基于MATLAB的图像增强算法的研究.doc

基于MATLAB的图像增强算法的研究.doc

《基于MATLAB的图像增强算法的研究.doc》由会员分享，可在线阅读，更多相关《基于MATLAB的图像增强算法的研究.doc（41页珍藏版）》请在冰点文库上搜索。

图像增强算法研究与实现

摘要:

图像处理是近年来发展起来的新兴研究领域，受到越来越多学者的关注。

本论文主要研究图像处理的一个重要分支——图像增强技术。

由于图像在生成、传递、压缩、储存、变换等一系列过程中，会受到各种因素的影响，例如在不同的照明环境下操作，会引起图像亮度的变化；操作设备时，不可避免地会发生抖动，引起图像位移；捕捉到的图像对比度低或是位置不适当等等。

在实际应用中，这些都会造成图像质量的退化，影响图像的整体视觉效果。

因此，为了解决这些问题，需要对图像进行增强处理，对已获取的图像进行加工处理，有目的地对图像进行增强，比如突出图像的局部细节特征或是增强图像的整体效果，同时抑制图像中不必要的细节信息，把模糊的图像变成清晰的图像，改善图像的质量，以便在后续的图像分析时，实验者或计算机视觉系统可以对图像进行更好地分析和理解。

本文对图像增强技术的常用方法进行了介绍，其中主要介绍了空域图像增强算法的原理及方法，包括灰度变换、直方图处理（直方图均衡化和直方图规定化）等和频域图像增强算法的原理及方法，包括低通滤波、高通滤波、同态滤波，以及彩色图像增强算法的原理及实现。

在此基础上，提出了两种结合空域和频域特征的图像增强算法，并在MATLAB开发平台实现了相关算法。

实验结果表明，经这种综合的图像增强算法处理后的图像，其主观效果明显改善，图像增强的效果也比采用一种算法的效果要好。

关键词:

图像增强；空域图像增强；频域图像增强；彩色图像增强

ResearchandImplementationofImageEnhancementAlgorithm

Abstract:

Imageprocessinghasdevelopedquicklyinrecentyears,itwasanewkindofresearchfield,moreandmorescholarshavepaidattentiontoit.Thispapermainlystudiedanimportantbranchofimageprocessing--imageenhancementtechnology.Duringthegeneration,transmission,compression,storage,transformationandotheraseriesofprocess,imagewouldbeaffectedvariousfactors,suchas:

variationsintheoperatingenvironment'silluminationcouldcauselightingchanges;whenoperatingtheequipment,shockinginevitablyoccurs,causingdisplacements;itwascommontocaptureimagewithlowcontrastorinappropriateposition,etc.Inpracticalapplication,thesefactorscouldcauseimagequalitydegradation,andtheoverallvisualeffectoftheimage.Therefore,inordertosolvetheseproblems,itwasneedtoenhancetheimage,andimprovethequalityoftheimage.Imageenhancementwasanimportantpartofimageprocessing,andaimedatenhancingtheimagewiththepurpose,forexample,itwasnotonlyenhancethecontrastofentireimageorthelocaldetailsbutalsoinhibittheunnecessarydetailsoftheimage,makefuzzyimageturnintoclearimage,improvethequalityofimage,sothatinthesubsequentimageanalyze,anoperatororamachinevisionsystemcouldbebettertoanalyzeandunderstandtheimage.

Thispaperintroducedthecommonlymethodsofimageenhancement,includingtheprincipleandmethodoftheimageenhancementalgorithminthespatialdomain,suchasgrayleveltransformations,histogramprocessing（histogramequalizationandhistogramspecification）andsoonandtheprincipleandmethodoftheimageenhancementalgorithminthefrequencydomain,suchaslowpassfilter,highpassfilter,andhomomorphicfilter，andthecolorimageenhancementalgorithm.Basedonthis,twoimageenhancementalgorithmscombiningspatialandfrequencydomainfeatureswereproposed,andthecorrelationalgorithmwasimplementedintheMATLABplatform.Experimentalresultsshowedthatthesubjectiveeffectoftheimageenhancementalgorithmwasobviouslyimprovedafterthissyntheticimageenhancementalgorithm,andtheeffectofimageenhancementwasbetterthantheonealgorithm.

