智能圖像處理算法結(jié)合分析

1、圖像增強技術(shù)研究1 圖像增強概述1.1 圖像增強的定義圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息的處理方法，也是提高圖像質(zhì)量的過程。圖像增強的目的是使圖像的某些特性方面更加鮮明、突出，使處理后的圖像更適合人眼視覺特性或機器分析，以便于實現(xiàn)對圖像的更高級的處理和分析。圖像增強的過程往往也是一個矛盾的過程：圖像增強希望既去除噪聲又增強邊緣。但是，增強邊緣的同時會同時增強噪聲，而濾去噪聲又會使邊緣在一定程度上模糊，因此，在圖像增強的時候，往往是將這兩部分進行折中，找到一個好的代價函數(shù)達到需要的增強目的。傳統(tǒng)的圖像增強算法在確定轉(zhuǎn)換函數(shù)時常是基于整個圖像的統(tǒng)計量，

2、如：ST轉(zhuǎn)換，直方圖均衡，中值濾波，微分銳化，高通濾波等等。這樣對應(yīng)于某些局部區(qū)域的細節(jié)在計算整幅圖的變換時其影響因為其值較小而常常被忽略掉，從而局部區(qū)域的增強效果常常不夠理想，噪聲濾波和邊緣增強這兩者的矛盾較難得到解決。1.2 常用的圖像增強方法（1） 直方圖均衡化有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細節(jié)看不清楚。這時可以通過直方圖均衡化將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級變大，通過調(diào)整圖像灰度值的動態(tài)范圍，自動地增加整個圖像的對比度，使圖像具有較大的反差，細節(jié)清晰。（2） 對比度增強法有些圖像的對比度比較低，從而使整個圖像模糊不清。這時可以按一定的規(guī)則修改原

3、來圖像的每一個象素的灰度，從而改變圖像灰度的動態(tài)范圍。（3） 平滑噪聲有些圖像是通過掃描儀掃描輸入、或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。圖像平滑就是針對圖像噪聲的操作，其主要作用是為了消除噪聲，圖像平滑的常用方法是采用均值濾波或中值濾波，均值濾波是一種線性空間濾波，它用一個有奇數(shù)點的掩模在圖像上滑動，將掩模中心對應(yīng)像素點的灰度值用掩模內(nèi)所有像素點灰度的平均值代替，如果規(guī)定了在取均值過程中掩模內(nèi)各像素點所占的權(quán)重，即各像素點所乘系數(shù)，這時就稱為加權(quán)均值濾波；中值濾波是

4、一種非線性空間濾波，其與均值濾波的區(qū)別是掩模中心對應(yīng)像素點的灰度值用掩模內(nèi)所有像素點灰度值的中間值代替。（4） 銳化平滑噪聲時經(jīng)常會使圖像的邊緣變的模糊，針對平均和積分運算使圖像模糊，可對其進行反運算采取微分算子使用模板和統(tǒng)計差值的方法，使圖像增強銳化。圖像邊緣與高頻分量相對應(yīng)，高通濾波器可以讓高頻分量暢通無阻，而對低頻分量則充分限制，通過高通濾波器去除低頻分量，也可以達到圖像銳化的目的。1.3 圖像增強的現(xiàn)狀與應(yīng)用計算機圖像處理的發(fā)展歷史不長，但已經(jīng)引起了人們的重視。圖像處理技術(shù)始20世紀(jì)60年代，由于當(dāng)時圖像存儲成本高，處理設(shè)備造價高，因而其應(yīng)用面很窄。1964年美國加州理工學(xué)院的噴氣推進

5、實驗室，首次對徘徊者7號太空飛船發(fā)回的月球照片進行了處理，得到了前所未有的清晰圖像，這標(biāo)志著圖像處理技術(shù)開始得到實際應(yīng)用。70年代進入發(fā)展期，出現(xiàn)和衛(wèi)星遙感圖像，對圖像處理的發(fā)展起到了很好的促進作用。80年代進入普及期，此時微機己經(jīng)能夠承擔(dān)起圖形圖像處理的任務(wù)。VLSI的出現(xiàn)更使得處理速度大大提高，其造價也進一步降低，極大的促進了圖像處理系統(tǒng)的普及和應(yīng)用。90年代是圖像處理技術(shù)實用化時期，圖像處理的信息量巨大，對處理的速度要求極高。21世紀(jì)的圖像處理技術(shù)要向高質(zhì)量化方面發(fā)展，實現(xiàn)圖像的實時處理，采用數(shù)字全息技術(shù)使圖像包含最為完整和豐富的信息，實現(xiàn)圖像的智能生成、處理、理解和識別7。目前，許多新

6、的增強算法都充分利用了周圍鄰域這一重要的信息，形成了很多局部處理的灰度調(diào)整算法，該方法主要利用了鄰域的統(tǒng)計特性。其中自適應(yīng)濾波器既能平滑又能保護邊緣，其基本思想是濾波器的參數(shù)可根據(jù)像素所在的鄰域情況而自適應(yīng)選取，也可描述為加權(quán)平均濾波器，可以較好的平滑噪聲區(qū)域，并能保護較顯著的邊緣，但對圖像細節(jié)的保護較差，該算法對脈沖噪聲敏感，而且模型的性能受參數(shù)的影響比較大。近年來，模糊集合理論在圖像處理中得到了廣泛的應(yīng)用。例如Yang和Tohl采用模糊規(guī)則改進傳統(tǒng)的中值濾波器中濾波窗口尺度的選擇，改善了算法對高斯噪聲的抗噪性能。Russoti提出的自適應(yīng)模糊濾波算子可以較好的保護圖像細節(jié)和濾除高斯噪聲，其

