数字图像处理论文 (2).doc

课程论文论文题目：图像增强若干方法的研究学院：专业：姓名：学号： 目录摘要21绪论31.1图像增强的定义和目的31.2图像增强研究现状31.3本文研究内容32.图像处理方法概述42.1频域和空间域的增强方法42.1.1空间域增强方法42.1.2频域增强方法42.2彩色图像增强方法43.直方图均衡增强方法43.1传统的直方图均衡化43.2局部直方图均衡化53.3直方图均衡增强的改进算法54.彩色图像增强方法64.1灰度分层伪彩色处理64.2混合空间法在彩色图像增强中的应用64.3变分框架下区域自适应彩色图像增强65.智能信息处理图像增强方法75.1模糊算法75.2遗传算法75.3粗糙集理论76.总结8参考文献：8 8摘要在图像处理中，图像增强技术对于提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果。本文简要介绍图像增强处理的方法分类。讨论了图像增强空间域法中最常用、最重要的方法直方图均衡法及其改进算法。分析了彩色图像基本增强算法及其改进算法。并对具有发展潜力的模糊算法、遗传算法、粗糙集理论进行了一定的介绍。关键词:图像增强; 直方图均衡; 彩色图像增强1绪论1.1图像增强的定义和目的图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。它一般要借助人眼的视觉特性，以取得看起来较好的视觉效果，很少涉及客观和统一的评价标准。增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。11.2图像增强研究现状计算机图像处理发展历史并不长，始于20世纪60年代，发展至今。现在21世纪的图像处理技术正要向着高质量化方面发展，实现图像的实时处理，采用数字全息技术使图像包含最为完整和丰富的信息，实现图像的智能生成、处理、理解和识别。图像增强作为图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了重要作用。随着对图像增强技术研究的不断深入，新的图像增强方法也不断地涌现。目前主要是分为传统的图像增强方法、基于多尺度分析的图像增强方法以及数学形态学增强方法等。由于目前还没有一种通用的衡量图像质量的指标能够用来评价图像增强方法的优劣，图像增强理论有待进一步完善。也正因如此，图像增强技术的探索具有实验性和多样性。增强的方法往往也具有针对性，以至于对某类图像效果较好的增强方法未必适用于另一类图像。在实际情况中，要找到一种有效的方法必须广泛地进行实验，在没有给定图像怎样被降低质量的先验知识时，要预测某种具体方法的效用是很困难的。所以经常采用的方法是，使用几组增强技术的组合或使用调节参量的方法。且要想获得一个满意的增强效果，往往需要人机的交互作用。1.3本文研究内容本文简要介绍图像增强处理的方法分类。讨论了图像增强空间域法中最常用、最重要的方法直方图均衡法，及其改进算法。分析了彩色图像基本增强算法及其改进算法。并对具有发展潜力的模糊算法、遗传算法、粗糙集理论进行了一定的介绍。希望由此能对图像增强处理方法有着更加深入的了解。2.图像处理方法概述2.1频域和空间域的增强方法 图像增强处理方法根据图像增强处理所在的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法两大类。22.1.1空间域增强方法在图像处理中，空间域是指由像素点组成的空间。空间域方法则是直接作用于图像中的像素点或其某领域上。由此，空间域图像增强方法分为像素点处理和领域处理。像素点处理包括图像灰度变换以及直方图均衡。其中直方图均衡又可细分为传统的直方图均衡以及局部直方图均衡。领域处理则包括图像平滑滤波以及图像锐化滤波。其中将会涉及到均值滤波器、中值滤波器、梯度运算、拉普拉斯算子等内容。2.1.2频域增强方法频域方法一般需借助傅里叶分析等变化方法将图像转至频率域后再做滤波等处理。其主要包括低通滤波、高通滤波及同态滤波。涉及到理想高(低)通滤波器、巴特沃斯高(低)通滤波器、指数型高(低)通滤波器、梯形高(低)通滤波器等内容。2.2彩色图像增强方法 彩色图像包含比灰度图像更多的信息，这并不仅仅因为彩色图像含有的通道数多于灰度图像，还因为彩色图像各通道间存在重要的互相关性。简单地直接将灰度图像处理方法分别用于彩色图像的RGB通道常常不能取得期望的效果，可能会带来瑕疵或使处理结果图像颜色失真。