數(shù)字圖像處理課設(shè)

1、專業(yè)綜合實(shí)驗(yàn)報(bào)告-數(shù)字圖像處理專 業(yè): 電子信息工程 班 級: 學(xué)生姓名: 學(xué) 號: 指導(dǎo)教師: 年月日設(shè)計(jì)題目：圖像去霧處理一、 設(shè)計(jì)目的由于大氣的散射作用，照相機(jī)接收到景物反射過來的光線經(jīng)過了衰減。霧天的大氣退化圖像具有對比度低、景物不清晰的特點(diǎn)，給交通系統(tǒng)及戶外視覺系統(tǒng)的應(yīng)用帶來嚴(yán)重的影響。鑒于圖像處理和計(jì)算機(jī)視覺中有關(guān)圖像理解、目標(biāo)識別、目標(biāo)跟蹤、智能導(dǎo)航等領(lǐng)域的很多算法都是假設(shè)輸入的圖像或視頻是在理想天氣條件下拍攝的，因此有霧圖像清晰化就顯得格外重要，是目前人們研究的熱點(diǎn)問題之一，但由于成像系統(tǒng)聚焦模糊、拍攝場景存在相對運(yùn)動(dòng)以及霧天等不利環(huán)境，使得最終獲取的圖像往往無法使用。有霧天氣

2、條件下獲取的圖像對比度低、圖像內(nèi)容模糊不清而且顏色整體偏向灰白色，圖像去霧的目的就是恢復(fù)有霧圖像的對比度和真實(shí)色彩，重現(xiàn)在理想天氣條件下拍攝的清晰圖像。二、 設(shè)計(jì)內(nèi)容和要求 1、 采用直方圖均衡化方法增強(qiáng)霧天模糊圖像，并比較增強(qiáng)前后的圖像和直方圖；2、 查閱文獻(xiàn)，分析霧天圖像退化因素，設(shè)計(jì)一種圖像復(fù)原方法，對比該復(fù)原圖像與原始圖像以及直方圖均衡化后的圖像；三、 設(shè)計(jì)思路由于圖像中存在噪聲等干擾，使得圖像模糊不清?？梢圆捎脠D像增強(qiáng)的方法對原圖像處理，使圖像變得清晰。而直方圖均衡化是一種常用的圖像增強(qiáng)的方法。圖像模糊，其圖像的像素分布不均勻，采用直方圖均衡化的方法使其圖像像素分布均勻，從而達(dá)到均衡

3、像素分布增強(qiáng)圖像的目的。設(shè)計(jì)方案在晴朗的天氣條件下，潔凈的空氣一般是由氦氣、氧氣等氣體分子、水蒸汽、微量的固體懸浮顆粒物等成分構(gòu)成。在這種大氣條件下，從物體表面反射的光線在到達(dá)成像設(shè)備的過程中，基本不會(huì)受大氣中各種成分的影響發(fā)生散射、吸收、發(fā)射等現(xiàn)象，而是直接到達(dá)成像設(shè)備。相對在有霧天氣條件下獲得的圖像，在這種理想天氣條件獲得的圖像，我們稱之為清晰無霧圖像。而在有霧天氣條件下獲得的圖像模糊不清，圖像對比度下降，圖像的顏色發(fā)生漂移，偏向灰白色。無霧圖像和有霧圖像相比對比度較高，因此可以考慮增強(qiáng)局部對比度方法進(jìn)行去霧：1、對彩色圖像RGB模型轉(zhuǎn)換為HSI，對I分量分析圖像直方圖；2、設(shè)置適合尺寸模

4、版，對I分量進(jìn)行局部直方圖均衡化增強(qiáng)，分析增強(qiáng)前后的圖像和直方圖。3、查閱“基于暗原色先驗(yàn)的單一圖像去霧方法”，設(shè)計(jì)圖像無霧算法。流程框圖輸入圖像RGB模型中進(jìn)行直方圖均衡化RGB模型轉(zhuǎn)換為HIS模型在HIS模型中對亮度進(jìn)行均衡化輸出圖像直方圖均衡化對于連續(xù)圖像，設(shè)r和s分別表示被增強(qiáng)圖像和變換后圖像的灰度。為了簡單，在下面的討論中，假定所有像素的灰度已被歸一化了，就是說，當(dāng) 時(shí)，表示黑色；當(dāng) 時(shí)，表示白色；變換函數(shù) 與原圖像概率密度函數(shù) 之間的關(guān)系為： （1）式中：r為積分變量。式（1）的右邊可以看作是r的累積分布函數(shù)（CDF），因?yàn)镃DF是r的函數(shù)，并單調(diào)地從0增加到1，所以這一變換函數(shù)滿

