智能圖像處理算法結(jié)合分析

1、.1圖像增強(qiáng)技術(shù)研究1 圖像增強(qiáng)概述1.1 圖像增強(qiáng)的定義圖像增強(qiáng)是指按特定的需要突出一幅圖像中的*些信息，同時削弱或去除*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(qiáng)的目的是使圖像的*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(jī)器分析，以便于實(shí)現(xiàn)對圖像的更高級的處理和分析。圖像增強(qiáng)的過程往往也是一個矛盾的過程：圖像增強(qiáng)希望既去除噪聲又增強(qiáng)邊緣。但是，增強(qiáng)邊緣的同時會同時增強(qiáng)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(qiáng)的時候，往往是將這兩局部進(jìn)展折中，找到一個好的代價函數(shù)到達(dá)需要的增強(qiáng)目的。傳統(tǒng)的圖像增強(qiáng)算法在確定轉(zhuǎn)換函數(shù)時常是基于整個圖像的統(tǒng)計

2、量，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*些局部區(qū)域的細(xì)節(jié)在計算整幅圖的變換時其影響因?yàn)槠渲递^小而常常被忽略掉，從而局部區(qū)域的增強(qiáng)效果常常不夠理想，噪聲濾波和邊緣增強(qiáng)這兩者的矛盾較難得到解決。1.2 常用的圖像增強(qiáng)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(xì)節(jié)看不清楚。這時可以通過直方圖均衡化將圖像的灰度圍分開，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)圍，自動地增加整個圖像的比照度，使圖像具有較大的反差，細(xì)節(jié)清晰。2比照度增強(qiáng)法有些圖像的比照度比較低，從而使整個圖像模糊不清。這時可以按一定的規(guī)則修改原來圖像的每一

3、個象素的灰度，從而改變圖像灰度的動態(tài)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(jī)產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點(diǎn)。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(diǎn)的掩模在圖像上滑動，將掩模中心對應(yīng)像素點(diǎn)的灰度值用掩模所有像素點(diǎn)灰度的平均值代替，如果規(guī)定了在取均值過程中掩模各像素點(diǎn)所占的權(quán)重，即各像素點(diǎn)所乘系數(shù)，這時就稱為加權(quán)均值濾波；中值濾波是一種非線性空間濾波，其與

4、均值濾波的區(qū)別是掩模中心對應(yīng)像素點(diǎn)的灰度值用掩模所有像素點(diǎn)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(yùn)算使圖像模糊，可對其進(jìn)展反運(yùn)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(qiáng)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，也可以到達(dá)圖像銳化的目的。1.3圖像增強(qiáng)的現(xiàn)狀與應(yīng)用計算機(jī)圖像處理的開展歷史不長，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)時圖像存儲本錢高，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(jìn)實(shí)驗(yàn)室，首次對徘徊者7號太空飛船發(fā)

5、回的月球照片進(jìn)展了處理，得到了前所未有的清晰圖像，這標(biāo)志著圖像處理技術(shù)開場得到實(shí)際應(yīng)用。70年代進(jìn)入開展期，出現(xiàn)和衛(wèi)星遙感圖像，對圖像處理的開展起到了很好的促進(jìn)作用。80年代進(jìn)入普及期，此時微機(jī)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(jìn)一步降低，極大的促進(jìn)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(shí)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)量化方面開展，實(shí)現(xiàn)圖像的實(shí)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(shí)現(xiàn)圖像的智能生成、處理、理解和識別7。目前，許多新的增強(qiáng)算法都充分利用了周圍鄰域這一

6、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(hù)邊緣，其根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(hù)較顯著的邊緣，但對圖像細(xì)節(jié)的保護(hù)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(jìn)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(hù)圖像細(xì)節(jié)和濾除高斯噪聲，其算法中窗口的大小由鄰域一致性程度決

7、定，該一致性程度由一個模糊邏輯規(guī)則導(dǎo)出。圖像增強(qiáng)中變換域增強(qiáng)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，其中小波是近年來開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(jìn)展多尺度小波變換后，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局部進(jìn)展增強(qiáng)。圖像變換的方法是多種多樣的。通過采取適當(dāng)?shù)脑鰪?qiáng)處理可以將原本模糊不清甚至根本無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(qiáng)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(qiáng)技術(shù)作為預(yù)處理局部的根本技術(shù)，是系統(tǒng)

