圖像反銳化掩膜算法研究(共16頁(yè))

1、 中北大學(xué)課 程 設(shè) 計(jì) 說(shuō) 明 書(shū)學(xué)生(xu sheng)姓名： xxx 學(xué) 號(hào)： 11xxxxxxxx 學(xué) 院： 信息(xnx)與通信工程學(xué)院 專(zhuān) 業(yè)： 電子(dinz)信息工程 題 目： 圖像反銳化掩膜算法研究 指導(dǎo)教師： 田秀榮 職稱(chēng): 講師 2015 年 01月 16日中北大學(xué)課程設(shè)計(jì)任務(wù)書(shū) 14/15 學(xué)年(xunin)第 1 學(xué)期(xuq)學(xué) 院： 信息(xnx)與通信工程學(xué)院 專(zhuān) 業(yè)： 電子信息工程 課程設(shè)計(jì)題目： 專(zhuān)業(yè)綜合實(shí)踐之多維信息處理部分： 圖像反銳化掩膜增強(qiáng)起 迄 日 期： 2015年1月5日2015年1月16日 課程設(shè)計(jì)地點(diǎn)： 201，503，510實(shí)驗(yàn)室 指 導(dǎo)

2、教 師： xxx 系 主 任： xxx 下達(dá)任務(wù)書(shū)日期: 2015 年 1 月5 日課 程 設(shè) 計(jì) 任 務(wù) 書(shū)1設(shè)計(jì)目的：對(duì)一幅灰度圖像，進(jìn)行反銳化掩膜增強(qiáng)處理。 2設(shè)計(jì)內(nèi)容和要求（包括原始數(shù)據(jù)、技術(shù)參數(shù)、條件、設(shè)計(jì)要求等）：掌握反銳化掩膜增強(qiáng)方法；用MATLAB方法實(shí)現(xiàn)此過(guò)程；（3）要求三位同學(xué)協(xié)調(diào)配合，共同完成任務(wù)。 3設(shè)計(jì)工作任務(wù)及工作量的要求包括課程設(shè)計(jì)計(jì)算說(shuō)明書(shū)(論文)、圖紙、實(shí)物樣品等：課程設(shè)計(jì)說(shuō)明書(shū)一份程序仿真結(jié)果課 程 設(shè) 計(jì) 任 務(wù) 書(shū)4主要參考文獻(xiàn)：要求按國(guó)標(biāo)GB 771487文后參考文獻(xiàn)著錄規(guī)則書(shū)寫(xiě)，例：1 傅承義，陳運(yùn)泰，祁貴中.地球物理學(xué)基礎(chǔ).北京：科學(xué)出版社，198

3、5（5篇以上）5設(shè)計(jì)成果形式及要求：課程設(shè)計(jì)說(shuō)明書(shū)仿真結(jié)果6工作計(jì)劃及進(jìn)度：2015年1月5日2015年1月16日1月5日-9日 查找資料，上機(jī)調(diào)試程序;1月12日-16日 寫(xiě)設(shè)計(jì)報(bào)告，并答辯。系主任審查意見(jiàn)： 簽字： 年 月 日 目錄(ml) TOC o 1-3 h z u HYPERLINK l _Toc409119239 第一章 緒論(xln) PAGEREF _Toc409119239 h 2 HYPERLINK l _Toc409119240 1.1反銳化掩模概述(i sh) PAGEREF _Toc409119240 h 2 HYPERLINK l _Toc409119241 1.

4、2反銳化掩模算法 PAGEREF _Toc409119241 h 2 HYPERLINK l _Toc409119242 1.3常見(jiàn)的圖像反銳化掩模增強(qiáng)方法 PAGEREF _Toc409119242 h 2 HYPERLINK l _Toc409119243 第二章 設(shè)計(jì)目的及方案簡(jiǎn)介 PAGEREF _Toc409119243 h 3 HYPERLINK l _Toc409119244 2.1設(shè)計(jì)目的 PAGEREF _Toc409119244 h 3 HYPERLINK l _Toc409119245 2.2設(shè)計(jì)內(nèi)容和要求 PAGEREF _Toc409119245 h 3 HYPERL

5、INK l _Toc409119246 第三章 線(xiàn)性反銳化掩模方法 PAGEREF _Toc409119246 h 3 HYPERLINK l _Toc409119247 3.1方法簡(jiǎn)要介紹 PAGEREF _Toc409119247 h 3 HYPERLINK l _Toc409119248 3.2 主要設(shè)計(jì)程序 PAGEREF _Toc409119248 h 4 HYPERLINK l _Toc409119249 3.3 實(shí)驗(yàn)結(jié)果 PAGEREF _Toc409119249 h 4 HYPERLINK l _Toc409119250 第四章 基于均值濾波的非線(xiàn)性反銳化掩模 PAGEREF

6、_Toc409119250 h 5 HYPERLINK l _Toc409119251 4.1方法簡(jiǎn)要介紹 PAGEREF _Toc409119251 h 5 HYPERLINK l _Toc409119252 4.2主要程序 PAGEREF _Toc409119252 h 6 HYPERLINK l _Toc409119253 4.3實(shí)驗(yàn)結(jié)果 PAGEREF _Toc409119253 h 7 HYPERLINK l _Toc409119254 第五章 基于小波變換的非線(xiàn)性反銳化掩膜 PAGEREF _Toc409119254 h 7 HYPERLINK l _Toc409119255 5.

