VC实现图像增强处理.doc

设计要求： 图像增强是数字图像处理的一种处理方法，是对模糊、糟糕的低质量图像通过技术手段，使其在主观、客观图像质量上得到提高。 使用VC，实现对一幅糟糕的BMP位图，进行图像增强处理，得到主观质量提高的图像。（1）掌握图像增强的原理、意义和目的；（2）图像增强的方法、常用算法的原理和实现过程；（3）掌握VC开发控制台应用程序、MFC应用程序的过程；（4）针对几种图像增强算法，编程实现、调试程序，对糟糕图像进行增强处理；（5）对处理后的图像的质量给出指标数据；（6）提交设计报告，程序能够演示。方 向 设 计 学 生 日 志时间设计内容2008.12.20-25查资料了解相关的信息2009.1.10-11学习VC的相关操作2009.1.12-13编写设计程序2009.1.14写设计报告VC实现图像增强处理 一、 摘要本文介绍了图像处理的目的和意义并论述了如何用直方图均衡化对一幅BMP灰度图像进行灰度映射，从而达到使图像增强的目的。本设计是利用VC 6.0执行的，vc6.0具有效率高，可继承、封装、移植等成熟的软件技术，本问是利用对图像进行直方图均衡化算法来实现对图像的增强。实验表明，该程序可以快速、准确地对灰度图像进行灰度变换，达到了使图像对比度增强，改善图像质量的预期目的。 二、 设计目的和意义由于噪声、光照等外界环境或设备本身的原因，通常我们所获取的原始数字图像质量不是很高，因此在对图像进行边缘检测、图像分割等操作之前，一般都需要对原始数字图像进行增强处理。图像增强主要有两方面应用，一方面是改善图像的视觉效果，另一方面也能提高边缘检测或图像分割的质量，突出图像的特征，便于计算机更有效地对图像进行识别和分析。图像增强是图像处理最关键的研究问题之一，图像增强是指为了将图像中感兴趣的特征有选择地突出,而衰减其不需要的特征,要对灰度图进行灰度修正,图像增强按作用域可分为两类，即空域处理和频域处理。空域处理是直接对图像进行处理，而频域处理则是在图像的某个变化域内，对图像的变换系数进行运算，然后通过逆变换获得图像增强效果。这里主要讲述了用直方图均衡化实现图像增强,能够使图像具有所需要的灰度分布,从而有选择地突出所需要的图像特征.并且利用VC6.0加以实现1。当前图像处理在算法实现中主要应用Matlab 仿真工具，但Matlab运行效率较低，且可移植性和实用性均不太理想。与Java和C#等其他高级语言相比，VC 在程序运行效率、内存使用的可控性和编程的灵活性上均具有较大的优势，因此本文采用VC 6.0 集成开发环境，以达到算法快速有效地执行，同时增强了算法的可移植性。 三、 设计原理如上所述，图像增强主要分为空域和频域两种分析方法。在空域对图像进行增强处理的方式有许多种，如增强对比度和动态范围压缩等等，但这些处理方式都是针对原始图像的每一个像素直接对其灰度进行处理的，其处理过程主要是通过增强函数对像素的灰度级进行运算并将运算结果作为该像素的新灰度值来实现的。通过改变选用增强函数的解析表达式就可以得到不同的处理效果，这类处理方法比较灵活方便，处理效果也比较不错，但对于某些灰度分布很密集或对比度很弱的图像虽然也能起到一定的增强效果但并不明显。对于这种情况就需要用本文提出的灰度直方图变换方法将原始图像密集的灰度分布变的比较疏散，从而拉大了图像的对比度并在视觉上达到明显增强的效果，使一些原本不易观察到的细节能变的清晰可辩。 图像的灰度变换处理是通过改变原始图像各像素在各灰度级上的概率分布来实现的，通过对图像的灰度值进行统计可以得到一个一维离散的图像灰度统计直方图函数p(sk)=nk/n (k=0,1,2,L-1)。该式表达了在第k个灰度级上的像素的个数nk占全部*像素总数n的比例，p(sk)则给出了对sk出现概率的1个估计。因此该直方图函数实际是图像的各灰度级的分布情况的反映，换句话说也就是给出了该幅图像所有灰度值的整体描述2。通过该函数可以清楚地了解到图像对应的动态范围情况，可以了解到图像灰度的主要集中范围。因此可以通过图像增强程序的干预来改变直方图的灰度分布状况，使灰度均匀的或是按预期目标分布与整个灰度范围空间，从而达到增强图像对比度的效果。这种方法是基于数理统计和概率论的，比直接在空域对原始图像采取对比度增强效果要好的多。在实际应用中直方图的变换主要有均衡变换和规定变换两种，而后者又根据灰度级映射规则的不同分单映射规则和组映射规则两种。 