8、中十分重要的一環(huán)。迄今為止，圖像增強(qiáng)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(qiáng)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(jī)來說，要對圖像進(jìn)展處理，并不是一件容易的事情。為了快速有效的對圖像進(jìn)展處理和分析，我們通常都需要對圖像進(jìn)展一些變換，把原來的圖像信息變?yōu)榱硪恍问?，使計算機(jī)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(qiáng)、復(fù)原、編碼等方面有著廣泛的應(yīng)運(yùn)。如傅立葉變換后平均值正比于圖像灰度的平均

9、值，高頻分量則說明了圖像中目標(biāo)邊緣的強(qiáng)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(xiàng)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(shí)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(dá)式對于二維離散函數(shù) *=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)*=0，1，2，M-1 y0，1，2，N-1變換核可別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換實(shí)現(xiàn)。2.1.2 離散沃爾什變換由

10、于傅立葉變換的變換核由正弦余弦函數(shù)組成，運(yùn)算速度受影響。要找另一種正交變換，要運(yùn)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設(shè)N=2，則離散 f(*) *=0,1, 2,N-1的沃爾什變換 u=0，1，2，N-1 (2.5) *=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)*=0,1,2,M-1 y=0,1,2,N-1這里假定了M=2，N2從上式可知，反正變換核具有可別離性，即 (2.9)所以，二維離散沃爾什變換可由兩次變換來實(shí)現(xiàn)。2.2

11、 灰度變換灰度變換可使圖像動態(tài)圍增大，比照度得到擴(kuò)展，使圖像清晰、特征明顯，是圖像增強(qiáng)的重要手段之一。它主要利用點(diǎn)運(yùn)算來修正像素灰度，由輸入像素點(diǎn)的灰度值確定相應(yīng)輸出點(diǎn)的灰度值，是一種基于圖像變換的操作?；叶茸儞Q不改變圖像的空間關(guān)系，除了灰度級的改變是根據(jù)*種特定的灰度變換函數(shù)進(jìn)展之外，可以看作是“從像素到像素的復(fù)制操作?；邳c(diǎn)運(yùn)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?；叶茸儞Q包含的方法很多，如逆反處理、閾值變換、灰度拉伸、灰度切分、灰度級修正、動態(tài)圍調(diào)整等。雖然它們對圖像的處理

12、效果不同，但處理過程中都運(yùn)用了點(diǎn)運(yùn)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(*,y)的灰度圍為a,b，變換后的圖像g(*,y)的灰度圍線性的擴(kuò)展至c,d，則對于圖像中的任一點(diǎn)的灰度值P(*,y)，變換后為g(*,y)，其數(shù)學(xué)表達(dá)式如下所示1。 (2.11)假設(shè)圖像局部像素的灰度級分布在區(qū)間a,b，ma* f為原圖的最大灰度級，只有很小一局部的灰度級超過了此區(qū)間，則為了改善增強(qiáng)效果，可以令 (2.12)在曝光缺乏或過度的情況下，圖像的灰度可能會局限在一個很小的圍，這時得到的圖像可能是一個模糊不清、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

13、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(jìn)展變換時，把0-255整個灰度值區(qū)間分為假設(shè)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(jìn)展灰度變換，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(diǎn)的灰度值與對應(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

14、)其中b為底數(shù)。為了增加變換的動態(tài)圍，在上述一般公式中可以參加一些調(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(*,y)=a時，g(*,y)=0，此時指數(shù)曲線交于*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(kuò)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(diǎn)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，也可以選用自然對數(shù)。為了增加變換的動態(tài)圍，在上述一般公式中可以參加一些調(diào)制參數(shù)，這時的

15、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(*,y)+1是為了防止對0求對數(shù)，確保。當(dāng)f(*,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(kuò)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 直方圖修正根底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,

16、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(diǎn)性質(zhì)：1直方圖中不包含位置信息。直方圖只是反響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一樣的直方圖分布。2直方圖反響了圖像的整體灰度。直方圖反響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，假設(shè)一幅圖像其像素占有全部可能的灰度級并且分布均勻，這樣的圖像有高比照度和多變的灰度色調(diào)。3直方圖的可疊加性。一幅圖像的直方圖等于它各個局部直方圖的和。4直方圖具有統(tǒng)計特性。

