课程设计图像空域增强算法设计直方图变换增强Word下载.docx

课程设计图像空域增强算法设计直方图变换增强Word下载.docx

《课程设计图像空域增强算法设计直方图变换增强Word下载.docx》由会员分享，可在线阅读，更多相关《课程设计图像空域增强算法设计直方图变换增强Word下载.docx（14页珍藏版）》请在冰点文库上搜索。

（3）掌握直方图均衡化和标准化算法。

工作计划与进度安排：

第一阶段（1-2天）：

熟悉matlab编程环境，查阅相关资料；

第二阶段（2-3天）：

算法设计；

第三阶段（2-3天）：

编码与调试；

第四阶段（1-2天）：

实验与分析；

第五阶段（1-2天）：

编写文档。

指导教师：

2016年7月3日

专业负责人：

2016年7月4日

学院教学副院长：

摘要

空域增强是数字图像处理的基本容之一。

经过增强处理后，图像的视觉效果会得到改善，对比度增强，为图像的信息提取及其他图像分析技术奠定良好的基础。

由于没有衡量图像增强质量的通用标准，图像增强往往和具体应用背景有较大的相关性。

本课程设计主要研究用于图像空域增强算法的直方图变换增强，包括直方图均衡化与直方图规定化。

对于原本偏亮或偏暗的图像，均衡化可以使被处理图像不再偏暗也不再偏亮，灰度层次分布比较均匀。

规定化可将被处理图像按照预先设定的形状调整其直方图。

二者均可改善图像视觉效果。

采用MATLAB软件进行编程，运用上述算法对图像进行处理。

仿真结果表明，处理后的图像对比度得到了明显改善，图像细节清晰，增强了图像的视觉效果，有利于图像的分析和识别。

关键词：

空域增强；

直方图变换增强；

MATLAB

1设计目的与要求

1.1设计目的

选择一副对比度不足的图像，对该图像进行灰度变换实现图像的增强，增强对比度，显示增强前、后的图像以及他们的灰度直方图。

总结直方图增强的方法，对比方法的优缺点，积极思考基于特定图像的增强方法，设计中应具有自己的设计思想、设计体会。

1.2设计要求

（1）学习Matlab处理图像的方法；

（2）加深对空域增强的理解；

（3）掌握直方图均衡化和标准化算法。

2设计原理

一般情况下,如果图像的灰度分别集中在比较窄的区间,从而引起图像细节的模糊,为了使图像细节清晰,并使目标得到突出,达到图像增强的目的,可通过改善各部分亮度的比例关系,即通过直方图的方法来实现。

直方图的方法是以概率论为基础的。

常用的方法有直方图均衡化和直方图规定化。

2.1直方图均衡化

直方图均衡化又称直方图平坦化,是将一已知灰度概率密度分布的图像经过某种变换,变成一幅具有均匀灰度概率密度分布的新图像。

其结果是扩展了像元取值的动态围,从而达到增强图像整体对比度的效果。

直方图均衡化的具体实现步骤如下:

（1）列出原始图像的灰度级

（3.1）

（2）.统计各灰度级的像素数目

（3.2）

（3）计算原始图像直方图各灰度级的频数

（3.3）

（4）计算累积分布函数，即：

衡化后各像素的灰

（3.4）

（5）.应用以下公式计算映射后的输出图像的灰度级，P为输出图像灰度级的个数，其中INT为取整符号

（3.6）

（6）.统计映射后各灰度级的像素数目

（7）计算输出直方图

（3.7）

（8）用

和

的映射关系修改原始图像的灰度级,从而获得直方图近似为均匀分布的输出图像。

2.2直方图规定化

直方图均衡化的优点是能自动增强整个图像的对比度,但它的具体增强效果不易控制,处理的结果总是得到全局的均衡化的直方图。

实际工作中,有时需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值围的对比度,这时可采用比较灵活的直方图规定化方法。

直方图规定化增强处理的步骤如下:

