数字图像处理大作业_第1页
数字图像处理大作业_第2页
数字图像处理大作业_第3页
数字图像处理大作业_第4页
数字图像处理大作业_第5页
已阅读5页,还剩11页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

西安邮电大学

数字图象处理大作业

学生姓名:

专业名称;

班级:

图象增强

一.引言

图象作为一种有效的信息载体,是人类获取和交换信息的主要来源。人类

感知的外界信息80%以上是通过视觉得到的。因此,图象处理的应用领域必

然涉及到人类生活和工作的方方面面。

视觉是人类最重要的感知手段,图象又是视觉的基础。早期图象处理的目

的是改善图象质晕,它以人为对象,以改善人的视觉效果为目的。图象处理

中输入的是质量低的图象,输出的是改善质量后的图象。常用的图象处理方

法有图象增强、复原、编码、压缩等。首次获得成功应用的是美国喷气推进

实验室(JPL)。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片

进行图象处理,如:几何校正、灰度变换、去除噪声,并考虑了太阳位和月

球环境的影响,由计算机成功地绘出月球表面地图,获得了巨大的成功。随

后又对探测飞船发回的近十万张照片进行更为复杂的图象处理,获得月球的

地形图、彩色图及全景镶嵌图,为人类登月创举奠定了坚实的基础,也推动

了数字图象处理这门学科的诞生。在以后的宇航空间技术探测研究中,数字

图象处理技术都发挥巨大的作用⑴

数字图象处理是利用计算机对图象进行去除噪声、增强、复原、分割、提取

特征等相关理论、方法和技术的总称。因为通常图象处理是用计算机和实时硬件

实现的,因此也称之为计算机图象处理。普通而言,数字图象处理的主要内容包

括图象获取、图象复原、图象增强、图象分割、图象分析、图象重建、图象压缩

编码等等。20世纪20年代,图象处理首次应用于改善伦敦和纽约之间海底电缆发

送的图片质量。直到20世纪50年代数字计算机发展到一定水平后,数字图象处理

才真正引起人们的兴趣。

二.国内外发展及现状

从20世纪70年代中期开始,随着计算机技术和人工智能、思维科学研

究的迅速发展,数字图象处理技术向更高、更深层次发展。人们已开始研究

如何用计算机系统解释图象,类似人类视觉系统理解外部世界,这被称为图

像理解或者计算机视觉。不少国家,特殊是发达国家投入更多的人力、物力

到这项研究,取得了不少的重要的研究成果。其中代表性的成果是70年代末

MIT的Marr提出的视觉计算理沦,这个理论成为计算机视觉领域其后十多年

的主导思想明

20世纪80年代末期,人们开始将其应用于地理信息系统,研究海图的自

动读入、自动生成方法。数字图象处理技术的应用领域不断拓展。

数字图象处理技术的大发展是从20世纪90年代初开始的。自1986年以来,

小波理论和变换方法迅速发展,它克服r傅里叶分析不能用于局部份析笔方

面的不足之处,被认为是调和分析半个世纪以来工作之结晶。Mallat于1988

年有效地将小波分析应用于图象分解和重构。小波分析被认为是信号,图象

分析在数学方法上的重大突破。随后数字图象处理技术迅猛发展,到目前

为止,图象处理在图象通讯、办公自动化系统、地理信息系统、医疗设备、

卫星照片传输及分析和工业自动化领域的应用越来越多。

进入21世纪,随着计算机技术的迅猛发展和相关理论的不断完善,a

像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、

无损探伤、卫星图片的处理等领域。如对x射线图片、CT影像、内窥镜图象

进行增强,使医生更容易从中确定病变区域,从图象细节区域中发现问题;

对不同时间拍摄的同一地区的遥感图片进行增强处理,侦查是否有敌人军事

调动或者军事装备及建造浮现;在煤矿工业电视系统中采用增强处理来提高

工业电视图象的清晰度,克服因光线不足、灰尘等原因带来的图象含糊、偏

差等现象,减少电视系统维护的工作最。图象增强技术的快速发展同它的

广泛应用是分不开的,发展的动力来自稳定涌现的新的应用,我们可以预料,

在未来社会中图象增强技术将会发挥更为重要的作用⑶。

三,传统图象增强的基本方法

1基本的灰度变换

实践证明,灰度变换技术是一种简便而有效的提高图象对照度的方法。灰度

变换也叫点运算,它不改变像素的位置.,只改变像素的灰度。设输入图象为

f(x,y),输出图象为g(x,y),则灰度变换的数学表达式可表示为:

g(x,y)T[f(x,y)]琪3.1)

