课程设计图像增强与分析.docx

课程设计图像增强与分析.docx

《课程设计图像增强与分析.docx》由会员分享，可在线阅读，更多相关《课程设计图像增强与分析.docx（8页珍藏版）》请在冰豆网上搜索。

课程设计图像增强与分析

第1章相关知识

1.1数字图像处理定义

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。

首次获得实际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使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，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，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，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，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。

数字图像处理取得的另一个巨大成就是在医学上获得的成果。

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获得了诺贝尔奖，说明它对人类作出了划时代的贡献。

与此同时，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。

1.2数字图像处理主要研究的内容

通过学习数字图像处理及其相关内容，对数字图像有了更深的认识。

数字图像处理涉及到了很多应用，是一门综合性很强的交叉学科，是未来技术向智能化发展的最富有前景，也最富有挑战的领域。

其主要内容有图像变换、图像增强、图像复原、图像压缩、图像分割。

其中主要详谈了图像压缩。

由于图像数据量的庞大在图像的存储、传输、处理时非常困难而图像压缩通过减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据，因此图像数据的压缩就显得非常重要。

图像变换中的变换都是酉变换，即变换核满足正交条件的变换。

经过酉变换后的图像往往更有利于特征抽取、增强、压缩和图像编码。

图像增强是增强图象中的有用信息，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，从而达到增强视觉效果的目的。

图像复原则通过处理退化图像使之更趋近于原图，满足人们视觉上的需要。

图像分割是在一幅图像中，把需要的图像从背景中分离出来，以便于进一步处理。

1.3数字图像处理的特点

（1）数字图像处理的信息大多是二维信息，处理信息量很大。

对计算机的计算速度、存储容量等要求较高。

（2）数字图像处理占用的频带较宽。

与语言信息相比，占用的频带要大几个数量级，这就对频带压缩技术提出了更高的要求。

（3）数字图像中各个像素是不独立的，其相关性大。

因此，图像处理中信息压缩的潜力很大。

（4）由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。

因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。

在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。

（5）数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。

由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。

另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。

1.4傅里叶变换相关知识

傅立叶变换是数字信号处理领域一种很重要的算法。

傅立叶原理表明：

任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。

而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。

1.5图像增强的概念

图像增强是数字图像处理过程中经常采用的一种方法。

图像增强是指按特定的需求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，也就是一种将原来不清晰的图像变的清晰或强调某些感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。

从纯技术上讲，图像增强技术基本上可分成两大类：

频域处理法和空域处理法。

频域处理法是采用了修改后的傅立叶变换的方法实现图像的增强处理。

空域处理法是直接对图像中的象素进行处理，例如增强图像的对比度，平滑噪声等。

本文分析了几种空域图像增强的原理，并通过实验对比验证图像增强的效果。

第2章课程设计分析

2.1直方图均化法

有些图像在低值灰度区间上频率较大，使得图像中较暗区域中的细节看不清楚。

这时可以将图像的灰度范围分开，并且让灰度频率较小的灰度级变大。

设原来的图像用f（x,y）来表示，用其灰度直方图替代灰度的分布密度函数pf（f），则直方图均化后的图像线性滤波一般采用的是领域平均法。

对于给定的图像f（x,y）中

的每一个点（m,n），取其领域s。

设s含有M个象素，取其平均值作为处理后所得图像象点（m,n）处的灰度。

设s是3*3的正方形邻域，点（m,n）位于s中心，则：

由于平滑噪声图像的特点，我们在这里人为的加上一些噪声

如图1，然后在matlab中使用如下代码实现线性滤波的效果图1。

直方均衡法的代码如下：

A=imread（'lena.jpg'）;

B=rgb2gray（A）;

figure,subplot（2,2,1）,imshow（B）;

subplot（2,2,2）,imhist（B）;

A1=imadjust（B,[0.20.5],[]）;

subplot（2,2,3）,imshow（A1）;

subplot（2,2,4）,imhist（A1）;

