紅外圖像的處理及其MATLAB實現(xiàn)

1、紅外圖像的處理及其MATLAB函數(shù)實現(xiàn)0.引言隨著紅外技術(shù)日新月異的發(fā)展，紅外技術(shù)在軍事及人們?nèi)粘Ｉ钪杏兄絹碓綇V泛的應(yīng)用。但由于紅外探照燈及紅外探測器件的限制，紅外成像系統(tǒng)的成像效果仍然不夠理想。在民用監(jiān)測應(yīng)用中，主要表現(xiàn)為夜視距離近，圖像背景與被監(jiān)測目標(biāo)之間對比度模糊，被監(jiān)測目標(biāo)細節(jié)難以辨認，圖像特征信息不明確等方面。為使圖像更適于人眼觀測、適用于圖像后續(xù)目標(biāo)識別及跟蹤處理，有必要在紅外圖像采集和處理上做進一步的研究，來增強紅外圖像視覺效果。1. 紅外圖像的獲取及其特點1.1 紅外圖像的獲取紅外圖像主要是由紅外熱像儀采集的。紅外熱像儀是一種二維熱圖像成像裝置。熱成像系統(tǒng)是一個光學(xué)一電子系

2、統(tǒng)，可用于接收波長在之間的電磁輻射，它的基本功能是將接收到的紅外輻射轉(zhuǎn)換成電信號，再將電信號的大小用灰度等級的形式表示，最后在顯示器上顯示出來。圖1.1就是一張采集到的紅外圖像。圖1.1 輸入的紅外圖像1.2 紅外圖像的特點紅外圖像反映了目標(biāo)和背景不可見紅外輻射的空間分布，其輻射亮度分布主要由被觀測景物的溫度和發(fā)射率決定，因此紅外圖像近似反映了景物溫度差或輻射差。根據(jù)其成像原理，總結(jié)紅外圖像特點如下：(1)紅外熱圖像表征景物的溫度分布，是灰度圖像，沒有彩色或陰影(立體感覺)，故對人眼而言，分辨率低、分辨潛力差；(2)由于景物熱平衡、光波波長、傳輸距離遠、大氣衰減等原因，造成紅外圖像空間相關(guān)性強

3、、對比度低、視覺效果模糊；(3)熱成像系統(tǒng)的探測能力和空間分辨率低于可見光陣列，使得紅外圖像的清晰度低于可見光圖像；(4)外界環(huán)境的隨機干擾和熱成像系統(tǒng)的不完善，給紅外圖像帶來多種多樣的噪聲，比如熱噪聲、散粒噪聲、噪聲、光子電子漲落噪聲等等。噪聲來源多樣，噪聲類型繁多，這些都造成紅外熱圖像噪聲的不可預(yù)測的分布復(fù)雜性。這些分布復(fù)雜的噪聲使得紅外圖像的信噪比比普通電視圖像低；(5)由于紅外探測器各探測單元的響應(yīng)特性不一致等原因，造成紅外圖像的非均勻性，體現(xiàn)為圖像的固定圖案噪聲、串?dāng)_、畸變等。由以上五點可知，紅外圖像一般較暗，且目標(biāo)與背景對比度低，邊緣模糊，視覺效果差。通過以上比較分析，可以總結(jié)：可

4、見光圖像與紅外圖像的成像機理雖然不同(可見光圖像是利用物體對光線的反射來獲得的，而紅外圖像是靠物體自身的紅外輻射獲取的)，但在低照度情況下，可見光圖像與紅外圖像的視覺效果和直方圖特征均相同，因此可以采用低照度可見光圖像的處理方法來處理紅外圖像。2. 紅外圖像的增強2.1 圖像增強圖像增強是指對圖像的某些特征，如邊緣、輪廓、對比度等進行強調(diào)或突顯，以便于觀察或做進一步的分析與處理。圖像增強不意味著能增加原始的信息，有時甚至?xí)p失一些信息，但圖像增強的結(jié)果卻能加強對特定信息的識別能力，便圖像中感興趣的特征得以加強，從而使這些特征的檢測和識別變得更加容易。圖像增強方法的分類如圖2.1所示：圖2.1

