毕业设计（论文）-酒精浓度检测综合系统的设计.doc

四川理工学院毕业设计（论文）酒精浓度检测学 生： 学 号： 专 业：物理学 班 级：2008.1 指导教师：xxxxxxx四川理工学院理学院学院二0一二年六月1摘 要本设计描述的是酒精浓度检测系统的开发，一方面在交警执勤时，帮助交警很容易的检测酒精浓度(可以屏幕显示也可以语音播报),另一方面可以实现交通检测数据的记录和上传。该系统设计简单，性能可靠，使用方便，具有很强的推广价值。关键词：MQ3酒精传感器 语音 nRF24L01 上位机ABSRACTThis paper, starting from the actual application detailed analysis of several traditional image enhancement methods based on the airspace, focus on the histogram method and gray treatment method, and based on frequency domain homomorphic filter and ideal low-pass filter etc image enhancement algorithm. For each method makes the simulation experiment, and analyzes the advantages and disadvantages of each algorithm. Key words: Image enhancement; Histograms; Gray; Homomorphic filter; Ideal low-pass filter 四川理工学院本科毕业（设计）论文目 录摘 要IABSRACTII第1章 引 言11.1 酒精检测仪11.2 酒精检测仪研究现状11.3 本文研究的内容及方案2第2章 系统方案选择32.1 酒精传感器选择32.2 语音芯片的选择32.3 无线模块的选择3第3章 硬件设计73.1总体设计73.2各模块具体实现原理分析和说明8第4章 软件设计164.1主程序流程图164.2数据接收子程序174.3上位机程序19第5章 调试和总结165.1系统总体调试165.2总结16第6章 结束语23致 谢24参考文献25第1章 引 言近些年来，随着电子计算机的飞速发展，数字图像已经成为一个研究的重点。图像增强是图像处理的内容之一，对图像增强算法的研究是非常有意义的。1.1 数字图像处理数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。详细的是指从图像获取到图像信息输出的全过程，即图像信息的获取、图像信息的存储、图像信息的传送、图像信息的处理、图像的输出与显示。通常我们说的图像处理仅指其中对图像信息进行处理。图像处理的应用最早可追溯到20世纪20年代，到60年代，由于计算机技术的迅速发展，推进了数字图像处理技术的发展。90年代，多媒体计算机的应用，使数字图像处理技术出现新的热点，如：图像信息的压缩、图像传输、图像数据库、虚拟现实等。经过几十年的发展，数字图像处理技术不仅替代了人的部分工作，而且延伸了人类的能力，其应用渗透到人类社会的各个领域，随着人类对大自然探索的不断深入，高科技手段的日益发达，图像处理将在其中发挥更为重要作用。近年来,随着计算机和其它各有关领域的迅速发展，例如在图像表现、科学计算可视化、多媒体计算技术等方面的发展，数字图像处理已从一个专门的研究领域变成了科学研究和人机界面中的一种普遍应用的工具。1.2 数字图像增强技术研究现状当今是信息飞速发展的时代，信息科学技术已成为21世纪国际社会和世界经济发展飞速的强大动力，图像处理技术也得到了飞速发展，在所有与成像有关的领域里都发挥着至关重要的作用，广泛应用于农牧业、林业、环境、军事、工业和医学等方面。同时在图像处理过程中，至今还有很多问题没有解决，有待完善。如数码CCD、手持摄像机以及航拍胶片等在获取图像的时候，可能由于拍摄环境因素的影响无法获得令人满意的图像质量。在拍摄过程中光照情况不均匀，使获得的图像曝光不均匀或者含有薄云薄雾的影响，得到的图像可能模糊不清、对比度低或清晰度不够等。