彩色图像增强技术仿真实现 数字电子技术等专业工学学士学位论文 毕业论.doc

学校代码： 11059 学 号：08050702 Hefei University毕业论文（设计）BACHELOR DISSERTATION论文题目 彩色图像增强技术仿真实现 学位类别 工学学士 学科专业 作者姓名 导师姓名 完成时间 2012年5月19 日 彩色图像增强技术仿真实现中文摘要本文主要对彩色图像增强技术仿真实现进行研究。论文中描述了彩色图像增强技术的研究的背景和意义以及彩色图像技术的发展现状。同时，本论文详细介绍了几种常用的灰度图像增强技术，并强调了彩色图像增强技术和灰度图像增强技术的紧密联系。然后在论文中重点描述了直方图均衡原理，讲述了空间模型转换。最后采用了RGB增强算法、HSV增强算法和直方图比例拉伸对彩色图像进行仿真实现，并对实现的步骤进行了说明。彩色图像增强仿真实现后，通过对结果进行比较分析，得出结论。关键词 ：灰度图像增强，彩色图像增强；直方图均衡；模型转换Simulation and Implement of Color Image Enhancement Technology ABSTRACTIn this paper, we will study in simulation and implement of color image enhancement technology mainly. The paper describes the background ,significance and development status of the color image enhancement technology .At the same time, the paper describes several common gray-scale image enhancement technology, and emphasizes the contact of the color image enhancement technology and gray-scale image enhancement technology. Then the paper focus on description of the histogram equalization principle and say some about space model transformation. Finally the paper adopts the RGB enhancement algorithm , the HSV enhancement algorithm and the tensile of proportion of histogram to achieve the goal of simulation , and describes the steps to achieve the goal. After the color image enhancement simulation, I conclude by analyzing the results.KEY WORD: Gray-scale image enhancement; Color image enhancement; Histogram equalization; Model transformation.目录第一章 绪论11.1 彩色图像增强技术研究背景及意义11.2 彩色图像增强技术的发展动态21.2.1 颜色理论21.2.2 彩色图像增强发展动态31.3 本论文的主要内容和结构安排3第二章 图像增强技术介绍52.1 灰度图像增强技术52.1.1线性变换52.1.2 分段线性变换52.2 非线性变换62.2.1对数变换62.2.2指数变换72.2.3二次函数变换72.2.4 Gamma变换82.3 直方图均衡82.4 彩色图像增强技术92.4.1 颜色空间92.4.2 几种常用的彩色图像增强技术12第三章 设计方案153.1 RGB模型增强算法153.2 HSV模型增强算法153.3直方图比例拉伸15第四章 结果分析174.1 RGB模型增强后，对选取的增强前后的彩色图像和直方图分别进行对比分析174.2 HSV模型增强后，对选取的增强的前后图像和直方图分别进行对比分析184.3直方图比例拉伸后, 对拉伸前后的彩色图像和直方图分别进行对比分析19第五章 总结22参考文献23致 谢25附录26第一章 绪论 我们生活在一个信息时代，社会的高速发展，科学技术的日新月异，人要想跟上社会的进步，就必须及时的获取外界的信息。