算法来进行处理，可以使其灰度级尽量拉开，从而达到湘比度塔強的效果。
下面探讨一下直方图均衡的具体步骤。
设一帽图像的像素为”，共有l个灰度级，你代表灰贋级为-的像素的数目，则第£个京度
级出现的槪率（对于灰度级为离歆的数字图像，用擬率来代替做率）可表示为:
p,w=-
11
其中，0"—0,1,2…乙-1。
对其进行均衞化后的函数7V）的离歆形式可表
示为：
r-0/-□n
式中，0“—0,127-1。
可见，均衡后各像素的灰度值比可直接由原图
像的直方图得到。
（b）
（C）
图2.3后的图像对比
实验证明,直方图均術对大多数红外图像有效,效果明显,图像对比度大大增强,原本視觉效果模栅的图像变得清晰，目标的纳节得到了突出,方法简单,容易实现，在实裁中具有重要克义。
通il以上的理论分析和对具体红外图像的处理，可以得出关于直方图均痢的几个结论:
⑴直方图沟炳实质上减少质度等级以換取对比度的加大。
直方图均術化的处理11程中岀现了相邻灰度级合并的现象，即原来直方图上蹶数较小的庾度级被IH人很少几个或一个灰度级内，并目可能不在原来的灰度级上；
（2）均fti后的直方图并非完全平坦，这是因为在离散灰度下，直方图只是近做的陽率密度;
（3）当被合并掉的灰度级构成的是重要细节，则均炳后细节信息损失较大。
因此可果用局部直方图均術法来
（4）在对比度1§强处理中，直方图均fti比灰度线性交换、指数、对数变换的运算速度慢，但比空间域处理和变换域处理的速度快。
因此在实时处理中，直方
图均痢是一种常用的方法;
（5）直方图均画虽然増大了图像的对比度，但柱往处理后的图像視觉效果生硕、不服柔和，有时甚至会造成图像质量的恶化。
另外，均師后的蝶声比处理前明显，这是因为均衡没有区分有用信号和蝶声，当原图像中喋声较多时，蝶声被®强。
2.3Laplacian算子鋭化算法
Laplacian算子是线性二次傲分算子,具有蔭转不变性,可以满足不同走向
的图像遡界的锐化要求，对于图像F（3MLaplacian算子为:
Laplacian算子規化后的图像具有以卞特征:
（1）在荻厦均匀区同或灰度斜披跚分为零，在灰度钟玻的起始业和终自业不
图2.4Laplacian算法处理甫后图像
2.3中值滤波算法
中值滤波是常用的一种非线性平滑滤波。
它是一种邻域运算，类做于卷枳，但不是加权求和廿算，而是把邻域中的像素按灰18等级进行排序，然后选择改组的中间值作为输岀像素值。
他能毓弱或消除傅立叶空同的高频分量，但影响低额分量。
因为高频分量对应图像中的区域ill缘和灰度值具有较大变化的甜分，因此IK率波可以稱这些分量滤除，使图像平滑。
其主要原理是：
首先确定一个以某个像素为巾心戊的邻域，一股为方形领域;然后将邻域中的各个像素的灰II值进行排序，取其中同值作为中心虑像素京度的新值，这里的邻域通常被称为窗口；当窗口在图像中上下左右进行務动后，利用中值滤波算法可以很好地对图像2H亍平滑处理。
操作步骤如下：
（1）将模板在图像中務动,并将模板中心与图像中心某个像素的位置重合;
（2）读取模版下各对应像素的灰度值;
（3）将这些小到大排列成一列;
（4）找出排在中同的一个值;
（5）将这个中间值K给对应模板中心位置的像素。
中值滤液的输出像素是由邻域图像的中同値决定的,因而中值滤波对极限像素値（与周围像素灰度值差别较大的像素）远不如平均值那么敏感，从而可以消除张立的諜声直，Q可以保持图像的细节。
设/Cv,y）表示数字图像像素点的灰度值，滤波窗口为4的中值滤波器定义为：
G（xyy）=Median{G（xyy））
（x.y）€A
巾值滤波的优矜在于它能够保护图像的ifi缘信息，而目可以岀去图像中含有的无用的图像噪声，通常要求窗宽的一半大于喋声的延续宽1§。
中值滤波器的窗口形状和尺寸对滤波影响都很大，在不同的图像内容和不同的要求下，应该采用不同的形状和尺寸。
通常有线性、方形、十字形、圆坏形等，而窗口的尺寸由小变大逐步增大点数，貞到取得满恵的滤波效果。
一般而言，对于变化缓慢的目具有较长轮鸠线物休的图像,可采用方形或冏形。
而对于具有尖角物体的图像可果用十字窗口。
原始图像的灰度图中值滤波后的灰度图
I
I
厂
BolS
B1B
!