这种视觉效果不佳的图像给判读人员判定目标带来一定困难，用有限的图像资料通过图像增强方法处理后获得更多更准确的目标信息是至关重要的。图像增强是数字图像处理中为了改善视觉效果经常采用的一种方法，传统图像增强方法往往会带来比较严重的负效应。为此，人们一直在寻找更好的图像增强方法。1.3 本文研究的内容及方案增强图像中的有用信息，可能是一个失真的过程，目的是为了改善图像的视觉效果，针对给定图像不同的的应用场合，有目的性地强调图像的整体或局部特征，将不是怎么清晰的图像变得比较清晰或突出某些自己感兴趣的部分，扩大图像中不同物体特征间的差别，抑制那些不感兴趣的特征部分，使改善图像的质量、同时也丰富了信息量，加强图像判读和识别效果，满足某些特殊分析的需要。图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用的是低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。基于空域的算法分为点运算算法和邻域算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。第2章 传统的图像增强技术2.1 概述图像增强技术按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。例如可用低通滤波法对图像进行平滑处理，高通滤波法对图像进行锐化处理；后者是根据图像像素点的空间不同，对图像进行增强处理。具有代表性的空间域算法有灰度变换和直方图处理法。2.2 基于空域的图像增强技术2.2.1 概述空间域增强可以表示为g(x,y)=Tf(x,y)，其中f(x,y)和g(x,y)分别代表增强前后的图像，T( )代表对f(x,y)的增强操作。T( )可以作用于(x,y)处理的单个像素，也可以作用于改像素的领域，还可以作用于一系列图像在该点处的像素集合。若操作是在像素内的某个领域进行的，即输出的图像的像素值有对应的输入图像的像素值即领域像素值决定，则称其为操作（区处理）。若操作时在单个像素上进行的即输出图像的每个像素值又由相应的输入图像的像素值决定，则称其为点操作（点处理），或称为灰度变换7。灰度变换就是把员图像的像素灰度经过某个变换函数变换成新的图像灰度。常见的灰度变换方法有直接灰度变换法和直方图修正法。直接灰度变换法可以分为线性分段线性以及非线性变换。直方图修正法可以分为直方图均衡化合直方图规定化。2.3 灰度变换灰度变换就是把原图像的像素灰度经过某个变换函数变换成新的图像灰度。常见的灰度变换法有直接灰度变换法和直方图修正法。直接灰度变换法可以分为线性，分段线性以及非线性变换。直方图修正法分为直方图均衡化和直方图规定化。2.3.1灰度线性变换 假设两个给定的灰度区间，如图所示，原图像的灰度范围是，希望变换后的图像的灰度扩展是，可采用以下线性变换来实现： (2-1)若图像灰度的范围在0L内，大部分像素的灰度级分布在内，极小部分像素的灰度级在此范围外。超出此区间的灰度可以变换为常数或保持不变,为改善增强效果，可用下式(2-2)与（2-3）表示，即 (2-2) (2-3) 式中：a、b、c、d这些分割点可根据用户的不同需求来确定。 2.3.2分段线性灰度变换 为了突出图像中感兴趣的目标或者灰度区间，将图像灰度区间分成两段乃至多段分别作线性变换称之为分段线性变换。采用分段线性法，可将需要的图像细节灰度级拉伸，增强对比度，将不需要的细节灰度级压缩。其数学表达式如下所示： （2-4）通过调整折线拐点的位置及控制分段直线的斜率，可以对任一灰度区间进行扩展或压缩。这种变换适用于黑色或白色附近有噪声干扰的情况。例如，当a,b之间的变换直线斜率大于1时，该灰度区间的动态范围增加，即对比度增强了，而另外两个区间的动态范围被压缩了。当a=b,c=0,d=L-1时，式(2-4)就变成一个霍值函数，变换后将产生一个二值图像。这个函数可以使变换后的图像保持低灰度像素不变，增强了中间灰度的对比度，并压缩了高灰度的动态范围11。2.3.3非线性灰度变换 当用某些非线性函数（如平方、对数、指数函数等）作为映射函数时，可实现图像灰度的非线性变换。灰度的非线性变换是指由这样一个非线性单值函数所确定的灰度变换,即把某个灰度范围映射为一个固定的灰度值，目的是为了突出感兴趣的区域12。