由此可见信息在人们生活中的重要性。 人类从外界获得的信息约有75%来自视觉系统1，也就是从图像中获得的。可见图像中饱含着丰富的信息，有时要获得所需要的信息，需要进行图像处理。图像处理可以看作是一大类技术，它在处理图像方面也显得越来越重要，应用越来越广泛。 图像技术的历史可以追溯到20世纪20年代，到了20世纪70年代，图像技术有了长足的发展。到了20世纪90年代，图像技术已逐步设计涉及为人类生活和社会各方面的发展。而进入21世纪，图像技术得到了进一步的发展和应用，在改变人们生活以及社会结构方面都起到了重要作用。例如在视频通信、生物医学、遥感测绘等高新技术领域，图像处理技术日益显得重要。作为图像处理技术的一个重要方面，彩色图像技术的应用也日益显现出来。随着计算机性能的不断提高、多媒体技术不断完善，特别是彩色成像设备的不断改进，彩色图像的应用越来越广泛，基于彩色图像的处理技术也显得日益重要。1.1 彩色图像增强技术研究背景及意义 近年来，随着计算机性能不断提高，计算机研究的不断进步，多媒体技术和虚拟实现技术的不断完善，特别是彩色成像设备的不断改进，彩色图像的应用越来越广泛，彩色图像处理技术受到了越来越多的重视。作为彩色图像处理技术中非常重要的一个方面，彩色图像增强技术取得了显著的进步。多年来，人们提出了很多图像增强的算法模型。但这些算法大都适用于灰度图像的增强，而适用于彩色图像增强的算法并不多。这主要是因为彩色图像的三基色即红、绿、蓝三种颜色的相关性很高，而且人类对大脑中彩色的处理机制仍未完全理解，使得彩色图像的处理比灰度图像的处理要复杂得多。 彩色图像增强技术是一种重要的图像技术，它在彩色图像的理论研究和实际应用中发挥着重要的作用。彩色图像增强2主要是对图像亮度、色彩等信息进行修正，使得增强后的图像更加生动、细节更加明显、色彩更加鲜艳，同时又要确保没有颜色的失真或偏移。比如显示器在色彩表现方面存在先天的缺陷，针对液晶显示器的色彩表现差的问题，我们主要是对彩色图像的亮度、对比度及饱和度进行处理，以达到增强LCD色彩表现力的目的。彩色图像增强技术应用广泛，在军事、医药、交通、通信等多个方面有着重大的作用。1.2 彩色图像增强技术的发展动态 由于科学技术和图像处理工具的不断发展更新，彩色图像增强技术也有了较明显的提高。原来数字图像的增强的许多工作往往都局限于黑白图像的应用，然而，几乎所有的自然图像都是彩色的，特别是彩色图像更适合人类解读。如今我们在彩色图像的海洋里，如彩色的照片，彩色电影等，因此彩色图像增强处理的需求越来越多，也越来越重要。1.2.1 颜色理论 颜色是光作用于人眼所引起的视觉感知现象，是计算机视觉、多媒体和虚拟现实领域研究基础的一部分，与认知学、生理学和信息科学等领域的研究密切相关。在生物学领域，人们希望通过对颜色信息处理的研究，来了解人脑信息表象和处理过程。在计算机视觉领域，人们试图借助对人脑颜色信息处理模型的研究成果，设计颜色信息的表象和处理方法，实现景物理解。颜色的应用主要有两个：第一，颜色是一个强有力的描绘因素，它常常可简化目标物的区分以及从场景中提取需要的目标；第二，人可以分辨出三十几万种颜色，与灰度图像相比，彩色图像由于具有了颜色，因此携带了更多的可视信息。颜色在客观上是光的一种特性，在主观上是一种视觉感知现象，是人的感知器官对外界刺激的反应。对颜色的感觉决定于光的本质，也决定于光在人的眼脑系统中引起的反应。与一般物理量不同，颜色包含着复杂的生理和心理过程。 颜色是彩色图像的和黑白图像最直观的区别。彩色图像与黑白图像相比，包含了更多的信息。从视觉角度来讲，人只能在256灰度级中分辨出40个左右的灰度图，而当映射到不同的彩色后，就能看到更多的结果。