7、1方法簡(jiǎn)要介紹 PAGEREF _Toc409119255 h 7 HYPERLINK l _Toc409119256 5.2主要程序 PAGEREF _Toc409119256 h 8 HYPERLINK l _Toc409119257 5.3實(shí)驗(yàn)結(jié)果 PAGEREF _Toc409119257 h 9 HYPERLINK l _Toc409119258 第六章 實(shí)驗(yàn)結(jié)果評(píng)測(cè) PAGEREF _Toc409119258 h 10 HYPERLINK l _Toc409119259 第七章 本次課設(shè)的收獲體會(huì) PAGEREF _Toc409119259 h 11 HYPERLINK l _To

8、c409119260 第八章 參考文獻(xiàn) PAGEREF _Toc409119260 h 11 緒論(xln)1.1反銳化掩模概述(i sh) 英文:unsharp masking / 中文:反銳化掩模法；將原圖像通過(guò)反銳化掩模進(jìn)行模糊預(yù)處理(相當(dāng)于采用低通濾波)后與原圖逐點(diǎn)做差值運(yùn)算，然后乘上一個(gè)修正因子再與原圖求和(qi h)，以達(dá)到提高圖像中高頻成分、增強(qiáng)圖像輪廓的目的。反銳化掩模技術(shù)最早是應(yīng)用于攝影技術(shù)中，以增強(qiáng)圖像的邊緣和細(xì)節(jié)。光學(xué)上的操作方法是將聚焦的正片和散焦的負(fù)片在底片上進(jìn)行疊加，結(jié)果是增強(qiáng)了正片高頻成份，從而增強(qiáng)了輪廓，散焦的負(fù)片相當(dāng)于“模糊”模板（掩模），它與銳化的作用正好相

9、反，因此，該方法被稱(chēng)為反銳化掩模法。1.2反銳化掩模算法 反銳化掩模（UnSharp Masking，UM）算法。首先將原圖像低通濾波后產(chǎn)生一個(gè)鈍化模糊圖像，將原圖像與這模糊圖像相減得到保留高頻成份的圖像，再將高頻圖像用一個(gè)參數(shù)放大后與原圖像疊加，這就產(chǎn)生一個(gè)增強(qiáng)了邊緣的圖像。最初將原圖像通過(guò)低通濾波器后，因?yàn)楦哳l成份受到抑制，從而使圖像模糊，所以模糊圖像中高頻成份有很大削弱。將原圖像與模糊圖像相減的結(jié)果就會(huì)使f(x、y)的低頻成份損失很多，而高頻成份較完整地被保留下來(lái)。因此，再將高頻成份的圖像用一個(gè)參數(shù)放大后與原圖像f(x、y)疊加后，就提升了高頻成份，而低頻成份幾乎不受影響。1.3常見(jiàn)的圖

10、像反銳化掩模增強(qiáng)方法 1.3.1線(xiàn)性反銳化掩模方法 1.3.2非線(xiàn)性反銳化掩模方法 1.3.3基于(jy)中值濾波反銳化掩模方法 1.3.4小波變換(binhun)反銳化掩模方法等 第二章 設(shè)計(jì)目的(md)及方案簡(jiǎn)介2.1設(shè)計(jì)目的 對(duì)一幅灰度圖像，進(jìn)行反銳化掩膜增強(qiáng)處理，主要包括線(xiàn)性反銳化掩模方法，非線(xiàn)性反銳化掩模方法，基于中值濾波反銳化掩模方法，小波變換反銳化掩模方法等2.2設(shè)計(jì)內(nèi)容和要求 2.2.1掌握反銳化掩膜增強(qiáng)方法； 2.2.2用MATLAB方法實(shí)現(xiàn)此過(guò)程； 2.2.3要求三位同學(xué)協(xié)調(diào)配合，共同完成任務(wù)。 線(xiàn)性反銳化掩模方法3.1方法簡(jiǎn)要介紹 線(xiàn)性反銳化掩模方法是通過(guò)把現(xiàn)有圖像通過(guò)線(xiàn)

