基于直方图的图像增强技术的研究毕业论文.docx
《基于直方图的图像增强技术的研究毕业论文.docx》由会员分享，可在线阅读，更多相关《基于直方图的图像增强技术的研究毕业论文.docx（18页珍藏版）》请在冰点文库上搜索。
基于直方图的图像增强技术的研究毕业论文
师学院
本科毕业论文
题目：
基于直方图的图像增强技术的研究
学生：
良良
学院：
信息科学与技术院系
专业：
电子信息科学与技术
班级：
07级本科
指导教师：
晓虹
二〇一一年五月
摘要
图像增强是数字图像处理过程中经常采用的一种方法，图像增强的主要目的就是要使增强后的图像具有更好的视觉效果，更合适于对图像进行后续的分析和处理。
灰度直方图概括了图像中各灰度级的含量，提供了原图的灰度值分布情况，灰度直方图是图像增强的最好的研究容。
通过采取适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图片处理成清楚、明晰的富含大量有用信息的可使用图像。
本文主要研究了在MATLAB环境下，通过直方图的均衡化对图像进行增强处理。
关键词：
图像增强；直方图；MATLAB
ABSTRACT
Imageenhancementisakindofmethodinthedigitalimageprocessing，itspurposeisthatvisualeffectsofenhancementimageisbetterandappropriatetocontinueanalyzingandprocessingimage.Histogramshowsallgrayscalesofimageanddistributionofimage.Histogramisthebestcontentsofimageenhancementforstudy.Theblurryandundistinguishedimagecanbeprocessedtoclearandusefulimage.ThispaperstudiesimageenhancementbyhistogrambalanceinMATLAB.
Keywords：
Imageenhancement;ImageHistogram;MATLAB
1绪论
人们从外界获得的信息约有75％来自图像，也就是说人类的大部分信息都是从图像中获得的。
利用计算机对图像进行各种形式的处理，促进了图像处理技术的发展。
图像增强本身就是图像处理中最具有吸引力的领域之一。
1.1课题背景与意义
随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。
它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。
对图像进行处理时，经常运用图像增强技术以改善图像的质量。
在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。
在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊；传输过程中会引入各种类型的噪声。
总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。
尽管由于目的、观点、爱好等的不同，图像质量很难有统一的定义和标准，但是根据应用要求改善图像质量却是一个共同的目标。
图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息[1]。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。
处理后的图像是否保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，很少涉与客观和统一的评价标准。
增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。
目前图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、窥镜图像进行增强，使医生更容易从中确定病变区域，从图像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军事装备与建筑出现；在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象，减少电视系统维护的量。
图像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，在未来社会中图像增强技术将会发挥更为重要的作用。