对与灰度图，它所提供给我们的信息是很有限的。随着各种应用需要的增加和计算机的飞速发展，人们对彩色图像的处理兴趣越来越浓，处理彩色图像的能力也在不断提高。 在19世纪初，Young and Helmholz 就提出了颜色视觉的三原色模型，论述了颜色感知的初级阶段。Hering 在1878年又提出了颜色视觉对抗过程理论，简称为对抗色理论。很长的一段时间里，三原色理论和对抗色理论持不同观点共同存在，但最终都被证明是正确的。这两个理论共同描述了在视网膜和视觉大脑皮层中的不同视觉信息处理阶段。 随着社会科学技术的不断发展，颜色理论正在不断的更新和发展，相信颜色理论会有一个更加美好的明天。1.2.2 彩色图像增强发展动态 在对彩色图像进行处理时，大多数人使用的是RGB模型，所以通常是对三帧图像分开进行处理。然后，再对三幅图像进行合成，形成彩色图像。随着处理彩色图像的彩色传感器和硬件价格变的更易让人接受，使得色彩图像处理技术的应用更加广泛，包括印刷、可视化和互联网应用。这也促使彩色图像增强技术得到迅速发展。 进行彩色图像增强时要考虑两个重要问题。一个问题是针对应用选择合适的彩色空间，黑白图像可以认为是在相应空间位置表现一维标量值，与之对照的是，彩色图像可以认为是在一个有三维的向量值，也就是广为人知的“三原色理论”。许多三维彩色空间已经发展起来了，如RGB、YIQ空间等。大多数图像处理算法都是由黑白图像处理算法发展起来的，但是当把这些算法独立应用到彩色图像R、G、B部分时，都会引起彩色伪像现象。第二个问题是图像处理方法的局限性。已有的针对单色图像增强技术并不适宜应用到彩色图像上。比如，对比度增强的直方图均衡算法，尽管对于单色图像强调细节很有用，但当用到彩色图像增强上时，这个算法会损坏图像的自然度。例如，彩色伪像通常都是在阴影部分亮度扩展引起的，因为黑暗部分不能与亮的部分有相同的彩色平衡。选择一个与人的彩色感知相联系的图像处理方法，对彩色图像增强来说是一个合适的策略。 经过不断的积累和发展，彩色图像增强技术已经取得了很好的成果，如Faugerus研究了基于人类彩色视觉的同态方法，Caho-cheeKu和Tsnug-MingWang用一种基于色调补偿增益去调整色度信号，基于色调的补偿增益是通过在非线性对比度增强之后，从权值化的亮度调整到比率得到的，且权值函数与人类色彩感知有关。这种方法对色彩饱和度补偿是基于色调的。Stricland 等分析了亮度信息和饱和度信息之间的关系，并且提出了在低亮度下利用饱和度信息反馈算法来增强图像的亮度信息，也就是增强图像的细节的方法。Yang 等也注意到了饱和度分量和亮度分量对彩色图像增强的作用。1.3 本论文的主要内容和结构安排主要内容：在研究了多种国内外彩色图像增强资料的基础上，本文主要对几种彩色图像增强算法进行了较为深入的了解和研究。首先，本文对彩色图像增强技术的发展状况进行了一定的阐述；其次，对和彩色图像增强技术密切相关的灰度图像增强技术进行了深入了解，并提到了多种灰度图像增强技术；最后，对彩色空间模型和彩色图像技术进行了深入研究，并用几种图像增强技术进行实验，得出结论并进行分析。本文在结构安排上，共分为五章。具体安排如下： 第一章：描述了课题研究的背景及意义以及国内外彩色图像增强技术的发展动态。 第二章：详细介绍了几中常用的颜色空间和图像增强技术。 第三章：介绍了彩色图像增强的设计方案和步骤。第四章：对彩色图像图像增强的结果进行分析对比，得出结论。第五章：对全文进行总结。第二章 图像增强技术介绍2.1 灰度图像增强技术 灰度图像增强是彩图像增强的基础。一幅完整的图像，是由红色绿色蓝色三个基色组成的。红色、绿色、蓝色三个的直方都是以灰度显示的,所以彩色图像增强是基于灰度图像技术3的。 灰度增变换可调整图像的动态范围或图像对比度,是图像增强的重要手段。2.1.1线性变换 令图像的灰度范围为，线性变换后图像的范围为,如图2-1:图2-1 线形变换 g(i,j)与f(i,j)之间关系的一般表达式为： （2-1） 在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内，这是在显示器上看到的将是一个模糊不清，似乎没有灰度层次的图像。