Keywords:

Imageenhancement;Imageenhancementinthespatialdomain;Imageenhancementinthefrequencydomain;Thecolorimageenhancement

西安石油大学本科毕业设计（论文）

目录

1绪论 1

1.1课题的背景及意义 1

1.1.1课题的背景 1

1.1.2研究意义 2

1.2国内外研究现状与分析 3

1.3本文研究的主要内容 4

2空域图像增强算法的原理及实现 6

2.1直方图修正 6

2.1.1直方图均衡化 6

2.1.2直方图规定化 7

2.2锐化 8

2.2.1梯度锐化法 8

2.2.2拉普拉斯锐化 11

2.3去噪 12

2.3.1邻域平均法 12

2.3.2中值滤波法 14

2.4灰度变换 15

2.4.1比例线性变换 15

2.4.2分段线性变换 17

2.4.3非线性灰度变换 18

3频域图像增强算法的原理及实现 20

3.1低通滤波器 20

3.2高通滤波器 20

3.3同态滤波器 21

4彩色图像增强算法的原理及实现 23

4.1假彩色增强 23

4.2伪彩色增强 23

4.2.1密度分割法 23

4.2.2灰度变换法 25

4.3真彩色增强 25

5空域和频域相结合的图像增强算法的研究 28

5.1低频滤波和拉普拉斯变换、直方图均衡化相结合算法 28

5.1.1低通滤波 28

5.1.2拉普拉斯锐化 30

5.1.3直方图均衡化 30

5.1.4具体算法及其实现 31

5.2高通滤波和直方图均衡化相结合算法 32

5.2.1高频滤波 32

5.2.2具体算法及其实现 33

结论 35

参考文献 36

致谢 37

1绪论

1.1课题的背景及意义

1.1.1课题的背景

图像是物体透射或反射的光信息，通过人的视觉系统接收后，在大脑中形成的印象或认识，是自然景物的客观反映。

一般来说，凡是能为人类视觉系统所感知的有形信息，或人们心目中的有形想象都统称为图像。

图像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。

因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。

所谓图像处理，就是通过某些数学运算对图像信息进行加工和处理，以满足人的视觉心理和实际应用需求。

图像增强是图像处理的一个重要环节，在整个图像处理过程中起着承前启后的重要作用。

数字图像处理是二十世纪六十年代发展起来的一门新型学科，它的系统研究始于二十世纪五十年代。

二十世纪七十年代以后，数字图像处理在陆地卫星遥感和生物学的图片分析方面取得了丰硕的成果。

与此同时，在X射线图像增强、光学显微镜图像分析、粒子物理、地质勘探、工业检测和机器人视觉等方面数字图像处理也获得了广泛的应用。

近几十年来，各相关学科领域的迅猛发展，对图像处理提出了越来越高的要求，使得图像处理的研究更加深入、广泛，发展也更为迅速。

目前，数字图像处理已经应用于诸多领域。

在遥感方面，它主要应用于航空和卫星遥感。

毋庸置疑，数字图像处理的发展推动了遥感技术的进步，并在此基础上发展了多光谱图像遥感、SAR图像遥感和微波图像遥感，以及与这些遥感技术相应的处理技术。

当前，人们运用数字图像处理技术分析、处理遥感图像，可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，图像处理的应用展开较早，主要应用对象有X射线图像、超声图像和生物切片显微图像。

运用图像处理技术可以提高图像的清晰度和分辨率，便于医生的诊断。

在工业和工程方面，图像处理技术已有效地应用于无损探伤、质量检测和自动控制等方面，如应力分析、流场分析、机械零件检测和识别等。

在军事方面，图像处理技术主要应用于飞行导航、导弹打靶的景物图像制导和搜寻。

此外，图像传输、存储和显示的自动化指挥系统，飞机、坦克和军舰的模拟训练器也大多需要图像处理技术。

在公共安全方面，人像、指纹及其他痕迹的处理和识别，以及跟踪、监视、交通监控、事故分析等都在不同程度上使用了图像处理技术的成果。

在数字图像处理中，图像增强是至关重要的，它是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以便于显示、观察或进一步分析与处理。