7、算法中窗口的大小由鄰域一致性程度決定，該一致性程度由一個模糊邏輯規(guī)則導(dǎo)出。圖像增強中變換域增強也得到很廣泛的應(yīng)用，例如付傅氏變換、離散余弦變換、小波變換等，其中小波是近年來發(fā)展起來的一種新的時頻分析工具，它具有時頻局部化能力和多分辨率分析的能力，使得它很適合于信號處理鄰域。對圖像進行多尺度小波變換后，不同頻率的信號出現(xiàn)在不同尺度的子帶圖像上，有了這些特性就能很好的對感興趣的部分進行增強。圖像變換的方法是多種多樣的。通過采取適當(dāng)?shù)脑鰪娞幚砜梢詫⒃灸：磺迳踔粮緹o法分辨的原始圖片處理成清楚、明晰的富含大量有用信息的可使用圖像，因此圖像增強技術(shù)在許多領(lǐng)域得到廣泛應(yīng)用。在圖像處理系統(tǒng)中，圖像增強技

8、術(shù)作為預(yù)處理部分的基本技術(shù)，是系統(tǒng)中十分重要的一環(huán)。迄今為止，圖像增強技術(shù)己經(jīng)廣泛用于軍事、地質(zhì)、海洋、森林、醫(yī)學(xué)、遙感、微生物以及刑偵等方面。2 圖像增強方法與原理2.1 圖像變換人與電腦對事物的理解是不同的，對于人來說，文字信息要比圖像信息抽象，但是對于電腦來說，圖像信息要比文字信息抽象。因此，對于計算機來說，要對圖像進行處理，并不是一件容易的事情。為了快速有效的對圖像進行處理和分析，我們通常都需要對圖像進行一些變換，把原來的圖像信息變?yōu)榱硪粡埿问剑褂嬎銠C更容易理解、處理和分析。這種變換就是所謂的圖像變換。圖像變換是指圖像的二維正交變換，它在圖像增強、復(fù)原、編碼等方面有著廣泛的應(yīng)運。如傅

9、立葉變換后平均值正比于圖像灰度的平均值，高頻分量則表明了圖像中目標(biāo)邊緣的強度和方向，利用這些性質(zhì)可以從圖像中抽取出特征；又如在變換域中，圖像能量往往集中在少數(shù)項上，或者說能量主要集中在低頻分量上，這時對低頻成分分配較多的比特數(shù)，對高頻成分分配較少的比特數(shù)，即可實現(xiàn)圖像數(shù)據(jù)的壓縮編碼。2.1.1 離散圖像變換的一般表達式對于二維離散函數(shù) x=0,1,2,M-1；y=0,1,2,N-1 (2.1)有變換對 (2.2) u=0，1，2，M-1 v0，1，2，N-1 (2.3)x=0，1，2，M-1 y0，1，2，N-1變換核可分離的離散圖像變換表示為： (2.4)如此，二維離散變換就可以用兩次一維變

10、換實現(xiàn)。2.1.2 離散沃爾什變換由于傅立葉變換的變換核由正弦余弦函數(shù)組成，運算速度受影響。要找另一種正交變換，要運算簡單且變換核矩陣產(chǎn)生方便。Walsh Transform矩陣簡單，只有1和1，矩陣容易產(chǎn)生，有快速算法1。一維離散沃爾什變換假如N=2，則離散 f(x) （ x=0,1, 2,N-1）的沃爾什變換 u=0，1，2，N-1 (2.5) x=0，1，2，N-1 (2.6)二維離散沃爾什變換 (2.7)（u=0,1,2,M-1 v=0,1,2,N-1） (2.8)（x=0,1,2,M-1 y=0,1,2,N-1）這里假定了M=2，N2從上式可知，反正變換核具有可分離性，即 (2.9)

11、所以，二維離散沃爾什變換可由兩次變換來實現(xiàn)。2.2 灰度變換灰度變換可使圖像動態(tài)范圍增大，對比度得到擴展，使圖像清晰、特征明顯，是圖像增強的重要手段之一。它主要利用點運算來修正像素灰度，由輸入像素點的灰度值確定相應(yīng)輸出點的灰度值，是一種基于圖像變換的操作。灰度變換不改變圖像內(nèi)的空間關(guān)系，除了灰度級的改變是根據(jù)某種特定的灰度變換函數(shù)進行之外，可以看作是“從像素到像素”的復(fù)制操作?；邳c運算的灰度變換可表示為： (2.10)其中T被稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。一旦灰度變換函數(shù)確定，該灰度變換就被完全確定下來。灰度變換包含的方法很多，如逆反處理、閾值變換、灰度拉伸

12、、灰度切分、灰度級修正、動態(tài)范圍調(diào)整等。雖然它們對圖像的處理效果不同，但處理過程中都運用了點運算，通?？煞譃榫€性變換、分段線性變換、非線性變換。2.2.1 線性變換假定原圖像f(x,y)的灰度范圍為a,b，變換后的圖像g(x,y)的灰度范圍線性的擴展至c,d，則對于圖像中的任一點的灰度值P(x,y)，變換后為g(x,y)，其數(shù)學(xué)表達式如下所示1。 (2.11)若圖像中大部分像素的灰度級分布在區(qū)間a,b內(nèi)，max f為原圖的最大灰度級，只有很小一部分的灰度級超過了此區(qū)間，則為了改善增強效果，可以令 (2.12)在曝光不足或過度的情況下，圖像的灰度可能會局限在一個很小的范圍內(nèi)，這時得到的圖像可能是