这里T为灰度变换的具体映射关系。

时常浮现这样的情况,图象的灰度范围⑻b]没有充分利用显示装置所允许

的最大灰度范围[min,max]从而导致图象的对照度太低,使一些细节不易被观察

到。比如:摄影过程中如果暴光过度,就会浮现这样的缺陷。解决上述问题的最

简单方法是进行灰度的线性变换,其数学表达式如下:

g(x,y)T[f(x,y)]maXmm[f(x,y)a]min

ba(式3.2)

对灰度做这样线性变换以后,把原始图象f(x,y)的灰度范围[a,b]强行扩展为显示

装置所允许的最大灰度范围[min,max],从而提高了整幅图象的对照度,原来

观察不到的一些图象细节可能更加突出了,图3.1给出了这种线性灰度变换关系:

如果在图象处理过程中,需要突出图象中某些灰度范围内的图象的细节,同时又

允许适当损失此外灰度范围内的图象处理细节,可以采用线性灰度变换的另一种

形式,即分段线性变换。经过这种变换以后,叮以便所关心的图象细节的灰度范

围得以扩展,增强其对照度;同时又使的所不关心的图象细节所处的灰度范围得

以压缩,降低其对照度。值得注意,这种分段线性变换,变换先后整幅图象总的

灰度范围

不变的。三段线性变换的数学表达式可写成:

f(x,y)(0

f(x,y)f)(

f(x,y)gkf(ff(x,y)f):

2

g(x,y)=kf(x,y)f)

f(x,y)g;<f1(f:

M(式3.3)

式中“2&

在实际的处理过程中,如果图象上灰度范围的两端区域上有噪声,比如感光

胶片上有划伤和黑色感光颗粒,则可以用这种变换把灰度范围的两端区域压缩,

使人眼视觉对噪声的感受不明显,而对实用细节所占领的灰度区域赋予线性扩展,

提高这部份的对照度。

如果图象上绝大部份的像素的灰度级集中在[a,b]范围内,比较少的像素的

灰度级超出此范围,见可用以下变换增强原图象二的⑶b]范围的对照度:

maxmin、、..〜、,、

(f(x,y)a)minlaf(x,y)b)

ha

min(f(x,y)a)

max(f(x,y)f)

g(x»)=M(式3.4)

图3.2表示了这种变换关系。值得注意,扩展原图象灰度范围[a,b]是以彻底损失

灰度小于a和灰度大于b的图象节为代价的。这种变换与分段线性变换实际二都

是非线性变换。实际上,可能利用一些数学函数进行灰度变换,如平方、对数、

指数等但这种变换必须满足以卜条件,即:

如果minf(x,y)max,则需有ming(x,y)max,也就是说,灰度变换先后

的灰度范围必须在显示装置所允许的最大灰度范围之内。下面介绍以下常用的儿

种变换。

(1)图象反转:对图象合用于求反是将原图灰度值反转,简单来说就是把黑

的变百,白的变黑。嵌入于图象暗色区域的白色或者灰色细节,特殊当黑色面

积占主导地位时,进行图象反转是比较理想的。

(2)对数变换:使窄带低灰度输入图象值映射为宽带输出值,可以利用这

种变换来扩展被压缩的高值图象中的暗像素、相对的是反对数变换的调整值;对

数函数有它重要的特征,就是它很大程度上压缩了图象像素值的动态范围;

(3)累次变换:累次曲线中的部份值把输入窄带暗值映射到宽带输出值,

相反,输入高值时也成立。

(2)对照度增强:增强图象比度(Contraststretching)实际上是增强原图各部份

之间的反差。对照度增强分为线性和非线性对照度增强两种,线性是指将对照度

较差的图象灰度线性扩展,常能显著改善图象的质量。当用某些非线性函数如对

数、指数函数作为映射函数时,可实现图象灰度的非线性变换。对照度增强是图

象增强中最普遍的增强方法。当图象成像不足或者过度暴光,图象记录设备

范围太窄等,都会产生对照不足的问题,使图象的细节分辨不清。为此需对每一

像素的灰度级进行变换,扩大图象灰度的范围,达到图象增强目的。

2直方图处理

设图象的灰度级范围为〔min,max],「为此灰度范围内的任一灰度级,P(「)为这

幅图象灰度级为r的像素浮现的频数,可以看出,3)是「的函数,该函数的图形

称为这幅图象的直方图。普通横坐标表示灰度级,纵坐标表示具有该灰度级内像

素的频数。数字图象直方图显然是有一系列竖线条组成的图形,竖线条的高

度代表了该灰度级在此幅图象浮现的频数(或者相对频数或者频率),如下图32所示:

