基于PCNN的分割图像编码

1、精品毕业设计基于分段线性变换的图像增强（摘 要:分段灰度变换方法中分段点的选择是个关键问题。本文采用最小误差法自动计算分段线性灰度变换的分段点，将整幅图像分为不同的灰度段，并进行了不同的灰度处理，最后与直方图均衡化、线性变换等算法的处理结果进行了对比分析。实验结果表明，在改善图像视觉效果方面，分段线性灰度变换的效果更加明显。关键词:图像增强 灰度变换 分段线性变换 最小误差法Image Enhancement Based on Piecewise Linear TransformationZHANG Jun-hua, YANG Gen , XU Qing（Information Enginee

2、ring University, Zhengzhou 450002）Abstract: It is most important to select the interval boundary points of piecewise linear grey level transformation. In this paper, the interval boundary points are automatically computed based on Minimum Error Threshold. The pixels of an image are segmented into th

3、ree sectionsAnd different transforms are taken for each section. Experiments show that piecewise linear transformation is more valid to improve image quality comparing with histogram equalization, linear transformation.Keywords: Image Enhancement, Gray Level Transformation, Piecewise Linear Transfor

4、mation, Minimum Error Threshold精品毕业设计1 引言数字图像增强的首要目标是处理图像，以得到对具体应用来说视觉效果更好或更有用的图像。图像增强效果的好坏直接影响图像分割、特征提取、目标跟踪等后续处理，而且多数图像是以对比度增强为主要需求。对比度增强算法很多，比较常用的是直方图均衡法和灰度变换法。直方图均衡法的优点是能自动地增强整个图像的对比度，但它的实际增强效果不易控制，往往在增强目标的同时，也增强了背景和噪声。而灰度变换特别是分段灰度变换法因为算法简单，且变换函数可以任意合成而得到了广泛的应用1-2。本文在对基本的分段线性灰度变换方法的分析研究基础上，采用最小误

5、差法自动计算分段线性灰度变换的分段点，将整幅图像根据分段点划分为背景段、过渡段和目标段，对不同的灰度段进行不同的灰度处理，以实际图像为例，验证了该算法的有效性，并与直方图均衡化、灰度变换等算法的处理结果进行了对比分析。2 基本算法2.1 分段灰度变换的基本思想将图像灰度区间分成两段乃至多段，分别作灰度变换称之为分段灰度变换。图1是分三段进行灰度变换的示意图。分段灰度变换法的优点是可以根据用户的需要，拉伸特征目标的灰度细节，相对抑制不感兴趣的背景的灰度级。分段变换法的区间边界可以通过键盘交互式输入的方法来确定，因此是一种比较灵活的方法，而且由于硬件实现较简单，在图像增强中得到了广泛的应用。图1

6、分段线性变换示意图Fig.1 Sketch of Piecewise Linear Transformation分段灰度变换遵循以下规则 （1）如果，则是扩展第一区间a,c，维持第二区间c,d，压缩第三区间d,b。对于本文的图像进行增强，就是抑制背景段，保持过渡段，拉伸目标段。2.2 分段点的选取在应用分段灰度变换方法的时候，分段点的选择是个关键问题。分段点(c,c)和(d,d)的位置控制着变换函数的形状。以往应用中，多采用人工手动调整的方法选择分段点的位置。这种键盘交互式输入的方法比较灵活，但是得到合适的分段点需要多次反复地试验，以求得最佳的增强效果。如果采用自适应阈值计算的方法确定分段点，

7、则可以很好地解决以上问题。自适应阈值的计算方法很多，文献3中对几种公认比较好的自适应阈值计算方法进行了比较。考虑到本文所用图像目标对比度较低，因此选取最小误差法4计算分段点。最小误差法的核心是构造一个评价函数：其中，当评价函数取得最小值时对应最佳阈值T，即 文中采用的图像中，目标的灰度级多数位于灰度直方图的低端，所以可以认为图像中高于阈值的像素属于背景，其他像素属于目标。所以利用最小误差法对图像进行第一次阈值计算，可得目标段和过渡段的分段点T2。然后对背景按上述方法再进行一次阈值计算，可得过渡段和背景段的分段点T1( T11k1l，k2l，可得约束条件如下： （3）根据k0,k2的定义以及约束