13、一個模糊不清、似乎沒有灰度層次的圖像。采用線性變換對圖像中每一個像素灰度作線性拉伸，將有效改善圖像視覺效果。2.2.2 分段線性變換為了突出圖像中感興趣的目標(biāo)或灰度區(qū)間，相對抑制不感興趣的灰度區(qū)間，可采用分段線性變換，它將圖像灰度區(qū)間分成兩段乃至多段分別作線性變換。進行變換時，把0-255整個灰度值區(qū)間分為若干線段，每一個直線段都對應(yīng)一個局部的線性變換關(guān)系。如圖2.1所示，為二段線性變換，(a)為高值區(qū)拉伸，(b)為低值區(qū)拉伸9。圖2.1 二段線性變換2.2.3 非線性變換非線性變換就是利用非線性變換函數(shù)對圖像進行灰度變換，主要有指數(shù)變換、對數(shù)變換等。指數(shù)變換，是指輸出圖像的像素點的灰度值與對

14、應(yīng)的輸入圖像的像素灰度值之間滿足指數(shù)關(guān)系，其一般公式為1： (2.13)其中b為底數(shù)。為了增加變換的動態(tài)范圍，在上述一般公式中可以加入一些調(diào)制參數(shù)，以改變變換曲線的初始位置和曲線的變化速率。這時的變換公式為： (2.14)式中a，b，c都是可以選擇的參數(shù)，當(dāng)f(x,y)=a時，g(x,y)=0，此時指數(shù)曲線交于X軸，由此可見參數(shù)a決定了指數(shù)變換曲線的初始位置參數(shù)c決定了變換曲線的陡度，即決定曲線的變化速率。指數(shù)變換用于擴展高灰度區(qū)，一般適于過亮的圖像。對數(shù)變換，是指輸出圖像的像素點的灰度值與對應(yīng)的輸入圖像的像素灰度值之間為對數(shù)關(guān)系，其一般公式為： (2.15)其中表示以10為底，也可以選用自然

15、對數(shù)。為了增加變換的動態(tài)范圍，在上述一般公式中可以加入一些調(diào)制參數(shù)，這時的變換公式為： (2.16)式中a，b，c都是可以選擇的參數(shù)，式中f(x,y)+1是為了避免對0求對數(shù)，確保。當(dāng)f(x,y)=0時，則y=a，則a為Y軸上的截距，確定了變換曲線的初始位置的變換關(guān)系，b、c兩個參數(shù)確定變換曲線的變化速率。對數(shù)變換用于擴展低灰度區(qū)，一般適用于過暗的圖像。2.3 直方圖變換2.3.1 直方圖修正基礎(chǔ)圖像的灰度直方圖是反映一幅圖像的灰度級與出現(xiàn)這種灰度級的概率之間的關(guān)系的圖形?；叶燃墳?,L-1范圍的數(shù)字圖像的直方圖是離散函數(shù)h()=，這里是第k級灰度，是圖像中灰度級為的像素個數(shù)。通常以圖像中像素

16、數(shù)目的總和n去除他的每一個值，以得到歸一化的直方圖，公示如下： k=0,1,2,L-1 (2.17)且因此給出了灰度級為發(fā)生的概率估計值。歸納起來，直方圖主要有一下幾點性質(zhì)：（1）直方圖中不包含位置信息。直方圖只是反應(yīng)了圖像灰度分布的特性，和灰度所在的位置沒有關(guān)系，不同的圖像可能具有相近或者完全相同的直方圖分布。（2）直方圖反應(yīng)了圖像的整體灰度。直方圖反應(yīng)了圖像的整體灰度分布情況，對于暗色圖像，直方圖的組成集中在灰度級低（暗）的一側(cè)，相反，明亮圖像的直方圖則傾向于灰度級高的一側(cè)。直觀上講，可以得出這樣的結(jié)論，若一幅圖像其像素占有全部可能的灰度級并且分布均勻，這樣的圖像有高對比度和多變的灰度色調(diào)

17、。（3）直方圖的可疊加性。一幅圖像的直方圖等于它各個部分直方圖的和。（4）直方圖具有統(tǒng)計特性。從直方圖的定義可知，連續(xù)圖像的直方圖是一位連續(xù)函數(shù)，它具有統(tǒng)計特征，例如矩、絕對矩、中心矩、絕對中心矩、熵。（5）直方圖的動態(tài)范圍。直方圖的動態(tài)范圍是由計算機圖像處理系統(tǒng)的模數(shù)轉(zhuǎn)換器的灰度級決定。由于圖像的視覺效果不好或者特殊需要，常常要對圖像的灰度進行修正，以達到理想的效果，即對原始圖像的直方圖進行轉(zhuǎn)換（修正）：一幅給定的圖像的灰度級分布在0r1范圍內(nèi)?？梢詫?,1區(qū)間內(nèi)的任何一個r進行如下的變換：s=T(r) (2.18)變換函數(shù)T應(yīng)滿足以下條件：a.在0r1區(qū)間內(nèi)，單值單調(diào)增加；b.對于0r1，

18、有01。這里的第一個條件保證了圖像的灰度級從白到黑的次序不變。第二個條件則保證了映射變換后的像素灰度值在允許的范圍內(nèi)。滿足這兩個條件，就保證了轉(zhuǎn)換函數(shù)的可逆。2.3.2 直方圖均衡化直方圖均衡化方法是圖像增強中最常用、最重要的方法之一。直方圖均衡化是把原圖像的直方圖通過灰度變換函數(shù)修正為灰度均勻分布的直方圖，然后按均衡直方圖修正原圖像。它以概率論為基礎(chǔ)，運用灰度點運算來實現(xiàn)，從而達到增強的目的。它的變換函數(shù)取決于圖像灰度直方圖的累積分布函數(shù)。概括的說，就是把一已知灰度概率分布的圖像，經(jīng)過一種變換，使之演變成一幅具有均勻概率分布的新圖像。有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細