采用线性变换对图像的每一个像素灰度做线性拉伸，可有效地改善像视觉效果。2.1.2 分段线性变换 将灰度区间分为两段乃至多段分别进行线性变换称为分段线性变换。下图是分为3段的示意图。分段变换的优点是根据用户的需要，拉伸特征物体的灰度细节，相对抑制不需要的灰度级.如图2-2：图2-2 分段线形变换一般关系式可表达为： （2-2） 在分段线性变换中，通过调整折线拐点的位置及控制分段直线的斜率，可对任意灰度区进行压缩或拉伸。2.2 非线性变换 在很多情况下，仅仅用线性灰度变换法无法达到图像处理的要求，需要采取非线性变换，对于图像中的不同灰度进行不同的处理。非线性变换的样式很多，各有不同的时间复杂度。2.2.1对数变换 对数变换一般式为： （2-3） 这里是为了调整曲线的位置和形状而引入的参数。对数变换扩展了低灰度区，压缩了高灰度区能使低灰度区的图像很清晰地显示出来。所以当希望对图像的低灰度区域较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像的灰度分布与人的视觉特性相匹配。2.2.2指数变换 指数变换的一般表达为： （2-4） 上述表达式中都是用来调整曲线的位置和形状的参数，指数变换能对高灰度区进行较大的拉伸。2.2.3二次函数变换 无论是对数变换还是指数变换，都无法对任意图像进行自适应地调整。这主要是受到了其函数凹凸性的限制。例如对数变换只适用于暗淡的图像，它将低灰度区扩展了，同时压缩了高灰度区，也就是说不管我们怎么去调整它的参数，都没有办法使它扩展高灰度区。二次函数变换的出现就是为了解决这个问题。 二次函数变换可根据图像的统计特性，自动分辨出是图像是需要扩展的低灰度区，还是高灰度区，然后调整其参数，使得函数的性质符合要求。其表达式如下： （2-5）其中为参数。 考虑到两个定点时，;时，,三个参数之间存在相关性。消除相关性后，函数可变为： （2-6）其中，的取值在0和2之间。 由于都限制在范围内，所以参数必须限制在。这是一种较为温和的变换方法。2.2.4 Gamma变换 Gamma变换是一种广泛应用的非线性变换方法，很多显示设备中就使用了这种变换，用以改善输出图像的视觉效果。与二次函数相比，Gamma变换的曲线斜率动态范围更大，这也是它受青睐的一个原因。函数一般表达式如下： （2-7） 在这个表达式中，当时，函数上凹，性能类似于指数变换，即将低灰度区压缩，高灰度区扩展；当时，函数下凹，性能类似于对数变换，即将低灰度区进行扩展，高灰度区进行压缩；当时，函数变为,即没有将图像处理做任何处理。参数的值一般由图像的对比度均值和方差来决定。2.3 直方图均衡 直方图均衡化方法是图像增强中最常用、最重要的方法之一。它的基本思想是：把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像。它以概率论为基础，运用灰度点运算来实现，从而达到增强图像的目的。它的变换函数取决于图像灰度直方图的累积分布函数。也就是把一个已知的灰度概率分布图像，经过某种变换，使之成为一幅均匀概率分布的新图像。 下面先讨论连续变化图像的均衡化问题，然后推广到离散的数字图像上。为讨论方便起见，设和分别表示归一化了的原图像灰度和经直方图均衡后的灰度图像。即,。在内的任意一个值，都可产生一个值，且。作为变换函数，满足下列条件：1.在内为单调递增函数，保证灰度级从黑道白的次序不变；2.在内，有, 确保映射后的像素灰度在允许的范围之内，保证前后图像灰度值动态范围的一致性。 对于数字图像，灰度直方图用各灰度值出现的相对频数，也就是该灰度级的像素数与图像总像素数之比来表示。对于一幅像素数为，灰度范围为的图像。令表示第灰度级，表示图像中出现的像素个数，则出现的概率为： （2-8） 由此可得直方图均衡化变换函数，即图像的累积分布函数为： （2-9）其中，为归一化灰阶。 总的来说，直方图均衡化过程可以三个步骤：（1）计算原图像的灰度直方图；（2）计算原图像的灰度累积分布函数，进一步求出灰度变换表；（3）根据灰度图像变换表，将原图像各灰度级映射为新的灰度级。 大多数自然图像由于其灰度图分布集中在较窄的区间，引起图像细节不够清晰。