图3.2数字图象方图

为讨论方便,把灰度级r归一化,即

Ori(rO代表黑,rl代表白),假定对原始图象灰度级r做以下灰度

变换:ST(r)为使这种灰度变换具有实际意义,应满足如下条件:

(1)在0门区间内,T(r)为单值单调增加;

⑵在Ori,对应有0T(r)1。

这里条件(1)使变换后的灰度值保持从黑到白的次序,条件(2)保证变换后的像

素灰度级仍在允许的范围内。由S至卜的反变换可用下式表示:

rT।⑸(0S1)这里TMS)对于变量S也应满足条件(1)和

(2)0图3.3表示了满足条件(1)和(2)的变换ST(r)o

图3.3具有实际意义的灰度变换

接下来简单介绍以下常见的两种基于直方图灰度变换:

(1)直方图均衡化:是一种借助于直方图变换实现灰度映射从而达到图象增

强目的的方法。直方图表示数字图象中每一灰度级与其浮现的频数(具有该灰度

级的像素数目)间的统计关系。直方图能给出图象整体分布描述,如图象的灰度

范围、灰度级的大致分布情况等。把原图象的直方图变换为各灰度值频率固定的

直方图称为直方图均衡化。

(2)直方图规定化:也是一种借助于直方图变换来增强图象方法,它通过将

原始的直方图转换为期望得到的直方图,从而达到预先确定的增强效果。也就是

使处理后的图象具有指定的直方图。

3中值滤波

传统图象增强算法中,空域滤波是直接在图象空间借助摸板卷积来实现的增

强方法。根据不同的模板设计,空域滤波即可以实现对图象平滑功能。在空域滤

波时即可线性的组合模板运算的结果,也可非线性的利用模板运算的结果。中值

滤波的思想是对一个窗口内的所有像素灰度值进行排序,取排序结果的中间值作

为原窗口中心点像素的灰度值。这种滤波也就是平滑操作,对干扰噪声的效果较

好。中值滤波的关键在于选择合适的窗口大小和形状。

4小波变换图象增强

小波变换(WavelateTransform)是由法国科学家Moh,et在进行地震数据分析时

提出的,在1986年Mallat将计算机视觉领域的多尺度分析思想引入到小波函数构

造中,形成为了统一的小波函数构造理论。小波变换在图象分解与重建过程中,

按需要改变有关小波参数,并且它的多分辨率分析具有良好的空间域和频率域局

部化特性,对高频采用逐渐精细的时域或者空域步长,可以聚焦到分析对象的任

意细节,由此可增强图象中感兴趣的部份,国内外已有部份学者开始对此方法进

行研究,到目前为止小波变化在图象压缩领域应用效果最好。

四结论

总体来说,以上方法都有各自的使用范围,传统图象增强方法在原理上容易

理解,计算也简便。图象增强是数字图象理中的重要研究内容,不仅在于它的

广泛使用性,更在于它于我们的日常生活息息相关,一方面体现在医疗仪器上;

另一方面在于我们通过传感器获取的大多数图象并不如我们所想象的那末理想

例如噪声太大,图象含糊,背景黑或者太亮等等,都需要我们对图象进行增强处

理。

参考文献

[1]冯安,王希常.MATLAB在数字图象增强中的应用.信息技术,2022,23(01):

14-16.

⑵夏德深,傅德胜.计算机图象处理及应用.南京冻南大学出版社,2004.

[3]王斌.MATLAB实现数字图象增强处理.佳木斯大学学报,2005,23(1):

31-34.

实验部份

用Matlab编程实现以卜题目中的三个。

(1)亮图象、暗图象、和低对照度图象的直方图均衡化。

(2)用中值滤波滤除图象中的椒盐噪声。

(3)用空域拉普拉斯模板实现图象锐化。

(4)用频域高斯低通、高斯高通滤波器分别对图象进行平滑和锐化。

实验一

一、实验题目

用中值滤波滤除图象中的椒盐噪声。

二.实验原理

椒盐噪声是由图象传感器,传输信道,解碣处理等产生的黑白相间的亮暗

点噪声。椒盐噪声往往由图象切割引起;中值滤波是一种非线性平滑技术,它将

每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.是基

于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本

原理是把数字图象或者数字序列中一点的值用该点的一个邻域中各点值的中值

代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。方法是用某种结

构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或

者下降)的为二维数据序列;因为椒盐噪声是幅值近似相等但随机分布在不同的

位置上,图象中有干净点也有污染点。而中值滤波是选择适当的点来代替污染点

的值,所以去除椒盐噪声最常用的算法是中值滤波。

三、源程序

读取图片文件中的数据

B=rgb2gray(A);//将真彩色图象转换为灰度图象

figure,subplot(l3l),imshow(B);

title原(图);