在图像处理过程中，图像增强是十分重要的一个环节。
本文的主要容就是围绕图像增强部分的一些基本理论和算法而展开。
1.2研究现状
计算机图像处理的发展历史不长，但已经引起了人们的重视。
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年代进入普与期，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与和应用。
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。
21世纪的图像处理技术要向高质量化方面发展，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。
图像增强作为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重要作用。
随着对图像增强技术研究的不断深入，新的图像增强方法不断出现。
目前主要分为如下几类
1．传统的图像增强方法
传统的图像增强的处理方法基本可以分为空域图像增强和频域图像增强两大类。
空域是指组成图像的像素的集合，空域图像增强直接对图像中像素灰度值进行运算处理，如灰度变换、直方图均衡化等。
频域图像增强是对图像经傅立叶变换后的频谱成分进行操作，然后逆傅立叶变换获得所需结果，如低通滤波技术、高通滤波器技术、带通和带阻滤波等。
2．多尺度分析的图像增强方法
多尺度分析又称为多分辨率分析，它是由Mallat于1989年首先提出的。
以小波变换为代表的多尺度分析方法，被认为是分析工具与方法上的重大突破。
小波分析在时域或频域上都具有良好的局部特性，而且由于对高频信号采取逐步精细的时域或空域步长，从而可以聚焦到分析对象的任意细节。
随后取得了许多研究成果，如Sattaretal提出了一种非线性的多尺度增强方法、煊提出了一种基于方向信息的多尺度边缘检测和图像去噪的方法等。
3．数学形态学增强方法
数学形态学是用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到对图像分析和识别的目的。
数学形态学增强技术主要是形态学平滑去噪技术，相对图像开启然后再闭合，是一种对图像进行平滑的方法。
这两种操作的综合效果是去除或减弱亮区和暗区的各类噪声。
基于数学形态学的形态学滤波器可借助先验图像的几何信息，利用数学形态学算子有效的去除噪声，同时又可以保留图像中原有信息。
4.模糊增强方法
近年来不少学者致力于把模糊集理论引入图像处理和识别技术的研究。
由于图像本身的复杂性，多灰度分布所带来的不确定性和不精确（即模糊性），使得用模糊集合理论进行图像处理成为可能。
自Pal和King率先将模糊集合理论应用到图像增强处理上，模糊增强技术受到了人们的重视。
Chenetal（1995）把模糊集引入到经典的直方图修正中，提出了一种自动直方图修正方法：
Action（1998）基于模糊非线性回归给出了一种图像增强方法，并且用于遥感图像的去噪和边缘增强；近年Hanetal（2002）推广了通常意义的彩色直方图，提出了模糊彩色直方图的概念，并且已经成功用于彩色图像的检索：
Russ（2002）充分利用模糊集理论解决不确定性问题的优势，较好地解决了受到冲击噪声干扰的彩色图像的边缘检测问题；另外模糊集方法和神经网络、遗传算法结合用于图像增强的方在研究之中。
另外由于没有图像增强的通用标准，主要是根据人眼的主观判断和经验知识，结合人类的视觉特性模型1151，基于人类视觉的图像增强技术也成为一种研究趋向。
目前由于还没有一种通用的衡量图像质量的指标能够用来评价图像增强方法的优劣，图像增强理论有待进一步完善。
因此，图像增强技术的探索具有试验性和多样性1161。
增强的方法往往具有针对性，以至于对某类图像效果较好的增强方法未必一定适用于另一类图像。
例如，某种图像增强的方法可能对于X射线图像具有很好的增强效果，但是它就不是增强从空间探测器传回的火星图像的最好方法。
在实际情况中，要找到一种有效的方法常常必须广泛的进行实验，在没有给定图像怎样被降低质量的先验知识时，要预测某种具体方法的效用是很困难的。
经常采用的方法是，使用几种增强技术的组合或使用调节参量的方法。
要取得对一幅图像较好的改善效果，有时要综合运用多种增强方法，发挥每种方法的特长，这就要求我们了解各种图像增强方法的特点。
要依据图像结构的特点和图像处理的要求，选用相应的增强方法。
对于某种具体的图像增强方法，观看增强图像的效果，分析取得较好效果的图像的特点，这样可以加快对图像增强方法的选取。