采用直方图均衡化后可使灰度图像的间距拉开或使灰度均匀分布，从而增大反差，使图像细节清楚，达到增强图像的目的。2.4 彩色图像增强技术 彩色图像由红、绿、蓝三基色叠加而成，每一基色便是一幅灰度图，因此，彩色图像增强可以说是建立在灰度图像增强的基础上的。彩色图像增强技术有几种常用的方法，如RGB模型、HSB模型、HSV模型、HIS模型4、基于人类视觉系统的彩色图像增强、非线性增强技术等。2.4.1 颜色空间 颜色空间是定义各种颜色在一个三维空间中的排列5，在彩色图像处理研究中，颜色空间又称为颜色坐标系或颜色模型，颜色由颜色空间中的点来确定。两种颜色之间感知上的颜色差别成为色差。在一个理想的颜色空间中，色差对应两个点指定之间的欧氏距离。色差的定义和度量是彩色设备及颜色信息6应用的基础。对于色差的研究在实验心理学领域进展地较好，但在计算机视觉的研究还很缺乏。 颜色空间有多种类型的定义，在彩色图像处理中，RGB颜色空间是最常用、最基本的颜色空间7。但是RGB颜色空间对于颜色感知来说是非均匀的，存在着自身的缺陷。1976年，CIE推荐了CIELab和CIEuv两种颜色空间，目前仍得到广泛的应用。1995年，基于Bums的研究工作，CIE推荐了色差度量公式，Levkowitz证明了CIELuv颜色空间也不是完全均匀的，在欧氏空间内不存在均匀的颜色空间。 另外还有一些在彩色电视系统8中使用的颜色空间，在这一系统中选用不同的颜色空间的目的就是通过降低各RGB分量之间的相关性从而减小信号传送的带宽。降低相关性的主要方法就是计算颜色的统计独立分量构造一个正交颜色空间。应用于不同的电视系统中一些颜色空间的颜色分量在统计上是近似独立的。其中，YUV颜色空间用于PAL制式电视系统，YIQ颜色空间应用于NTSC制式电视系统，YCbCr用于电视图像标准数字编码。针对彩色图像的不同,应选用适当的颜色空间。在彩色图像增强9中，针对人类视觉感知的颜色空间更有优越性10，这是因为人对于彩色图像增强效果的评价主要依赖于人对彩色图像的感知。 下面我们就对几种常用的颜色空间进行简单地介绍。1.RGB颜色空间 由于图像采集11使用的RGB彩色空间，所以RGB颜色空间是彩色图像处理中最基础、最常用的颜色空间。该模型用红、绿、蓝的光谱色作为三基色，并分别用R、G、B表示。 RGB模型所考虑的彩色空间如下图所示，图中R、G、B分别位于三个角上；青、深红色和黄色位于另外三个角上，黑点在原点处，白色位于离远点最远的角上，在该模型中，灰度等级沿着这两点的连线分布，不同的颜色处在立方体表面或者内部，并可用从原点分布的向量来定义，为方便起见，一般将所有的颜色值归一化，图就是单位立方体，即所有的R、G、B都在0，1范围内取值。图 2-3 RGB颜色空间 RGB颜色空间主要缺点：（1）不直观，从各个分量的取值中很难看出其表示颜色的认知属性；（2）不均匀性，两个色点之间的距离不等于颜色之间的知觉差异；（3）对硬件设备有依赖性。因此，RGB颜色空间是一个与设备相关12的、颜色描述不完全直观的空间。为了克服RGB颜色空间存在的缺点，在彩色图像处理中，很多情况下会采用更加符合人类视觉特性的颜色空间，这时候RGB空间必须要转换成所需要的其它彩色空间。由于任何三个基色都能表示一种颜色，根据三基色理论的实现要求，就可以使用不同颜色空间中的不同基色来表达同一种颜色，颜色空间变换13提供了一种三基色空间向另一种三基色空间的映射方法，实现从一组原色向另外一组原色转换，这是因为任何原色刺激都可以用别的原色刺激的混合来生成。2.HSI颜色空间HSI颜色空间是Munseru提出的彩色系统格式，非常接近人们对颜色的感觉与理解14。图2-4是双六角锥形HSI颜色模型。垂直于锥底表面且通过正中心的为亮度I，它的值在0，1范围内，正中心为0.5。在顶端I=1时表示最亮为白色；在底端I=0时表示最暗为黑色。圆盘上的点到圆心的距离表示饱和度S，其值在0，1范围内。图2-4 HSI颜色空间 HSI空间有两个特点。首先，亮度分量与色度分量是分开的，I分量与图像的彩色信息无关；其次，H及S分量与人感受彩色的方式紧密相连15。这些特点使得HIS颜色空间非常适合基于人的颜色感知特性进行处理和分析的图像处理算法。