C=imnoise(B,*salt&pepper',0.03);

subplot(132),imshow(C);

title加C入椒盐噪声图);

D=medfilt2(C);

subplot(133),imshow(D);

title经f过中值滤波);

四、实验结果

原图象通过加椒盐噪声,图象浮现了黑白杂点,因为盐二白色,椒二黑色,

前者是高灰度噪声,后者属于低灰度噪声。普通两种噪声同时浮现,呈现在图象

上就是黑白杂点。而后在通过中值滤波后,图象与原图象相差无二,但是清晰度

没有以前的好。总的来说中值滤波法对消除椒盐噪声非常有效。

五、程序流程图

实验二

一、实验题目

用空域拉普拉斯模板实现图象锐化。

二.实验原理

拉式算子是一个刻划图象灰度的二阶商算子,它是点、线、边界提取算

子,亦称为边界提取算子。通常图象和对他实施拉式算子后的结果组合后产生

一个锐化图象。拉式算子用来改善因扩散效应的含糊特殊有效,因为它符合降

制模型。而且也是最简单的各向同性微分算子,具有旋转不变性。

如果在图象中一个较暗的区域中浮现了一个亮点,那末用拉普拉斯运算

就会使这个亮点变得更亮。因为图象中的边缘就是那些灰度发生跳变的区域,

所以拉普拉斯锐化模板在边缘检测中很实用。普通增强技术对于陡峭的边缘和

缓慢变化的边缘很难编定其边缘线的位置但此算子却可用二次微分正峰和负

峰之间的过零点来确定,对孤立点或者端点更为敏感,因此特殊合用于以突出

图像中的孤立点、孤立线或者线端点为目的的场合。同梯度算子一样,拉普拉

斯算子也会增强图象中的噪声,有时用拉普拉斯算子进行边缘检测时,可将图

象先进行平滑处理。

空域滤波是在图象控件通过领域操作完成的,实际实现方法基本都是

利用模板进行卷积,模板可看成是一幅尺寸为n*n的小图象,为了使模板有唯

一确定的中心,n普通为基数。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灵;

(3)将所有的乘积相加;

(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。

三、源程序

B=rgb2gray(A);

figure,subplot(13l),imshow(B);

title原(图);

C=[010,1-41,010];

D=filter2(C,B);

D=uint8(D);

subplot(l32),imshow(D);

titlefeC普拉斯锐化图);'

E=B-D;

subplot(l33),imshow(E);

title叠(加结果);

四、实验结果

由实验图象可知:由图可以看出,将原始图象通过拉普拉斯变换后增强了

图象中灰度突变处的对照度,使图象中小的细节部份得到增强并保留了图象的背

景色调,使图象的细节比原始图象更加清晰。

拉普拉斯算子获得的边界是比较细致的边界。反应的边界信息包括了许多的细节

信息,但是所反映的边界不是太清晰

五、程序流程图

实验三

一、实验题目

用频域高斯低通、高斯高通流波器分别对图象进行平滑和锐化。。

二.实验原理

高斯高通滤波器传递函数为:H(u,v)eD“W/2D2式中DO为截止频率距远

o

点距离。与低通滤波器的情况一样,可认为巴特沃斯高通型滤波器比IHPF更平

滑。

二维理想高通滤波器的传递函数为H(u,v)“DMDODO是从频率矩形中点

LD(u.v)DO

测得的截止频率长度,它将以DO为半径的圆周内的所有频率置零,而毫不衰减

地通过圆周外的任何频率。但其物理上是不可实现的。

巴特沃斯高通滤波滞的传递函数为H(u,v)1eD“U.V)/2D2

0

高通滤波器能够用高斯型低通滤波器的差构成。这些不同的滤波器有更多的参数,

因此能够对滤波器的形状进行更多的控制。

三、源程序

B=rgb2gray(A);

figure,subplot(131),imshow(B);

title原(图);

B=double(B);

B=fftshift(fft2(B));

E=B;

[M,N]=size(B);

kl=round(M/2);

k2=round(N/2);

D=50;

fori=l:l:M

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论