基于分塊直方圖均衡化的圖像增強(qiáng)算法及實(shí)現(xiàn).docx

基于分塊直方圖均衡化的圖像增強(qiáng)算法及實(shí)現(xiàn)（測(cè)控）摘 要：針對(duì)傳統(tǒng)的直方圖均衡化算法易導(dǎo)致圖像細(xì)節(jié)信息丟失和噪聲放大的特點(diǎn)，本文在直方圖均衡化算法的基礎(chǔ)上加以改進(jìn)，將圖像的高頻分量和低頻分量分開進(jìn)行處理，然后在進(jìn)行合并，達(dá)到去噪的效果，能夠在增強(qiáng)圖像整體視覺效果的同時(shí)較好地保持圖像細(xì)節(jié)，抑制圖像噪聲。同時(shí)，本文又從另一個(gè)角度提出了一種基于概率的灰度圖像直方圖均衡化的改進(jìn)算法，給出了較合理的變換關(guān)系。實(shí)驗(yàn)結(jié)果表明，該技術(shù)能使圖像的細(xì)節(jié)和清晰度得到明顯的增強(qiáng)。關(guān)鍵詞：圖像增強(qiáng)；直方圖均衡；灰度映射1 引言在實(shí)際應(yīng)用中，無論采用何種輸入裝置采集的圖像，由于光照、噪聲等原因。圖像的質(zhì)量往往不能令人滿意。例如，檢測(cè)對(duì)象物的邊緣過于模糊；在比較滿意的一幅圖像上發(fā)現(xiàn)多了一些不知來源的黑白或白點(diǎn)；圖像的失真，變形等等。所以圖像往往需要采取一些手段進(jìn)行改善以求達(dá)到較好的效果。圖像增強(qiáng)技術(shù)正是在此基礎(chǔ)上提出的。圖像增強(qiáng)是圖像分析與處理的一個(gè)重要的預(yù)處理過程，其主要有兩個(gè)目的：意識(shí)運(yùn)用一系列技術(shù)手段改善圖像的視覺效果，提高圖像的清晰度；二是將圖像轉(zhuǎn)化成一種更適合于人或計(jì)算機(jī)驚行分析處理的形式。即改善圖像質(zhì)量是圖像增強(qiáng)的根本目的。圖像增強(qiáng)的意義一般可以理解為：按需求進(jìn)行適當(dāng)?shù)淖儞Q，對(duì)圖像的某些特征，如邊緣輪廓、對(duì)比度進(jìn)行強(qiáng)調(diào)和銳化，突出某些游泳的信息，去除或消弱無用的信息以便于顯示、觀察或進(jìn)一步分析和處理。圖像增強(qiáng)技術(shù)是一類基本的圖像處理技術(shù)，是指由選擇地突出圖像中感興趣的特征或者抑制圖像中某些不需要的特征，其目的是使處理后的圖像更適合于人的視覺特性或機(jī)器的識(shí)別系統(tǒng)，包括圖像的輪廓線或者紋理加強(qiáng)、圖像去噪、對(duì)比度增強(qiáng)等。因此圖像增強(qiáng)處理時(shí)圖像分析和圖像理解的前提和基礎(chǔ)。在圖像的獲取過程中，貼別是對(duì)于多媒體監(jiān)控系統(tǒng)采集的圖像，由于監(jiān)控場(chǎng)景光線照射復(fù)雜、拍攝背景也比較復(fù)雜等環(huán)境因素的影響。加之?dāng)z像設(shè)備、傳感器等因素引入的噪聲，使監(jiān)控圖像在一定程度上存在對(duì)比度差、灰度分布范圍窄、圖像分辨率下降。因此，為得到一幅清晰的圖像必須進(jìn)行圖像增強(qiáng)處理。傳統(tǒng)的圖像增強(qiáng)算法通常是基于整幅圖像的統(tǒng)計(jì)量，這樣在計(jì)算整幅圖像的變換時(shí)，圖像中的低頻信息、高頻信息以及含有的噪聲，同時(shí)進(jìn)行了變換，因而在增強(qiáng)圖像的同時(shí)增強(qiáng)了噪聲，導(dǎo)致信息量下降，給監(jiān)控圖像的分析和后期處理帶來了困難。