5、圖像增強方法下面我們主要介紹其中的幾種增強方法。2.2 紅外圖像的直方圖均衡化2.2.1 圖像的直方圖灰度直方圖是用于表達圖像灰度分布情況的統(tǒng)計圖表，有一維直方圖和二維直方圖之分。其中最常用的是一維直方圖。它具有以下三個性質(zhì)：(1)圖像與直方圖之間是多對一的映射關(guān)系；(2)只表示圖像每一灰度級出現(xiàn)的頻數(shù)，而失去了具有該灰級的像素的位置信息；(3)一幅圖像各子區(qū)直方圖之和等于該圖像的全圖直方圖。一幅圖像的直方圖可以提供下列信息：(1)每個灰度級上像素出現(xiàn)的頻數(shù)；(2)圖像像素值的動態(tài)范圍；(3)整幅圖像的大致平均明暗；(4)圖像的整體對比度情況。因此，在圖像處理中直方圖是很有用的決策和評價工具。

6、直方圖統(tǒng)計在對比度拉伸、灰度級修正、動態(tài)范圍調(diào)整、圖像灰度調(diào)整、模型化等圖像處理方法中發(fā)揮了很大的作用，在本文后面的討論中將可以看到直方圖的重要作用。比較紅外圖像與可見光圖像的直方圖，可以總結(jié)其直方圖特點如下：(1)像素灰度值動態(tài)范圍不大，很少充滿整個灰度級空間；而可見光圖像的像素則分布于幾乎整個灰度級空間。(2)絕大部分像素集中于某些相鄰的灰度級范圍，這些范圍以外的灰度級上則沒有或只有很少的像素；而可見光圖像的像素分布則比較均勻。(3)直方圖中有明顯的峰存在，多數(shù)情況下為單峰或雙峰，若為雙峰，則一般主峰為信號，次峰為噪聲；而可見光圖像直方圖的峰不如紅外圖像明顯，一般多個峰同時存在。以上特點是

7、大多數(shù)紅外圖像直方圖所具備的，但也不絕對。實際中的紅外圖像可能會由于氣候條件、環(huán)境溫度等因素的影響，呈現(xiàn)出與上述特點不完全一致的情形。圖2.2為原紅外圖像的灰度圖和直方圖直方圖圖2.2 原始圖像的灰度圖和直方圖2.2.2 直方圖的均衡化直方圖均衡的作用是改變圖像中灰度概率分布，使其均勻化其實質(zhì)是使圖像中灰度概率密度較大的像素向附近灰度級擴展，因而灰度層次拉開，而概率密度較小的像素灰度級收縮，從而讓出原來占有的部分灰度級，這樣的處理使圖像充分有效地利用各個灰度級，因而增強了圖像對比度。由前一章紅外圖像特點的分析可知，紅外圖像普遍存在著灰度級比較集中，層次感差等問題，采用直方圖均衡算法來進行處理，

8、可以使其灰度級盡量拉開，從而達到對比度增強的效果。下面探討一下直方圖均衡的具體步驟。設(shè)一幅圖像的像素為，共有個灰度級，代表灰度級為的像素的數(shù)目，則第個灰度級出現(xiàn)的概率(對于灰度級為離散的數(shù)字圖像，用頻率來代替概率)可表示為：其中，。對其進行均衡化后的函數(shù)的離散形式可表示為：式中，?？梢?，均衡后各像素的灰度值可直接由原圖像的直方圖得到。(a)(b)（c）圖2.3 均衡化后的圖像對比實驗證明，直方圖均衡對大多數(shù)紅外圖像有效，效果明顯，圖像對比度大大增強，原本視覺效果模糊的圖像變得清晰，目標(biāo)的細節(jié)得到了突出，方法簡單，容易實現(xiàn)，在實踐中具有重要意義。通過以上的理論分析和對具體紅外圖像的處理，可以得出

9、關(guān)于直方圖均衡的幾個結(jié)論：(I)直方圖均衡實質(zhì)上減少灰度等級以換取對比度的加大。直方圖均衡化的處理過程中出現(xiàn)了相鄰灰度級合并的現(xiàn)象，即原來直方圖上頻數(shù)較小的灰度級被歸入很少幾個或一個灰度級內(nèi)，并且可能不在原來的灰度級上；(2)均衡后的直方圖并非完全平坦，這是因為在離散灰度下，直方圖只是近似的概率密度；(3)當(dāng)被合并掉的灰度級構(gòu)成的是重要細節(jié)，則均衡后細節(jié)信息損失較大。因此可采用局部直方圖均衡法來處理：(4)在對比度增強處理中，直方圖均衡比灰度線性交換、指數(shù)、對數(shù)變換的運算速度慢，但比空間域處理和變換域處理的速度快。因此在實時處理中，直方圖均衡是一種常用的方法；(5)直方圖均衡雖然增大了圖像的對

