數(shù)字圖像處理論文

1、姓名陸建偉學(xué)號1341904222成績江蘇科技大學(xué)數(shù)字圖像處理本科生課程論文論文題目：圖像增強方法綜述與matlab實現(xiàn)完成時間：_2016年6月2日_ 所在專業(yè)：_軟件工程_ _所在年級：_13419042_ _ 圖像增強方法綜述與matlab實現(xiàn)軟件工程專業(yè) 1341904222 陸建偉摘要： 本文介紹圖像增強的內(nèi)容，并就內(nèi)部幾種方法進行更深一步的探索，利用matlab使得算法實現(xiàn)并對比。關(guān)鍵詞：圖像增強；數(shù)字圖像處理；灰度變換；直方圖；matlab；一、 研究背景1.1研究目的經(jīng)過圖像的傳送和轉(zhuǎn)換，如成像、復(fù)制、掃描、傳輸和顯示等，經(jīng)常會造成圖像質(zhì)量的下降。光學(xué)系統(tǒng)的失真、相對運動、大氣

2、流動等都會使圖像模糊，傳輸過程中會引入各種類型的噪聲。總之輸入的圖像在視覺效果和識別方便性等方面可能存在諸多問題。通過本課題的研究能夠使圖像有更好的視覺感受效果，更能夠滿足社會生活和生產(chǎn)的需要是本文的最終目的。1.2研究現(xiàn)狀計算機圖像處理的發(fā)展歷史并不長,但是引起了人們的足夠重視?？傮w來說，圖像處理技術(shù)的發(fā)展大致經(jīng)歷了初創(chuàng)期、發(fā)展期、普及期和實用化期4個階段。隨著對圖像技術(shù)研究的不斷深入和發(fā)展,新的圖像增強方法不斷出現(xiàn)。圖像作為自然界景物的客觀反映是人類感知世界的視覺基礎(chǔ)也是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。二 、主要理論概況圖像增強是指根據(jù)特定的需要突出圖像中的重要信息同時減弱或去

3、除不需要的信息。從不同的途徑獲取的圖像通過進行適當(dāng)?shù)脑鰪娞幚砜梢詫⒃灸：磺迳踔粮緹o法分辨的原始圖像處理成清晰的富含大量有用信息的可使用圖像有效地去除圖像中的噪聲、增強圖像中的邊緣或其他感興趣的區(qū)域從而更加容易對圖像中感興趣的目標(biāo)進行檢測和測量。處理后的圖像是否保持原狀已經(jīng)是無關(guān)緊要的了不會因為考慮到圖像的一些理想形式而去有意識的努力重現(xiàn)圖像的真實度。圖像增強的目的是增強圖像的視覺效果將原圖像轉(zhuǎn)換成一種更適合于人眼觀察和計算機分析處理的形式。它一般要借助人眼的視覺特性以取得看起來較好地視覺效果很少涉及客觀和統(tǒng)一的評價標(biāo)準(zhǔn)。圖像增強的方法可以大致分為兩類，一類是空域處理方法，一類是頻域的處理

4、法 王斌，MATLAB實現(xiàn)數(shù)字圖像增強處理，佳木斯大學(xué)學(xué)報，2005,23(1):31-35三、研究的主要內(nèi)容圖像增強的主要內(nèi)容如圖1.1圖像增強空間域點運算灰度變換 直方圖修正法均衡化規(guī)定劃局部統(tǒng)計法 局部運算圖像平滑鄰域平均法中值濾波多圖像平均法頻域低通濾波法圖像銳化微分法高通濾波法 頻率域高通濾波 低通濾波 同臺濾波增強 彩色增強假彩色增強 偽彩色增強 圖像的代數(shù)運算 圖1.1本本主要研究的是點運算的兩種方法，即灰度變換法、直方圖修正法。再加上Retinex法。3.1 圖像增強方法3.1.1灰度變換灰度變換是在圖像采集系統(tǒng)中對圖像像素進行修正，是圖像增強的重要手段?；叶茸儞Q主要分為兩種：