其中，H分量对描述彩色的能力16相对来说与人的视觉最相近，区分力比较强。3.HSV颜色空间 HSV彩色空间与HSI彩色空间很相似，它们之间的区别在于，在明确亮度和饱和度的分配和动态范围上，计算亮度的成份17。HSI色彩空间由于I是随着R,G,B而变化的，光强也是随之变化的，因此更适合用于传统图像处理方法，比如卷积、均匀化、直方图等。HSV彩色空间由于其饱和度的动态范围18更加的广，从而更加善于控制色度和饱和度19。 图2-5是六边形锥体HSV色彩模型。六边形锥体的顶端是在V=1时，即为最高密度颜色。六边形锥体的顶端在V=0时，表示黑色。图中，在0，1范围内的饱和度S，都与V的值相关。当S=0时，V=1时，表示白色。在S=0时，V中间的值表示灰度。任何颜色在V=1，S=1时就是一个纯色，这些颜色是由H来定义的。若要增加白色，就要在V不变的情况下减少S；若要增加黑色，就要在S不变的情况下减少V；若要增加颜色，就要同时减少S和V。图2-5 HSV颜色空间2.4.2 几种常用的彩色图像增强技术1.RGB模型增强 将RGB三个颜色分量分别进行增强操作，增强后再合成彩色图像。这种方法通常用来增加许多图像的全局对比度细节20。我们创建一个形式为,其中可以代表R、G、B三个分量的任意分量的一个值，对于灰度图像中的每个值产生一个，这样的累积计概率函数就可以在所有值范围内进行线性化，转换公式定义为: （2-10）其中是图像的累积归一化直方图，G、B两个分量用同一个转换公式，将不同的等级映射到0,1，为了将这些值映射回它们最初的域，需要在结果上应用下面的简单变换: （2-11）2.HSV模型增强 HSV模型与人类感知系统较接近，它的坐标系统是圆柱坐标，在RGB空间中的某一点的R,G,B值均可转换到HSV空间，得到相应的H,S,V值，即： （2-12） （2-13） （2-14） （2-15） 得到相应的H,S,V之后，对V分量进行增强后表示为V，然后将变换后得到的HSV模型进行反变换得到增强后的彩色图像。3.自适应非线性彩色图像增强 利用HSV色彩模型进行转换，公式如下： （2-16）R,G,B为其三个色彩分量。得到灰度图像后，对它进行归一化处理: （2-17）经过归一化处理后，对其进行指数型非线性增强,对其进行归一化的灰度图像卷积可得到像素的邻域信息，进行自适应增强后色彩还原即得到增强的图像。4.直方图比例拉伸理论上，直方图比例拉伸可以保持色调不变。直方图拉伸是针对RGB色彩空间中每个颜色分量进行的，应该使3个颜色拉伸系数和平移系数相同。设某颜色分量在范围内，拉伸后的取值范围为，为了实现最大程度的拉伸，、应尽量选取颜色分量所能表示的颜色的上下限，扩展后的颜色分量用表示。可采用如下公式： （2-18）其中，和分别称为颜色Z的拉伸系数和平移系数。 颜色三个分量的平移系数和拉伸系数相同,即： （2-19） （2-20） 设颜色分量最大取值范围为，某图像R分量的取值范围为，G 分量的取值范围为，B分量的取值范围为。 用上述公式时为避免过界，与应满足下列不等式： （2-21） 经过计算后，可得出公式如下： （2-22）为了尽可能减弱甚至消除灰度趋势，可以考虑在图像尽可能大的范围内拉伸，此时 （2-23） （2-24）第三章 设计方案在本章中，我们将分别用RGB模型增强算法、HSV模型增强算法和直方图比例拉伸对选取的彩色图像进行增强，并对3种增强方法步骤进行说明。3.1 RGB模型增强算法 RGB模型增强算法是最基础、最常用的彩色图像增强算法，其原理是对RGB模型的三个分量分别进行直方图均衡，然后将经过直方图均衡的三个分量重新合成彩色图像。该方法可以实现彩色图像的增强，但是它是会使增强后的图像颜色失真。在本论文的彩色图像增强中，将它分为3个步骤：（1）选取将要进行增强的彩色图像；（2）分别对图像的R、G、B三个分量直方图均衡；（3）将直方图均衡后的R、G、B三个分量合成新的图像后得到增强后的彩色图像；3.2 HSV模型增强算法HSV模型与人类对颜色的感知接近，其中H分量是指图像的色调，S是指图像的饱和度，V分量是指颜色的亮度 。HSV模型增强算法是一种常用的彩色图像增强算法。