图形图像处理期末大报告

本文格式为Word版，下载可任意编辑——图形图像处理期末大报告

图形图像处理期末大作业报告

学院：专业：年级：学生姓名：学生学号：任课教师姓名：

信息工程与自动化学院计算机科学与技术2023级徐章林202310405429尚振宏

前言

研究图像加强的初始动力：人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%，所以图像信息是十分重要的信息传递媒体和方式。图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。在实际应用中每个部分都有可能导致图像品质变差，使图像传递的信息无法被正常读取和识别。因此研究快速且有效地图像加强算法成为推动图像分析和图像理解领域发展的关键内容之一。

研究图像加强的意义及应用：图像加强处理是数字图像处理的一个重要分支。好多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像加强技术来改善人的视觉效果，譬如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等，这些都有利于对图像中目标的识别、跟踪和理解。图像加强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。图像加强的应用领域也十分广阔并涉及各种类型的图像。例如，在军事应用中，加强红外图像提取我方感兴趣的敌军目标；在医学应用中，加强X射线所拍摄的患者脑部、胸部图像确定病症的确凿位置；在空间应用中，对用太空照相机传来的月球图片进行加强处理改善图像的质量；在农业应用中，加强遥感图像了解农作物的分布；在交通应用中，对大雾天气图像进行加强，加强车牌、路标等重要信息进行识别；在数码相机中，加强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。

图像加强的发浮现状：图像加强技术的发展大致经历了初创期、发展期、普及期和应用期4个阶段。初创期开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中、大型机对其进行处理。在这一时期由于图像存储成本高，处理设备造价高，因而其应用面很窄。20世纪70年代进入了发展期，开始大量采用中、大型机进行处理，图像处理也逐渐改用光栅扫描显示方式，特别是出现了CT和卫星遥感图像，对图像加强处理提出了一个更高的要求。到了20世纪80年代，图像加强技术进入普及期，此时的计算机已经能够承受起图形图像处理的任务。20世纪90年代进入了应用期，人们运用数字图像加强技术处理和分析遥感图像，以

有效地进行资源和矿藏的勘探、调查、农业和城市的土地规划、作物估产、气象预报、灾难及军事目标的监视等。

图像加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。在图像加强过程中，不分析图像降质的原因，处理后的图像不一定迫近原始图像。图像加强技术根据加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。

基于频率域法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加强。采用低通滤波（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，则可加强边缘等高频信号，使模糊的图片变得明了。

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，是一种间接加强的算法。基于空域的算法分为点运算算法和邻域去噪算法。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，或扩大图像动态范围，扩展对比度。邻域加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，但是也简单引起边缘的模糊。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。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加强。采用低通滤波（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，则可加强边缘等高频信号，使模糊的图片变得明了。

目录

前言21算法原理1

1.1图像加强的概念和分类11.2本文探讨的图像加强的基本方法1

1.2.1空间域滤波加强11.2.2频率域加强2

1.2.3空间锐化21.2.4色调加强3

1.2.5利用sym4函数进行小波变换进行图像加强3

2算法实现部分3

2.1空域变换加强32.2空域滤波加强52.3色调加强72.4频域加强83具体试验9

3.1新建gui项目93.2直方图均衡化93.3对比度加强103.4图像灰度调整103.5线性平滑滤波103.6非线性平滑滤波113.7线性锐化滤波113.8利用sym4函数进行小波变换进行图像加强113.9伪彩色加强123.10真彩色加强123.11低通滤波123.12高通滤波134分析及结论135考文献目录146终止语14附录15

1算法原理

1.1图像加强的概念和分类

图像加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。从不同的途径获取的图像，通过进行适当的加强处理，可以将原本模糊不清甚至根本无法分辩的原始图像处理成明了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、加强图像中的边缘或其他感兴趣的区域，从而更加简单对图像中感兴趣的目标进行检测和测量。

图像加强的目的是加强图像的视觉效果，将原图像转换成一种更适合于人眼观测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。加强的效果寻常都与具体的图像有关系，靠人的主观感觉加以评价。

目前常用的加强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变化域的方法。第一类，直接在图像所在的空间进行处理，也就是在像素组成的空间里直接对像素进行操作；其次类，在图像的变化域对图像进行间接处理。