19、節(jié)看不清楚。這時可以將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級變大。當(dāng)圖像的直方圖為一均勻分布時，圖像的信息熵最大，此時圖像包含的信息量最大，圖像看起來就顯得清晰10。直方圖均衡化變換函數(shù)如圖2.2所示，設(shè)r，s分別表示原圖像和增強后圖像的灰度。為了簡單，假定所有像素的灰度已被歸一化。當(dāng)r=s=0時，表示黑色；當(dāng)r=s=1時，表示白色；當(dāng)r，s在0,1之間時，表示像素灰度在黑白之間變化?；叶茸儞Q函數(shù)為：s=T(r)。圖2.2 直方圖均衡化變換函數(shù)實際上，由于直方圖是近似的概率密度函數(shù)，用離散灰度級作變換時很少能夠得到完全平坦的結(jié)果，而且，變換后往往會出現(xiàn)灰度級減少的現(xiàn)象，這種現(xiàn)象被稱為“

20、簡并”現(xiàn)象。這是像素灰度有限的必然結(jié)果。由于上述原因，數(shù)字圖像的直方圖均衡只能是近似的。直方圖均衡化處理可大大改善圖像灰度的動態(tài)范圍。減少簡并現(xiàn)象通?？刹捎脙煞N方法：一種簡單的方法是增加像素的比特數(shù)。比如，通常用8比特來代表一個像素，而現(xiàn)在用12比特來表示一個像素，這樣就可以減少簡并現(xiàn)象發(fā)生的機會，從而減少灰度層次的損失。另外，采用灰度間隔放大理論的直方圖修正方法也可以減少簡并現(xiàn)象。這種灰度間隔放大可以按照眼睛的對比度靈敏特性和成像系統(tǒng)的動態(tài)范圍進行放大。一般實現(xiàn)方法采用如下幾步：（1）統(tǒng)計原始圖像的直方圖；（2）根據(jù)給定的成像系統(tǒng)的最大動態(tài)范圍和原始圖像的灰度級來確定處理后的灰度級間隔；（3

21、）根據(jù)求得的步長來求變換后的新灰度；（4）用處理后的新灰度代替處理前的灰度。2.3.3 直方圖規(guī)定化直方圖均衡化是以累計分布函數(shù)變換法為基礎(chǔ)的直方圖修正技術(shù)，使得變換后的灰度概率密度函數(shù)是均勻分布的，因此，它不能控制變換后的直方圖而交互性差。這樣，在很多特殊的情況下，需要變換后圖像的直方圖具有某種特定的曲線，例如對數(shù)和指數(shù)等，直方圖規(guī)定化可以解決這一問題。直方圖規(guī)定化方法如下：假設(shè)是原始圖像分布的概率密度函數(shù)，是希望得到的圖像的概率密度函數(shù)。先對原始圖像進行直方圖均衡化處理，即： (2.19)假定已經(jīng)得到了所希望的圖像，并且它的概率密度函數(shù)是。對該圖像也做均衡化處理，即： (2.20)由于對于

22、這兩幅圖像，同樣作了均衡化處理，所以他們具有同樣的均勻密度。其中（2.9）的逆過程為，則如果用從原始圖像中得到的均勻灰度級S來代替逆過程中的u，其結(jié)果灰度級將是所要求的概率密度函數(shù)的灰度級： (2.21)根據(jù)以上思路，可以總結(jié)出直方圖規(guī)定化增強處理的步驟如下：（1）將原始圖像進行均衡化處理；（2）規(guī)定希望的灰度概率密度函數(shù)，用（2.22）式計算它的累計分布函數(shù)G(z)；（3）將逆變換函數(shù)用到步驟（1）中所得的灰度級。上述三步得到了原始圖像的一種處理方法，只要求G(s)是可逆的即可進行。但是，對于離散圖像，由于G(s)是一個離散的階梯函數(shù)，不可能有逆函數(shù)存在，對此，只能進行截斷處理，必將不可避免

23、的導(dǎo)致變換后圖像的直方圖一般不能與目標(biāo)直方圖嚴(yán)格的匹配。2.4 圖像平滑與銳化2.4.1 平滑獲得的圖像可能會因為各種原因而被污染，產(chǎn)生噪聲。常見的圖像噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。噪聲并不僅限于人眼所見的失真，有些噪聲只針對某些具體的圖像處理過程產(chǎn)生影響。圖像中的噪聲往往和正常信號交織在一起，尤其是乘性噪聲，如果處理不當(dāng)，就會破壞圖像本身的細節(jié)，如會使線條、邊界等變得模糊不清。有些圖像是通過掃描儀掃描輸入或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點。圖像平滑就是針對圖像噪聲的操作，其主要作用是為了消除噪聲。如何既

24、平滑掉噪聲又盡量保持圖像細節(jié)，是圖像平滑的主要研究任務(wù)。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。這時可以采用線性濾波和中值濾波的方法。（1） 線性濾波線性濾波一般采用的是領(lǐng)域平均法。對于給定的圖像f(x，y)中的每一個點（m，n），取其領(lǐng)域s。設(shè)s含有M個像素，取其平均值作為處理后所得圖像像素點（m，n）處的灰度。設(shè)S是3*3的正方形鄰域，點（m，n）位于S中心，則： (2.22)（2） 中值濾波中值濾波就是輸出圖像的某點象素等于該象素鄰域中各象素灰度的中間值。給定的圖像f(x,y)中的每一個點（m,n），取其領(lǐng)域s。設(shè)s含有M個像素a1，a2，aM，將其按大小排序，若M是奇數(shù)時，

25、則位于中間的那個象素值就是修改后圖像g(x,y)在點f(m,n)處的像素值；若M是偶數(shù)則取中間兩個象素的平均值作為修改后圖像g(x,y)在點（m,n）處的像素值。2.4.2 銳化圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，這就需要利用圖像銳化技術(shù)，使圖像邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是圖像受到了平均或積分運算，因此可以對其進行逆運算（如微分運算）就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實質(zhì)是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。為了要把圖像中間任何方向伸展的邊