令Pr（r）和Pz（z）分别为原始图像和期望图像的灰度概率密度函数。

如果对原始图像和期望图像均作直方图均衡化处理，应有

（3.8）

（3.9）

（3.10）

由于都是进行均衡化处理，处理后的原图像概率密度函数Ps（S）及理想图像概率密度函数PV（V）是相等的。

于是，我们可以用变换后的原始图像灰度级S代替

（2）式中的V。

即

（3.11）

这时的灰度级Z便是所希望的图像的灰度级。

此外，利用

（1）与（3）式还可得到组合变换函数

（3.12）

对连续图像，重要的是给出逆变换解析式。

对离散图像而言，有

（3.13）

（3.14）

（3.15）

3设计方案

3.1设计思想

图像空域增强是指直接在图像所在的二维空间进行增强处理，即增强构成图像的像素。

空域增强中的直方图变换增强，包括直方图均衡化和直方图规定化两个方面。

对图像进行直方图均衡化处理时，首先导入待处理图像。

由于现在大部分的图片都是彩色图像，故在图像导入之后需将其转化为灰度图像以便于后续处理。

将原始灰度图像的直方图绘出，同时对原始灰度图像进行均衡化处理。

将处理后的灰度图像的直方图绘出，分别对均衡化前后的灰度图像和直方图做对比分析，观察图像处理效果。

对图像进行规定化处理时，同样导入图像，然后将其转化为灰度图像并绘出灰度直方图，然后通过函数对图像做规定化处理，绘出规定化后的灰度直方图，分别对规定化前后的灰度像和直方图做对比分析，观察图像处理效果。

3.2设计流程

实现流程图如图2.2、2.1所示：

图2.1图形均衡化流程图2.2图像规定化流程

4软件实现

4.1原始图像

在Matlab中自定义M文件,选取一自然图像进行算法实验，图像读取程序如下：

clearclc;

I=imread（'

4.PNG'

）;

%读入图像

I1=rgb2gray（I）;

%转化为灰度图像

subplot（1,2,1）,imshow（I1）;

%显示灰度图像

title（'

原始灰度图像'

subplot（1,2,2）,imhist（I1）;

%显示灰度图像的直方图

原始灰度图像直方图'

%axissquare;

xlabel（'

灰度值'

ylabel（'

像素数量'

4.2图像均衡化

将图像进行均衡化处理程序如下:

J=histeq（I1,64）;

%均衡化处理为灰度级为64的图像

subplot（1,2,1）,imshow（J）;

均衡化后图像（64级）'

subplot（1,2,2）,imhist（J）;

%显示直方图

[counts,x]=imhist（J）;

均衡化后图像直方图'

4.3图像规定化

在Matlab中自定义M文件,选取另一图像进行算法实验,利用均衡化结果对此图进行规定化，图像规定化程序如下:

K=imread（'

5.PNG'

%读入要规定化的图像

K1=rgb2gray（K）;

%将该图转化为灰度图像

subplot（1,2,1）,imshow（K1）;

subplot（1,2,2）,imhist（K1）;

%绘制原灰度图像的直方图

要规定化图像直方图'

L=histeq（K1,counts）;

%对图像进行规定化%hgram=0:

255;

figure;

subplot（1,2,1）,imshow（L）;

规定化后图像'

subplot（1,2,2）,imhist（L）;

规定化后图像直方图'

5仿真与结果分析

一幅图像经过直方图均衡化处理、直方图规定化处理后得到的灰度图像及直方图，并对这几个图进行比较。

灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的像素数量。

5.1仿真

5.1.1图像原始化

选取一自然图像进行算法实验,通过imread（）导入一幅自然图像如图5.1所示。

图5.1导入第一原始图像

通过函数rgb2gray（）将该图转化为灰度图像，再通过函数imshow（）显示其灰度图像，imhist（）显示灰度直方图。

结果如图5.1所示，

（a）（b）

图5.2原始灰度图像及其灰度直方图

得到的原始灰度图像整体偏暗。

从其直方图（b）中可以看出原始灰度图像的灰度等级很多，且主要分布在中低灰度级上,在高灰度级上图像的像素数很少。

5.1.2图像均衡化

经过函数histeq（）对原始灰度图像均衡化处理，通过imshow（）显示其灰度图像，imhist（）显示度直方图，并将其灰度等级改为64级，返回数据向量给counts,为直方图规定化做准备。