1.2本文探讨的图像加强的基本方法

1.2.1空间域滤波加强

空域滤波可分为线形滤波和非线形滤波两类，线形滤波器的设计常基于对傅立叶变换的分析，非线形空域滤波器则一般直接对邻域进行操作。

另外各种滤波器根据功能又主要分成平滑滤波和锐化滤波。平滑可用低通来实现，锐化可用高通来实现

平滑滤波器：它能减弱或消除傅立叶空间的高频分量，但不影响在低频分量。由于高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图像平滑。

空域滤波器都是利用模板卷积，主要步骤如下：

①将模板在图中漫游，并将模板中心与图中某个像素位置重合；②将模板上的系数与模板下对应的像素相乘；③将所有的乘积相加；

1

④将和（模板的输出响应）赋给图中对应的模板中心位置像素。

1.2.2频率域加强

卷积理论是频域技术的基础。设函数f（x,y）与线性位不变算子h（x,y）的卷积结果是g（x,y），即g(x,y)=h(x,y)*f(x,y)

那么根据卷积定理在频域有：

G(x,y)=H(u,v)F(u,v)

其中G(x,y)、H(u,v)、F(u,v)分别是g(x,y)、h(x,y)、f(x,y)的傅立叶变换。

频域加强的主要步骤是：

①技术所需加强图的傅立叶变换；

②将其与一个（根据需要设计的）转移函数相乘；③再将结果进行傅立叶反变换以得到加强的图。频域加强的两个关键步骤：

①将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换；

②在频域空间对图像进行加强加工操作。

常用的频域加强方法有低通滤波和高通滤波。以下分别介绍在MATLAB中如何实现。

1.2.3空间锐化

在图像加强过程中，寻常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的状况出现。

为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得明了。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得明了，经过平滑的图像变得模糊的根本原因是由于图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算)就可以使图像变得明了。从频率域来考虑，图像模糊的实质是由于其高频分量被衰减，因此可以用高通滤波器来使图像明了。但要注意能够进行锐化处理的图像必需有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理

2

1.2.4色调加强

用于色调加强的方法好多，本文主要进行一下频率域伪彩色加强：频率域伪彩色加强时先把黑白图像经傅立叶变换到频率域，在频率域内三个不同传递特性的滤波器分开成三个独立分量，然后对它们进行逆傅立叶变换，便得到三幅代表不同频率分量的单色图像，接着对这三幅图像作进一步的处理（直方图均衡化），最终将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道，从而实现频率域分段的伪彩色加强。

1.2.5利用sym4函数进行小波变换进行图像加强

某些传统图像加强方法往往带来比较严重的负效应。为此，人们一直在寻觅更好的图像加强方法。小波分析因其分析信号的“数学显微镜’、多分辩分析能力，与图像加强的结合成为一种必然。

基于小波分析的图像加强，就是突出图像的边缘细节，尽可能的消除负面因素，从而达到加强图像的目的。基于小波分析的图像加强是采用小波变换，对低频成分进行特别处理，以加强图像中的目标信息。

2算法实现部分

2.1空域变换加强

2.1.1直方图均衡化

直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到加强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像加强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g=EQ(f)，这个映射函数EQ(f)必需满足两个条件(其中L为图像的灰度级数):

(1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证加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。

(2)对于0≤f≤L-1有0≤g≤L-1，这个条件保证了变换前后灰度值动态范围的一致性。累积分布函数(cumulativedistributionfunction，CDF)

3

即可以满足上述两个条件，并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为:

gk=EQ(fk)=(ni/n)=pf(fi)

(k=0，1，2，……，L-1)

上述求和区间为0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状况进行统计分析，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求出fk到gk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后，依照这个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

2.1.2加强对比度

对比度加强是图像加强技术中一种比较简单但又十分重要的方法。这种方法是按一定的规则修改输入图像每一个像素的灰度，从而改变图像灰度的动态范围。它可以是灰度动态范围扩展，也可以使其压缩，或者是对灰度进行分段处理，根据图像特点和要求在某段区间中进行压缩在另外区间进行扩展。

设输入图像为f(x,y)，处理后的图像为g(x,y)，则对比度加强可以表示为下面的数学变幻式：

g(X,Y)=T[f(X,Y)]

其中T表示输入图像和输出图像对应点的灰度映射关系。实际中由于曝光不足或成像系统非线性的影响，寻常照片或电子系统生成图像对比对不良，利用对比度加强变换可以有效地改善图像的质量。

2.1.3图像灰度调整

为了突出图像中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，可采用分段线性变换，把0-255整个灰度值区间分为若干线段，每一个直线段都对应一个局部的线性变换关系，常用的是三段线性变换方法，如下图2.1所示。

图2.1

其中f(x,y)，g(x,y)分别为原图像和变换后的图像的灰度级，maxf、

4

maxg分别为原图像和变换后的图像的最大灰度级。灰度区间[a,b]为要加强的目标所对应的灰度范围，变换后灰度范围扩展至[c,d]。变换时对[a,b]进行了线性拉伸，而[0,a]和[b,max]则被压缩，这两部分对应的细节信息损失了。若这两部分对应的像素数较少，则损失的信息也相应较少。其数学表达式如式。

?c??f(x,y)a??d?cg(x,y)???[f(x,y)?a]?cb?a??maxg?d?[f(x,y)?b]?d?maxf?b?0?f(x,y)?ba?f(x,y)?bb?f(x,y)?maxf

分段线性变换可以根据用户的需要，拉伸特征物体的灰度细节，虽然其他灰度区间对应的细节信息有所损失，这对于识别目标来说没有什么影响。下面对一些特别的状况进行了分析。令k1＝c/a,k2=(d-c)/(b-a)，k3=(maxg-d)/(maxf-b)，即它们分别为对应直线段的斜率。

当k1=k3=0时，如图2.2（a）所示，表示对于[a,b]以外的原图灰度不感兴趣，均令为0，而处于[a,b]之间的原图灰度，则均匀的变换成新图灰度。

当k1=k2=k3=0，但c=d时，如图2.2（b）所示，表示只对[a,b]间的灰度感兴趣，且均为同样的白色，其余变黑，此时图像对应变成二值图。这种操作又称为灰度级（或窗口）切片。

当kl=k3＝1，c=d=maxg时，如图2.2（c）所示，表示在保存背景的前提下，提升[a,b]间像素的灰度级。它也是一种窗口或灰度级切片操作。

图2.2三段线性变换

MATLAB软件中，imadjust函数可以实现图像的灰度变换，通过直方图变换调整图像的对比度。

2.2空域滤波加强

2.2.1线性平滑滤波

5

3.6非线性平滑滤波

图3.6

3.7线性锐化滤波

图3.7

3.8利用sym4函数进行小波变换进行图像加强

图3.8

11

3.9伪彩色加强

图3.9

3.10真彩色加强

图3.10

3.11低通滤波

加噪去噪

图3.11

12

3.12高通滤波

原图图3.12高通滤波

4分析及结论

加强图象中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不明了的图像变得明了或强调某些感兴趣的特征，扩大图像中不同物体特征之间的区别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特别分析的需要。

图像加强可分成两大类：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加强。采用低通滤波（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，则可加强边缘等高频信号，使模糊的图片变得明了。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。

图像加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。在图像加强过程中，不分析图像降质的原因，处理后的图像不一定迫近原始图像。图像加强技术根据加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，是一种间接加强的算

13

法。

基于空域的算法分为点运算算法和邻域去噪算法。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，或扩大图像动态范围，扩展对比度。邻域加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，但是也简单引起边缘的模糊。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。

5考文献目录

[1]机永红.数字图像处理.武汉大学出版社[2]徐建华.图像处理与分析.科学出版社出版[3]王积分.计算机图像识别.中国铁道出版社[4]张远鹏,董海等.计算机图像处理技术基础[5]王润生,图像解析

[6]赵荣椿,数字图像处理导论[7]章毓晋.图像处理和分析[8]图像加强,百度百科

6终止语

随着计算机处理能力的不断加强，数字图像处理学科在飞速发展的同时，也越来越广泛地向大量其他学科快速交织渗透，使得图像作为信息获取以及信息的利用等方面也变得越来越重要。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。

以上的报告主要介绍了图像加强的几种常见的方法、原理和具体实现。通过这次的报告，不但使我更加了解了图像加强方面的知识