1） 对数变换：对数变换常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清楚，从而达到增强的效果。其灰度变换曲线形式的表达式如下 （2-5）式中：C为尺度比例常数：是为了避免对零求对数。2）指数变换：指数变换可用来压缩低值灰度区域，扩展高值灰度区域由于与人的视觉特性不太相同，因此不常采用。其一般形式如下 （2-6）灰度变换曲线一般都是单调的，以保证变换前后从黑到白的顺序不变。有时为了特殊需要，也可以使用非单调曲线。但在某些领域，如放射学，则必须谨慎，不能改变有意义的灰度。2.3.4线性灰度变换的图像增强仿真Matlab程序：I=imread(pout.tif);subplot(121);imshow(I);title(原图)I=double(I);M,N=size(I);for i=1:M for j=1:N if I(i,j)=30 I(i,j)=I(i,j); elseif I(i,j)=150 I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30; else I(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200; end endendsubplot(122);imshow(uint8(I);title(线性灰度变换后图像)仿真结果对比图如下所示： 图2-2 原图 图2-3线性灰度变换后图像第3章 直方图修正技术的增强3.1直方图定义3.1.1概念一幅数字图像的数据是二维的，我们可以根据给出的场景的亮暗信息和位置信息在现原始场景。而在对图像质量进行评价或者对目标物进行观察和分析时，遇到比如图像偏暗、图像对比度较小等此类概念时是不需要考虑每个位置像素点的信息的，因此，就提出了对图像的整体画面亮暗分布进行统计的概念，即数字图像直方图的概念1。在数字图像中，直方图是对图像灰度分布进行统计分析的重要手段。直方图是灰度级的函数，它反映了图像中每一灰度级出现的次数（该灰度级的图像像素数）或频率（该灰度级像素数与图像总像素之比）。横坐标表示灰度级，纵坐标表示频数（灰度级出现的频率）。对数字图像，直方图可以表示为 (3-1)式中: N为一幅图像的总像素数；为第k级灰度的像素数；为第k个灰度级；L为灰度级数；为该灰度级出现的相对频数，是对其出现频率的估计。在直角坐标系中作出与的关系图形，即是该图像的直方图。对连续图像，直方图的纵坐标表示灰度级出现的概率密度.3.1.2性质由定义可知，直方图具有以下3个重要的性质:1) 直方图是图像的一维信息描述； 直方图是一幅图像中各像素灰度出现的次数或频率的统计结果，它只反映该图像中不同灰度值出现的次数或频率从，而未反映某一灰度值像素所在的位置。也就是说，它只包含了该图像中某一灰度值的像素出现的频率，而丢失了其所在位置的信息。2) 灰度直方图与图像的映射关系并不唯一（具有多对一的关系）； 任何一幅图像都可以唯一的确定出一幅与其对应的直方图，但不同的图像可能有相同的直方图。因此，通常图像的灰度直方图用于对图像进行定性分析。3) 整幅图像的直方图是其各子图像直方图之和（直方图的可叠加性）。由于直方图是对具有相同灰度值的像素统计的到的，因此，一幅图像各子图的直方图之和就等于该图像的全图直方图。3.1.3直方图的用途直方图的用途有以下两点：1. 作为图像数字化的参数； 直方图给出了一个简单的可视指示，用来判断一幅图像是否合理的利用全部被允许的灰度级范围。如果在灰度直方图中，曲是线连续平滑的，则表示被摄景物灰度分布均匀，而且层次也比较丰富的。2. 图像分割阀值的选择依据。直方图可作为图像分割阀值的选择依据。 采用直方图修正通过修改直方图的形状，能够有效的改善灰度分布集中，动态范围狭窄，图像模糊等现象，使图像的细节清晰，达到增强的目的。直方图修正技术通常有直方图均衡化和直方图规定化两类。3.2直方图的均衡化3.2.1概念直方图均衡化（Histogram Equalization , H E)的基本思想是通过对原图像进行某种映射变换，使得图像的直方图变为均匀分布的直方图，变换后的图像灰度的概率密度均匀分布，从而达到增强图像整体对比度的效果14-15。