在获取图像的过程中，由于多种因素的影响，导致图像质量会有所退化。

图像增强的目的在于：

（1）采用一系列技术改善图像的视觉效果，提高图像的清晰度。

（2）将图像转化成为一种更适合于人或机器进行分析处理的形式。

增强的主要目标是使处理后的图像比原始图像更适合于特定应用。

这里“特定”的含义很重要，所以图像增强的算法是因应用不同而不同的。

例如，一种很适合增强X摄像图像的方法，不一定是增强由空间探测器发回的火星图像的最好办法。

图像增强的最大困难是很难对增强结果加以量化描述。

图像增强的通用理论是不存在的。

这与衡量图像增强质量通用的客观标准有关。

增强的方法往往具有针对性，增强的结果一般要靠人的主观感觉加以评价。

因此，图像增强的方法必须有选择的使用。

1.1.2研究意义

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。

例如，在采集图像过程中由于光照环境或物体表面反光等原因造成图像整体光照不均，或是图像采集系统在采集过程中由于机械设备的缘故无法避免的加入采集噪声，或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等等。

因此，研究快速且有效地图像增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。

图像增强处理是数字图像处理的一个重要分支。

由于场景条件的影响，拍摄的视觉效果不佳，这就需要使用图像增强技术来改善人的视觉效果，比如突出图像中目标物体的某些特点及从数字图像中提取目标物的特征参数等，这些都有利于对图像中目标的识别、跟踪和理解。

图像增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。

图像增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，增强红外图像提取我方感兴趣的敌军目标；在医学应用中，增强X射线所拍摄的患者脑部、胸部图像病症的准确位置；在空间应用中，对用太空照相机传来的月球图片进行增强处理来改善图像的质量；在农业应用中，增强遥感图像来了解农作物的分布；在交通应用中，对大雾天气图像进行增强，加强车牌、路标等重要信息的识别；在数码相机中，增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。

影响图像质量清晰度的因素很多，室外光照度不均匀会造成图像灰度过于集中；摄像头获得的图像经过数/模转换，线路传输时都会产生噪声污染，图像质量不可避免会降低，轻者为图像伴有噪点，难于看清图像细节；重者为图像模糊不清，连物体表面的大概轮廓都难以看清。

因此，对图像进行分析处理之前，必须对图像进行改善，即增强图像。

图像增强并不考虑图像质量下降的原因，只是将图像中感兴趣的重要特征有选择性的突出，同时衰减不需要的特征，目的就是提高图像的可懂度。

1.2国内外研究现状与分析

图像处理技术始于20世纪60年代，由于当时图像存储成本高，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年代进入发展期，出现了CT和卫星遥感图像，对图像处理的发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担起图形图像处理的任务。

VLSI的出现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进入实用化时期，图像处理的信息量巨大，对处理的速度要求极高。

21世纪的图像处理技术向高质量化方面发展，实现图像的实时处理，采用数字信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，国内的增强技术和应用也有了很大的发展。

总体来说，图像增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担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，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。

在公共安全方面，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部分，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发展，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，提出了以模糊松弛、模糊熵、模糊类等增强算法相结合来解决增强算法中映射函数的选择问题，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对比度过拉伸问题，并且可以控制子层灰度的映射范围，使增强效果较好。

1.3本文研究的主要内容

本文在图像增强的研究过程中包含的主要内容如图1-1所示。

图1-1图像增强的主要内容

本次课题是基于在MATLAB软件上的图像增加算法的研究，通过了解其国内外发展情况和应用概况，熟悉和掌握图像增强的原理，学习不同图像增强算法的实现。

具体方案如下所示：

（1）学习基础的图像增强算法的理论知识及实现过程。

通过调整各个参数，对比不同参数下的增强效果。

其中空域图像增强包括基于点运算的灰度变换，直方图修正，和基于区域运算的图像去噪，图像锐化；频域图像增强包含低通滤波，高通滤波和同态滤波；彩色图像增强包括假彩色、伪彩色和真彩色图像增强。