1
flW
11昭
；s
S〔J|
■-fr-=
F
a
图2.5中值后的图像
3.红外图像的边缘检雷
3.1血缘检剧
边缘检测是图像处理的重要内容之一，它是图像分訓、目标区域的识别、区
域形状特征提取等图像分折的基础。
本节主要介鉛边缘检测方法Robert,Sobel,
Prewitt,Laplacian-Gaussian（LOG）,Canny和数学形态学法o
3.2常用的址缘检JI方址
边缘是图像的最基本的特征，边缘中包含着有价值的目标边界信息，迪些信息可以用作图像分目标识别。
常用的检测方法有：
（1）Robert算子
Robert算子是利用局部查分算子寻找边缘的算子，它是2x2算子，对具有徒断的低蝶声图像响应最好，但是Robert算子提取边缘的结果边缘较粗，因此边缘定位不很准确。
⑵S。
％/算子
So呢Z算子是一阶撤分算子，它利用像素U近区域的梯度来廿算1个像素的悌II,然后根据一定的岡值来取舍，它是3x3算子模版，对边缘的定位比较准确,对京度浙变繰声较多的图像处理的较好。
（3）Prewitt算子
Prewitt算子是一种加权平均算子,它不仅能检測边练，而目能抑制蝶声的
（4）LOG（Laplacian-Gaussian）算子
厶OG算法的优点是能过滤蝶声，缺点是可能將原有的ill缘也给平滑了，告示函数的方差直接影响到边缘检测的结果。
此检测方法对噪声比较敏感。
（5）Canny算子
Cag是一阶传筑fit分算子巾检測阶跌里边缘效果最好的算子之一，它比
Prewitt算子、Sobel算子、Laplacian算子的去喋能力都強，但它也容易平滑掉一些边缘信息。
（6）数学形态学检测方法
数学形态学是图像处理和图像识别技术的发展，是用数学方法描述或分折一
个物体的形态的理论和方法。
其运算是形态学图像处理的基础，常见的形态学运
算有腐蚀和撕胀两种。
腐it是一种消除ii界点，使ill界向内88收缩的过程,腸张
是将习物体接顒的所有背景点合并到该物体中,是在二値图像中“加长”或“变
8T的操作。
利用该標作,可以填补物体的空洞。
@3.1边缘检池结果示意图
4.Matlab程序
B1=histeq（B）;
二、绘制直方图
[m,n]=size（B）;
%测量图像尺寸参数
C=zeros（1,256）;fork=0:
255
%預刖建存笊灰度岀现枫率的向量
C（k+1）=length（find（B==k））/（m*n）;%廿算毎级灰度出现的榔率，将其存入c中相JO置
end
bar（O:
255,C,0）
title（猱图及度直方图?
xlabelC灰度值'）ylabel（•岀现视率・）
三、直方图均衡化
S1=zeros（1,256）;
tori=1:
256
forj=1:
i
S1（i）=C（j）+S1（i）;
end
end
S2=round（（S1*256）+0.5）;
fori=1:
256
C1（i）=sum（C（find（S2==i）））;
end
ba「（0:
255£1,b）
title。
均飯化后的宜方图'）xlabef京度值'）ylabelC出现（ft率'）
%绘晴頁方图
%it算Sk
%将Skifl到相近级的灰度
%计算现有每个贡度级出现的辄率
%显示后的1方图
A1=A;
fori=0:
255
A1（find（A==i））=S2（i+1）;
索
end
imshow（A1）
title（'均働化后图像'）
imwrite（A1/PicEquaLbrnp*）;
五、Laplacian算子锐化算法
%将各个像sra-it后的灰度值敬给这f像
%显示后的图像
HUfspecialClaplacian1）;
L=imfilter（A,H1）;subplot（1,2,1）jmshow（A）;title（'原始图像'）subplot（1,2,2）,imshow（L）;title（塊化后的图像'）衣、中值滤波算法
M=medfilt2（B）;
subplot。
21）,imshow⑹;
subplot（1,2,2）,imshow（B）;
%laplacian代表laplace滤玻器
%进行滤渋
%对原始图像的灰度图迪行中值激彼偉法处理
%庾度化后的数据存人数纽
%將图像转化为双精8SS8
%用prewittM检測
%用robert算子进行边缘檢測
%用1_06算子进行边缘檢鬧
%用canny算子进行边绿枪測
%用sobel算子进行边缘检測
%图像求反，便于用腐算法求边辣
%定义附3复试给构元素
%關读运算
%检甫边缘
七、各神缘检側算法
%读入红
A=imread（'C:
\DocumentsandSettings\Administrator\桌面VLJPGJ;
外图像文件
B=rgb2gray（A）;
b=im2double（B）;
PF=edge（B,'prewitt1）;
RF=edge（B/robert'）;
LF=edge（B,'log,）;
CF=edge（B/canny,）;
SF=edge（B/sober）;
D=~A;
SE=strel（,square*,3）;
J二imerode（~D,SE）;
MM二（~D）-J;imshow（PF）;
titleCprewitt算子进行检河'）imshow（RF）;
titleCrobert算子进行检滇"）imshow（LF）;
titleCLOG算子进行检溯）
imshow（CF）;
titleCcanny算子进行枪測'）imshow（SF）;
title（'sobel算子进行检池'）imshow（MM）;
titleCfi学形盗学进行检IT）
（2）对细节有较强的相应;
正是由于有这些特点，使其可以勾划岀图像区域的边缘轮爾。
因此
Laplacian算子对边彖检測具有很好的功效。
升级会员 