调节参量是图像增强时经常使用到的一种方法，如何确定参量最佳数值，是取得较好图像效果的关键因素。
因而图像增强的最大困难是，很难对增强结果加以量化描述，只能靠经验、人的主观感觉加以评价。
同时，要获得一个满意的增强效果，往往需要人机的交互作用。
在图像增强系统这一方面，研究的人是非常多的，但是在图像处理这一个领域是非常的广阔的，一直以来引起众多研究者的关注，直方图在图像增强里面是最直接的研究方向，也是最有效的研究方向，所以本文就是从灰度图像直方图这一个方面设计图像增强系统，系统中包括了直方图均衡化的一些辅助模块。
1.3本文的结构
灰度变换、直方图均衡化等常用的一些图像增强方法是学习图像增强的基础，至今它们对于改善图像质量仍发挥着重要的作用；模糊增强方法近年来已经引起众多研究者的关注，在图像增强中的应用前景有待挖掘。
本文着重研究了这些增强方法对图像进行增强处理，通过观察图像的增强效果，发现增强过程中存在的问题，改进并提出了一些图像增强算法。
实验表明本文的算法对于一些图像取得了较好的增强效果。
全文共分五章，具体安排如下：
第一章绪论。
介绍图像增强技术的课题背景、研究现状、本文的研究容。
第二章图像增强的基本理论。
阐述图像增强中用到的有关数字图像的一些基本概念，概述常用的一些图像增强方法与其特点，如直方图均衡化。
第三章直方图图像增强方法的详细说明。
针对直方图均衡化实验过程中遇到的问题，提出基于灰度变换的直方图均衡化。
第四章图像增强的设计与实现。
结合传统的变换方法以取得更好的增强效果。
第五章总结与展望。
总结本文的研究工作，对以后的研究课题进行展望。
2图像增强的基本理论
2.1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．早期英文里一般用Picture代表图像，随着数字技术的发展,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。
这里x和y表示二维空间XY中一个坐标点的位置，而f则代表图像在点（x,y）的某种性质的数值。
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是数字图像，即f,x,y都在整数集合中取值。
图像中的每个基本单元称为图像元素，简称像素。
用中心点坐标（x,y）代表像素的位置，在每个像素位置，f被采样和量化。
在所有的像素都完成转化后，形成的数字矩阵就作为计算机处理的对象了。
给出一幅M,N（像素X像素）的数字图像，所用的坐标系通常在图像计算中采用，它的原点O在图像的左下角，横轴为X轴，纵轴为Y轴。
f（x,y）既可表示这幅图像，也可表示（x,y）坐标处像素的值，相应的阵列表示如式2.1。
2.2主要的图像增强技术
（1）图像的增强和恢复
图像增强所追求的目标是改善图像的视觉质量，符合人们的主观要求，它不追究图像客观质量的降低原因。
图像的视觉质量是因人而异的，其质量的高低和好坏受观看者的心理`爱好和文化素养等因素的影响。
图像的恢复则致力于探索图像质量降低的原因，并尽可能消除图像质量的降低，恢复图像的本来面目。
（2）图像的压缩编码
彩色数字图像通常是有三个二维数组组成的，其信息量相当大，这给图像的传输、处理、存储和显示等带来很大的负担。
但问题的另一方面是图像中又往往存在很多冗余信息，在传输和存储时可以对数字图像进行一定方式的编码，删除图像中冗余信息，以提高图像传输和存储的效率。
（3）图像重建
在医学和工程应用中，利用超声波、X射线等技术取得物体的多幅来自不同角度的投影图，通过计算可得到物体部的图像，这种技术称为投影重建，例如CT就是图像重建的一个应用。
（4）图像的分割和描述
计算机按照一定的客观测度（例如颜色和几何性质等）将图像中包含的物体和区域从图像中区分出来，称为图像的分割。
用适当的数学语言来表示被分割出来的物体或区域的结构和统计特性，或用数学语言表示区域间的关系，称为描述。
图像经过分割和描述后，可较为容易的分类和识别。
3基于直方图的图像增强
图像增强是数字图像处理过程中经常采用的一种方法，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（imageenhancement），图像增强的主要目的就是要使增强后的图像具有更好的视觉效果，更合适于对图像进行后续的分析和处理。
图像增强处理技术一直是图像处理领域一类非常重要的基本处理技术。
通过采取适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图片处理成清楚、明晰的富含大量有用信息的可使用图像，因此此类图像处理技术在医学、遥感、微生物、刑侦以与军事等诸多领域得到广泛应用。