17、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)圍。直方圖的動態(tài)圍是由計算機(jī)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(jìn)展修正，以到達(dá)理想的效果，即對原始圖像的直方圖進(jìn)展轉(zhuǎn)換修正：一幅給定的圖像的灰度級分布在0r1圍?？梢詫?,1區(qū)間的任何一個r進(jìn)展如下的變換：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，單值單調(diào)增加；b.對于0r1，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圍。

18、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(qiáng)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。它以概率論為根底，運(yùn)用灰度點(diǎn)運(yùn)算來實(shí)現(xiàn)，從而到達(dá)增強(qiáng)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(xì)節(jié)看不清楚。這時可以將圖像的灰度圍分開，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

19、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(qiáng)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。灰度變換函數(shù)為：s=T(r)。圖2.2 直方圖均衡化變換函數(shù)實(shí)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“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

20、態(tài)圍。減少簡并現(xiàn)象通常可采用兩種方法：一種簡單的方法是增加像素的比特數(shù)。比方，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)生的時機(jī)，從而減少灰度層次的損失。另外，采用灰度間隔放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比照度靈敏特性和成像系統(tǒng)的動態(tài)圍進(jìn)展放大。一般實(shí)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)圍和原始圖像的灰度級來確定處理后的灰度級間隔；3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)變換法為根底的直方圖修正

21、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*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(jìn)展直方圖均衡化處理，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

22、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(qiáng)處理的步驟如下：1將原始圖像進(jìn)展均衡化處理；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(jìn)展。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(jìn)展截斷處理，必將不可防止的導(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?yàn)楦鞣N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

23、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*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(xì)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(jī)產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點(diǎn)。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。如何既平滑掉噪聲又盡量保持圖像細(xì)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

24、均法。對于給定的圖像f(*，y)中的每一個點(diǎn)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(diǎn)m，n處的灰度。設(shè)S是3*3的正方形鄰域，點(diǎn)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*點(diǎn)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(*,y)中的每一個點(diǎn)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，假設(shè)M是奇數(shù)時，則位于中間的那個象素值就是修改后圖像g(*,y)在點(diǎn)f(m,n)處的像素值；假設(shè)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(*,y)在點(diǎn)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

25、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(xì)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(yùn)算，因此可以對其進(jìn)展逆運(yùn)算如微分運(yùn)算就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實(shí)質(zhì)是因?yàn)槠涓哳l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緣和輪廓變得清晰，我們希望對圖像的*種運(yùn)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(diǎn)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

26、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(yùn)算速度，可以如下進(jìn)展絕對值的運(yùn)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*,y點(diǎn)上銳化后的圖像函f(*,y)數(shù)值等于原始圖像在該點(diǎn)上的梯度值，即： (2.26)此法的缺點(diǎn)是處理后的圖像僅顯示出輪廓，灰度平緩變化的局部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

27、增強(qiáng)處理之前，先將待處理的圖像進(jìn)展平滑，再做拉普拉斯運(yùn)算。相對于梯度算子，拉普拉斯算子具有增強(qiáng)的邊緣準(zhǔn)確定位的優(yōu)點(diǎn)。因?yàn)樘荻纫浑A微分算子會在較大圍形成梯度值，差分的結(jié)果不適合準(zhǔn)確定位。然后，二階差分算子的過零特性，可以使邊緣增強(qiáng)后準(zhǔn)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，從而到達(dá)圖像銳化的目的。建立在離散卷積根底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(qiáng)圖像增強(qiáng)是按特定的需要突出一幅圖像中的*些信息，同時，消弱或去除*些信息使得圖像更加實(shí)用。圖像增強(qiáng)技術(shù)主

28、要包含直方圖修改處理、圖像平滑處理、圖像鋒利化處理和彩色技術(shù)等。3.1 圖像增強(qiáng)技術(shù)概述圖像增強(qiáng)技術(shù)主要包括：直方圖修改處理，圖像平滑處理，圖像鋒利化處理，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(shí)現(xiàn)對圖像的增強(qiáng)處理技術(shù)；空域處理法：是直接對圖像中的像素進(jìn)展處理，根本上是以灰度映射變換為根底的?？沼?yàn)V波增強(qiáng)使用空域模板進(jìn)展的圖像處理被稱為空域?yàn)V波,模板本身被稱為空域?yàn)V波器?？沼?yàn)V波器包括：線性濾波器和非線性濾波器?？沼?yàn)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

29、像質(zhì)量，強(qiáng)化圖像表現(xiàn)特征。銳化的目的在于增強(qiáng)圖像邊緣，以及對圖像進(jìn)展識別和處理。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)域像素的平均值去代替圖像每個像素點(diǎn)的值。這種處理減少了圖像灰度的鋒利化。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.