一种处理彩色图像的策略是将图像从RGB空间转至其他颜色空间，仅对亮度分量做增强，保持色度分量不变，以期保持颜色不失真。3 具体来说，彩色图像增强包括真彩色处理和伪彩色处理。其中伪彩色处理又可分为灰度分层处理、灰度变换处理和频域伪彩色处理。3.直方图均衡增强方法3.1传统的直方图均衡化直方图均衡化方法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，然后按均很直方图修正原图像。当图像的直方图为一均匀分布时，图像包含的信息量最大，图像看起来就显得清晰。该方法以累积分布函数为基础，其变换函数取决于图像灰度直方图的累积分布函数。它对整幅图像进行同一变换，因此传统的直方图均衡化也称为全局直方图均衡化。3.2局部直方图均衡化传统的直方图均衡化方法虽然适用于整个图像的增强，但有时也需要对图像中某些较小大的区域内的细节进行增强。在这些小区域内，其像素的个数对全局变换函数的影响往往可能小到可以被忽略的程度。因此在利用传统直方图均衡化方法对图像进行增强时，就不一定能保证我们所感兴趣的小区域得到所期望的增强效果。为解决这一问题，引入了局部直方图均衡化。局部直方图均衡化方法以传统直方图均衡化方法为基础，对图像中每个像素点所在的领域范围即滑动窗口求出灰度转换函数，然后仅仅应用在该中心点处。4局部直方图均衡化与传统的直方图均衡化相比，有两点不同：4(1) 算法复杂度远远高于全局直方图均衡化。(2) 它的转换不是对相关局部区域内所有像素进行的，而是只对中心像素进行转换。局部直方图均衡化主要存在两个缺点，即算法复杂度高；领域窗口大小的确定要通过手工操作进行不断的尝试，操作不便。正因为如此，有很多人提出了不同的直方图均衡增强的改进算法。3.3直方图均衡增强的改进算法传统直方图均衡算法是一个经典的图像增强算法，但是增强之后的图像存在着细节丢失和噪声较大的不足。幂次变化可以有效地均衡图像的亮度，不足之处是对不度低，细节不明显。结合直方图均衡和幂次变换的优势。有人提出了基于直方图均衡和幂次变换的光照不均匀图像增强算法。5具体步骤如图1所示 图1 基于直方图均衡和幂次变换图像增强算法流程图 对原始图像分别进行直方图均衡化和幂次变换的处理，然后再进行非线性叠加，得到最终结果。其实验结果和数据表明，该算法调整了图像的整体亮度，增强了图像对比度，增强了图像的暗部细节，基本保留了图像的亮部细节，同时有效地抑制了噪声，具有较好的增强效果。且该算法具有算法简单、执行效率较高的特点。4.彩色图像增强方法4.1灰度分层伪彩色处理所谓伪彩色处理是指通过将每一个灰度级匹配到彩色空间上的一点，将单彩色图像映射为一幅彩色图像的一种变换。可将按某种规则生成的映射存储在查找表中，从而简单的给每个灰度级赋一彩色。灰度分层是伪彩色处理技术中最简单的一种。设一副灰度图像，在某一个灰度级上设置一个平行于xy平面的切割平面。则灰度图像值有两个灰度级，对切割平面以下的像素分配给一种颜色，对切割平面以上的像素分配给另一种颜色。这样切割结果就可以将灰度图像变为只有两个颜色的伪彩色图像。6如果将灰度图像级用M个切割平面去切割，就会得到M+1个不同灰度级的区域。对这M+1个区域的像素人为分配给M+1种不同的颜色，就可以得到具有M+1种颜色的伪彩色图像。灰度分层的有点是简单易行，便于用软件或硬件实现。64.2混合空间法在彩色图像增强中的应用经过大量实验发现，单一的增强方法对图像进行处理并不能得到满意的结果，于是有人选择采用混合空间法对图像进行增强。具体步骤为将图像从RGB空间转换到HSI空间，先对I分量进行拉普拉斯变化，突出图像中的小细节。再对I分量进行梯度变化，突出图像边缘。再将拉普拉斯变换后的结果与梯度变换后的结果相乘，目的是而为了将两种结果在边缘和细节上进行互补，用原图像减去相乘后的结果得到混合处理后的I分量，最后变换到RGB空间，得到最终图像。7从他人实验结果可以看出，将两种变换方法结合其来，处理后的图像在灰度变化强的区域仍保留细节，而在灰度变化相对平坦的区域减少了噪声，整个画面的视觉效果最好。通过这种方法可以完美地将拉普拉斯变换和梯度变换的优点结合起来，同时还可以根据彩色图像在色度上的其它缺陷和饱和度及色度上的问题，结合其它一些灰度增强方法，如直方图均衡，灰度拉伸，均值滤波以及饱和度的线性调节等。