在图像的产生、传输和变换过程中，由干多种因素的影响，往往使图像与原始景物之间或者与原始图像之间产生某些差异。
这种差异称为变劣或退化。
图像的变劣使从图像中获取各种信息造成困难和不便。
因此，有必要对变劣的图像进行恰当的处理，使处理后的图像更适合于人眼观察或有利于从图像提取信息。
这种处理称为图像增强处理。
实际应用中，造成图像变劣的因素非常多，无法—一列举，但变劣图像的变劣特征常见的有：
图像获得过程中对比度的降低（如照相时曝光过度和曝光不足）、信号的减弱（如电视信号的远距离传输）、图片模糊、图像上的噪声和图像几何畸变等。
对每一种变劣特征的图像，有大致相似的增强处理方法，但是，每一个增强处理方法具有特定的应用围。
对某一幅图像增强效果好的处理方法，对另一幅图像可能完全不适用。
因此，图像增强处理的过程是一个选择、对比的过程，通过运用多种增强处理，观察效果。
从中选出最适合的处理方法。
从处理手段来讲，图像增强处理可分为空域法和频域法两种。
主要容包括；直方图修改处理，图象平滑．图象锐化等。
本章将重点介绍直方图的图象处理。
3.1直方图
3.1.1直方图的定义与性质
（1）直方图的定义
在图像处理中提到的直方图是指灰度直方图。
它定义为统计图像中具有某种灰度的像素数目（或频率=像素数目／图像总的像素个数）的函数。
灰度直方图概括了图像中各灰度级的含量，提供了原来的灰度值分布情况，也可以说给出了1幅图所有灰度值的整体猫述。
图像直方图是图像处理中一种十分重要的分析工具，它描述了一幅图像的灰度级容。
从数学上来说，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次数或概率；从图形上来说，它是一个二维图，横坐标表示图像中各个像素点的灰度级，纵坐标为各个灰度级上图像像素点出现的次数或概率，它是图像最基本的统计特征。
（2）直方图的性质
性质1：
直方图具有相加性。
两个图像合成一个图像时，合成图像的直方图等于两个图像直方图之和。
性质2：
直方图是一幅图像中各像素灰度出现频次的统计结果，它只反映图像中不同灰度值出现的次数，而不反映某一灰度所在的位置。
性质3：
任何一幅图像，都有惟一确定的与它对应的直方图，但不同的图像可能有一样的直方图。
性质4：
直方图直接反映了对比度和其它有关图像质量的情况。
如：
性质5：
直方图还能用来分割图像和计算物体在图中所占的面积。
例：
上图为亮背景上灰暗物体的直方图。
若以图中两个波峰之间的波谷位置作为阈值（T），可将图中属于物体和背景的象素分开。
此时物体的面积S=灰度从0到T的全部象素之和。
3.2直方图变换
灰度级的直方图给出了一幅图像概貌的描述，本节将讨论按照某种方案修改灰度直方图得到图象增强.
3.2.1直方图修正基础
设r和s分别表示归一化了的原图像灰度和经直方图修正后的图像灰度,即
0≤r,S≤1
对[0,1]区间的任一个r值都可产生一个S值,且
S=T（r）式（3-1）
T（r）为变换函数.T（r）满足下列条件:
a．在0≤r≤1的区间是单值单调增加函数;
b．对0≤r≤1，有0≤T（r）≤1。
条件a保证灰度级从黑到白的次序,而条件b确保映射后的像素灰度在允许的围.
S到r的反变换关系为:
r=T-1（s）式（3-2）
T-1（s）对r同样满足上述条件.
由概率论知,若pr（r）和变换函数S=T（r）已知,T-1（S）是单值单调增加函数,则变换后的概率密度函数PA（S）如下式所示:
PA（S）=[pr（r）dr/ds]r=T-1（S）式（3-3）
直方图修正从本质上说就是从T（r）入手,调整图像的概率密度函数从而改变图像的特性.
3.2.2直方图均衡化
直方图均衡化是图象增强中点运算的一种最常用的直方图修正法。
其实质是减少图像的灰度等级以换取对比度的扩大。
他把给定图像的直方图分布改造成均匀直方图分布，其本质是扩大了量化间隔，减少量化级别。
因此，会出现这样的效果，原来灰度不同的象素经处理后可能变为一样，形成了一片一样灰度的区域；各区域之间有明显的边界，出现伪轮廓，图像的对比度增加。
但是由于在均衡化过程中，原直方图上频数较少的灰度级被并入少数几个或一个灰度级，对应的图像部分将得不到增强。
直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度围的均匀分布。
对于连续图像,变换函数T（r）与原图像概率密度函数pr（r）之间的关系为:
S=T（r）=∫0rPr（r）dr0≤r≤1式（3-4）
式（3-4）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两个条件.
