信號綜合處理實踐實驗報告

1、大連理工大學(xué)本科實驗報告課程名稱： 信號綜合處理實踐 學(xué)院（系）： 信通學(xué)院 專 業(yè)： 電子信息工程 班 級： 電子1203班 學(xué) 號： 201281376 學(xué)生姓名： 張允華 學(xué) 號： 201281346 學(xué)生姓名： 李晴 學(xué) 號： 201281298 學(xué)生姓名： 高原 2015年 10月27日視頻圖像直方圖均衡一、 背景和意義圖像增強技術(shù)可以使原本模糊不清的圖像清晰化，使圖像能提供更多更詳細(xì)的信息，如微光圖像存在對比度差、灰度級有限、瞬間動態(tài)范圍差、高增益時有閃爍等缺點，這就需要對圖像進行實時增強，直方圖均衡技術(shù)是圖像增強技術(shù)中最基本、最通用的技術(shù)。直方圖均衡化是數(shù)字圖像處理中較為基礎(chǔ)的圖

2、像增強方法，通過直方圖均衡化能夠自適應(yīng)地有效改善圖像對比度不足問題。二、 方法的原理和內(nèi)容1. 什么是圖像直方圖？從數(shù)學(xué)上來說，圖像直方圖是圖像各灰度值統(tǒng)計特性與圖像灰度值的函數(shù)，它是對圖像中每一灰度值出現(xiàn)頻率的統(tǒng)計；從圖形上來說，它是一個二維圖，橫坐標(biāo)表示圖像中各個像素點的灰度級，縱坐標(biāo)為各個灰度級上圖像各個像素點出現(xiàn)的次數(shù)或概率，如圖。圖 圖像直方圖灰度直方圖性質(zhì)：(1)表征了圖像的一維信息。只反映圖像中像素灰度值出現(xiàn)的次數(shù)(或頻數(shù))，而未反映像素所在位置。(2)與圖像之間的關(guān)系是多對一的映射關(guān)系。一幅圖像的直方圖基本上可描述圖像的概貌，如圖像的陰暗狀況和對比度等特征都可以通過直方圖反映出

3、來。既然一幅圖像的概貌可以通過直方圖反映出來，反之，可以通過修改直方圖的方法來調(diào)整圖像的灰度分布情況，因為直方圖反映的是一個圖像的灰度值的概率統(tǒng)計特征，所以，基于直方圖的圖像增強技術(shù)是以概率統(tǒng)計學(xué)理論為基礎(chǔ)的，直方圖反映的是一個圖像的灰度值的概率統(tǒng)計特征。2. 什么是直方圖均衡？直方圖均衡處理就是把一幅灰度概率分布已知的圖像經(jīng)過一種變換，使之演變成一幅具有均勻灰度概率分布的新圖像。3. 理論依據(jù)一幅給定圖像的灰度級經(jīng)歸一化處理后，分布在范圍內(nèi)。這時可以對0,1區(qū)間內(nèi)的任一個r值進行如下變換： （1）也就是說，通過上述變換，每個原始圖像的像素值r都對應(yīng)產(chǎn)生一個s值。變換函數(shù)應(yīng)該滿足下列條件： 在

4、區(qū)間內(nèi)，是單值單調(diào)增加； 對于，有這里第一個條件保證了圖像的灰度級西歐哪個白到黑的次序不變和反變換函數(shù)的存在。第二個條件則保證了映射變化后的像素灰度值在允許的范圍內(nèi)。從s到r的反變換可用式（2）表示，同樣也滿足上述兩個條件 （2）由概率論理論可知，若已知隨機變量的概率密度為，而隨機變量是的函數(shù)，即，的概率密度為，所以可以由求出。因為是單調(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)時發(fā)生，所以可以求得隨即變量的分布函數(shù)為： （3）對式（3）兩邊求導(dǎo)，即可得到隨即變量的分布密度函數(shù)為： （4）由式（4）可知，對于連續(xù)情況，設(shè)和分別表示原圖像和變換后圖像的灰度級概率密度

5、函數(shù)。根據(jù)概率論的知識，在已知和變換函數(shù)時，反變換函數(shù)也是單調(diào)增長，則可由式（4）求出。對于連續(xù)圖像，設(shè)r和s分別表示被增強圖像和變換后圖像的灰度。為了簡單，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，表示黑色；當(dāng)時，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： （5）式中：r為積分變量。式（5）的右邊可以看作是r的累積分布函數(shù)（CDF），因為CDF是r的函數(shù)，并單調(diào)地從0增加到1，所以這一變換函數(shù)滿足了前面所述的關(guān)于在內(nèi)單值單調(diào)增加，對于，有的兩個條件。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，所以這個變換函數(shù)滿足對式（5）中的r求導(dǎo)，則： （6）再把結(jié)果

6、帶入式（4），則 （7）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)生一幅灰度級分布具有均勻概率密度的圖像。其結(jié)果擴展了像素取值的動態(tài)范圍。上面的修正方法是以連續(xù)隨機變量為基礎(chǔ)進行討論的。為了對圖像進行數(shù)字處理，必須引入離散形式的公式。當(dāng)灰度級是離散值的時候，可用頻數(shù)近似代替概率值，即： （8）式中，L是灰度級數(shù)；是取第k級灰度值的概率；是在圖像中出現(xiàn)第k級灰度的次數(shù)；N是圖像中像素數(shù)。通常把為得到均勻直方圖的圖像增強技術(shù)叫做直方圖均衡化處理或直方圖線性化處理。式（5）的直方圖均衡化累積分布函數(shù)的離散形式可由式（9）表示： （9）其