針對(duì)此問題，提出一種新算法。圖像增強(qiáng)處理方法根據(jù)圖像增強(qiáng)處理所在的空間不同，可分為基于空間域的增強(qiáng)方法和基于頻率域的增強(qiáng)方法兩類?？臻g域處理方法是圖像像素組成的二維空間直接對(duì)每一個(gè)像素的灰度值進(jìn)行處理，它可以使一幅圖像內(nèi)像素點(diǎn)之間的 運(yùn)算處理，也可以是數(shù)幅圖像間的相應(yīng)像素點(diǎn)之間的運(yùn)算處理。頻率域處理方法是在圖形的變換域?qū)D像進(jìn)行間接處理。其特點(diǎn)是現(xiàn)將圖像進(jìn)行變換，在空間域?qū)D像作傅里葉變換得到它的頻譜按照某種變化模型（如傅里葉變換）變換到頻率域，完成圖像由空間域變換到頻率域，然后在頻率域內(nèi)圖像進(jìn)行低通或高通頻率域處理。處理完之后，再將其反變換到空間域。直方圖均衡化算法是圖像增強(qiáng)空域法中的最常用、最重要的算法之一。它以概率理論作基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算來實(shí)現(xiàn)直方圖的變換，從而達(dá)圖像增強(qiáng)的目的。本文介紹一種基于累計(jì)分布函數(shù)變換法為基礎(chǔ)的直方圖修正法。它可以通過對(duì)直方圖進(jìn)行均勻化修正，可以使圖像的灰度間距增大或灰度均勻分布、增大反差，是圖像的細(xì)節(jié)變得清晰2 理論分析2.1 直方圖修正技術(shù)的基礎(chǔ) 一幅給定圖像的灰度經(jīng)歸一化處理后，分布在范圍內(nèi)。這是可以對(duì)0,1區(qū)間內(nèi)的任一個(gè)r值進(jìn)行如下變換： 也就是說，通過上述變換，每個(gè)原始圖像的像素值r都對(duì)應(yīng)產(chǎn)生一個(gè)s值。變換函數(shù)T(r)應(yīng)該滿足下列條件：在區(qū)間內(nèi)，是單值單調(diào)增加；對(duì)于，有 這里第一個(gè)條件保證了圖像的灰度級(jí)西歐哪個(gè)白到黑的次序不變和反變換函數(shù)的存在。第二個(gè)條件保證了映射變換后的像素灰度值在允許范圍內(nèi)。從s到r的反變換可用式表示，同樣也滿足上述兩個(gè)條件： 由概率論理論可知，若已知隨機(jī)變量的概率密度為，而隨機(jī)變量是的函數(shù)，即，的概率密度為，所以可以由求出。因?yàn)槭菃握{(diào)增加的，由數(shù)學(xué)分析可知，它的反函數(shù)也是單調(diào)函數(shù)。在這種情況下，當(dāng),且僅當(dāng)時(shí)發(fā)生，所以可以求得隨機(jī)變量的分布函數(shù)為： 對(duì)式兩邊求導(dǎo)，即可得到隨機(jī)變量的分布密度函數(shù)為： 由式可知，對(duì)于連續(xù)情況，設(shè)和分別表示原圖像和變換后圖像的灰度級(jí)概率密度函數(shù)。根據(jù)概率論的知識(shí)，在已知和變換函數(shù)時(shí)，反變換函數(shù)也是單調(diào)增長(zhǎng)，則可由式求出。2.2直方圖的均衡化對(duì)于連續(xù)圖像，設(shè)r和s分別表示被增強(qiáng)圖像和變換后圖像的灰度。