2.2中值滤波

中值滤波就是输出图像的某点象素等于该象素邻域中各象

素灰度的中间值。

给定的图像f（x,y）中的每一个点（m,n），取其领域

s。

设s含有M个象素{a1,a2,⋯aM}，将其按大小排序，若M是奇数

时，则位于中间的那个象素值就是修改后图像g（x,y）在点（m,n）处

的象素值；若M是偶数则取中间两个象素的平均值作为修改后图

像g（x,y）在点（m,n）处的象素值。

同上，我们在这里也人为的加上一些噪声如图2，然后在

matlab中使用如下代码实现中值滤波的效果图2。

C=imnoise（B,'salt&pepper'）;

h1=[0.10.10.1;0.10.20.1;0.10.10.1];

h2=1/4.*[121;242;121];

C1=filter2（h1,C）;

C2=filter2（h2,C）;

C3=medfilt2（C）;

figure,subplot（2,2,1）,imshow（C）;

subplot（2,2,2）,imshow（C1,[]）;

subplot（2,2,3）,imshow（C2,[]）;

subplot（2,2,4）,imshow（C3）;

h=[0-10;-14-1;0-10];

D1=imfilter（B,h）;

2.3图形锐化

锐化在数字印刷设计中非常重要。

扫描或者通过数字相机捕捉的图象会产生一定程度的模糊，锐化后尽可能设置输出的高光点和暗调点。

锐化可能使对比度超出现有的限制，引入多余的反射光或在阴影处损失细节。

具体代码如下：

D1=imfilter（B,h）;

d2=fspecial（'sobel'）;

D2=imfilter（B,d2）;

D3=edge（B,'roberts',0.1）;

figure,subplot（2,2,1）,imshow（B）;

subplot（2,2,2）,imshow（D1）;

subplot（2,2,3）,imshow（D2,[]）;

subplot（2,2,4）,imshow（D3）;

第3章仿真与分析

3.1直方图均化法仿真

图3.1原图像（上）与均化后的图像（下）

由上述结果可见，经直方图处理后，图像的细节更清楚了，而

且灰度的等级的比例也更加的平衡，但是我们也很容易发现，这

种处理方法没有考虑图像的内容，处理后图像看起来亮度过高。

3.2中值滤波法仿真

图3.2原图像（右下）与中值滤波后的图像（左上）

在对比度增强的方法中，我们可以发现它的处理效果相对于直方

图要好得多。

平滑去噪的两种方法，他们在处理含有随机不规则

的噪音方面有良好的效果。

3.3图像锐化仿真

图3.3原图像（左上）与锐化后的图像

在图像的增强的过程中，对像的锐化处理也很至关重要。

通过对比我们可知，进过锐化的图像已经不能在保留原图像的基本特点。

但是，对于我们处理图像仍起到关键作用。

结论

总之，应用Matlab语言对数字图像进行图像增强处理时具有编程简单、操作方便、处理速度快。

以上几种方法在图像增强处理中并不增加图像信息，其结果只是增强对某种信息的判别能力，适用范围较广。

MATLAB是一个包含大量计算算法的集合。

其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。

函数中所使用的算法都是科研和工程计算中的最新研究成果，而前经过了各种优化和容错处理。

在通常情况下，可以用它来代替底层编程语言，如C复数的各种运算、三角函数和其他初等数学运算、多维数组操作以及建模动态仿真等。

图像增强是图像处理的一个重要分支，是图像边缘提取、图像分割等的基础。

由于图像在获取和传输过程中发生失真，影响了人和机器对图像的理解。

文章主要介绍了常见的空域处理法。

通过实验的对比，发现图像得到了很好的增强效果。

参考文献

[1]王家文.MATLAB6.5图形图像处理[M].北京：

国防工业出版社.2004：

40-70

[2]孙兆林.MATLAB6.X图像处理[M].清华大学出版社.2005：

35-69

[3]张智星.MATLAB程序设计与应用[M].清华大学出版社.2006：

32-64