26、緣和輪廓變得清晰，我們希望對圖像的某種運算是各向同性的。（1） 梯度法梯度是圖像處理中最常用的一種一階微分方法。對圖像函數(shù)F(j,k)，其在點（j,k）上的梯度定義為矢量： (2.23)從梯度的性質(zhì)可知，梯度的方向確定了圖像F(j,k)的最大變化率的方向，GF(j,k)的幅度為下式： (2.24)對于數(shù)字圖像，用差分來近似微分。為了便于編程和提高運算速度，可以如下進行絕對值的運算： (2.25)一旦計算梯度的算法確立之后，就可以有很多方法來使圖像輪廓突出。最簡單的方法就是令（x,y）點上銳化后的圖像函f(x,y)數(shù)值等于原始圖像在該點上的梯度值，即： (2.26)此法的缺點是處理后的圖像僅顯示

27、出輪廓，灰度平緩變化的部分由于梯度值較小而顯得很黑。（2） 拉普拉斯算子拉普拉斯算子是線性二階微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求。拉普拉斯算子對圖像中的噪聲非常敏感，為了減少噪聲的影響，在做增強處理之前，先將待處理的圖像進行平滑，再做拉普拉斯運算。相對于梯度算子，拉普拉斯算子具有增強的邊緣精確定位的優(yōu)點。因為梯度一階微分算子會在較大范圍內(nèi)形成梯度值，差分的結(jié)果不適合精確定位。然后，二階差分算子的過零特性，可以使邊緣增強后精確定位。（3） 高通濾波圖像邊緣與高頻分量相對應(yīng)，高通濾波器可以讓高頻分量暢通無阻，而對低頻分量則充分限制，從而達到圖像銳化的目的

28、。建立在離散卷積基礎(chǔ)上的空間域高通濾波關(guān)系式如下： (2.27)式中為銳化輸出；為輸入圖像；為沖擊響應(yīng)陣列（卷積陣列）。3 Matlab圖像增強圖像增強是按特定的需要突出一幅圖像中的某些信息，同時，消弱或去除某些信息使得圖像更加實用。圖像增強技術(shù)主要包含直方圖修改處理、圖像平滑處理、圖像尖銳化處理和彩色技術(shù)等。3.1 圖像增強技術(shù)概述圖像增強技術(shù)主要包括：直方圖修改處理，圖像平滑處理，圖像尖銳化處理，彩色圖像處理。從純技術(shù)上講主要有兩類：頻域處理法和空域處理法。頻域處理法主要是卷積定理，采用修改圖像傅立葉變換的方法實現(xiàn)對圖像的增強處理技術(shù)；空域處理法：是直接對圖像中的像素進行處理，基本上是以灰

29、度映射變換為基礎(chǔ)的。3.1.1空域濾波增強使用空域模板進行的圖像處理被稱為空域濾波,模板本身被稱為空域濾波器?？沼驗V波器包括：線性濾波器和非線性濾波器?？沼驗V波處理效果來分類，可以分為平滑濾波器，和銳化濾波器，平滑的目的在于消除混雜在圖像中的干擾因素，改善圖像質(zhì)量，強化圖像表現(xiàn)特征。銳化的目的在于增強圖像邊緣，以及對圖像進行識別和處理。3.1.2 平滑濾波器用于模糊處理和減小噪聲。平滑線性空間濾波器的輸出（響應(yīng)）是包含在濾波掩模鄰域內(nèi)像素的簡單平均值。因此這些濾波器也被稱為均值濾波器。平滑濾波器的概念很簡單：它是用濾波掩模確定的領(lǐng)域內(nèi)像素的平均值去代替圖像每個像素點的值。這種處理減少了圖像灰度

30、的尖銳化。每個掩模前邊的乘數(shù)等于它的系數(shù)值的和，以計算平均值。我們經(jīng)常用這些極端類型的模糊處理來去除圖像中的一些小物體。例如：在matlab中利用線性平滑濾波器處理一副圖像I=imread('eight.tif');J=imnoise(I,'salt & pepper',0.02);>> %添加椒鹽噪聲>> subplot(221)>> imshow(I)>> title('原圖像')>> subplot(222)>> imshow(J)>> title(

31、'添加椒鹽噪聲圖像')K1=filter2(fspecial('average',3),J)/255;>> %應(yīng)用3*3鄰域窗口法>> subplot(223),imshow(K1)>> K2=filter2(fspecial('average',7),J)/255;>> %應(yīng)用7*7鄰域窗口法>> subplot(224),imshow(K2)3.1.3 中值濾波器其原理是把數(shù)字圖像或數(shù)字序列中某一點的值用該點的一個鄰域中各點值的中值交換。中值濾波器的窗口可以取方形，圓形，十字形等。例

32、如：濾波函數(shù)圖像處理1smoothingMedianFilterMain.mclc;clear;fid = fopen('lenai.raw');temp= fread(fid, 256,256);LenaRaw=uint8(temp');subplot(1,3,1)Imshow(LenaRaw);title('原始圖像')subplot(1,3,2)Imshow(smoothingMedianFilter(LenaRaw,3);title('自制函數(shù)，使用用3*3模板，中值濾波圖像')subplot(1,3,3)Imshow(medfi

33、lt2(LenaRaw,3,3);title('調(diào)用庫函數(shù)medfilt2，使用3*3模板，中值濾波圖像')3.1.4 銳化濾波器銳化處理主要目的是突出圖像中的細節(jié)或者增強被模糊了的細節(jié)，這種模糊不是由于錯誤操作，就是特殊圖像獲取方法的固有影響。常用的方法有兩種即為微分法和模板匹配法。其中微分法中梯度是圖像處理常用的一次微分方法，在灰度驟變區(qū)域，梯度值大，在灰度相似區(qū)域，梯度值小。在灰度級為常數(shù)的區(qū)域，梯度為零；Laplacian算子是線性二次微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求。而對于模板匹配法則是出去能夠增強圖像邊緣外，還具有平滑噪