10、比度，但往往處理后的圖像視覺效果生硬、不夠柔和，有時甚至?xí)斐蓤D像質(zhì)量的惡化。另外，均衡后的噪聲比處理前明顯，這是因為均衡沒有區(qū)分有用信號和噪聲，當(dāng)原圖像中噪聲較多時，噪聲被增強。2.3 算子銳化算法算子是線性二次微分算子，具有旋轉(zhuǎn)不變性，可以滿足不同走向的圖像邊界的銳化要求，對于圖像，其算子為：算子銳化后的圖像具有以下特征：(1)在灰度均勻區(qū)間或灰度斜坡部分為零，在灰度斜坡的起始處和終點處不為零；(2) 對細節(jié)有較強的相應(yīng)；正是由于有這些特點，使其可以勾劃出圖像區(qū)域的邊緣輪廓。因此算子對邊緣檢測具有很好的功效。圖2.4 算法處理前后圖像2.3 中值濾波算法中值濾波是常用的一種非線性平滑濾波。

11、它是一種鄰域運算，類似于卷積，但不是加權(quán)求和計算，而是把鄰域中的像素按灰度等級進行排序，然后選擇改組的中間值作為輸出像素值。他能減弱或消除傅立葉空間的高頻分量，但影響低頻分量。因為高頻分量對應(yīng)圖像中的區(qū)域邊緣和灰度值具有較大變化的部分，因此概率波可以將這些分量濾除，使圖像平滑。其主要原理是：首先確定一個以某個像素為中心點的鄰域，一般為方形領(lǐng)域；然后將鄰域中的各個像素的灰度值進行排序，取其中間值作為中心點像素灰度的新值，這里的鄰域通常被稱為窗口；當(dāng)窗口在圖像中上下左右進行移動后，利用中值濾波算法可以很好地對圖像進行平滑處理。操作步驟如下：(1)將模板在圖像中移動，并將模板中心與圖像中心某個像素的

12、位置重合；(2)讀取模板下各對應(yīng)像素的灰度值；(3)將這些灰度值從小到大排列成一列；(4)找出排在中間的一個值；(5)將這個中間值賦給對應(yīng)模板中心位置的像素。中值濾波的輸出像素是由鄰域圖像的中間值決定的，因而中值濾波對極限像素值(與周圍像素灰度值差別較大的像素)遠不如平均值那么敏感，從而可以消除孤立的噪聲點，又可以保持圖像的細節(jié)。設(shè)表示數(shù)字圖像像素點的灰度值，濾波窗口為的中值濾波器定義為：中值濾波的優(yōu)勢在于它能夠保護圖像的邊緣信息，而且可以出去圖像中含有的無用的圖像噪聲，通常要求窗寬的一半大于噪聲的延續(xù)寬度。中值濾波器的窗口形狀和尺寸對濾波影響都很大，在不同的圖像內(nèi)容和不同的要求下，應(yīng)該采用不

13、同的形狀和尺寸。通常有線性、方形、十字形、圓環(huán)形等，而窗口的尺寸由小變大逐步增大點數(shù)，直到取得滿意的濾波效果。一般而言，對于變化緩慢的且具有較長輪廓線物體的圖像，可采用方形或圓形。而對于具有尖角物體的圖像可采用十字窗口。圖2.5 中值濾波處理前后的圖像3. 紅外圖像的邊緣檢測3.1 邊緣檢測邊緣檢測是圖像處理的重要內(nèi)容之一，它是圖像分割、目標(biāo)區(qū)域的識別、區(qū)域形狀特征提取等圖像分析的基礎(chǔ)。本節(jié)主要介紹邊緣檢測方法，和數(shù)學(xué)形態(tài)學(xué)法。3.2 常用的邊緣檢測方法邊緣是圖像的最基本的特征，邊緣中包含著有價值的目標(biāo)邊界信息，這些信息可以用作圖像分析、目標(biāo)識別。常用的檢測方法有：(1) 算子算子是利用局部查