11、性高通濾波方法，與一個(gè)比例因子相乘后再和現(xiàn)有的圖像拼加起來(lái)，然后把使用一樣的帶有高頻信號(hào)傳送出來(lái)或與線(xiàn)性因子疊加在一起可得圖像細(xì)節(jié)增強(qiáng)的過(guò)程。在圖像的成像過(guò)程中線(xiàn)性銳化掩模對(duì)圖像增強(qiáng)處理是付出很大的，對(duì)于圖像中灰度值比較大的地方都與原始圖像的顯著邊緣對(duì)稱(chēng)，而圖像中灰度值比較小的地方常常又會(huì)與噪聲相對(duì)稱(chēng)?；叶戎荡蟮耐枰容^小的加權(quán)或者一點(diǎn)也不用，但實(shí)際當(dāng)中對(duì)灰度值比較中等的這些目標(biāo)需進(jìn)行增強(qiáng)處理的。因?yàn)?，在原始圖像當(dāng)中灰度值占中等的這些目標(biāo)對(duì)比度都特別弱。3.2 主要設(shè)計(jì)(shj)程序I=imread(8888.bmp);I=rgb2gray(I);subplot (2, 2, 1) ; i

12、mshow (I) ;title(原圖像(t xin)f_= filter2(fspecial(average,5),I);f_ =uint8 (f_ );subplot (2, 2, 2) ; imshow(f_ ) ;title ( 5*5均值濾波(lb)后圖像)subplot (2, 2, 3) ; imshow(I+1* (I-f_) ;title(處理后圖像5*5, k=1)subplot (2, 2, 4) ; imshow(I+2*(I-f_) ;title(處理后圖像5*5, k=2)figure;subplot (2, 2, 1) ; imshow(I+3*(I-f_) ;t

13、itle(處理后圖像5*5, k=3)subplot (2, 2, 2) ; imshow(I+4*(I-f_) ;title(處理后圖像5*5, k=4)subplot (2, 2, 3) ; imshow(I+5*(I-f_) ;title(處理后圖像5*5, k=5)subplot (2, 2, 4) ; imshow(I+6*(I-f_) ;title(處理后圖像5*5,k=6)3.3 實(shí)驗(yàn)結(jié)果 圖3.1-線(xiàn)性反銳化掩模處理(chl)后圖像 圖3.2-線(xiàn)性反銳化掩模處理(chl)后圖像 基于(jy)均值濾波的非線(xiàn)性反銳化掩模4.1方法簡(jiǎn)要介紹線(xiàn)性反銳化掩模處理過(guò)程中對(duì)噪聲極其敏感，從而

14、導(dǎo)致噪聲加大，細(xì)節(jié)丟失，圖像質(zhì)量降低，針對(duì)線(xiàn)性反銳化掩模的局限性和缺點(diǎn)，提出了根據(jù)灰度特性來(lái)調(diào)節(jié)具有增強(qiáng)作用的加權(quán)因數(shù)，可非線(xiàn)性地增強(qiáng)圖像的邊緣細(xì)節(jié)，即為非線(xiàn)性反銳化掩模處理方法。算法中使用模糊影像以增強(qiáng)空間頻率響應(yīng),且算法中決定增強(qiáng)程度的加權(quán)因數(shù)K會(huì)隨原始影像密度的變化而變化。在低密度區(qū)K值減小,在高密度區(qū)K值增加,使得該算法能根據(jù)CR圖像灰度特性來(lái)調(diào)節(jié)增強(qiáng)程度的加權(quán)因數(shù),從而可非線(xiàn)性地增強(qiáng)CR影像的邊緣細(xì)節(jié)。4.2主要(zhyo)程序I=imread(8888.bmp);I=rgb2gray(I);K=imnoise (I,salt & pepper,0.02);K=im2double(K

15、); imshow (K) ;title(原圖像(t xin)figure;f_=filter2(fspecial(average,3),K);fl_=filter2(fspecial(average,5),K);subplot (2,2,1) ; imshow(f_) ;title (3*3均值(jn zh)濾波)subplot (2,2,3) ; imshow(fl_) ;title (5*5均值濾波)k=max(K(:);for i=10:999for j=10:999k_(i,j)=4* (sin (K (i,j)/k*pi/2);endendK=im2uint8 (K);f_=im2

16、uint8 (f_);fl_=im2uint8 (fl_);k_=im2uint8(k_);for i=10:999for j=10:999G_(i,j)=K(i,j)+k_(i,j).*(K (i,j)-f_(i,j);G1_(i,j)=K(i,j)+k_(i,j).*(K (i,j)-f_(i,j);endendsubplot (2, 2, 2) ;imshow (G_) ;title(基于均值變換的非線(xiàn)性反銳化掩膜，3*3)subplot (2, 2, 4) ;imshow (G1_) ;title(基于均值變換的非線(xiàn)性反銳化掩膜，5*5)4.3實(shí)驗(yàn)(shyn)結(jié)果圖4.1-基于均值變換