用变量r和s分别代表归一化了的原图像灰度和变换后的灰度，即,且0代表黑色，1代表白色，则像素灰度在黑白之间变化。在原图像中，对于区间内每一个像素值r经变换函数产生一个灰度值s，且 （3-2）式中，w是积分变量，而就是r的累积分布函数（CDF)1-3。累积分布函数是r的函数，并且是单调的从0增加到1。变换函数应满足下列两个条件：1 在区间0r1中为单值单调增加函数；2 当0r1时，0l。条件这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列； 条件保证输出灰度级与输入灰度级有同样的范围。从s到r的反变换为： ， （3-3）同时对变量s也满足条件和。由(3-2)对r求导，有得到 (3-4)(3-4)式说明，变换后的变量s在定义域内，概率密度是均匀分布的。即用r的累积分布函数作为变换函数可以产生一幅灰度级分布具有均匀概率密度函数的图像。同时其结果在图像增强意义上相当于扩展了像素取值的动态范围。对于离散图像，灰度级的概率值为 （3-5）式中：l是灰度级的总数,是取第k级灰度值的概率，是在图像中出现第k级灰度的次数，n是图像中像素总数。变换函数s的离散形式为 （3-6）其反变换为 (3-7)均衡化处理产生的最后结果，与积分内的概率密度无关。以下分别是离散和累积情况下的直方图 图3-1累积分情况下的直方图 图3-2 离散情况下的直方图利用累积分布函数作为灰度变换函数，经过变换后得到的新灰度的直方图虽然不是很平坦，但总体上来要比原始图像的直方图平坦的多，而且其动态范围也是大大的扩展了。所以此种方法对于对比度比较弱的图像进行处理是很有效的。直方图均衡化的处理总体上分为以下三个步骤1 对给定的待处理图像统计其直方图，求出；2 根据统计出的直方图采用累积分布函数做变换，求变换后的新灰度；3 用新灰度代替旧灰度，求出，这一步是近似过程，应该根据处理目的尽量的做到合理，同时把灰度值相同或近似的合并在一起。由上可知，直方图均衡化的优点是能够增强整个图像的对比度和提高图像的辨析成程度，处理后图像的直方图在整个灰度范围内是近似均匀分布的。但是人眼对于图像的亮度感知具有对立方根或者数的影响，所以图像在经过人眼的响应后，其高灰度区对比度会有部分的损失，利用常规直方图均衡化增强后的图像在高灰度区间有“过亮”的感觉，所以采用变换的直方图均衡化算法可以抑制这一类缺陷，即变换的直方图均衡化是对常规直方图均衡化方法的改进。3.2.2变换的直方图均衡化现先设定一个高灰度阀值，同时灰度变换函数也满足以下关系式 (3-8)式中的值可以根据灰度变换的实际情况来自动选择；的值与的值有关，当的值确定了，那的值也就确定了，的值由下式确定 (3-9)变换后的灰度s的概率密度公式即为 (3-10) 常规的直方图均衡化在增强一部分灰度区域对比度的同时也会抑制另一部分灰度区域的对比度，有时会使经常规直方图均衡化法处理后的图像视觉效果反而变差。但是，提出的变换的直方图均衡化法，只要对高灰度区阀值的合理选择，实现对比度增强灰度区间与对比度受到抑制灰度区的最佳折中，经过人机交互，就可以获得更加好的视觉效果，为了达到此目的，应该使图像像素灰度值大于阀值的点数为最少的，即是要求灰度值大于阀值的像素所占的比例的值是最小的。所以由函数的极限条件可以知道，高灰度区阀值的最佳值应该满足下式 (3-11)以下是直方图均衡化法与变换的直方图均衡化法后与原图像的对比 图3-3 原图 图3-4直方图均衡化图 3-5 变换直方图均衡化图从上面的图对比可以看出，变换的直方图均衡化法，通过合理选择高灰度区阀值，可实现对比度增强灰度区域对比度受到抑制灰度区的最佳折中，如此，经过人机交互可以达到更好的视觉效果。3.2.3直方图均衡化仿真Matlab程序：I=imread(pout.tif);%导入原始图像 J=histeq(I); %进行直方图均衡化 subplot(2,2,1);imshow(I);title(原图);%绘制原始图像 subplot(2,2,2);imshow(J);title(直方图均衡图像);%绘制直方图均衡化后图像 subplot(2,2,3);imhist(I);title(原图直方图);%绘制原始图像的直方图 subplot(2,2,4);imhist(J);title(均衡化图像直方图);%绘制均衡化后图像直方图仿真结果如下所示： 图3-6 原图 图 3-7 直方图均衡图像 图3-8 原图直方图 图3-9 均衡化图像直方图3.3直方图的规定化3.3.1概念所谓直方图规定化，就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。