图像增强处理技术在图像处理中的应用.docx
《图像增强处理技术在图像处理中的应用.docx》由会员分享,可在线阅读,更多相关《图像增强处理技术在图像处理中的应用.docx(9页珍藏版)》请在冰点文库上搜索。
图像增强处理技术在图像处理中的应用
.
《图像处理》
课程考核报告
基于MATLAB的数字图像处理与分析
——图像增强处理技术在图像处理中的应用
完成日期
1引言
数字图像处理(digitalimageprocessing),是利用数字计算机原理或者其他数字硬件。
对图像信息转换而得到的电信号进行某些数学运算,以提高图像的实用性。
数字图像处理包括运算、几何处理、图像增强、图像编码、图像重建、模式识别等[1]。
增强图像中的有用信息,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,将原来不清晰的图像变得清晰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差别,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,满足某些特殊分析的需要。
图像增强可分成两大类:
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增强。
采用低通滤波法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。
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。
图像增强处理的主要方法有:
对比度变换、空间滤波、色彩变换、多光谱变换、图像运算等。
本文将选取部分方法中的不同算法,从灰度线性变化,直方图均衡化以及空间平滑滤波器这三方面对图像进行处理,并且分析不同算法的优缺点[2]。
2课程设计要求
2.1课程设计题目
图像增强处理技术在图像处理中的应用
2.2课程设计目的
在课程教学和查阅相关文献资料的基础上,根据题目要求,选择其中一个数字图像处理技术专题,利用MATLAB软件进行仿真和分析,并完成大作业报告。
通过本次综合设计,使学生对《图像处理》课程中涉及的知识原理等方面有一定的感性认识和实践操作能力,从而加深对本课程知识点的理解,使学生应用知识能力、设计能力、调试能力以及报告撰写能力等方面有显著提高。
2.3设计要求
本设计的主要内容包括掌握数字图像处理基础知识和利用MATLAB软件进行编程,利用几种常见的图像增强算法对图像进行处理,并对利用不同算法处理的图像进行分析比较。
具体要求包括以下几个方面:
(1)图像增强技术理论知识学习和分析
通过查找相关文献与资料,熟悉图像增强处理技术的基本理论知识,掌握图像增强的方法以及相关算法的原理,了解图像增强的作用以及其分析过程,确定采用图像增强处理技术中的三种算法进行分析:
灰度线性变化,直方图均衡化以及空间平滑滤波器
(2)利用MATLAB对上述过程进行仿真
利用MATLAB软件进行程序设计,编写图像处理的程序,实现通过不同算法对图像进行处理分析。
(3)结果分析
对利用不同算法进行增强处理后的多幅图像进行分析。
3几种空间域图像增强技术基本原理
3.1灰度线性变换基本原理
通常经输入系统获取的图像信息中有因室外光照度不够均匀会造成图像灰度过于集中等灰度失真。
因此在分析图像前进行灰度变换是图像增强处理中一种非常基础直接的空间域图像处理方法。
灰度变换是根据某种条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。
当图像由于成像时曝光不足或过度,由于成像设备的非线性或图像记录设备动态范围太窄等因素,都会产生对比度不足的弊病,使图像中的细节分辨不清。
这时如将图像灰度线性扩展,常能显著改善图像的主观质量[3]。
灰度的线性变换就是将图像中所有的点按照线性灰度变换函数进行变换。
该线性灰度变换函数f(x)是一个一维线性函数:
f(x)=fA*x+fB
灰度变换方程为:
D2=f(D1)=fA*D+fB
式中参数fA为线性函数的斜率,fB为线性函数的在y轴上的截距,D1为输入图像的灰度,D2为输出的图像灰度。
当fA>1时,输出的图像的对比度增大;当fA<1时,输出图像的对比度将减小;当fA=1且fB!
=0时,操作仅仅使所有像素的灰度值上移或下移,其效果是使整个图像更亮或更暗、函数图像如图3-1所示。
图3.1线性灰度变换函数
灰度变换通过对原图像素值重新分配实现,目的是使图像中表现较暗的像素值,通过灰度变换函数映射的方法使较暗的像素值增大,这样图像的亮度就提高了。
增强处理并不能使原始图像信息增加,其结果只能增强对某种信息的辨别能力,而这种处理有可能损失一些其他信息。
但是,只要提高了图像的视觉特性,增强图像的目的就达到了[4]。
3.2直方图均衡化基本原理
利用直方图统计的结果,通过使图像的直方图均衡的方法称为直方图均衡化,可以达到增强图像的显示效果的作用。
由于通过直方图统计,可以观察出,图像中各种亮度所占的比例大都分布不均匀,设法增加在直方图统计中所占比例高的像素和其他占的比例少的像素之间的亮度差,可以提高图像的显示效果。
简单来说,直方图增强的方法就是压缩直方图中比例少的像素所占用的灰度范围,多出来的灰度空间按照统计比例分配给直方图中比例高的像素使用。
这种方法主要是针对人眼对灰度差别越大的图像更容易分辨的特点而做的增强[5]。
灰度直方图的计算十分简单,依据定义在离散形式下有下面的公式成立:
(3-3)
直方图运算过程中其对应的关系如表3-1所示
表3-1直方图运算对应关系
运算
原始图像灰度级k
0
1
2
3
255
原始直方图Sk
0.19
0.25
0.21
0.16
0.02
计算累积直方图各项rk
0.19
0.44
0.65
0.81
1.00
取整扩展:
1
3
5
6
255
3.3空间域平滑滤波器基本原理
空间域滤波是直接对图像的数据做空间变换达到滤波的目的。
它是一种邻域运算,其机理就是在待处理的图像中逐点地移动模板,滤波器在该点地响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。
如果输出像素是输入像素邻域像素的线性组合则称为线性滤波(例如最常见的均值滤波和高斯滤波),否则为非线性滤波(中值滤波、边缘保持滤波等)[6]。
在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。
采用空域滤波的方式,对图像进行平滑处理。
平滑空间滤波器用于模糊处理和减小噪声,滤波器对去除椒盐噪声特别有效。
因此本文重点就添加椒盐噪声的图像进行平滑滤波,以观察处理效果。
设有一幅N*N的图像
若平滑图像为
则有:
式中,x,y-0,1,…,M-1,s为(x,y)邻域内像素坐标的集合,N表示几个s内像素的总数。
可见领域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值得去噪方法[7]。
4图像处理结果与分析
4.1灰度线性变换结果与分析
图4.1(a)(b)(c)分别为三组灰度线性变换的处理图像,首先将图片二值化得到图片的灰度图像。
随后就不同阈值0.1,0.5以及0.3,0.7对图像灰度图像进行线性变化处理。
可以明显感觉到在不同阈值下图像所显示的亮暗程度有明显的不同,可以有效的改善图像的视觉效果。
4.2直方图均衡化处理结果与分析
从以上三个图像中,我们可以看出变换后直方图趋向平坦,灰级减少,灰度合并。
原始图像含有像素数多的几个灰级间隔被拉大了,压缩的只是像素少的几个灰度级,实际视觉能够接收的信息量大大地增强了。
4.3空间域平滑滤波器处理结果与分析
从图像中我们可以看出空域平滑滤波的算法可以避免各种噪声的干扰,使图像恶化,因此对图像进行平滑或者去噪来改善图像质量。
但它的主要缺点就是在降低噪声的同时使用图像模糊,特别在边缘和细节处。
而且邻域越大,在去噪能力增强的同时模糊程度越严重。