30、02); %添加椒鹽噪聲subplot(221)imshow(I) title(原圖像)subplot(222)imshow(J) title(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*一點(diǎn)的值用該點(diǎn)的一個鄰域中各點(diǎn)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

31、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(medfilt2(LenaRaw,3,3);title(調(diào)用庫函數(shù)medfilt

32、2，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(xì)節(jié)或者增強(qiáng)被模糊了的細(xì)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(qiáng)圖像邊緣外，還具有平滑噪聲的優(yōu)點(diǎn)。3.1.5 低通濾波器一幅圖像的邊緣，跳躍局部以及顆粒噪聲代表圖像信號的高頻分量

33、，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，保存低頻分量，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(qiáng)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); f=fft2(J); g=fftshift(f); M,N=size(f); n=3;d0=20; n1=floor(M/2);n2=floor(N/2);fori=1:Mfor j=1:N d=sqrt(i

34、-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) 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(qiáng)函數(shù)Matlab中圖像增強(qiáng)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:w1

35、1.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比照度調(diào)整imadjust函數(shù)用于數(shù)字圖像的比照度調(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(

36、h,i);6線性濾波利用二維卷積conv2濾波, 如:i=imread(e:w11.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(qiáng)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

37、型強(qiáng)制轉(zhuǎn)換函數(shù)y=double(*)。(注意進(jìn)展運(yùn)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(qiáng)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(jìn)展直方圖均衡化,通過實(shí)驗(yàn)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 容根據(jù)簡單的函數(shù)映射規(guī)則編寫程序e*periment.m,完成圖像求反、增強(qiáng)比照度、降低比照度。1在MATLAB中讀入名為lena.bmp的圖像給矩陣D，將D強(qiáng)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)果賦值給矩陣D

38、1。要求原圖像灰度圍0255,求反后灰度變化圍2550。3對原始圖像D降低比照度,結(jié)果賦值給矩陣D2。要求原圖像灰度圍0255,降低比照度后灰度變化圍0127。4對降低比照度后的圖像D2增強(qiáng)比照度, 結(jié)果賦值給矩陣D3,要求與原始圖像外觀類似。5在figure1中顯示求反圖像、增強(qiáng)比照度圖像和降低比照度圖像的圖像與直方圖,并添加標(biāo)注說明。6對降低比照度后圖像矩陣D2使用histeq函數(shù)進(jìn)展直方圖均衡化,結(jié)果賦值給矩陣D4。在figure No.2顯示降低比照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);Ddouble(D/255;D=1-DD=(floor(

39、D255/2)/255);D=(e*p(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(qiáng)比照度圖像);subplot(4,2,6),imhist(D4);title(增強(qiáng)比照度圖像直方圖);subplot(4,2,7),imshow(

40、D4);title(降低比照度圖像);subplot(4,2,8),imhist(D3)title(降低比照度圖像直方圖);figure,subplot(1,2,1),imshow(D2);title(降低比照度圖像);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，存盤。在mand window 中運(yùn)行。1在MATLAB中讀入名為eight.tif的圖像給矩陣*，將*強(qiáng)制類型轉(zhuǎn)換為double，最大值歸一化并顯示*。2使用imnoise函數(shù)對圖像矩陣*加噪，加噪后圖像矩陣名為J。要求噪聲為零均值，方差0.00

41、5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(jìn)展平滑濾波即降噪，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*進(jìn)展銳化濾波即邊緣增強(qiáng)，輸出圖像Y2并顯示。5在一個圖形窗口中建立22子窗口，分別顯示原始圖像*,加噪圖像J,降噪后圖像Y1和邊緣增強(qiáng)圖像Y2。*=imread(eight.tif);Y=double(*);*=(255-Y)./255;J=imnoise(*,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;

42、Y2=conv2(Y,d2,same);subplot(2,2,1),imshow(*);title(原圖象);subplot(2,2,2),imshow(J);title(加噪圖象);subplot(2,2,3),imshow(Y1);title(降噪后圖象);subplot(2,2,4),imshow(Y2/ma*(ma*(Y2)+Y/255);title(邊緣增強(qiáng)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*，將*強(qiáng)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

