数字图像处理论文

1、姓名陆建伟学号1341904222成绩江苏科技大学数字图像处理本科生课程论文论文题目：图像增强方法综述与matlab实现完成时间：_2016年6月2日_ 所在专业：_软件工程_ _所在年级：_13419042_ _ 图像增强方法综述与matlab实现软件工程专业 1341904222 陆建伟摘要： 本文介绍图像增强的内容，并就内部几种方法进行更深一步的探索，利用matlab使得算法实现并对比。关键词：图像增强；数字图像处理；灰度变换；直方图；matlab；一、 研究背景1.1研究目的经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。光学系统的失真、相对运动、大气

2、流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题。通过本课题的研究能够使图像有更好的视觉感受效果，更能够满足社会生活和生产的需要是本文的最终目的。1.2研究现状计算机图像处理的发展历史并不长,但是引起了人们的足够重视。总体来说，图像处理技术的发展大致经历了初创期、发展期、普及期和实用化期4个阶段。随着对图像技术研究的不断深入和发展,新的图像增强方法不断出现。图像作为自然界景物的客观反映是人类感知世界的视觉基础也是人类获取信息、表达信息和传递信息的重要手段。二 、主要理论概况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

3、除不需要的信息。从不同的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。处理后的图像是否保持原状已经是无关紧要的了不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。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地视觉效果很少涉及客观和统一的评价标准。图像增强的方法可以大致分为两类，一类是空域处理方法，一类是频域的处理

4、法 王斌，MATLAB实现数字图像增强处理，佳木斯大学学报，2005,23(1):31-35三、研究的主要内容图像增强的主要内容如图1.1图像增强空间域点运算灰度变换 直方图修正法均衡化规定划局部统计法 局部运算图像平滑邻域平均法中值滤波多图像平均法频域低通滤波法图像锐化微分法高通滤波法 频率域高通滤波 低通滤波 同台滤波增强 彩色增强假彩色增强 伪彩色增强 图像的代数运算 图1.1本本主要研究的是点运算的两种方法，即灰度变换法、直方图修正法。再加上Retinex法。3.1 图像增强方法3.1.1灰度变换灰度变换是在图像采集系统中对图像像素进行修正，是图像增强的重要手段。灰度变换主要分为两种：

5、一种是全域线性变换，一种是分段线性变换。1. 全域线性变换假设原图像f(x,y)的灰度范围为a,b,希望变换后图像g(x,y)的灰度范围扩展至c,d，则线性变换的表示式为：gx，y=d-cb-afx,y-a+c此关系如图3.1如果图像中大部分像素的灰度级分布在区域a,b之间，小部分灰度级超出了此区域，为了改善增强效果，可以用如下所示的变换关系：gx，y=c 0fx,yad-cb-afx,y-a+c af(x,y)b d bfx,yM此关系图可用3.2表示：图3.1图3.22. 分段线性变换在图像增强中，为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可以采用分段性变换，常用的方

6、法是分三段线性变换，如图3.3所示，设原图像在0，Mf,感兴趣目标所在灰度范围在a,b,欲使其灰度范围拉伸到c,d,则对应的分段线性变换表达式为gx，y=cafx,y 0fx,ya d-cb-afx,y-a+c afx,y=f1)&(f=f2)&(f=f3)g(i,j)=r3*f+b3;endendendfigure,imshow(mat2gray(g)2、实验结果原图直方图分段线性变换之后的图3.2.3 灰度非线性变换(对数变换)1、实验代码I=imread(D:/tt.jpg);x=0:255;c=255/log(256);y=c*log(x+1);figure,subplot(2,2,1

7、),plot(y),title(对数变换直方图),axis tight,axis squareI_log=uint8(y(I+1);subplot(2,2,2);imshow(I);title(原图)subplot(2,2,3);imshow(I_log);title(图像调整)I_br=imadd(I,100);subplot(2,2,4);imshow(I_br);title(原始图像缩放)2、实验结果3.2.4直方图均衡化1、实验代码clear all;I=imread(D:/tt.jpg); %读入JPG彩色图像文件subplot(2,2,1);imshow(I) %显示出来 titl

8、e(输入的彩色JPG图像)I_gray = rgb2gray(I); %灰度化后的数据存入数组imwrite(I_gray,1_gray.bmp); %保存灰度图像subplot(2,2,2);imshow(I_gray);title(灰度图)height,width=size(I_gray); %测量图像尺寸参数p=zeros(1,256); %预创建存放灰度出现概率的向量for i=1:height for j=1:width p(I_gray(i,j) + 1) = p(I_gray(i,j) + 1) + 1; endends=zeros(1,256);s(1)=p(1);for i=

9、2:256 s(i)=p(i) + s(i-1); %统计图像中 256 s(i) = 256; endend%图像均衡化I_equal = I;for i=1:height for j=1:width I_equal(i,j) = s( I(i,j) + 1); endendsubplot(2,2,3);imshow(I_equal) %显示均衡化后的图像 title(均衡化后图像)2、实验结果3.2.5 Retinex法1、实验代码Img = imread(D:/tt.jpg);hsvImg = rgb2hsv(Img);V=hsvImg(:,:,3);height,width=size(

10、V);V = uint8(V*255);NumPixel = zeros(1,256);for i = 1:heightfor j = 1: widthNumPixel(V(i,j) + 1) = NumPixel(V(i,j) + 1) + 1;endendProbPixel = zeros(1,256);for i = 1:256ProbPixel(i) = NumPixel(i) / (height * width * 1.0);endCumuPixel = cumsum(ProbPixel);CumuPixel = uint8(255 .* CumuPixel + 0.5);for i

11、 = 1:heightfor j = 1: widthV(i,j) = CumuPixel(V(i,j);endend V = im2double(V);hsvImg(:,:,3) = V;outputImg = hsv2rgb(hsvImg);subplot(2,1,1);imshow(Img);title(原图像);subplot(2,1,2);imshow(outputImg);title(retinex处理);2、实验结果四、小结 从本文的试验以及结果可以分析出，院图像动态范围较小，整体较暗，并且过于集中在某一灰度范围内，经过灰度变换后，图像变亮，可以看到更多细节；针对原图像直方图高度集中