所以，直方图修正的关键就是灰度映像函数。3.3.2均衡化过程 直方图规定化过程主要有一下三个步骤7：1 将原始图像的灰度级规定化；2 对目标图像规定希望的直方图，并计算能使规定的直方图均衡化的变换；3 将第一步骤得到的变换反转过来，将原始直方图对应映射到规定的直方图上。对连续图像，假设r,s,z,u为随机变量，是原始图像灰度分布的概率密度函数，是希望得到的图像概率密度函数，同时利用式（3-2）进行直方图的均衡化，得 (3-12)其中（3-12)的逆过程是 (3-13)因为式（3-2）均衡化处理产生的结果与积分内的概率密度无关。所以与具有相同的均匀密度，这样，用原始图像中得到的均匀灰度级s来代替逆过程中的u，其结果灰度级就是所要求的概率密度函数的灰度级，即 (3-14)实现了r与z的映射关系。而对离散图像的规定化表达式为 (3-15) (3-16) (3-17) (3-18)3.3.3直方图规定化仿真Matlab源程序：I=imread(pout.tif);%导入原始图像 hgram=0:255;%设定参数值 J=histeq(I,hgram);%对原图像按照指定参数进行规定化 subplot(2,2,1);imshow(I);title(原图);%绘制原始图像 subplot(2,2,2);imshow(J);title(直方图规定化后图像);%绘制直方图规定化后图像subplot(2,2,3);imhist(I);title(原图直方图);%绘制原始图像直方图 subplot(2,2,4);imhist(J);title(规定化后图像直方图)%绘制规定化后图像的直方图仿真结果对比图如下所示： 图3-10 原图 图3-11 直方图规定化后图像 图3-12原图直方图 图3-13 规定化后图像直方图 第4章 基于频域的图像增强技术频域处理法的基础是卷积定理，它采用修改图像傅立叶变换的方法实现对图像的增强处理。在频域空间，图像的信息表现为不同频率分量的组合。 如果能让某个范围内的分量或某些频率的分量受到抑制而让其他分量不受影响，就可以改变输出图的频率分布，达到不同的增强目的。 4.1频率低通滤波 在分析图像信号的频率特性时，对于一幅图像，直流分量表示了图像的平均灰度，大面积的背景区域和缓慢变化部分则代表图像的低频分量，而它的边缘、细节、跳跃部分以及颗粒噪声都代表图像的高频分量。因此在频域中对图像采用滤波器函数衰减高频信息而使低频信息畅通无阻的过程称为低通滤波10-12。通过滤波可除去高频分量，消除噪声，起到平滑图像去噪声的增强作用。但同时也可能滤除某些边界对应的频率分量，而使图像边界变得模糊。当原始图像以线性算子进行卷积，而滤波器输出的图像为。在空域内有 (4-1) 即可得到在频域实现线性低通滤波器输出的表达式为: (4-2)式中：为含有噪声原始图像的傅里叶变换；为频域线性低通滤波器传递函数（即频谱响应）的输出，也是低通滤波平滑处理后图像的傅里叶变换。得到后，再经过傅里叶反变换就得到所希望的图像。 频率域中的图像滤波处理流程框图如图4-1所示。 图4-1 图像频率低通滤波流程框图4.2理想低通滤波器4.2.1理想低通滤波理想低通滤波可以简单的设定一个截止频率，当频域高于这个截止频率时，则全部赋值为0。因为在这处理过程中，让低频信号全部通过，所以称为低通滤波。低通滤波可以对图像进行钝化处理。理想低通滤波器的传递函数为： (4-3)式中：为理想低通滤波器的截止频率，是一个规定非负的量，这里理想是指小于等于的频率可以完全不受影响地通过滤波器，而大于的频率则完全通不过，因此也叫截断频率。是从点到频率平面原点的距离，。理想低通滤波器传递函数波形如下图4-2所示： 图4-2 理想低通滤波器传递函数特性曲线的剖面图将剖面图绕纵轴旋转3600 就可以得到整个滤波器的传递函数。理想低通滤波器可以用计算机模拟实现，但是不能用电子元器件来实现。所以在处理过程中会产生比较严重的模糊和振铃现象，而这些现象也是由傅里叶变换的性质来决定的。由式子（4-1）来描述，由卷积定理可知此式子在空域中是一种卷积关系，即是式子（4-1）所示。