5、一種是全域線性變換，一種是分段線性變換。1. 全域線性變換假設(shè)原圖像f(x,y)的灰度范圍為a,b,希望變換后圖像g(x,y)的灰度范圍擴展至c,d，則線性變換的表示式為：gx，y=d-cb-afx,y-a+c此關(guān)系如圖3.1如果圖像中大部分像素的灰度級分布在區(qū)域a,b之間，小部分灰度級超出了此區(qū)域，為了改善增強效果，可以用如下所示的變換關(guān)系：gx，y=c 0fx,yad-cb-afx,y-a+c af(x,y)b d bfx,yM此關(guān)系圖可用3.2表示：圖3.1圖3.22. 分段線性變換在圖像增強中，為了突出感興趣的目標(biāo)或灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)間，可以采用分段性變換，常用的方

6、法是分三段線性變換，如圖3.3所示，設(shè)原圖像在0，Mf,感興趣目標(biāo)所在灰度范圍在a,b,欲使其灰度范圍拉伸到c,d,則對應(yīng)的分段線性變換表達(dá)式為gx，y=cafx,y 0fx,ya d-cb-afx,y-a+c afx,y=f1)&(f=f2)&(f=f3)g(i,j)=r3*f+b3;endendendfigure,imshow(mat2gray(g)2、實驗結(jié)果原圖直方圖分段線性變換之后的圖3.2.3 灰度非線性變換(對數(shù)變換)1、實驗代碼I=imread(D:/tt.jpg);x=0:255;c=255/log(256);y=c*log(x+1);figure,subplot(2,2,1

7、),plot(y),title(對數(shù)變換直方圖),axis tight,axis squareI_log=uint8(y(I+1);subplot(2,2,2);imshow(I);title(原圖)subplot(2,2,3);imshow(I_log);title(圖像調(diào)整)I_br=imadd(I,100);subplot(2,2,4);imshow(I_br);title(原始圖像縮放)2、實驗結(jié)果3.2.4直方圖均衡化1、實驗代碼clear all;I=imread(D:/tt.jpg); %讀入JPG彩色圖像文件subplot(2,2,1);imshow(I) %顯示出來 titl

8、e(輸入的彩色JPG圖像)I_gray = rgb2gray(I); %灰度化后的數(shù)據(jù)存入數(shù)組imwrite(I_gray,1_gray.bmp); %保存灰度圖像subplot(2,2,2);imshow(I_gray);title(灰度圖)height,width=size(I_gray); %測量圖像尺寸參數(shù)p=zeros(1,256); %預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量for i=1:height for j=1:width p(I_gray(i,j) + 1) = p(I_gray(i,j) + 1) + 1; endends=zeros(1,256);s(1)=p(1);for i=

9、2:256 s(i)=p(i) + s(i-1); %統(tǒng)計圖像中 256 s(i) = 256; endend%圖像均衡化I_equal = I;for i=1:height for j=1:width I_equal(i,j) = s( I(i,j) + 1); endendsubplot(2,2,3);imshow(I_equal) %顯示均衡化后的圖像 title(均衡化后圖像)2、實驗結(jié)果3.2.5 Retinex法1、實驗代碼Img = imread(D:/tt.jpg);hsvImg = rgb2hsv(Img);V=hsvImg(:,:,3);height,width=size(

10、V);V = uint8(V*255);NumPixel = zeros(1,256);for i = 1:heightfor j = 1: widthNumPixel(V(i,j) + 1) = NumPixel(V(i,j) + 1) + 1;endendProbPixel = zeros(1,256);for i = 1:256ProbPixel(i) = NumPixel(i) / (height * width * 1.0);endCumuPixel = cumsum(ProbPixel);CumuPixel = uint8(255 .* CumuPixel + 0.5);for i

11、 = 1:heightfor j = 1: widthV(i,j) = CumuPixel(V(i,j);endend V = im2double(V);hsvImg(:,:,3) = V;outputImg = hsv2rgb(hsvImg);subplot(2,1,1);imshow(Img);title(原圖像);subplot(2,1,2);imshow(outputImg);title(retinex處理);2、實驗結(jié)果四、小結(jié) 從本文的試驗以及結(jié)果可以分析出，院圖像動態(tài)范圍較小，整體較暗，并且過于集中在某一灰度范圍內(nèi)，經(jīng)過灰度變換后，圖像變亮，可以看到更多細(xì)節(jié)；針對原圖像直方圖高度集中