34、聲的優(yōu)點。3.1.5 低通濾波器一幅圖像的邊緣，跳躍部分以及顆粒噪聲代表圖像信號的高頻分量，而大面積的背景區(qū)域代表了圖像信號的低頻分量。低通濾波器的作用就是濾除這些高頻分量，保留低頻分量，使圖像信號平滑。它包括：理想低通濾波器，巴特沃斯低通濾波器，指數(shù)低通濾波器等。例如：頻域增強I=imread('apple.png');>> J=imnoise(I,'salt & pepper',0.02);>> subplot(121),imshow(J)>> title('含噪聲的圖像')J=double(J);

35、>> f=fft2(J);>> g=fftshift(f);>> M,N=size(f);>> n=3;d0=20;>> n1=floor(M/2);n2=floor(N/2);>> for i=1:Mfor j=1:N d=sqrt(i-n1)2+(i-n2)2);h=1/(1+0.414*(d/d0)(2*n);g(i,j)=h*g(i,j);endendg=ifftshift(g);>> g=uint8(real(ifft2(g);>> subplot(122),imshow(g)>&g

36、t; title('三階Butterworth濾波圖像')3.1.6 高通濾波器與低通濾波器相反，它將高頻信號通過，而抑制了低頻信號。3.1.7 同態(tài)濾波器把頻率過濾和灰度變換結(jié)合起來的圖像處理方法叫同態(tài)濾波。3.2 Matlab圖像增強函數(shù)Matlab中圖像增強函數(shù)的具體使用方法：（1）直方圖imhist函數(shù)用于數(shù)字圖像的直方圖顯示，如：i=imread('e:w11.tif');imhist(a);（2）直方圖均化histeq函數(shù)用于數(shù)字圖像的直方圖均化，如：i=imread('e:w11.tif');j=histeq(a);（3）對比度調(diào)整

37、imadjust函數(shù)用于數(shù)字圖像的對比度調(diào)整，如：i=imread('e:w11.tif');j=imadjust(a,0.3,0.7,);（4） 對數(shù)變換log函數(shù)用于數(shù)字圖像的對數(shù)變換，如：i=imread('e:w11.tif');j=double(a);k=log(v);（5）基于卷積的圖像濾波函數(shù)filter2函數(shù)用于圖像濾波，如：i=imread('e:w11.tif');h=1,2,1;0,0,0;-1,-2,-1;j=filter2(h,i);（6） 線性濾波利用二維卷積conv2濾波, 如:i=imread('e:w11

38、.tif');h=1,1,1;1,1,1;1,1,1;h=h/9;j=conv2(i,h);（7）中值濾波medfilt2函數(shù)用于圖像的中值濾波，如：i=imread('e:w11.tif');j=medfilt2(i);（8）銳化·利用Sobel算子銳化圖像, 如:i=imread('e:w11.tif');h=1,2,1;0,0,0;-1,-2,-1;%Sobel算子j=filter2(h,i);3.3 Matlab應(yīng)用于數(shù)字圖像增強和濾波3.3.1 目的1）熟悉灰度圖像讀入函數(shù)imread和圖像顯示函數(shù)imshow。2）掌握數(shù)據(jù)類型強制轉(zhuǎn)

39、換函數(shù)y=double(x)。(注意進行運算前類型為uint8的數(shù)據(jù)必須轉(zhuǎn)換為double類型)。3）掌握使用函數(shù)映射增強圖像的方法。4）熟悉使用imhist函數(shù)顯示圖像直方圖。5）熟悉使用histeq函數(shù)進行直方圖均衡化,通過實驗結(jié)果理解直方圖均衡化的作用。6）掌握加噪函數(shù)imnoise函數(shù)。7）熟悉常用空域平滑濾波和銳化濾波模板。3.3.2 內(nèi)容根據(jù)簡單的函數(shù)映射規(guī)則編寫程序experiment.m,完成圖像求反、增強對比度、降低對比度。1）在MATLAB中讀入名為lena.bmp的圖像給矩陣D，將D強制類型轉(zhuǎn)換為double。2）對原始圖像求反,即轉(zhuǎn)換為黑色或白色,形成底片效果,結(jié)果賦值

40、給矩陣D1。要求原圖像灰度范圍0255,求反后灰度變化范圍2550。3）對原始圖像D降低對比度,結(jié)果賦值給矩陣D2。要求原圖像灰度范圍0255,降低對比度后灰度變化范圍0127。4）對降低對比度后的圖像D2增強對比度, 結(jié)果賦值給矩陣D3,要求與原始圖像外觀類似。5）在figure（1）中顯示求反圖像、增強對比度圖像和降低對比度圖像的圖像與直方圖,并添加標(biāo)注說明。6）對降低對比度后圖像矩陣D2使用histeq函數(shù)進行直方圖均衡化,結(jié)果賦值給矩陣D4。在figure No.2顯示降低對比度后圖像與直方圖均衡化后圖像,并添加標(biāo)注說明。Dimread('lena.bmp');Ddou

41、ble(D/255;D=1-DD=(floor(D255/2)/255);D=(exp(D*255/10)/255;figure,subplot(4,2,1),imshow(Dtitle('原圖像');subplot(4,2,2),imhist(D);title('原圖像直方圖');subplot(4,2,3),imshow(D1);title('求反圖像');subplot(4,2,4),imhist(D2);title('求反圖像直方圖');subplot(4,2,5),imshow(D3);title('增強對比度圖

42、像');subplot(4,2,6),imhist(D4);title('增強對比度圖像直方圖');subplot(4,2,7),imshow(D4);title('降低對比度圖像');subplot(4,2,8),imhist(D3)title('降低對比度圖像直方圖');figure,subplot(1,2,1),imshow(D2);title('降低對比度圖像');subplot(1,2,2),imshow(D4);title('直方圖均衡化圖像');以下將所有代碼寫成名為imfil.m的腳本文件，