为理想的矩形特性，其反变换必然会产生无限的振铃特性，同时经过与卷积后又给带来模糊和振铃的现象，如果越小，那现象就会越严重，如此其平滑的效果当然也就越差了，这也是理想低通滤波器不可克服的缺陷。4.2.2理想低通滤波仿真Matlab源程序：I=imread(lena.jpg);I=rgb2gray(I);subplot(221);imshow(I);title(原图);J=imnoise(I,salt & pepper,0.2);subplot(224);imshow(J);title(加椒盐噪声图像);f=double(J);k=fft2(f);g=fftshift(k);M,N=size(g);n=3;d0=20;n1=round(M/2);n2=round(N/2);for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d=d0 h=1; else h=0; end y(i,j)=h*g(i,j); endendy=ifftshift(y);A=ifft2(y);B=uint8(real(A);subplot(224);imshow(B);title(理想低通滤波后图像);仿真结果对比图如下所示： 图4-3 原图 图4-4 加椒盐噪声图像 图4-5理想低通滤波后图像 4.3同态滤波法4.3.1同态滤波器 同态滤波8是一种在频域中同时将图像亮度范围进行压缩和将图像对比度增强来改善图像的一种处理方法。通过把频率过滤和灰度变换结合起来进行处理，且用图像的照明反射模型作为频域处理的基础。一幅图像可以用它的照明分量与反射分量的乘积来表示，即 （4-4） 由于这两个函数的傅里叶变换是不可分的，即 （4-5）对式（4-4）两边取自然对数： 再对上式取傅里叶变换，得：假设用一个滤波器函数 来处理，可得到：逆变换到空域，得： （4-6）可见增强后的图像是由对应的照明分量与反射分量两部分叠加而成。对式（4-6）两边取指数，可得：以上的图像增强过程如下图所示。这种方法是以一类系统的特殊情况为基础的，通常称它为同态图像增强法，而称为同态滤波函数，它可以分别作用于照明分量和反射分量上。一般情况下照明分量通常可用缓慢的空间变化表示，而反射分量在不同物体的交界处是急剧变化的，这时对图像取对数后的傅里叶变换中的低频部分对应照明分量，而高频部分对应反射分量。虽然这是一个粗糙的近似，但它可以收到有效的增强效果。以下是用同态滤波方法进行增强处理的流程框图 图4-6 同态图像增强法示意图一般情况下，照明决定了图像中像素灰度的动态范围，而对比度是图像中某些内容反射特性的函数。根据以上分析，用同态滤波可以比较理想的控制这些分量。可设计一个对傅里叶变换的高频和低频分量影响不同的适当的滤波函数。下图给出了这样一个函数剖面图，将它绕垂直轴转就可得到完整的二维。如果，则下图所示的滤波函数势必减弱低频分量而增强高频分量，最后结果是压缩了图像的动态范围的同时又增强了图像的对比度。当处理一幅由于照射光不均匀而产生黑斑暗影时，想要去掉这些黑斑暗影又不失去图像的某些细节时，采用同态滤波法进行处理很有效果。 图4-7 同态滤波器的径向横断面4.3.2同态滤波的增强仿真Matlab源程序：J=imread(pout.tif);subplot(121);imshow(J);title(原图)J=double(J);f=fft2(J);g=fftshift(f); M,N=size(f);d0=50;r1=1;rh=4;c=4;n1=floor(M/2);n2=floor(N/2);for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); h=(rh-r1)*(1-exp(-c*(d2/d02)+r1; g(i,j)=h*g(i,j); endendg=ifftshift(g);g=uint8(real(ifft2(g);subplot(122);imshow(g);title(同态滤波增强后图像)仿真结果对比图如下所示： 图4-8 原图 图4-9同态滤波增强后图像第5章 结束语传统的图像增强方法在增强的同时，往往会带来了一些比较严重的负效应。各种增强方法由于本身的优缺点，使其应用范围很窄。比如，带阻滤波