（2）在对基础的图像增强算法有了一个深层次的认识之后，进行了两种综合的图像增强算法的研究，都是将空间域和频率域的方法结合在一起而形成的。

一种是基于低频滤波和拉普拉斯变换、直方图均衡化相结合的图像增强算法，另一种是基于高频滤波与直方图均衡化相结合的图像增强算法。

（3）将不同算法下的图像增强效果进行比较，确定每一种算法的适用场合。

全文分为六章，具体章节安排如下：

第1章为绪论，主要阐述课题的研究背景及其意义，还有国内外研究现状与分析

以及本文研究内容。

第2章是关于空域图像增强算法的原理及实现，具体涉及了直方图修正，去噪，

锐化和灰度变换增强算法。

第3章是关于频域图像增强算法的原理及实现，包含低通滤波，高通滤波，同态

滤波图像增强算法的原理与实现。

第4章关于彩色图像增强算法的原理及实现。

有假彩色图像增强，伪彩色图像增强和真彩色图像增强。

第5章是基于传统的图像增强算法的扩展，基于空间域和频率域相结合的图像增强算法和基于空间域和频率域相结合的图像增强算法。

第6章本文结论，总结本文的主要工作。

2空域图像增强算法的原理及实现

2.1直方图修正

2.1.1直方图均衡化

直方图均衡化是使原直方图变换为具有均匀密度分布的直方图，然后按该直方图调整原图像的一种图像处理技术。

直方图均衡化通常用来增加许多图像的全局对比度。

这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节显示的优点。

这种方法的一个主要优势在于它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。

这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度。

（1）直方图均衡化的操作步骤：

统计各灰度级像素数目；计算灰度概率分布；计算累积分布；折算到真实灰度值；确定灰度变换关系；进行灰度变换。

（2）图像直方图均衡化的特点。

直方图均衡化操作后，直方图有平坦的趋势，但一般不会真正平坦。

原因：

灰度的离散取值可能导致原图像多个灰度值变换到新图像的同一个灰度值上（灰度值的合并），使灰度分布与理想情况有差异。

（3）直方图均衡化的主要思想是像素灰度值是依据灰度密度分布的，如果当前像素的灰度值>之前灰度值的平均值（平均值的像素点数除以面积乘以255）则当前像素的灰度值将减小（这也说明当前像素灰度值的像素过少（稀），将当前像素降低灰度值去补充），否则将变大。

（4）直方图均衡的优点：

计算简单；无需人工干预；很多情况下效果较好。

（5）直方图均衡的不足：

增强图像反差的同时增加了图像的可视度（原图像的多个灰度可能变换到一个灰度上，造成灰度级减少且不连续，形成“假轮廓”）；自动增强图像整体对比度，但局部效果未必最好。

在MATLAB图像处理工具箱中使用histeq函数实现图像的均衡化处理，如图2-1所示。

从效果图不难看出，经过直方图均衡化处理后的图像有一种“冲淡”的感觉；从直方图来看，处理后的图像直方图分布更趋均匀了。

尽管如此，直方图均衡化增强也存在着两点不足：

其一，处理后的图像灰度级有所减少，致使某些细节消失；其二，某些图像，如直方图有高峰等，经处理后其对比度易产生不自然的过分增强。

例如，有些卫星图像或医学图像因灰度分布过度集中，在对此类图像进行直方图均衡化处理时，其结果往往会出现过亮或过暗现像，达不到增强视觉效果的目的。

此外，对于图像的有限灰度级，量化误差也经常引起信息丢失，导致一些敏感的边缘因与相邻像素点的合并而消失，这是直方图修正增强无法避免的问题。

图2-1直方图均衡化图像增强

2.1.2直方图规定化

所谓直方图规定化，是指通过一个灰度映射函数将原直方图改造成用户希望的直方图。

直方图规定化是一种根据给定的期望直方图来进行图像增强的手段，其关键在于灰度映射函数的定义。

在MATLAB中histeq函数也可以用于直方图规定化，图像处理结果如图2-2所示。

左图所示的是一幅花的图像，图像整体亮度较暗，黑色区域偏多，左图显示出该图像的直方图分布集中在两个地方，如果用直方图均衡化处理，则会产生褪色效果，处理结果不理想。

因此，可以对该图像采用直方图规定化，利用编制的图像增强软件的直方图规定化功能。

经处理后的图像，比原始图像要亮，达到了图像增强的效果。

从右图处理后的直方图可以看到，规定化的直方图比左图显示的原始图像直方图实现了平稳的灰度过渡。

由此可得出结论：

直方图均衡化只能产生近似均匀的直方图，这就限制了它的效果。

但是直方图规定化能够产生具有特定的直方图，以便能够对图像中的某些灰度级加以增强。

实验结果表明直方图规定化能有选择地对某灰度范围进行局部的对比度增强，从而得到期望的增强图像。

图2-2直方图规定化图像增强

2.2锐化

平滑锐化时经常会使图像的边缘变得模糊，针对平均和积分运算使得图像模糊，可对其进行反运算，采取微分算子使用模板和统计差值的方法，使图像增强锐化。

图像边缘和高频分量相对应，高通滤波器可以让高频分量畅通无阻，而对低频分量则充分限制，通过高通滤波器去除低频分量，也可以达到图像锐化的目的。

图像锐化主要影响图