14、分算子尋找邊緣的算子，它是算子，對具有陡峭的低噪聲圖像響應(yīng)最好，但是算子提取邊緣的結(jié)果邊緣較粗，因此邊緣定位不很準(zhǔn)確。(2) 算子算子是一階微分算子，它利用像素臨近區(qū)域的梯度來計算1個像素的梯度，然后根據(jù)一定的閾值來取舍，它是算子模版，對邊緣的定位比較準(zhǔn)確，對灰度漸變噪聲較多的圖像處理的較好。(3) 算子算子是一種加權(quán)平均算子，它不僅能檢測邊緣，而且能抑制噪聲的影響。(4) 算子 算法的優(yōu)點是能過濾噪聲，缺點是可能將原有的邊緣也給平滑了，告示函數(shù)的方差直接影響到邊緣檢測的結(jié)果。此檢測方法對噪聲比較敏感。(5) 算子是一階傳統(tǒng)微分算子中檢測階躍型邊緣效果最好的算子之一，它比算子、算子、算子的去噪

15、能力都強，但它也容易平滑掉一些邊緣信息。(6) 數(shù)學(xué)形態(tài)學(xué)檢測方法數(shù)學(xué)形態(tài)學(xué)是圖像處理和圖像識別技術(shù)的發(fā)展，是用數(shù)學(xué)方法描述或分析一個物體的形態(tài)的理論和方法。其運算是形態(tài)學(xué)圖像處理的基礎(chǔ)，常見的形態(tài)學(xué)運算有腐蝕和膨脹兩種。腐蝕是一種消除邊界點，使邊界向內(nèi)部收縮的過程，膨脹是將與物體接觸的所有背景點合并到該物體中，是在二值圖像中“加長”或“變粗”的操作。利用該操作，可以填補物體的空洞。 圖3.1 邊緣檢測結(jié)果示意圖4. Matlab程序一、讀入紅外圖像并進行灰度處理A=imread(C:Documents and SettingsAdministrator桌面1.JPG); %讀入紅外圖像文件i

16、mshow(A) %顯示出來 title(輸入的紅外圖像);B=rgb2gray(A); %灰度化后的數(shù)據(jù)存入數(shù)組imshow(B)title(原圖灰度圖);B1=histeq(B); %灰度圖進行均衡化二、繪制直方圖m,n=size(B); %測量圖像尺寸參數(shù)C=zeros(1,256); %預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量for k=0:255 C(k+1)=length(find(B=k)/(m*n); %計算每級灰度出現(xiàn)的概率，將其存入c中相應(yīng)位置end bar(0:255,C,g) %繪制直方圖title(原圖灰度直方圖)xlabel(灰度值)ylabel(出現(xiàn)概率)三、直方圖均衡化S1

17、=zeros(1,256);for i=1:256 for j=1:i S1(i)=C(j)+S1(i); %計算Sk endendS2=round(S1*256)+0.5); %將Sk歸到相近級的灰度for i=1:256 C1(i)=sum(C(find(S2=i); %計算現(xiàn)有每個灰度級出現(xiàn)的概率endbar(0:255,C1,b) %顯示均衡化后的直方圖title(均衡化后的直方圖)xlabel(灰度值)ylabel(出現(xiàn)概率)四、圖像均衡化A1=A;for i=0:255 A1(find(A=i)=S2(i+1); %將各個像素歸一化后的灰度值賦給這個像素endimshow(A1)

18、%顯示均衡化后的圖像 title(均衡化后圖像)imwrite(A1,PicEqual.bmp);五、算子銳化算法H1=fspecial(laplacian); %laplacian代表laplace濾波器L=imfilter(A,H1); %進行濾波subplot(1,2,1),imshow(A);title(原始圖像)subplot(1,2,2),imshow(L);title(銳化后的圖像)六、中值濾波算法M=medfilt2(B); %對原始圖像的灰度圖進行中值濾波算法處理subplot(1,2,1),imshow(B);subplot(1,2,2),imshow(B);七、各種邊緣檢測算法A=imread(C:Documents and SettingsAdministrator桌面1.JPG); %讀入紅外圖像文件B=rgb2gray(A); %灰度化后的數(shù)據(jù)存入數(shù)組b=im2double(B); %將圖像轉(zhuǎn)化為雙精度浮點型PF=edge(B,prewitt); %用prewitt算子進行邊緣檢測RF=edge(B,robert); %用robert算子進行邊緣檢測LF=edge(B,log); %用LOG算子進行邊緣檢測CF=edge(B,canny); %用canny算子進行邊緣檢