结果如图5.2所示。

图5.3均衡化结果

均衡化后的图像明显比原图5.1（a）明亮了许多，对比度得到增强。

从其直方图（d）中也可以看出其灰度等级明显减少，且整体分布比较均匀，亮度对比度大为改善。

5.1.3图像规定化

通过在Matlab中自定义M文件,选取另一自然图像进行算法实验,通过imread（）导入一幅自然图像如图5.4所示。

图5.4导入第二原始图像

结果如图5.5所示，

图5.5原始灰度图像及其灰度直方图

其灰度图像如图5.3中（a）所示，此图像较亮，从其灰度直方图5.3中的（b）亦可观察到像素集中分布在灰度级中、高部分。

将均衡化的结果对此图像进行直方图规定化，规定化后的结果如图5.4所示。

图5.6规定化结果

由图5.4（a）可知，规定化后的图像亮度明显降低，对比度有所增强，提高了图像的可观性。

其直方图为图5.4（b），与均衡化结果的直方图5.2（b）进行对比，可以观察到两者灰度级几乎一致。

5.2结果分析

本文采用了两种直方图变换增强的方法：

直方图均衡化和直方图规定化，

直方图均衡化就是通过变换函数histeq（）将原图的直方图调整为具有“平坦”倾向的直方图，其灰度间隔被拉大了，灰度分布均匀，图像细节清晰，对比度增强，亮度均衡。

如果原始图像对比度本来就很高，再均衡化则灰度调和，对比度降低。

在泛白缓和的图像中，均衡化会合并一些象素灰度，从而增大对比度。

均衡化后的图片如果再对其均衡化，则图像不会有任何变化。

直方图规定化比较灵活，当需要变换直方图使之成为某个特定的形状时,虽然有些时候也不可以很好控制整个图像的对比度，但可以有选择地增强某个灰度值围的对比度,得到想要的图像显示效果。

。

结论

在MATLAB中对图像进行直方图变换增强的处理后，通过图像处理前后的对比，可明显感觉到图像视觉效果得到改善，其中：

（1）直方图均衡化

直方图均衡化就是把直方图的每个灰度级进行归一化处理，求每种灰度的累积分布，得到一个映射的灰度映射表，然后根据相应的灰度值来修正原图中的每个像素，使直方图大致平和。

直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法，通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的像素点数的过程。

直方图均衡化后使图像的灰度间距拉开，灰度分布均匀，各个灰度级的像素个数得到均衡，整个图像处于均衡状态，不会过亮，也不会过暗。

从而使图像细节清晰，达到增强的目的。

（2）直方图规定化

直方图规定化就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。

目的是实现对输入图像进行有目的的增强。

得到想要的图像显示效果。

但是这种处理也存在某些不足：

（1）均衡化时，图像的灰度级有可能被过多地合并，易造成图像信息的丢失。

输出图像的灰度分布直方图虽然接近均匀分布,但其值与理想值1/n仍有可能存在较大的差异,并非是最佳值。

（2）如果原始图像对比度本来就很高，如果再均衡化则灰度调和，对比度降低。

输出图像的实际灰度变化围很难达到图像格式所允许的最大灰度变化围。

（3）规定化时，由于会引入离散误差，会使结果直方图与规定直方图存在差距，在灰度级减少时，差距有增大的趋势。

因此在使用直方图变换增强对图像进行处理时，需考虑原始图像是否适合此法。

参考文献

[1]龚声蓉等.数字图像处理与分析[M].北京:

清华大学.2006:

52-61

[2]周品等.MATLAB数字图像处理[M].北京:

清华大学.2012:

211-227

[3]刚.MATLAB数字图像处理[M].北京:

机械工业.2010:

106-114

[4]天华.数字图像处理[M].北京:

清华大学.2007:

150-155

[5]长江.数字图像处理及应用[M].北京:

清华大学.2013:

56-62

[6]敏.数字图像处理[M].北京:

机械工业.2012:

48-59

[7]小川.现代数字图像处理技术提高及应用案例详解[M].北京:

北京航空航天大学.2014:

50-55

[8]苏金明.MATLAB实用教程[M].北京:

电子工业.2008:

28-35

[9]刚.MATLAB数字图像处理[M].北京:

34-45

[10]甲永红.数字图像处理[M].:

大学.2011:

71-84