8、条件（3），不难推出公式（2）中各个未知量的值为：，这样只要拉伸系数k0确定后，公式（2）中的各项系数就都确定了。实际上从约束条件(3)中，就可以解出k0的一个取值范围，见下式： （4）实际计算中可将取整数部分直接赋给k0，以获得最佳增强效果。3 实验结果与分析3.1 拉伸系数k0的选取对实验结果的影响本文所用图像为一幅亮度相对不足的图像，实验结果如下： (a)原始图像 (b)k0取值偏小 (c)k0取值偏大 (d)k0取值较为合适图2 k0的不同取值对增强效果的影响Fig.2 Different enhancement results of different k0图2表明不同的拉伸系数k0

9、会对图像产生不同的增强效果。当拉伸系数k0过小时，图像整体偏暗，对图像的增强效果相对较差，而拉伸系数k0过大时，又会使图像的目标与背景之间的反差减小，图像增强的效果也不十分明显。只有当拉伸系数选择合适时，才能真正达到增强图像的目的。3.2 与其它对比度增强算法的比较 这里我们将本文算法与直方图均衡化法、线性变换法等其它常用的对比度增强算法进行了比较，结果如图3所示。(a)直方图均衡化法 (b)线性变换法 (c) 分段线性变换法（本文算法）图3 几种对比度增强算法的效果比较Fig.3 Comparison of several contrast enhancement algorithms从图3

10、中可以看出，线性变换和直方图均衡化这两种方法虽然对目标也起到了增强的作用，但同时也将背景信息加强了，没有真正突出目标的主体地位，而本文算法在增强目标信息的同时，对背景进行了很好的抑制，整幅图像看起来比较柔和，视觉效果明显。3.3 处理后图像与原图直方图的比较直方图是分布与图像质量的好坏有直接关系。这里我们将利用本文算法处理后的图像直方图与原图像直方图进行了对比，结果如图4。(a) 原图的直方图(b) 利用本文算法处理的图像直方图图4 处理前后图像直方图的比较Fig.4 Comparison of image histogram before and after process 从图4所示的原图

11、像和利用本文算法处理后图像直方图分布可以看出，原图的直方图的峰值出现在亮度较暗的区域，因此整幅图像偏暗，而利用本文算法处理后的图像直方图基本上是呈正态分布的，图像效果有明显改善,因而处理后的图像比原图得到了明显增强。4 结论 分段线性灰度变换是一种非常灵活的图像增强方法，在图像处理领域有很大的应用空间。其中分段点的选取是分段线性灰度变换的关键。本文利用最小误差法实现了分段点的自动计算，将图像的灰度范围分为目标段、过渡段和背景段三个不同的区域，并对之进行相应的拉伸保持和抑制处理。实验结果表明，拉伸系数的选取对图像增强的效果影响较大，分段线性灰度变换的效果比线性变换、直方图均衡等方法更为明显。参

12、考 文 献1 Xu Hao,Fan Tie-sheng. A Segment Linear FunctionBased on Image Enhancement MethodJ.Journal of Liaoning University (Natural Sciences Edition), Vol.33,No.4,2006: 362-364. 徐皓，范铁生.一种采用分段线性函数的图像增强方法J.辽宁大学学报（自然科学版），2006，33（4）：362-364.2 Zhang Xiu-jun,Sun Xiao-li, A Research on the Piecewise Linear Transformation in Adaptive IR Image Enhance- mentJ.Electronic Science and Technology,No.3,2005: 13-16. 张秀君，孙晓丽.分段线性变换增强的自适应方法J.电子科技，2005（3）:13-16.3 Liu Wen-ping,Wu Li-de, Threshold Segmentation Technology of Artificial Target in