74.3变分框架下区域自适应彩色图像增强Palma-Amestoy等人对前人的方法做了系统分析，并根据人类视觉系统所具有的色感一致性、局部对比度增强和视觉自适应性提出了一个统一的变分图像增强框架。8在求解该框架下的能量泛函极值时引入区域自适应增强参数，根据图像局部的均值和方差来调节对比增强的程度，在均值较小和方差较小处进行较大的增强。在对彩色图像处理时，保持RGB三通道之间的比例，增强结果能有效保持原始图像的颜色。实验表明，基于变分框架下区域自适应彩色图像增强的方法能更好地增强图像暗处和平坦处的对比度，有效地改善彩色图像的视觉效果。5.智能信息处理图像增强方法5.1模糊算法模糊图像增强是将模糊数学理论与图像增强想结合的图像增强处理方法，其基本思想是将图像从其空间域利用隶属函数变换到模糊域，得到模糊特征平面，在模糊特征平面上对图像进行增强处理，最后将其变换回空间域而得到增强后的图像。常用的增强模型有Pal模糊增强模型。基于模糊理论的图像增强方法在一些场合取得较传统方法更好的效果，但对于一些图像偏暗、光照条件差的图像，其增强效果并不明显。因此，有人提出在模糊增强的基础上进一步引入灰度线性变换环节，组成图像的模糊增强系统。9还有人提出将图像由空间域映射到模糊域中;对图像进行模糊增强;将图像由模糊域映射回空间域中;快速选择最优参数等模糊图像增强的改进方法。5.2遗传算法 遗传算法是基于达尔文生物进化理论的自然选择学说和群体遗传学原理而建立的，是近些年来发展起来的一种随机全局优化算法。10基于遗传算法的图像增强技术的实现过程实际上是一个寻找控制参数的最优或次优解的过程。那么就要求选择好一个图像参数模型，并选取好遗传算子。但也正因如此，遗传算法存在着一些问题:其选择是一个复杂的非线性优化问题，不仅要考虑到遗传算子的相互作用，还必须考虑到优化目标函数的特征。尽管已有人从理论和实验两方面对最优控制参数的选取进行了一定的讨论，现在仍没有很好的解决方法。且图像本身包含的大量数据使得采用遗传算法进行图像增强的运算量很大。如果采用 并行遗传算法实现，可以大大减少其运算时间。同时，随着数字图像处理技术的发展，如果可以找到更好控制图像质量的参数，那么该方法必将取得更好的效果。5.3粗糙集理论粗糙集理论是一种处理不精确、不确定与不完全数据的新的数学理论。它是建立在分类机制的基础上的。它将分类理解为在特定空间上的等价关系，而等价关系构成了对该空间的划分。粗糙集理论将知识理解为对数据的划分，每一被划分的集合称为概念。粗糙集理论的主要思想是利用已知的知识库，将不精确或不确定的知识用已知的知识库中的知识来近似刻画。该理论与其他处理不确定和不精确问题理论最显著的区别是它无需提供所需处理的数据集合之外的任何先验信息，所以对问题的不确定性的描述或处理可以说是比较客观的，由于这个理论未能包含处理不精确或不确定原始数据的机制，所以这个理论与概率论，模糊数学和证据理论等其他处理不确定或不精确问题的理论有很强的互补性。11经他人实践证明12，采用粗糙集方法，基于不可分辨关系，划分背景区和物体区两个不同的区域(并剔除噪声)，分别作不同的直方图变换增强，获得了较好的图像增强效果，并对噪声有抑制作用。6.总结在图像处理中，图像增强技术对于提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果，将原图像转换成更适合于人眼观察和计算机进行分析处理的形式。本文对图像增强处理的方法分类进行了简要的介绍。讨论了直方图均衡增强方法、彩色图像增强方法，及它们改进算法。对具有发展潜力的模糊算法、遗传算法、粗糙集理论也进行了一定的介绍。目前还没有一种通用的衡量图像质量的指标能够用来评价图像增强方法的优劣，关键是在不同的场合下，选取其最适合的图像增强方法。随着21世纪图像技术向着高质量化方向发展，还有很多问题有待我们在日后解决。参考文献：1 高彦平.图像增强方法的研究与实现C.硕士学位论文.山东,2005,12 杨帆.数字图像处理与分析(第二版)M.北京:北京航天航空大学出版社,20103 许欣.图像增强若干理论方法与应用研究C.博士学位论文.南京,2010,84 刘锦辉.图像增强方法的研究以及应用C.硕士学位论文.湖南,2009,19-205 马士友,付致伟,王晓东,蒯自强,黄多荣.基于直方图均衡和幂次变换的灰度图像增强算法J.计算机应用与软件,2013,30(4):261-2636 何东健,耿楠,张义宽.数字图像处理M.西安:西安电