本问主要介绍的是频域法。频域法是在图像的某个变换域内，对图像进行操作，修改变换后的系数，例如付立叶变换、DCT变换等的系数，然后再进行反变换得到处理后的图像。而在频域分析法中又包括灰度变换，图像平滑和图像锐化等方法。本次设计主要是利用灰度变换中的直方图均衡法实现图像增强。直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。3对图像空域点的增强过程是通过增强函数t=EH(s)来完成的，t、s分别为目标图像和原始图像上的像素点(x,y)，在进行均衡化处理时对增强函数EH需要满足两个条件：增强函数EH(s)在0sL-1的范围内是一个单调递增函数，这个条件保证了在增强处理时没有打乱原始图像的灰度排列次序。另一个需要满足的条件是对于0sL-1应当有0EH(s)L-1，它保证了变换过程灰度值的动态范围的一致。同样的，对于反变换过程s=EH-1(t),在0t1时也必须满足上述两个条件。累计分布函数(cumulative distribution function,CDF)就是满足上述条件的一种，通过该函数可以完成s到t 的均匀分布转换。此时的增强转换方程如公式一所示：tk = EH(sk) = (ni/n) = ps(si) ，（k=0,1,2,，L-1） (1) 上述求和区间为到k,根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布tk按式tk=(N-1)* tk+0.5对其取整并得出源灰度sk到tk的灰度映射关系，其中N为灰度的级数。在重复上述步骤得到所有的源图像各灰度级到目标图像各灰度级的映射关系后按照新的映射关系对源图像各点像素进行灰度转换即可完成对源图的直方图均衡化。四、 详细设计步骤下面主要介绍一下运用VC+实现的灰度图像均衡化处理的具体设计步骤；利用VC+实现的灰度图像均衡化处理的流程如图一所示。4 初始化DIB对象创建内存缓冲区缓冲区载入DIB对象统计原图像的灰度值原灰度映射到新灰度生成新的图像打开一幅灰度图象图一首先我们把所需要的图像导入到程序里。在VC中，打开一幅BMP的图像。根据上述的算法描述，要实现灰度图像的直方图均衡化必须首先统计原图像的各级灰度值，然后对得到的灰度值做灰度映射，将映射后的结果存到一个新的灰度映射关系数组中，根据这个数组就可以确定出源图象的某个灰度级经过变换后对应于哪个新的灰度级，最后将变换后的结果保存到DIB中。经过这样的处理后，就可把源图像中密集分布的灰度值映射到经过均衡化后的新灰度级上，增加了对比度，实现了图像增强的效果。5通过设计，运行实验程序的到如下结果: 图二 图三 图四 图五原始图像如图二所示，图四为原始图像的直方图分布，图二为经过图像增强后的图，图五为他的直方图分布。以看出，直方图均衡化处理后，图像的直方图较为平直，各灰度级的值相对均匀。由于灰度级具有均匀的概率分布，图像看起来更清晰了。五、 设计结果及分析根据上述的算法描述，要实现灰度图像的直方图均衡化必须首先统计原图像的各级灰度值，在程序中定义了一个数组，来统计原图像的各级灰度值，然后对得到的灰度值做灰度映射，将映射后的结果存到一个新的灰度映射关系数组中，根据这个数组就可以确定出源图象的某个灰度级经过变换后对应于哪个新的灰度级，最后将变换后的结果保存到DIB中。经过这样的处理后，就可把源图像中密集分布的灰度值映射到经过均衡化后的新灰度级上，增加了对比度，改善了视觉效果。实验表明，本文介绍的方法对于暗、弱信号的原始图像的目标识别和图像增强等有着良好的处理效果，尤其是通过组映射规则的直方图规定化变换方法结合设计良好的规定直方图，可以得到更佳的图像处理效果。本文给出的程序代码在Microsoft Visual C+ 6.0下编译通过。从上述效果图可以看出，经过直方图均衡化处理后，图像变的清晰了，从直方图来看，处理后的图像直方图分布更均匀了，在每个灰度级上图像都有像素点。具有很好的可移植性。但用直方图均衡化处理也存在一定的缺陷，主要表现在：首先 变换后图像的灰度级减少，某些细节消失；其次某些图像，如直方图有高峰，经处理后对比度不自然的过分增强6。六、 参考文献1.李弼程，彭天强，彭波.智能图像处理技术.北京：电子工业出版社，2004.2.姚若河，黄继武，吴湘淇.改进的直方图均衡化图像增强算法.铁道学报