為了簡(jiǎn)單，在下面的討論中，假定所有像素的灰度已被歸一化了，就是說，當(dāng)時(shí)，表示黑色；當(dāng)時(shí)，表示白色；變換函數(shù)與原圖像概率密度函數(shù)之間的關(guān)系為： 式中：r為積分變量。式的右邊可以是r的累積分布函數(shù)（CDF），因?yàn)镃DF是r的函數(shù)，并單調(diào)地從0增加到1，所以這一變化函數(shù)滿足了前面所述的關(guān)于在內(nèi)單值單調(diào)增加，對(duì)于，有的兩個(gè)條件。 由于累積分布函數(shù)是r的函數(shù)，并且單調(diào)的從0增加到1，所以這個(gè)變換函數(shù)滿足對(duì)式中的r求導(dǎo)，則: 再把結(jié)果帶入，則 由以上推到可見，變換后的變量s的定義域內(nèi)的概率密度是均勻分布的。由此可見，用r累積分布函數(shù)作為變換函數(shù)可產(chǎn)生一幅灰度級(jí)分布具有均勻概率的圖像。其結(jié)果擴(kuò)展了像素取值的動(dòng)態(tài)范圍。 上面的修正方法是以連續(xù)隨機(jī)變量為基礎(chǔ)進(jìn)行討論的。為了對(duì)圖像進(jìn)行數(shù)字處理，必須引入離散形式的公式。當(dāng)灰度級(jí)是離散值的時(shí)候，可用頻數(shù)近似代替概率值，即： 式中，L是灰度級(jí)數(shù)；是取第K級(jí)灰度值的概率；是在圖像中出現(xiàn)第k級(jí)灰度的次數(shù)；N是圖像中像素?cái)?shù)。 通常把為得到均勻直方圖的圖像增強(qiáng)技術(shù)叫做直方圖均衡化處理或直方圖線性化處理。式的直方圖均衡化累積分布函數(shù)的離散形式可由式表示： 其反變換為 2.3直方圖的均衡化的算法步驟直方圖均衡化的算法步驟如下：列出原始圖像和變換后圖像的灰度級(jí)：I，j=0,1,.,L-1,其中L是灰度級(jí)的個(gè)數(shù)；統(tǒng)計(jì)原圖像各灰度級(jí)的像素個(gè)數(shù)；計(jì)算原始圖像直方圖：，N為原始圖像像素總個(gè)數(shù)；計(jì)算累積直方圖：；利用灰度變換函數(shù)計(jì)算變換后的灰度值，并四舍五入：；確定灰度變換關(guān)系，據(jù)此將原圖像的灰度值修正為；統(tǒng)計(jì)變換后各灰度級(jí)的像素個(gè)數(shù)；3仿真實(shí)驗(yàn)與結(jié)果 原始圖像 原始灰度圖像 自編函數(shù)均衡化前歸一化的直方圖 系統(tǒng)函數(shù)均衡化前的直方圖 自編函數(shù)所得的直方圖均衡化后的圖像 系統(tǒng)函數(shù)所得直方圖均衡化后的圖像 自編函數(shù)均衡化后歸一的直方圖 系統(tǒng)函數(shù)均衡化后的直方圖5 結(jié)論 算法應(yīng)用舉例及誤差分析說明，本文提出的直方圖均衡化算法是可行的，結(jié)果證明該算法可改善直方圖均衡化的精度。在直方圖均衡化算法的基礎(chǔ)上,該論文所取的改進(jìn)的處理方法可以有效防止圖像細(xì)節(jié)信息丟失和圖像噪聲幅度增大，并經(jīng)過實(shí)驗(yàn)證明, 本文所用的算法處理的圖像, 整體視覺效果得到改善,細(xì)節(jié)信息更為豐富,從中可以提取出更有意義的圖像特征。創(chuàng)新點(diǎn)：提出了改進(jìn)組映射規(guī)則及詳細(xì)的算法，并用于直方圖均衡化，提高了直方圖均衡化的精度。 參考文獻(xiàn)：1岡薩雷斯. 數(shù)字圖像