理论上这种算法会增强图像的对比度，同时保持色调不变。用这种方法进行彩色图像增强可以分为4个步骤：（1）选取将要进行增强的彩色图像；（2）将图像从RGB空间转换到HSV空间；（3）对V分量进行直方图均衡；（4）将增强后的V分量和图像原来的H分量、S分量合成新的彩色图像；3.3直方图比例拉伸 直方图比例拉伸是一种效果较好的彩色图像增强技术。在彩色图像增强中，采用直方图拉伸技术扩展颜色分量的取值范围来直接增强彩色图像。直方图比例拉伸是针对每个颜色分量进行的，各颜色拉伸系数和平移系数是相等的，理论能够保持色调不变。（1）选择要进行增强的彩色图像；（2）获得该图像R、G、B三个分量的直方图；（3）找到直方图第一个不为零的像素值和最后一个不为零的像素值；（4）分别对三个颜色分量R、G、B进行线性拉伸；（5）将增强后的R、G、B分量合成新的彩色图像；第四章 结果分析 采用几种设计方案分别对彩色图像进行增强，对得到增强后的彩色图像和直方图分别进行对比分析。4.1 RGB模型增强后，对选取的增强前后的彩色图像和直方图分别进行对比分析 图4-1 原图像 图4-2 RGB增强后的图像 图4-3原图像的R分量直方图 图4-4 RGB增强后的R分量 图4-1是选取的将要进行增强的原图像，从图像可以看出图像暗淡。图4-2是RGB增强后的彩色图像，RGB增强后的图像要比原图像更加清晰。但是颜色不可避免的产生失真。图4-3是原图像的R分量直方图，直方图动态范围较大，但直方图各个值集中在灰度范围的中间部分，所以原图像看起来比较暗淡。图4-4是 RGB增强后的直方图，也就是对R分量进行直方图均衡后的直方图 ，直方图均匀的分布在灰度范围。4.2 HSV模型增强后，对选取的增强的前后图像和直方图分别进行对比分析选取了图像sight1.jpg和couple.jpg进行HSV模型增强，为了保持色调不变，在HSV增强中，我们选择了和色调没有多大关系的亮度进行直方图均衡。 图 4-5 原图像 图 4-6 HSV增强后的彩色图像 图4-7原图像 V分量的直方图 图4-8 HSV增强后的V分量直方图 图4-5是将要进行彩色图像的原图像，看起来较为暗淡。图4-6是HSV增强后的彩色图像，图像对比度增强，但某些区域亮度变低，看起来更暗淡。 图4-7是原图像的V分量直方图，亮度灰度动态范围较大，直方图各个值集中在灰度范围的中间部分。图4-8是HSV增强后的V分量直方图，均匀分布在灰度范围内，但是由于V分量动态较大，灰度值并不集中于低值区域，经过直方图均衡后，虽然增强了对比度，但同时也使得某些区域亮度降低，看起来更加暗淡。 下面我们将对一个动态范围较小，亮度灰度值集中在低值区域的图像。观察它增强前后的图像效果，并进行对比。 图4-9 原图像 图4-10 HSV增强后的图像 图4-11图像V分量直方图 图4-12 增强后的V分量直方图 图4-9是将要进行彩色图像的原图像，看起来较为暗淡。图4-10是HSV增强后的彩色图像，图像对比度明显增强。图4-11是原图像V分量直方图，V分量灰度值集中于低值区域。图4-12是增强后的V分量直方图，动态范围增大，灰度值分布均匀。 通过前后两幅图像都进行图像增强，但是效果不一样。我们可以得出结论：HSV模型增强算法适用于灰度值集中于低值区域的图像。4.3直方图比例拉伸后, 对拉伸前后的彩色图像和直方图分别进行对比分析选择了图像sight1.jpg和couple.jpg进行直方图比例拉伸。理论上这种增强也能够保持色调不变。 图4-13 原图像 图4-14 拉身后的图像 图4-15 原图像的直方图 图4-16 拉伸后的直方图 图4-13是选取的将要进行增强的原图像。图4-14是直方图比例拉伸后的图像，没有明显的增强，色彩增强不明显。图4-15是原图像R分量的直方图灰度动态范围较大。图4-16是增强后的直方图，拉伸后的直方图变化不明显。 下面我们将对一个动态范围较小，较为暗淡的彩色图像进行直方图比例拉伸，观察它增强前后的图像效果，并进行对比。 图4-17 原图像 4-18拉伸后的图像 图4-19 拉伸前R分量的直方图 图5-20拉伸后的R分量直方图图4-17是拉伸前的原图像，图像暗淡。图4-18是拉伸后的图像，图像清晰，颜色鲜艳，图象增强效果明显。