17、(binhun)的非線(xiàn)性反銳化掩模處理后圖像 基于小波變換(binhun)的非線(xiàn)性反銳化掩膜5.1方法簡(jiǎn)要介紹為了對(duì)圖像進(jìn)行細(xì)節(jié)增強(qiáng)，針對(duì)線(xiàn)性反銳化掩模的缺點(diǎn)，提出了一種基于小波變換反銳化掩模算法的CR醫(yī)學(xué)圖像增強(qiáng)方法。這種方法是在對(duì)原始的CR醫(yī)學(xué)圖像進(jìn)行小波變換后，利用小波相位特性去掉噪聲的方法，然后再經(jīng)反銳化掩模算法對(duì)CR圖像進(jìn)行增強(qiáng)。5.2主要(zhyo)程序I=imread(8888.bmp);subplot (2,2,1) ; imshow (I) ;title(原圖像(t xin)1)I=rgb2gray(I);K1=imnoise (I,salt & pepper,0.02);s

18、ubplot (2,2,3) ; imshow (K1) ;title(原圖像(t xin)2)K1= medfilt2(I);K=im2double(K1);subplot(2,2,2);imshow(K);title(中值濾波)f_=filter2(fspecial(average,3),K);fl_=filter2(fspecial(average,5),K);figure;subplot (2,2,1) ; imshow(f_) ;title (3*3均值濾波)subplot (2,2,3) ; imshow(fl_) ;title (5*5均值濾波)k=max(K(:);for i=

19、10:999for j=10:999k_(i,j)=4* (sin (K (i,j)/k*pi/2);endendK=im2uint8 (K);f_=im2uint8 (f_);fl_=im2uint8 (fl_);k_=im2uint8(k_);for i=10:999for j=10:999G(i,j)=K(i,j)+k_(i,j).*(K (i,j)-f_(i,j)*3;G1(i,j)=K(i,j)+k_(i,j).*(K (i,j)-f_(i,j)*3;endendfor i=40:999for j=40:999G(i,j)=K(i,j)+k_(i,j).*(K (i,j)-f_(i,

20、j);G1(i,j)=K(i,j)+k_(i,j).*(K (i,j)-f_(i,j);endendG_ =medfilt2 (G);G1_ =medfilt2(G1);subplot (2, 2, 2) ;imshow (G_) ;title(基于小波變換(binhun)的非線(xiàn)性反銳化掩膜，3*3)subplot (2, 2, 4) ;imshow (G1_) ;title(基于小波變換(binhun)的非線(xiàn)性反銳化掩膜，5*5)5.3實(shí)驗(yàn)(shyn)結(jié)果圖5.1-基于小波變換的非線(xiàn)性反銳化掩膜處理后圖像圖5.2-基于小波變換(binhun)的非線(xiàn)性反銳化掩膜處理后圖像 實(shí)驗(yàn)(shyn)結(jié)果

21、評(píng)測(cè)通過(guò)上述實(shí)驗(yàn)分析得出以下(yxi)結(jié)論: (1)在圖像使用線(xiàn)性UM算法處理會(huì)使噪聲和對(duì)比度過(guò)渡的增強(qiáng)從而使圖像的細(xì)節(jié)消失。而且平坦的區(qū)間噪聲被擴(kuò)大了，則未能達(dá)到滿(mǎn)意的增強(qiáng)效果。 (2) 在圖像非線(xiàn)性UM算法是依據(jù)增強(qiáng)系數(shù)K不是一個(gè)常數(shù)，而是圖像Q (x, y)的函數(shù)，是非線(xiàn)性的。其在低灰度值區(qū)K是增強(qiáng)的、而中灰度值區(qū)是線(xiàn)性增強(qiáng)、而高灰度區(qū)是壓縮(縮小)的。K是隨原始圖像密度(信號(hào)Q)改變而變化的，但是其對(duì)噪聲雜亂性和多種多樣性無(wú)法消除干凈。 (3)針對(duì)上述各種算法存在的不足，提出了基于小波變換的反銳化掩模圖像增強(qiáng)法。通過(guò)實(shí)驗(yàn)表明，此方法對(duì)于圖像處理的細(xì)節(jié)更豐富了圖像的對(duì)比度增強(qiáng)了，不僅消除了圖像的噪聲，而且細(xì)節(jié)部分得到了增強(qiáng)處理，更有利的把更多的細(xì)節(jié)區(qū)分開(kāi)?？梢哉f(shuō)，基于小波