43、存盤。在command window 中運行。1）在MATLAB中讀入名為eight.tif的圖像給矩陣X，將X強制類型轉(zhuǎn)換為double，最大值歸一化并顯示X。2）使用imnoise函數(shù)對圖像矩陣X加噪，加噪后圖像矩陣名為J。要求噪聲為零均值，方差0.005的高斯噪聲。3）使用以上給出的平滑濾波模板和conv2函數(shù)對加噪圖像進行平滑濾波即降噪，輸出圖像Y1并顯示。4）使用以上給出的銳化濾波模板和conv2函數(shù)對圖像X進行銳化濾波即邊緣增強，輸出圖像Y2并顯示。5）在一個圖形窗口中建立2×2子窗口，分別顯示原始圖像X,加噪圖像J,降噪后圖像Y1和邊緣增強圖像Y2。X=imread(&

44、#39;eight.tif');Y=double(X);x=(255-Y)./255;J=imnoise(x,'gaussian',0,0.005);d1=0.1.*1,1,1;1,2,1;1,1,1;Y1=conv2(J,d1,'same');d2=0,-1,0;-1,5,-1;0,-1,0;Y2=conv2(Y,d2,'same');subplot(2,2,1),imshow(X);title('原圖象');subplot(2,2,2),imshow(J);title('加噪圖象');subplot(2

45、,2,3),imshow(Y1);title('降噪后圖象');subplot(2,2,4),imshow(Y2/max(max(Y2)+Y/255);title('邊緣增強圖象');編寫程序specfil.m，完成理想濾波器對一幅圖像的低通、高通濾波，比較并分析結(jié)果。1）在MATLAB中讀入名為lena.bmp的圖像給矩陣X，將X強制類型轉(zhuǎn)換為double。2）用cheby1分別設(shè)計低通和高通濾波器并對原始圖像X進行濾波，低通濾波后圖像為X1，高通濾波后圖像為X2。3）在Figure NO 1中開設(shè)1*3個子窗口顯示原始圖像X、低通濾波后圖像X1和高通濾波后圖

46、像X2。編寫函數(shù)f2,f3=photo(ut),圖像文件名為lena256.bmp，第ut行為破損行，即令該行值全為255,文件存為lena2.bmp,編寫程序進行預(yù)測修補，文件保存為lena3.bmp。其中圖像文件讀入函數(shù)為imread,寫出函數(shù)為imwrite，無符號8位整型數(shù)轉(zhuǎn)換為雙精度類型函數(shù)為double，其逆運算函數(shù)為uint8。3.4 實驗實驗一：圖像輸入對于一副黑白數(shù)字圖像，其每一副數(shù)字圖像都是由一個矩陣組成的，矩陣中的每一個值都是對應(yīng)原來的模擬圖像的相應(yīng)值的量化值，因此，一副黑白圖像就是一個關(guān)于像素值的矩陣。使用MATLAB進行圖像輸入，可以利用以下簡單一步：f=imread

47、(文件名.格式名)；Figure;Imshow(f);根據(jù)數(shù)字圖像的特性，f即為關(guān)于輸入圖象各像素值的矩陣。實驗二：彩色圖像處理關(guān)于數(shù)字彩色圖像的編碼，采用RGB三個矩陣進行存儲，因此對于輸入的彩色圖像的關(guān)于RGB的三個矩陣，我們只取其中的灰度矩陣進行處理，這樣就是對彩色圖像的簡單灰化。f=imread(文件名.格式名)；Figure;Imshow(f);title(原圖像)f1=f(:;:;3)%取彩色圖像的灰度分量。Figure;Imshow(f1);Title(原圖像);例如輸入的彩色圖像為：圖3-1 彩色圖像輸入(a) 圖3-2 灰化之后的圖像(b)實驗三：圖像增強實驗題目：圖像增強實

48、驗?zāi)康模海?）了解圖像增強的內(nèi)容和意義；（2）掌握基于空域的圖像增強方法；（3）掌握基于頻域的圖像增強方法。實驗內(nèi)容：（1）綜合運用直方圖均衡、灰度變換、銳化空域濾波等方法編程實現(xiàn)對圖像的空域增強處理；（2）編程實現(xiàn)圖像的頻域增強處理。預(yù)備知識：（1）熟悉MATLAB圖像輸入輸出操作；（2）熟悉圖像的模板操作；（3）熟悉圖像的頻域變換處理；實驗原理：圖像增強是對圖像進行加工，以得到視覺效果更好或更有用的新圖像。圖像均衡化f=imread('Couple.bmp');J=histeq(f); subplot(2,2,1);imshow(f);title('原圖像'

49、);subplot(2,2,2);imhist(f);title('原圖直方圖');subplot(2,2,3);imshow(J);title('均衡化結(jié)果');subplot(2,2,4);imhist(J);title('均衡化結(jié)果的直方圖');圖3-3實驗四：圖像的平滑與濾波實驗題目：圖像平滑與濾波實驗?zāi)康模涸谑煜D像平滑的基本原理和方法的基礎(chǔ)上，在理論指導(dǎo)下，能在MATLAB環(huán)境下對圖像進行平滑處理。本實驗要求用線性平滑濾波、中值平滑濾波、頻域低通濾波的方法進行程序設(shè)計。經(jīng)過平滑處理，對結(jié)果圖像加以比較，得出自己的實驗結(jié)論。實驗內(nèi)容：（

50、1）利用MATLAB為用戶提供的專門函數(shù)實現(xiàn)均值濾波。（2）利用MATLAB為用戶提供的專門函數(shù)實現(xiàn)中值濾波。（3）編寫頻域理想低通、巴特沃斯低通及高斯低通濾波函數(shù)。預(yù)備知識：（1）熟悉平滑濾波、頻域濾波原理。（2）熟悉在MATLAB環(huán)境下對圖像文件的I/O操作。實驗原理：平滑濾波技術(shù)用于平滑圖像中的噪聲。平滑噪聲可以在空間域中進行，基本方法是求像素灰度的平均值或中值。也可以在頻域中用基于傅立葉的分析方法進行。I=imread(' Couple.bmp'); J=imnoise(I,'gaussian',0,0.01);%給圖像加高斯噪聲 subplot(1,2

51、,1);imshow(I);title('原始圖像);subplot(1,2,2);imshow(J);title('加入高斯噪聲的圖像');圖3-5h=fspecial('average',3);gd=imfilter(J,h);subplot(1,2,1);imshow(J);title('加入高斯噪聲的圖像');subplot(1,2,2);imshow(gd);title(' 3X3模板均值濾波');圖3-6實驗五：圖像變換及頻域濾波1驗證二維傅里葉變換的平移性和旋轉(zhuǎn)不變性；a要驗證證其平移特性,就先建立一個二維圖

52、象,然后再對其平移,通過觀察兩者的頻譜圖來觀察平移特性,為了方便起見,我們選擇特殊情況來分析,令u0=v0=N/2,使ßàF(u-N/2,v-N/2),達到將原始F(U,V)四周頻譜移到中心的效果,及達到頻譜中心化。b驗證旋轉(zhuǎn)不變性可以通過將原始數(shù)組的通過移動45度,然后再比較旋轉(zhuǎn)后與旋轉(zhuǎn)前的頻譜,得出頻譜旋轉(zhuǎn)不變性的結(jié)論。具體步驟：1）產(chǎn)生如圖1所示圖像（128×128大小，暗處=0，亮處=255）2）同屏顯示原圖和的幅度譜圖。3）若令，重復(fù)以上過程，比較二者幅度譜的異同。4）將順時針旋轉(zhuǎn)45度得到，顯示的幅度譜，并與的幅度譜進行比較。圖3-7 實驗圖象(a)

53、圖3-8 實驗圖象(b)2.實現(xiàn)圖像頻域濾波，加深對頻域圖像增強的理解。頻率域中進行增強是相當(dāng)直觀的,主要步驟有:1）計算需要增強的圖象的傅立葉變換;2）將其與一個(根據(jù)需要設(shè)計的)轉(zhuǎn)移的函數(shù)相乘;3）再將結(jié)果反傅立葉變換以得到增強的圖象.為了直觀的展示頻域增強,可以通過下面任務(wù)來展現(xiàn):對如圖2所示的數(shù)字圖像lena.img（256×256大小、256級灰度）進行頻域的理想低通、高通濾波，同屏顯示原圖、幅度譜圖和低通、高通濾波的結(jié)果圖。1驗證二維傅里葉變換的平移性和旋轉(zhuǎn)不變性1）建立一個二維數(shù)組并要求該數(shù)組能夠顯示成圖1.a=zeros(128,128)for y=54:74for

54、x=34:94a(x,y)=1;end end然后再用顯示圖象的函數(shù)顯示即可, 在此我們用imshow(a)語句。為了得到幅度譜圖,可以地數(shù)組a進行快速傅立葉變換,然后再用Mesh語句便可得到其幅度譜.2）觀察其平移特性。根據(jù)實驗方法中的分析,構(gòu)造一個新的數(shù)組存入平移后的原數(shù)組,通過在嵌套中加入語句b(x,y)=(-1).(x+y).*a(x,y);即可,然后再用類似上面的方法畫出圖象和幅度譜.3）驗證其旋轉(zhuǎn)不變性。首先將所得圖畫旋轉(zhuǎn)45度,這需要通過將數(shù)組先相應(yīng)的旋轉(zhuǎn),這個旋轉(zhuǎn)有兩種方式:（1）根據(jù)旋轉(zhuǎn)后的圖象算出旋轉(zhuǎn)后的數(shù)組形式,通過點與點之間的變換來實現(xiàn),需要分區(qū)間來畫圖和構(gòu)建新的數(shù)組.

55、然后用imshow來顯示.（2）直接用IMROTATE(A,ANGLE,METHOD)語句,其中A表示數(shù)組,ANGLE表示旋轉(zhuǎn)角度,METHOD表示旋轉(zhuǎn)方向.我們令t=imrotate(a,315,'nearest','crop')令可將數(shù)組a逆時針旋轉(zhuǎn)135度,即相當(dāng)于順時針旋轉(zhuǎn)45度。然后比較旋轉(zhuǎn)前后兩幅圖的差別以及其頻率譜和幅度譜的異同。最后可以得結(jié)論。2.實現(xiàn)圖像頻域濾波1）讀出圖片,并生成圖片的數(shù)組.首先要將lena.img與MATLAB程序文檔放在一個目錄下面,然后再用語句a=fopen('lena.img','r')

56、;b=fread(a,256,256,'uchar');打開圖片并獲得組成該圖片的數(shù)組.然后用imshow(b),便可得到lena的人頭圖片.其次與上面任務(wù)一樣,對圖片數(shù)組進行快速傅立葉變換,然后用mesh()語句畫出他的幅度譜圖,2）進行頻域增強的低通濾波部分。 頻域法的過程是：f(x,y)à正變換-F(u,v)-à修正H(u,v)-G(u,v)-à反變換àg(x,y).3）進行頻域增強的高通濾波部分。一個2-D理想高通濾波器的轉(zhuǎn)移函數(shù)滿足下列條件H(u,v) H(u,v)=0; 當(dāng)D(u,v)<=X時;H(u,v)=1; 當(dāng)D(u,v)>X時;所得到的結(jié)果恰好與低通濾波相反, 當(dāng)大于X的頻率可以完全不受影響的通過濾波器,而小于X的則完全不能通過濾波器。在高通濾波時,分別令X等于2,8,24時,分