图4-19是拉伸前R分量的直方图，动态范围较小，灰度值集中在高灰度区。图4-20是拉伸后的R分量直方图，灰度值分布均匀，动态范围明显增大。 根据两幅图像进行直方图比例拉伸前后，图像增强的效果可以得出结论：直方图比例拉伸适合对灰度动态范围较小的图像进行增强，对灰度动态范围较大的图像增强效果不明显。第五章 总结彩色图像增强技术在多个领域，尤其是图像的处理中得到了广泛的使用，引起了人们越来越多的重视。本文针对彩色图像技术仿真实现进行了深入的研究，并对彩色图像增强技术的几种方法进行了深入了解，并学会根据图像增强技术方法进行运用时的方法时的选择。在仿真实现过程中，更加熟练掌握了MATLAB的使用方法，详细了解了彩色图像增强技术的知识，了解了图像技术的最新发展方向，彩色图像增强技术的特点以及几种主要的算法的适用范围；针对本课题，更深入掌握了彩色图像增强技术的设计和实现的相关知识以及几种方法之间的转换关系。实验表明，基于RGB和HSV方法的图像增强技术各有其优缺点。 总之，彩色图像增强技术的研究是近几年来发展速度较快，应用非常广泛的一门重要技术，在医学、军事、科研等高端领域都有很重要的作用。随着研究的深入，彩色图像技术正在取得更加丰硕的成果，应用也更加重要和广泛。我们有理由相信，作为一门重要的技术，彩色图像增强技术必将在更多的领域发挥重要作用。参考文献1（美）冈萨雷斯（Gonzalez，R.C.）等著数字图像处理（第二版）（英文版）M北京：电子工业出版社，2002.72（美）卡斯尔曼（Castleman，K.R.）著；朱志刚等译数字图像处理M北京：电子工业出版社，2002.23杨永勇，林小竹. 彩色图像增强的几种方法研究比较J. 北京石油化工学院学报， 2006, 14(03)：43-474王萍,程号,罗颖昕. 基于色调不变的彩色图像增强J. 中国图像图形学报，2007 , 12(7): 1173-11775石美红,李永刚,张军英，等. 一种新的彩色图像增强方法J. 计算机应用, 2004, 24(10): 69-74 6阮秋琦. 数字图像处理学M . 北京：电子工业出版社，2004.7井上诚喜，八木伸行等.实用数字图像处理M.北京：北京科学出版社，2003:9.8韩晓微，彩色图像处理综述研究D.东北大学博士论文.9陈强、孙怀江、夏德深，快速RetinexJ.计算机工程与应用，2007.10罗武胜、李沛等.基于人眼视觉特性的彩色图像增强算法J.光电工程，2009，11.11刘光耀.光电图像处理M.北京：电子工业出版社，2002.12容观澳.计算机图像处理M.北京：清华大学出版社，2000.13刘津，陈奇，俞瑞钊.计算机颜色科学的发展J.计算机工程，1997,23(2):47-51.14王耀南，李树涛.计算机图像处理技术M.北京：高等教育出版社，2001.15李弼程，彭天强，彭波等.智能图像处理技术M.北京：电子工业出版社，2004.16孙兆林.MATLAB6.x图像处理M.北京：清华大学出版社，2002.17徐飞，施晓红.应用图像处理技术M.西安：西安电子科技大学出版社，2002.18罗述谦，周国宏.医学图像处理与分析M.北京：科学出版社，2003.19吴立德.计算机视觉M.上海：复旦大学出版社，1993.20贾永红.计算机图像处理与分析M.武汉：武汉大学出版社，2001.致 谢 本论文是在指导老师老师的指导下完成的。老师精深的专业知识，精益求精的工作态度，尽心尽力的指导使我很快对毕业论文相关知识有了很好的理解，最终顺利的完成了毕业论文。在此，谨向老师表示衷心的感谢！同时，也感谢在我论文完成过程中给予我帮助的同学。谢谢!附录1.RGB增强程序close all, clear, clc;I = imread(sight1.jpg);% I = imread(couple.jpg);% I = imread(room.jpg);J = zeros(size(I);R = I(:, :, 1);G = I(:, :, 2);B = I(:, :, 3);RR = histeq(R);GG = histeq(G);BB = histeq(B);J(:, :, 1) = RR;J(: