图像增强算法设计与实现

目录TOC\o"1-3"\h\u1绪论11.1课题背景及意义11.2研究现状及课题主要内容21.3本文的工作结构32图像增强的根本理论52.1图像增强的定义52.2数字图像的根本概念5数字图像的表示5图像的灰度变换5灰度直方图62.3本章小结63图像增强的算法分析73.1直方图均衡化73.2图像二值化73.3比照度增强83.4平滑滤波103.5锐化113.6彩色增强113.7本章小结134图像增强的实现144.1Matlab系统开发的目标144.2直方图均衡化图像增强效果的实现164.2.1直方图修正技术的根底164.2.2直方图的均衡化数学根底164.2.3直方图均衡化的算法174.2.4灰度级的选取184.2.5统计各灰度级像素194.2.6利用累积分布函数T(r)求累计直方图204.3图像二值化图像增强效果的实现214.4比照度增强图像效果的实现224.5平滑滤波图像增强效果的实现254.6锐化图像增强效果的实现284.7彩色增强图像效果的实现284.8本章小结305总结31参考文献34致谢351绪论随着计算机的技术不断开展与提高，其强大的功能已被人们深刻认识，它已进入社会的各个领域并发挥着越来越重要的作用。目前，图像应用已遍布人们的生活各个角落，图像增强算法就这样应运而生。本章从课题背景及意义，研究现状及课题主要内容，本文的工作结构几个方面进行分析描述。1.1课题背景及意义近几年来，计算机图像处理已经应用到几乎所有与成像有关的领域。它是利用计算机对数字图像进行一系列操作，从而获得预期结果。而在对图像处理过程中，那么需要运用图像增强技术以改善图像的质量，增强对某一种信息的辨识能力，以便更好的应用于现代社会的各个领域。而实际应用中那么有太多情况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。例如，在采集图像过程中由于光照强度环境或物体外表反光等原因造成的图像整体光照不均等等。因此研究有效地图像增强算法成为推动图像分析和图像理解应用领域开展的关键内容之一。根据人眼对颜色的心理感觉，设计在HSI颜色空间上基于小波分析的医学彩色内窥镜图像增强方法。在增强亮度分量的同时，也可以对饱和度分量进行细微调节。该方法可以抑制噪声，使细节得到增强，也可以使处理后的图像更加清晰且色泽鲜明。同时基于MATLAB的开放式，可用其对有噪图像或退化图像进行去噪或复原、增强图像以获得更高清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配。图像增强是图像处理的重要组成局部，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着图像技术研究的不断进步和深入研究，新的图像增强方法不断涌现。随着交互式图像增强技术的广泛应用，人们可以主观的控制图像增强效果，同时利用直方图均衡技术的图像增强也有了许多新的进步：例如动态分层直方图均衡算法、多层直方图结合亮度保持的均衡算法等等。这些算法通过进行图像分割，在子层图像内进行均衡处理，解决了直方图均衡过程中出现的比照度过拉伸问题，并且可以控制子层灰度的映射范围。图像直方图是图像处理的分析工具，它呈现了灰度级内容的图像，任何这种图像的直方图包含了丰富的信息，它主要用于转换的图像灰度等级，图像分割过程。从数学角度看，图像的直方图函数是每个图像与图像的灰度值的统计特性，它是每个灰度级的图像出现的统计概率;而从图形上看，它的二维图中，通常横坐标表示图像中各个像素点的灰度级，纵坐标那么是各个灰度级上图像各个像素点出现的概率。在实践中，图像可能不需要有整个直方图的均匀分布，而是希望有目的地增强某个灰度级分布范围内的图像。1.2研究现状及课题主要内容图像处理技术始于20世纪60年代，由于当时图像存储本钱高，处理设备造价高，因而其应用面很窄。1964年美国加州理工学院的喷气推进实验室，首次对徘徊者7号太空飞船发回的月球照片进行了处理，得到了前所未有的清晰图像，这标志着图像处理技术开始得到实际应用。70年代进入开展期，出现了CT和卫星遥感图像，对图像处理的开展起到了很好的促进作用。80年代进入普及期，此时微机已经能够承当起图形图像处理的任务。VLSI的出现更使得处理速度大大提高，其造价也进一步降低，极大的促进了图像处理系统的普及和应用。90年代是图像处理技术实用化时期，图像处理的信息量巨大，对处理的速度要求极高[1]。21世纪的图像处理技术要向高质量化方面开展，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。在借鉴国外相对成熟理论体系和技术应用体系的条件下，加强国内技术和应用有了较大的开展。总体来说，图像增强技术的开展大致经历了初创期、开展期、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本钱高，处理设备造价高，因而其应用面很窄。20世纪70年代进入了开展期，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，对图像增强处理提出了一个更高的要求。到了20世纪80年代，图像增强技术进入普及期，此时的计算机已经能够承当起图形图像处理的任务。20世纪90年代进入了应用期，人们运用数字图像增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、灾害及军事目标的监视等。在生物医学工程方面，运用图像增强技术对X射线图像、超声图像和生物切片显微图像等进行处理，提高图像的清晰度和分辨率。在工业和工程方面，主要应用于无损探伤、质量检测和过程自动控制等方面。在公共平安方面，人像、指纹及其他痕迹的处理和识别，以及交通监控、事故分析等都在不同程度上使用了图像增强技术。图像增强是图像处理的重要组成局部，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入和开展，新的图像增强方法不断出现。例如一些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展：例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像，然后在子层图像内做均衡处理，较好地解决了直方图均衡过程中的比照度过拉伸问题，并且可以控制子层灰度映射范围，增强效果较好。图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊。因此，在图像增强的时候，往往是将这两局部进行折中，找到一个好的代价函数到达需要的增强目的。传统的图像增强算法在确定转换函数时常是图像变换、灰度变换、直方图变换、图像平滑与锐化、色彩增强等。常用的一些图像增强方法是学习图像增强的根底，至今它们对于改善图像质量仍发挥着重要的作用。本文着重研究了这些增强方法对图像进行增强处理，针对图像增强的普遍性问题，研究和实现常用的图像增强方法及其算法，讨论不同的增强算法的适用场合，并对其图像增强方法进行性能评价。直方图均衡化是灰度变换的一个重要应用，广泛应用在图像增强处理中。它是以累积分布函数变换为根底的直方图修正法，可以产生一幅灰度级分布具有均匀概率密度的图像，扩展了像素的取值动态范围，基于MATLAB的直方图均衡化算法实现，在生物医学工程，通信工程，工程和工业，军事公安，文化艺术等方面具有广泛的应用。1.3本文的工作结构本文主要分析课题的研究意义及现状，通过理论分析图像增强的可能性与结果预期。通过比照各种图像增强算法的方法，比拟各种方法的优缺点，从而使得能够通过某种方法得到某种预期的图像增强效果。共分为五局部，具体内容安排如下：绪论介绍分析课题背景意义、现状等。图像增强的根本理论主要介绍数字图像的概念和图像增强的方法。图像增强的算法分析介绍通过MATLAB软件进行直方图均衡化的需求，分析了各种图像增强的可行性与预期结果。图像增强的实现通过详细的设计，实际比照效果，进行图像增强实验，分析实现结果。第五章总结对本论文进行总结与展望。2图像增强的根本理论2.1图像增强的定义为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的某些特点或存在的问题采取的简单改善方法或者加强特征的措施称为图像增强。一般情况下，图像增强是按某种特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不必要的信息的处理方法，也是提高图像质量的过程。图像增强的目的是使图像的某些方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。2.2数字图像的根本概念数字图像的表示图像并不能直接用计算机来处理，处理前必须先转化成数字图像。早期一般用picture代表图像，随着数字技术的开展，现在都用image代表离散化了的数字图像。由于从外界得到的图像多是二维(2-D)的，一幅图像可以用一个(2-D)数组f(x,y)表示。而这里x和y表示二维空间xy中一个坐标点的位置，f那么代表图像在点(x,y)的某种性质数值。为了能够用计算机对图像进行处理，需要坐标空间和性质空间都离散化。这种离散化了的图像都是数字图像，即f(x,y)都在整数集合中取值。图像中的每个根本单元称为图像那元素，简称像素[2]。图像的灰度变换常用的图像一般是灰度图，灰度变换可使图像动态范围增大，比照度得到延伸，使图像更加清晰、特征更加明显，是图像增强的重要手段之一[3]。它主要利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。灰度变换不改变图像内的空间关系，除了灰度级的改变是根据某种特定的灰度变换函数迸行之外，可以看作是“从像素到像素〞的复制操作[4]。可用f表示灰度值，反映图像上对应点的亮度。亮度是观察者对所看到的物体外表反射光强的量度。作为图像灰度的量度函数f(x,y)应大于零。人们日常看到的图像一般是从目标上反射出来的光组成的，所以f(x,y)可看成由两局部构成：入射到可见场景上光的量；场景中目标对反射光反射的比率。确切地说它们分别称为照度成分i(x,y)和反射成分r(x,y)。f(x,y)与i(x,y)和r(x,y)都成正比关系，可表示成f(x,y)＝i(x,y)×r(x,y)。将二维坐标位置函数f(x,y)称为灰度。入射光照射到物体外表的能量是有限的，并且它永远为正，即0<i(x,y)<∞；反射系数为0时，表示光全部被物体吸收，反射系数为1时，表示光全部被物体反射，反射系数在全吸收和全反射之间，即0<r(x,y)<1。因此图像的灰度值也是非负有界的。灰度直方图灰度直方图是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。灰度直方图是数字图像处理中一个最简单、最有用的工具，它反映了数字图像中每一灰度级与其出现频率之间的统计关系。可以有针对性地通过改变直方图的灰度分布状况，使灰度均匀的或按照预期目标分布于整个灰度范围空间，从而到达图像增强的效果。2.3本章小结经过各种突变情况得到的图像往往并不能让我们直观的得到自己想要的信息，而在计算机中，可以通过某种手段，将图像变现为数字形式，分析图像直方图等方法，增强图像的某种信息的显示，以便计算机和人们的使用。3图像增强的算法分析在图像处理中，图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着非常至关重要的作用。3.1直方图均衡化直方图均衡化方法是图像增强中最常用，最重要的方法之一。直方图均衡化是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，然后按均衡直方图修正原图像。它以概率论为根底，运用灰度点运算来实现，从而到达图像增强的目的。它的变换函数取决于图像灰度直方图的累积分布函数。就是把一灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀概率分布的新图像。有些图像在低值灰度区间上频率较大，使得图像中较暗区域中的细节局部看不清楚，这是可以将图像的灰度范围分开，并且让灰度频率较小的灰度级变大。当图像的直方图为一均匀分布时，图像的信息熵最大，此时图像包含的信息量最大，图像看起来就显得清晰[5]。原始图的灰度范围大约是110到250之间，灰度分布的范围比拟狭窄，所以整体上看比照度比拟差，而直方图均衡化后，灰度几乎是均匀的分布在0到255的范围内，图像明暗清楚，比照度很大，图像比拟清晰明亮，很好的改善了原始图的视觉效果。优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩张了像素值的动态范围，是一种常用的图像增强算法。缺乏：不能抑制噪声。3.2图像二值化图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是讲整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否那么这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。3.3比照度增强比照度增强是图像增强技术中一种简单但又十分重要的方法。这种方法是按一定的规那么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的扩展，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。比照度不高其灰度直方图没有低于35或高于210的值，如果将图像数据映射到整个灰度范围内，那么图像的比照度将大大增大。设输入图像为f(x,y)，处理后的图像为g(x,y)，那么比照度增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。实际中由于曝光缺乏或成像系统非线性的影响，通常照片或电子系统生成图像比照对不良，利用比照度增强变换可以有效地改善图像的质量。1.灰度变换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假设干线段，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，如图3-1。图3-1三段线性变换图其中f(x,y)，g(x,y)分别为原图像和变换后的图像的灰度级，maxf，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]为要增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]那么被压缩，这两局部对应的细节信息损失了。假设这两局部对应的像素数减少，那么损失的信息也相对应较少。其数学表达式如下式所示[5]。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根本没有影响。针对于特殊情况，令k1=c/a，k2=(d-c)/(b-a)，k3=(maxg-d)/(maxf-b)，他们分别对应直线段的斜率。当k1=k3=0时，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，泽均匀的变换成新图灰度。当k1=k2=k3=0，c=d时，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。这种操作又称之为灰度级切片。当k1=k3=1，c=d=maxg时，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。灰度变换可使图像动态范围增大，比照度得到扩展，使图像清晰、特征明显，是图像增强的重要手段之一。它主要利用点运算来修正像素灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。图像变换不改变图像内的空间关系，除了灰度级的改变是根据某种特定的灰度变换函数进行之外，可以看做是“从像素到像素〞的辅助操作。基于点运算的会的变换可表示为[6]。g(x,y)=T[f(x,y)]其中T被称为灰度变换函数，他描述了输入灰度值和输出灰度值之间的转换关系。一旦灰度变换函数确定，改灰度变换就被完全确定下来。(1)imadjust函数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比照度。J=imadjust(I,[lowhigh],[bottomtop],gamma) 其中，gamma为校正量r，[lowhigh]为原图像中要变换的灰度范围，[bottomtop]指定了变换后的灰度范围。原始图像动态范围较小，整体较暗，反映在直方图上像素主要集中在低灰度的一侧。经过比照度调整，图像变亮。(2)对数变换对数变化常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清。对数变换的表达式为：g(x,y)=log[f(x,y)+1]对数变换确实能够扩展低值灰度，而压缩高值灰度，使低值灰度的图像细节更容易看清。(3)指数变换指数变换可以扩展低值灰度，压缩高值灰度，也可以扩展高值灰度，压缩低值灰度，但是由于与人的视觉特性不太相同，因此不常采用。2.Gamma校正Gamma校正也是数字图像处理中常用的图像增强技术。Imadjust函数中的gamma因子即是这里所说的Gamma校正的参数。Gamma因子的取值决定了输入图像到输出图像的灰度映射方式，即决定了增强低灰度还是增强高灰度。当Gamma等于1时，为线性变换。假定原图像f(x,y)的灰度范围为[a,b]，变换后的图像g(x,y)的灰度范围线性的扩展至[c,d]，那么对于图像中的任意一点的灰度值P(x,y)，变换后为g(x,y)，其数学表达式如下所示[6]：假设图像中大局部像素的灰度级分布在区间[a,b]内，maxf为原图的最大灰度级，只有很小的一局部的灰度级超过了此区间，那么为了改善增强效果，可以令在曝光缺乏过着过度的情况下，图像的灰度可能会局限在很小的范围内，这时得到的图像可能是一个没有灰度层次的图像。采用线性变换对图像中每一个像素灰度做线性拉伸，能有效改善图像视觉效果。3.4平滑滤波平滑技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行，根本方法是求像素灰度的平均或中值。为了既平滑噪声又保护图像信号，也有一些改良的技术，比方在频域中运用低通滤波技术。1.线性滤波输出图像的值等于输入图像滤波后值的局部平均，各个项具有相同的权。下面是平滑窗口分别为矩形和圆形的情况。对一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法是空间域平滑噪声技术。用一像素邻域内各像素灰度平均值来代替该像素原来的灰度，即是邻域平均技术。另外，频域处理的根底是频域滤波，例如，理想的低通滤波器：H(U,V)=1D〔u，v〕≤D00D〔u，v〕≥D0其中D(u,v)=［(U-M/2)2=(V-N/2)2］1/2QUOTE2.非线性滤波中值滤波是一种最常用的图像增强技术，是非线性滤波。对椒盐噪声有很好的去噪效果。对于高斯噪声，均值滤波效果比均值滤波效果好。但对于椒盐噪声，中值滤波效果比均值滤波效果好。中值滤波是基于一个移动窗口并计算输入图像在窗口内的像素亮度值的中值作为输出图像窗口中心的像素值而产生的。给定的图像f(x,y)中的每一个点〔m,n〕，取其领域s。设s含有M个像素{a1，a2，⋯，aM}，将其按大小排序，假设M是奇数时，那么位于中间的那个象素值就是修改后图像g(x,y)在点〔m,n〕处的像素值；假设M是偶数那么取中间两个象素的平均值作为修改后图像g(x,y)在点〔m,n〕处的象素值。比拟经过参加椒盐噪声的图像和经过中值滤波的图像，可以发现，图像的噪声点被去除；但是比拟原始图像和经过滤波的图像后会发现，图像的边缘稍微的变得模糊，这是平滑算法不可防止的缺点。3.5锐化图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。图像模糊的实质就是图像受到平均运算或积分运算，因此可以对图像进行逆运算，如微分运算以突出图像细节使图像变得更为清晰。由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度的慢变化区域。因此，锐化处理可选择拉普拉斯算子对原图像进行处理产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。拉普拉斯锐化的根本方法可以由下式表示：g(x,y)=f(x,y)-2f(x,y)这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果，同时又能保存背景信息：将原始图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保存、灰度突变处的比照度得到增强，最终结果是在保存图像背景的前提下，突现出图像中小的细节。图像模糊的局部得到了锐化，特别是模糊的边缘局部得到了增强，边界更加明显。但是，图像显示清楚的地方，经过滤波发生了失真。3.6彩色增强用于增强图像比照度的方法很多，要根据应用目的加以选择。伪彩色变换是增强图像显示效果和提高视觉分辨率的一种常用的、最有效的手段，但伪彩色增强不可能增加图像的有效信息；伪彩色增强的视觉效果由所选择的彩色映射决定，在选择映射函数时，尽可能使三通道的函数不相关。伪彩色处理增强视觉效果明显，常用于医学、遥感图像显示。真彩色图像增强需要考虑彩色特征空间的选择，同样的运算在不同的特征空间效果不同。1.伪彩色增强伪彩色〔pseudo

color〕，非彩色图像〔灰度、二值〕人为映射成彩色图像。伪彩色增强是将一个波段或单一的黑白图像变换为彩色图像，从而把人眼不能区分的微小的灰度差异显示为明显的色彩差异，更便于解译和提取有用信息。伪彩色增强的方法主要有以下三种：(1)密度分割法：密度分割或密度分层是伪彩色增强中最简单的一种方法，它是对图像亮度范围进行分割，使一定亮度间隔对应于某一类地物或几类地物从而有利于图像的增强和分类。它是把黑白图像的灰度级从0〔黑〕到M0(白)分成N个区间Li,i=1,2,…,N。给每个区间Li指定一种彩色Ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像。此法比拟直观简单，缺点使变换出的彩色数目有限。(2)空间域灰度级－彩色变换：空间域灰度级－彩色变换是一种更为常用的、比密度分割更有效的伪彩色增强法。它是根据色度学的原理，将原图像的灰度分段经过红、绿、蓝三种不同变换，变成三基色分量，然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像。彩色的含量由变换函数的形状而定。(3)频率域伪彩色增强：频率域伪彩色增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别离成三个独立分量，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〕，最后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增强。2.真彩色增强真彩色(true-color)是指图像中的每个像素值都分成R、G、B三个基色分量，每个基色分量直接决定其基色的强度，这样产生的色彩称为真彩色。例如图像深度为24，用R:G:B=8:8:8来表示色彩，那么R、G、B各占用8位来表示各自基色分量的强度，每个基色分量的强度等级为28=256种。图像可容纳224=16

M种色彩。这样得到的色彩可以反映原图的真实色彩，故称真彩色。3.假彩色增强假彩色:有三种形式：第一、把真实景物图像的象元逐个地映射为另一种颜色。第二、把多光谱图像中任三个光谱图像映射为可见光rgb，在合成为一幅彩色图像。第三、把黑白图像，用灰度级映射或频谱映射而成为类似真实彩色的处理。伪彩色，相当于假彩色中的一个特例，即指定某灰度为某种彩色。相当于第三中形式。3.7本章小结因为图像增强和感兴趣的图像特性、需求者的习惯和处理目的密切相关，具有很强的针对性。因此，图像增强算法的应用具有很强的针对性。尽管增强处理方法多种多样，但是，并不存在一种万能的、适应各种应用场景的增强方法。本章围绕图像增强算法的方法分析，分析了各种方法适用的场景。4图像增强的实现4.1Matlab系统开发的目标在数字图像处理过程中，通常输入的是质量较低的图像，输出的那么是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等等。Matlab软件主要用在图像处理上，处理图像的效果显著，它的主要目标有一下几点：1.系统需求要求系统必须满足一下条件：(1)功能：提高图像质量，直方图增强、比照度增强、平滑和锐化等几种常用的增强方法的理论根底，通过Matlab进行实验，得出实际处理效果，将结果进行比照。(2)环境:对硬件的要求很低,能够在windows系列的操作系统上运行,在现有的计算机和网络设备根底上不需要增加其它设备就可以运行,保证软件的独立性,减少对平台的过分依赖。(3)界面:简洁、友好、操作提示。(4)用户:由于matlab使用的是图像转化数字的形式,再强化处理,所有的用固定函数调用,根据人员的录入字符,具有提示即可操作,对于非计算机专业工作人员通过简单的指点即可操作。(5)清晰:操作人员进行图片的处理,,增强图像的质量,提高图像的清晰度。2.系统的功能需求图像是一种二维的连续函数，然而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。二维图像进行均匀采样，就可以得到一幅离散化成M×N样本的数字图像，该数字图像是一个整数阵列，而MATLAB的长处就是处理矩阵运算，因此用MATLAB处理数字图像非常的方便.该系统支持五种图像类型，即索引图像、灰度图像、二值图像、RGB图像和多帧图像阵列；支持BMP、GIF、JPEG、、TIFF等图像文件格式的读、写和显示.并具有很多图像处理功能，例如图像类型转换功能实现了色彩图像、索引图像和二值图像之间的相互转换；编辑功能实现了对图像的几何操作；图像模块提供了对图像的灰度处理、膨胀、腐蚀、边界图提取等功能；正交变换模块实现了对图像的压缩和重构功能.这些功能的实现都是在MATLAB语言的根底上，编写M文件程序代码实现的.以图像模块的灰度菜单功能为例，就是通过设计分段线性变换算法，然后利用MATLAB所提供的mat2gray()灰度增强函数，对图像选择的区域进行灰度转换。直方图均衡化的实现需要进行灰度级的选取、统计各灰度级图素、利用累积分布函数T(r)求累计直方图、取证扩展、统计新的灰度级的概率得到新的直方图等几步。原始图像的直方图聚焦在一个较窄的灰度范围内，犹豫灰度级较集中，可以看出原始图像的辉度较暗，比照度不明显。经过均衡化之后，直方图分布的区域明显扩大，灰度级的间距拉大，比照度增加。直方图均衡化过程如下：1.计算原图像的灰度直方图

Pr〔rk〕；2.计算原图像的灰度累积分布函数Sk，进一步求出灰度变换表；3.根据灰度变换表，将原图像各灰度级映射为新的灰度级。在MATLAB中，histeq函数可以实现直方图均衡化。该命令对灰度图像I进行变换，返回有N级灰度的图像J，J中的每个灰度级具有大致相同的像素点，所以图像J的直方图较为平坦，当N小于I中灰度级数时，J的直方图更为平坦，缺省的N值为64。以下图展示了通过直方图均衡化效果得到的效果比照图4-1直方图均衡化4.2直方图均衡化图像增强效果的实现直方图修正技术的根底给定图像的灰度级经归一化处理后，分布在范围内。这时可以对[0,1]区间内的任意r值进行变换：S=T(r)

(1)也就是说，通过上述变换，每个原始图像的像素值r都对应产生一个s值。变换函数T(r)应该满足以下条件：在区间内，T(r)是单值单调增加；对于，有；

第一个条件保证了图像的灰度级。第二个条件那么保证了映射变化后的像素灰度值在允许的范围内。从s到r的反变换可用式(2)表示，同样满足以上两个条件：r=T-1(s)(2)由概率论理论可知，假设随机变量ζ的概率密度为Pr(r)，而随机变量η是ζ的函数，即η=T(ζ)，η的概率密度为Ps(s)，所以可以由Pr(r)求出Ps(s)。因为S=T(r)是单调增加的，分析可知，它的反函数r=T-1(s)也是单调函数。在这种情况下，当η<s，且仅当ζ<r时发生，所以可以求得随即变量η的分布函数为：F

η(s)=P(η<s)=p[ζ<r]=(3)对式(3)两边求导，即可得到随即变量η的分布密度函数Ps(s)为：Ps(s)=pr(r)·dr/ds=pr(r)·d/ds[T-1(s)]=[pr(r)·dr/ds]r=t-1(s)=T-1(s)(4)由式(4)可知，对于连续情况，设Pr(r)和Ps(s)分别表示原图像和变换后图像的灰度级概率密度函数。根据概率论的知识，在Pr(r)和变换函数S=T(r)时，反变换函数r=T-1(s)也是单调增长，那么Ps(s)可有式(4)求出。直方图的均衡化数学根底对于连续图像，设r和s分别表示被增强图像和变换后图像的灰度。为了简单，在下面的讨论中，假定所有像素的灰度已被归一化了，就是说，当时，表示黑色；当r=s=1时，表示白色；变换函数T(r)与原图像概率密度函数之间的关系为：(5)式中：r为积分变量。式(5)的右边可以看作是r的累积分布函数(CDF)，因为CDF是r的函数，并单调地从0增加到1，所以这一变换函数满足了前面所述的关于在内单值单调增加，对于，有的两个条件。由于累积分布函数是r的函数，并且单调的从0增加到1，所以这个变换函数满足对式(5)中的r求导，那么：再把结果带入式(3)，(6)由以上推到可见，变换后的变量s的定义域内的概率密度是均匀分布的。由此可见，用r累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。其结果扩展了像素取值的动态范围。上面的修正方法是以连续随机变量为根底进行讨论的。为了对图像进行数字处理，必须引入离散形式的公式。当灰度级是离散值的时候，可用频数近似代替概率值，即：(7)式中，L是灰度级数；是取第k级灰度值的概率；是在图像中出现第k级灰度的次数；N是图像中像素数。通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理。式〔5〕的直方图均衡化累积分布函数的离散形式可由式(9)表示：(k=0,1,2,…,L-1)(8)其反变换为：(9)4.2.3直方图均衡化的算法均衡化的算法步骤如下：

1.列出原始图像和变换后图像的灰度级:：I,j=0,1,L-1,其中L是灰度级的个数；

2.统计原图像各灰度级的像素个数ni；

3.计算原始图像直方图：P(i)=ni/N，N为原始图像像素总个数；4.计算累积直方图：QUOTE；5.利用灰度变换函数计算变换后的灰度值，并四舍五入：j=INT[(L-1)Pj+0.5]；6.确定灰度变换关系i→j，据此将原图像的灰度值f(m,n)=i修正g(m,n)=j；

7.统计变换后各灰度级的像素个数nj；8.计算变换后图像的直方图：p(j)=nj/N；9.对均衡化后的的直方图进行区间统计，显示图像。图4-2直方图均衡话效果图%灰度直方图均衡化I=imread('1.jpg');%读取图像I=rgb2gray(I);%彩色图像变灰色subplot(2,2,1);

Imshow(I);%显示图像Title('原图’);subplot(2,2,2);

imhist(I);%绘制图像的灰度直方图title('原图的灰度直方图');

subplot(2,2,3);

J=histeq(I,64);%对图像进行均衡化处理，返回有64级灰度的图像J

Imshow(J);%显示图像title('原图直方图均衡化');

subplot(2,2,4);

imhist(J);%绘制图像的灰度直方图title('均衡后的灰度直方图');灰度级的选取在计算机中表示的二维数字图像可以表示为一个矩阵，其矩阵中的元素是位于相应坐标位置的图像灰度值，是离散化的整数，一般取0,1……255。因为计算机中的一个字节所表示的数值范围是0~255。人眼也只能分辨32个左右的灰度级，所以，我们去灰度级为0~255，将可能出现的灰度级全包括进去[10]。煤看上去更黑更亮，矸石颜色偏白而且反光少。煤的灰度分布曲线比拟锋利，而矸石的比拟平坦。所以，煤的灰度大局部都集中在一个很小的区间内，矸石的灰度分布那么比拟均匀。通过分析这两类图像的均值和方差，可对他们加以区别。设一副M×N的图像，其灰度为f(i,j),i=1,2,…,N,那么均值样本方差图4-3(a)煤的图像与直方图图4-3(b)矸石的图像与直方图统计各灰度级像素直方图均衡化是以概率论为根底，运用灰度点运算来实现直方图的变换，从而到达图像增强的目的。图像直方图是图像各灰度值统计特性与图像灰度值的函数，它统计一幅图像中各个灰度级出现的概率。所以，均衡化前必须先对灰度级像素数的概率进行统计，才可以得出原图像直方图。根据求离散函数的概率公式：Pr(rk)=nk/n其中，Pr(rk)表示原图像第K个灰度级的出现概率，rk为自变量，以Pr(rk)为函数得到的曲线救市图像的直方图。利用累积分布函数T(r)求累计直方图当时，表示黑色；当r=s=1时，表示白色；变换函数与原图像概率密度函数之间的关系为：(5)式中：r为积分变量。式(5)的右边可以看作是r的累积分布函数(CDF)，因为CDF是r的函数，并单调地从0增加到1，所以这一变换函数满足了前面所述的关于在内单值单调增加，对于，有的两个条件。由于累积分布函数是r的函数，并且单调的从0增加到1，所以这个变换函数满足对式(5)中的r求导，那么：再把结果带入式(3)由以上推到可见，变换后的变量s的定义域内的概率密度是均匀分布的。由此可见，用r累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。其结果扩展了像素取值的动态范围。上面的修正方法是以连续随机变量为根底进行讨论的。为了对图像进行数字处理，必须引入离散形式的公式。当灰度级是离散值的时候，可用频数近似代替概率值，即：(6)式中，L是灰度级数；是取第k级灰度值的概率；是在图像中出现第k级灰度的次数；N是图像中像素数。通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理。式〔5〕的直方图均衡化累积分布函数的离散形式可由式(9)表示：QUOTE)(8)其反变换为(9)根据公式：(10)可计算出累计直方图概率，得到变换后的新灰度。图4-4经过直方图均衡化前后图像比照4.3图像二值化图像增强效果的实现图4-5图像二值化效果图%图像二值化I=imread('2.jpg');I=rgb2gray(I);%彩色图像变灰色bw=im2bw(I,0.5);%选取阈值为0.5

subplot(1,3,1);

imshow(I);

title('原图');

subplot(1,3,2);

imshow(bw);

title('显示二值图像');

J=find(I<150);

I(J)=0;

J=find(I>=150);

I(J)=255;

subplot(1,3,3);

imshow(I);

title('

图像二值化

(

域值为150

〕');4.4比照度增强图像效果的实现1.imadjust函数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比照度。J=imadjust(I,[lowhigh],[bottomtop],gamma)其中，gamma为校正量r，[lowhigh]为原图像中要变换的灰度范围，[bottomtop]指定了变换后的灰度范围。原始图像动态范围较小，整体较暗，反映在直方图上像素主要集中在低灰度的一侧。经过比照度调整，图像变亮。图4-6.imadjust的灰度变换图%imadjust函数I=imread('3.jpg');%读取图像I=rgb2gray(I);subplot(2,2,1);

Imshow(I);%显示图像title('原图');

subplot(2,2,2);

imhist(I);%绘制图像的灰度直方图title('原图的灰度直方图');

subplot(2,2,3);

J=imadjust(I,[0.3

0.7],[]);%对图像进行灰度变换Imshow(J);%显示图像title('原图直方图均衡化');

subplot(2,2,4);

imhist(J);%绘制图像的灰度直方图title('均衡后的灰度直方图');2.对数变换对数变化常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清。对数变换的表达式为：g(x,y)=log[f(x,y)+1]对数变换确实能够扩展低值灰度，而压缩高值灰度，使低值灰度的图像细节更容易看清。图4-7对数变换图像%对数变换I=imread(‘4.jpg');%读取图像I=rgb2gray(I);I=mat2gray(I);%对数变换不支持uint8类型数据，将一个矩阵转化为灰度图像的数据格式(double)

J=log(I+1);

subplot(1,2,1);

Imshow(I);%显示图像title('原图');

subplot(1,2,2);

Imshow(J);

title('对数变换后的图像')3.指数变换指数变换可以扩展低值灰度，压缩高值灰度，也可以扩展高值灰度，压缩低值灰度，但是由于与人的视觉特性不太相同，因此不常采用。4.Gamma校正%Gamma校正for

i=0:255;

f=power((i+0.5)/256,1/2.2);

LUT(i+1)=uint8(f*256-0.5);

end

img=imread('5.jpg');I=rgb2gray(I);img0=rgb2ycbcr(img);

R=img(:,:,1);

G=img(:,:,2);

B=img(:,:,3);Y=img0(:,:,1);

Yu=img0(:,:,1);

[x

y]=size(Y);

for

row=1:x

for

width=1:y

for

i=0:255

if

(Y(row,width)==i)

Y(row,width)=LUT(i+1);

break;

end

end

end

end

img0(:,:,1)=Y;

img1=ycbcr2rgb(img0);

R1=img1(:,:,1);

G1=img1(:,:,2);

B1=img1(:,:,3);

subplot(1,2,1);

imshow(img);%显示图像title('原图');

subplot(1,2,2);imshow(img1);

title('Gamma后的图像')图4-8Gamma校正图像4.5平滑滤波图像增强效果的实现1.线性滤波%线性平滑滤波I=imread(‘6.jpg');I=rgb2gray(I);J=imnoise(I,'salt

&

pepper',0.02);

subplot(221),imshow(I)

title('原图像')

subplot(222),imshow(J)

title('添加椒盐噪声图像')

K1=filter2(fspecial('average',3),J)/255;%应用3*3邻域窗口法

subplot(223),imshow(K1)

title('3x3窗的邻域平均滤波图像')

K2=filter2(fspecial('average',7),J)/255;%应用7*7邻域窗口法

subplot(224),imshow(K2)

title('7x7窗的邻域平均滤波图像')图4-9(a)线性平滑滤波图4-9(b)低通邻域平均平滑%利用低通邻域平均模板进行平滑I=imread('7.jpg');

I=rgb2gray(I);subplot(1,3,1);

imshow(I);

title('原图');

J=fspecial('average');

J1=filter2(J,I)/255;

subplot(1,3,2);

imshow(J1);

title('3*3滤波');

K=fspecial('average',9);

K1=filter2(K,I)/255;

subplot(1,3,3);

imshow(K1);

title('9*9滤波');2.非线性滤波图4-9(c)中值滤波比照%中值滤波和平均滤波I=imread('8.jpg');

I=rgb2gray(I);

J=imnoise(I,'gaussian',0,0.01);

subplot(2,2,1);

imshow(I);

title('原图');

subplot(2,2,2);

imshow(J);

title('noise');

K=fspecial('average',5);

K1=filter2(K,J)/255;

subplot(2,2,3);

imshow(K1);

title('平均滤波');

L=medfilt2(J,[3

5]);

subplot(2,2,4);

imshow(L);

title('中值滤波');%二维中值滤波hood=3;

[P,map]=imread('9.jpg');

I=rgb2gray(P);

imshow(I,map);

noisy=imnoise(I,'salt

&

pepper',0.05);

%参加强度为0.05的椒盐噪声subplot(221);

imshow(noisy,map);title('参加椒盐噪声');

filtered1=medfilt2(noisy,[hood

hood]);%3×3窗口二维中值滤波subplot(222);

imshow(filtered1,map);

title('3×3窗口');

hood=5;

filtered2=medfilt2(noisy,[hood

hood]);

%5×5窗口二维中值滤波subplot(223);

imshow(filtered2,map);

title('5×5窗口');

hood=7;

filtered3=medfilt2(noisy,[hood

hood]);

%7×7窗口二维中值滤波subplot(224);

imshow(filtered3,map);

title('7×7窗口');

I=imread('leno.bmp');

figure;

imshow(I);

title('原图');

图4-9(d)中值滤波比照4.6锐化图像增强效果的实现%锐化a=imread('10.jpg');

I=rgb2gray(I);subplot(131);

imshow(a);

title('原图');

b=double(a);%将图像矩阵转化为double类型s=size(b);

c=zeros(s(1,1),s(1,2));

for

x=2:s(1,1)-1

for

y=2:s(1,2)-1

c(x,y)=(-b(x+1,y)-b(x-1,y)-b(x,y+1)-b(x,y-1)+4*b(x,y));

end

end%用拉氏算子对图像进行滤波，这个过程相当于运用了一个3×3的掩膜[0，－1，0；－1，4，－1；0，－1，0]

subplot(132);

imshow(c);

title('Laplace锐化滤波图像');

d=b+c;%当拉普拉斯掩膜中心系数为正时，增强图像为原图像于拉氏算子滤波图像之和d=uint8(d);%将图像矩阵变回uint8格式subplot(133);

imshow(d);

title('Laplace锐化滤波结果');图4-10锐化滤波图4.7彩色增强图像效果的实现1.伪彩色增强图4-11(a)伪彩色增强%伪彩色增强I=imread('11.jpg');I=rgb2gray(I);figure;

imshow(I);

title('原图');

X=grayslice(I,16)

figure;

imshow(X,hot(16));

title('伪彩色增强');2.真彩色增强图4-11(b)真彩色增强%真彩色图像的分解RGB=imread(’12.jpg');

subplot(221),imshow(RGB)

title('原始真彩色图像')

subplot(222),imshow(RGB(:,:,1))

title('真彩色图像的红色分量')

subplot(223),imshow(RGB(:,:,2))

title('真彩色图像的绿色分量')

subplot(224),imshow(RGB(:,:,3))

title('真彩色图像的蓝色分量')3.假彩色增强%假彩色增强处理[RGB]=imread('13.jpg');

imshow(RGB);

RGBnew(:,:,1)=RGB(:,:,3);

RGBnew(:,:,2)=RGB(:,:,1);

RGBnew(:,:,3)=RGB(:,:,2);

subplot(121);

imshow(RGB);

title('原图');

subplot(122);

imshow(RGBnew);

title('假彩色增强');图4-11(c)假彩色增强4.8本章小结通过实验效果直观呈现出各种方法的比照效果图，比照可以发现，在不同的需求之下，需要用到的图像增强方法不一，由于时代开展，人们对于图像的质量要求越来越高，单一的图像增强算法可能难以满足实际需求，因此，多种方法的结合是图像增强算法开展的必然趋势。5总结图像增强技术是图像处理的根本技术，图像增强的目的是突出图像中需要的特征局部，以便后续的图像识别，理解等等效劳。在此论文研究进行过程中，在导师的悉心教导之下，通过对传统的图像增强技术的研究和大量实验下完成的图像增强算法的研究，总结如下：图像增强的方法很多，针对不同情况的图像运用不同的图像增强技术，便于图像更容易使人识别，这是本课题主要研究目的。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，扩展比照度。邻域增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，但是也容易引起边缘的模糊。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。图像处理是面向对象和问题的学科。图像处理的研究，也是针对某一类型问题的算法的研究。在图像处理的广阔领域中，还有很多需要研究和探索的领域。人们一定会找到一个个更好的方法，来完