从式（3-4）,求s对r的导数得到:
dr/ds=1/pr（r）式（3-5）
将式（3-4）代入式（3-5）式得到:
Ps（S）=pr（r）=1/pr（r）=1式（3-6）
这表明,在灰度级的变量S的定义域,Ps（S）均匀密度。
对于离散图像，第i个灰度级ri出现的频数用ni表示，该灰度级像素对应的概率值为：
Pi（ri）=ni/n0≤Ti≤1i=0,1,………,L-1式（3-7）
式中L是灰度级的数目，pr（r）是第i级灰度级的概率，ni是在图像中出现这种灰度级的次数，n是帧像素总数。
至此，可写出离散图像的变换函数表达式：
Si=T（ri）=∑Pi（ri）=∑ni/n式（3-8）相应的反变换为：
ri=T-1（Si）式（3-9）
举一个例子，令图像大小为64*64，8个灰度级，各灰度级对应的像素个数与概率Pi（ri）列于表1中。
根据式（3-8），可以得到一组变换函数：
S0=Pr（r0）
S1=Pr（r0）+Pr（r1）
S2=Pr（r0）+Pr（r1）+Pr（r2）
S3=Pr（r0）+Pr（r1）+Pr（r2）+Pr（r3）
．．．．．．．．．．．．．．．．．
SL-1=Pr（r0）+Pr（r1）+Pr（r2）+．．．．．．．+Pr（rk-1）
表164*64大小的图像灰度分布表
rk
nk
Pi（rk）=nk/n
r0=0
790
0.19
r1=1/7
1023
0,25
r2=2/7
850
0.21
r3=3/7
656
0.16
r4=4/7
329
0.08
r5=5/7
245
0.06
r6=6/7
122
0.03
r7=1
81
0.02
本例计算结果是：
S0=0.19S1=0.44S2=0.65S3=0.81
S4=0.89S5=0.95S6=0.98S7=1.00
变换函数如图4，具有阶梯形式。
因为原图像灰度限定为8级，所以必须把上述Si值以1/7为量化单位进行舍入计算，得到：
S0ˊ≈1/7S1ˊ≈3/7S2ˊ≈5/7S3ˊ≈6/7
S4ˊ≈6/7S5ˊ≈1S6ˊ≈1S7ˊ≈1
图3.5直方图均衡化处理
计算步骤如下：
（1）对原始图像进行直方图均衡化映射处理的数值列于表4的nk栏；
（2）利用式（3-9）计算变换函数；
表4均衡化的直方图数据
rk
nk
Pi（rk）=ni/n
r0=0
790
0.19
r1=1/7
1023
0,25
r2=2/7
850
0.21
r3=3/7
985
0.24
r4=4/7
448
0.11
（3）用直方图均衡化中的Si进行G的反变换求Z；
（4）用Z=G-1[T（r）]找出r与Z的映射关系；
（5）根据这样的映射重新分配像素，并用n=4096去除，可得到最后的直方图。
3.3直方图使用中的常见问题
直方图是用来整理计量值的观测数据，分析其分布状态的统计方法，用于对总体的分布特征进行推断。
直方图的作用如下：
直方图在过程能力调查中应用十分广泛；但在应用中也常常出现许多问题。
对直方图的作用理解不够
当在过程能力调查过程中，我们常常利用直方图整理讲理值的观测数据，用以分析其分布状态，但有时根据观测数据绘制的直方图呈非正态的异常分布。
这说明数据已出现了异常。
如果在这种状态下，仍旧要继续计算样本平均值、样本标准偏差和过程能力指数，则说明他们对直方图检验数据是否服从正态分布的作用理解不够。
这种现象时有发生，应予纠正。
4图像直方图均衡化
4.1直方图均衡化的实现
直方图均衡化是图象增强中点运算的一种最常用的直方图修正法。
其实质是减少图像的灰度等级以换取对比度的扩大。
他把给定图像的直方图分布改造成均匀直方图分布，其本质是扩大了量化间隔，减少量化级别。
因此，会出现这样的效果，原来灰度不同的象素经处理后可能变为一样，形成了一片一样灰度的区域；各区域之间有明显的边界，出现伪轮廓，图像的对比度增加。
但是由于在均衡化过程中，原直方图上频数较少的灰度级被并入少数几个或一个灰度级，对应的图像部分将得不到增强。
直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度围的均匀分布。
4.1.1系统实现的功能分析
根据选题的题目分析可知，系统所要实现的主要功能是灰度图像直方图的图像增强方
升级会员 