红外图像的处理及其MATLAB实现.docx

1、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

2、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0.75100“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11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；(

3、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、

4、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

5、，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

6、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: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

7、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aT FigiirelHie Edit view insert tools Desktop wi

8、rdoA/ help wA J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

9、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，00,1,2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

10、得出关于直方图均痢的 几个结论: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

11、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。2.3 Laplacian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(3 M Laplacian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2.4 Laplacian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

12、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

13、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(xy y) = MedianG(xy y)(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

14、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II厂BolSB 1B! 1flW11昭；sS J|- fr - =Fa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

15、边缘检测方法Robert, Sobel,Prewitt, Laplacian- Gaussian(LOG) , Canny 和数学形态学法 o3.2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。S。/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

16、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

17、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); for k=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

18、出现的榔率，将其存入c中相JO置endbar(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);tor i=1:256for j=1:iS1(i)=C(j)+S1(i);endendS2=round(S1 *256)+0.5);for i=1:256C1(i)=sum(C(find(S2=i);endba(0:2551,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

19、的1方图A1=A;for i=0:255A1(find(A=i)=S2(i+1);索endimshow(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),imshow

20、;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 prewitt M 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:Documents and SettingsAdministrator桌面VLJPGJ;外图像文件B=rgb2gray(A);b

21、=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。