43、原始圖像*進(jìn)展濾波，低通濾波后圖像為*1，高通濾波后圖像為*2。3在Figure NO 1中開設(shè)1*3個子窗口顯示原始圖像*、低通濾波后圖像*1和高通濾波后圖像*2。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(jìn)展預(yù)測修補(bǔ)，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(yùn)算函數(shù)為uint8。3.4 實(shí)驗(yàn)實(shí)驗(yàn)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

44、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(jìn)展圖像輸入，可以利用以下簡單一步：f=imread(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(shí)驗(yàn)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(jìn)展存儲，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(jìn)展處理，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;Im

45、show(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(shí)驗(yàn)三：圖像增強(qiáng)實(shí)驗(yàn)題目：圖像增強(qiáng)實(shí)驗(yàn)?zāi)康模?了解圖像增強(qiáng)的容和意義；2掌握基于空域的圖像增強(qiáng)方法；3掌握基于頻域的圖像增強(qiáng)方法。實(shí)驗(yàn)容：1綜合運(yùn)用直方圖均衡、灰度變換、銳化空域?yàn)V波等方法編程實(shí)現(xiàn)對圖像的空域增強(qiáng)處理；2編程實(shí)現(xiàn)圖像的頻域增強(qiáng)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(shí)驗(yàn)原理：圖像增強(qiáng)是對圖像進(jìn)展加工，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=hist

46、eq(f); subplot(2,2,1);imshow(f);title(原圖像);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(shí)驗(yàn)四：圖像的平滑與濾波實(shí)驗(yàn)題目：圖像平滑與濾波實(shí)驗(yàn)?zāi)康模涸谑煜D像平滑的根本原理和方法的根底上，在理論指導(dǎo)下，能在MATLAB環(huán)境下對圖像進(jìn)展平滑處理。本實(shí)驗(yàn)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(jìn)展程序設(shè)計。經(jīng)過平滑處理，對結(jié)果圖像加以比較，得出自己的

47、實(shí)驗(yàn)結(jié)論。實(shí)驗(yàn)容：1利用MATLAB為用戶提供的專門函數(shù)實(shí)現(xiàn)均值濾波。2利用MATLAB為用戶提供的專門函數(shù)實(shí)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?yàn)V波原理。2熟悉在MATLAB環(huán)境下對圖像文件的I/O操作。實(shí)驗(yàn)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(jìn)展，根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(jìn)展。I=imread( Couple.bmp); J=imnoise(I,gaussian,0,0.01);%給圖像加高斯噪聲 subplot(1,2,1);imshow(I);title(

48、原始圖像);subplot(1,2,2);imshow(J);title(參加高斯噪聲的圖像);圖3-5h=fspecial(average,3);gd=imfilter(J,h);subplot(1,2,1);imshow(J);title(參加高斯噪聲的圖像);subplot(1,2,2);imshow(gd);title( 3*3模板均值濾波);圖3-6實(shí)驗(yàn)五：圖像變換及頻域?yàn)V波1驗(yàn)證二維傅里葉變換的平移性和旋轉(zhuǎn)不變性；a要驗(yàn)證證其平移特性,就先建立一個二維圖象,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F(u-N/

49、2,v-N/2),到達(dá)將原始F(U,V)四周頻譜移到中心的效果,及到達(dá)頻譜中心化。b驗(yàn)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128128大小，暗處=0，亮處=2552同屏顯示原圖和的幅度譜圖。3假設(shè)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(jìn)展比較。圖3-7 實(shí)驗(yàn)圖象(a) 圖3-8 實(shí)驗(yàn)圖象(b)2.實(shí)現(xiàn)圖像頻域?yàn)V波，加深對頻域圖像增強(qiáng)的理解。頻率域中進(jìn)展增強(qiáng)是相當(dāng)直觀的,主要步驟有:1計算需要增強(qiáng)的圖象的傅立葉變換;2將其與一個(根據(jù)需要設(shè)計的

50、)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(qiáng)的圖象.為了直觀的展示頻域增強(qiáng),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.img256256大小、256級灰度進(jìn)展頻域的理想低通、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(yàn)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 *=34:94a(*,y)=1;endend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(jìn)展快速傅立葉變換,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(shí)驗(yàn)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,通過在嵌套中參加語句b(*,y)=(-1).(*+y).*a(*,y);即可,然后再用類似上面的方法畫出圖象和幅度譜.3驗(yàn)證其旋轉(zhuǎn)不變性。首先將所得圖畫旋轉(zhuǎn)45