7、反變換為 （10）4. 直方圖均衡化的算法步驟如下：(1)列出原始圖像灰度級:fj, j = 0, 1, , L-1，其中L是灰度級的個數(shù)；(2)統(tǒng)計原圖像各灰度級的像素個數(shù)nj, j=0, 1, , L-1；(3)計算原始圖像直方圖： pf(fj)=nj/N, j=0, 1, , L-1, N為原始圖像像素總個數(shù)；(4)計算累積直方圖： ；(5)利用灰度變換函數(shù)計算變換后的灰度值，并四舍五入：gi=(L-1)· C(f) ；(6)使用映射關(guān)系修改原始圖像的灰度級，從而獲得直方圖近似為均勻分布的輸出圖像。三、 DSP開發(fā)程序讀取圖像數(shù)據(jù)直方圖均衡處理輸出處理后圖像1、實驗室開發(fā)平臺代

8、碼：void Histogram(Uint8 *in_data)int i,j;Uint32 count;Uint8 *y_data,*z_data;float fHisto256 = 0.0f,fHisto1256 = 0.0f,lut256 = 0.0f;unsigned long int uWork; unsigned char *pWork,*pWork1; /- 提取亮度信號 -y_data = (Uint8 *)malloc(720*576);z_data = (Uint8 *)malloc(720*576); for(i=0;i<576;i+)for(j=0;j<72

9、0;j+)*(Uint8 *)(y_data + i*720 + j) = *(Uint8 *)(in_data + (i*720 + j) * 2 + 1);pWork = y_data; /確定圖像的首地址指針 for ( i=0;i<576;i+ ) for ( j=0;j<720;j+,pWork+ ) uWork=(unsigned int)(*pWork); /讀入每個像素的灰度值 fHistouWork+; /值加 1，統(tǒng)計直方圖 uWork=576*720; for ( i=0;i<256;i+ ) fHistoi/=uWork; fHistoi*=100;

10、for( i=0;i<256;i+ ) fHisto1i=fHistoi/100; for ( i=1;i<256;i+ ) fHisto1i+=fHisto1i-1; for ( i=0;i<256;i+ ) luti=fHisto1i*255; /每個像素乘以DMAXfor ( i=0;i<256;i+ ) if ( luti>=256 ) luti=255; pWork = y_data; pWork1 = z_data; for ( i=0;i<576;i+ ) for ( j=0;j<720;j+,pWork+,pWork1+ ) (*pWo

11、rk1)=lut(*pWork); /重新生成圖像 /*右邊顯示左邊原圖*/for(i = 0; i < 576; i+)for(j = 360; j < 720; j+)*(Uint8 *)(in_data + (i*720 + j) * 2 + 1) = *(Uint8 *)(y_data + i*720 + j - 360);/*左邊顯示增強圖*/for(i = 0; i < 576; i+)for(j = 0; j < 360; j+)*(Uint8 *)(in_data + (i*720 + j) * 2 + 1) = *(Uint8 *)(z_data +

12、i*720 + j);free(y_data);free(z_data);GrayImage(in_data);2.MATLAB代碼%打開圖像FileName, FilePath=uigetfile('*.tif;*.jpg;*.png;*.img;*.gif;','請選擇圖像數(shù)據(jù)');str=FilePath FileName;Image=imread(str);% 以對話框的形式選擇打開一幅圖像M,N,nDims=size(Image);Image=im2double(Image);% 獲取圖像的尺寸和波段數(shù)%直方圖均衡化HISTEQ=Image;for i

13、=1:nDims % 分別對各波段進行直方圖均衡化 H=Image(:,:,i); counts,x=imhist(H); % 計算各灰度級x的像素個數(shù)count loction=find(counts=0); % 找到所有像素個數(shù)不為0的灰度級 MinCDF=min(counts(loction); for j=1:length(loction) CDF=sum(counts(loction(1:j); % 計算各灰度級像素個數(shù)累積分布CDF P=find(H=x(loction(j); H(P)=(CDF-MinCDF)/(M*N-MinCDF); % 灰度轉(zhuǎn)換公式 end HISTEQ(

14、:,:,i)=H; % 將均衡化后各分量分別保存在結(jié)果中end%保存輸出figure, % 在同一窗口顯示原圖與灰度拉伸結(jié)果圖if nDims=3|nDims=1 % 若為灰度圖和RGB真彩色圖則以常規(guī)方式保存并輸出 subplot(1,2,1),imshow(Image);title('原圖'); subplot(1,2,2),imshow(HISTEQ);title('直方圖均衡化'); imwrite(HISTEQ,'Result_HISTEQ.jpg','jpeg');else % 若為多波段遙感影像則按照TM 3,2,1

15、組合形式保存并輸出 subplot(1,2,1),imshow(Image(:,:,3,2,1);title('原圖'); subplot(1,2,2),imshow(HISTEQ(:,:,3,2,1);title('直方圖均衡化'); imwrite(HISTEQ(:,:,3,2,1),'Result_HISTEQ.tif','tiff');end% 將直方圖均衡化結(jié)果保存至當(dāng)前目錄并以Result_HISTEQ命名四、實驗結(jié)果五、討論與感想本文所提出的直方圖均衡化算法，簡單明了，易于實現(xiàn)，均衡化后的各灰度級更加均衡，接近理想值。同時對于灰度范圍小