5、足了前面所述的關(guān)于 在 內(nèi)單值單調(diào)增加，對于 ，有 的兩個(gè)條件。由于累積分布函數(shù)是r的函數(shù)，并且單調(diào)的從0增加到1，所以這個(gè)變換函數(shù)滿足對式（1）中的r求導(dǎo)，則： （2）再把結(jié)果帶入式：則得（3）由以上推到可見，變換后的變量s的定義域內(nèi)的概率密度是均勻分布的。由此可見，用r累積分布函數(shù)作為變換函數(shù)可產(chǎn)生一幅灰度級分布具有均勻概率密度的圖像。其結(jié)果擴(kuò)展了像素取值的動(dòng)態(tài)范圍。上面的修正方法是以連續(xù)隨機(jī)變量為基礎(chǔ)進(jìn)行討論的。為了對圖像進(jìn)行數(shù)字處理，必須引入離散形式的公式。當(dāng)灰度級是離散值的時(shí)候，可用頻數(shù)近似代替概率值，即： （4）式中，L是灰度級數(shù)； 是取第k級灰度值的概率； 是在圖像中出現(xiàn)第k級灰

6、度的次數(shù)；N是圖像中像素?cái)?shù)。通常把為得到均勻直方圖的圖像增強(qiáng)技術(shù)叫做直方圖均衡化處理或直方圖線性化處理。式（1）的直方圖均衡化累積分布函數(shù)的離散形式可由式（5）表示： ，（5）其反變換為 （6）直方圖均衡化效果： 原圖 直方均衡后 原圖 直方均衡后直方圖均衡化是一種全局操作，而有霧圖像的退化程度是不均勻的，場景深度大的物體比場景深度小的物體退化的更嚴(yán)重，在某種程度上局部直方圖均衡化更能描述這種性質(zhì)。在圖像一個(gè)窗口內(nèi)使用直方圖均衡化算法，然后通過窗口在圖像上不同位置的移動(dòng)就計(jì)算出來了整幅圖像的局部化直方圖。這種算法的計(jì)算量比較大，使用一些優(yōu)化技巧可以提高圖像處理的速度。顯示了同一幅有霧圖像在不同

7、窗口大小下的局部直方圖均衡化結(jié)果，從中可以大略看出小窗口處理結(jié)果的對比度較大，圖像上的噪聲也比較嚴(yán)重；大窗口處理結(jié)果的比較平滑，噪聲比較小。HIS彩色模型下的圖像增強(qiáng)在圖像處理及顯示的過程中，為了能正確的使用顏色模型，需要建立顏色模型。顏色模型是三維顏色空間中的一個(gè)可見光集，它包含某個(gè)顏色域的所有模型。常見的顏色模型有RGB,HSV,NTSC,HISr等，各顏色模型之間可通過公式進(jìn)行相互轉(zhuǎn)換。HSIHue-Saturation-Intensity(Lightness),HSI或HSL顏色模型用H、S、I三參數(shù)描述顏色特性，其中H定義顏色的波長，稱為色調(diào)；S表示顏色的深淺程度，稱為飽和度；I表示

8、強(qiáng)度或亮度 當(dāng)人觀察一個(gè)彩色物體時(shí)，用色調(diào)、飽和度、亮度來描述物體的顏色。色調(diào)是描述純色的屬性(純黃色、橘黃或者紅色)；飽和度給出一種純色被白光稀釋的程度的度量；亮度是一個(gè)主觀的描述，實(shí)際上，它是不可以測量的，體現(xiàn)了無色的強(qiáng)度概念，并且是描述彩色感覺的關(guān)鍵參數(shù)。而強(qiáng)度(灰度)是單色圖像最有用的描述子，這個(gè)量是可以測量且很容易解釋。則將提出的這個(gè)模型稱作為HSI(色調(diào)、飽和度、強(qiáng)度)彩色模型，該模型可在彩色圖像中從攜帶的彩色信息(色調(diào)和飽和度)里消去強(qiáng)度分量的影響，使得HSI模型成為開發(fā)基于彩色描述的圖像處理方法的良好工具，而這種彩色描述對人來說是自然而直觀的。HSI模型基于兩個(gè)重要的事實(shí)：其一

9、，I分量與圖象的彩色信息無關(guān)；其二，H和S分量與人感受顏色的方式是緊密相連的。HSI模型中的各分量可定義在如圖1(a)中所示的雙棱錐中，其中每個(gè)橫截面如圖1(b)所示。對其中的任1個(gè)色點(diǎn)P，其H的值對應(yīng)指向該點(diǎn)的矢量與R軸的夾角。這個(gè)點(diǎn)的S與指向該點(diǎn)的矢量長成正比，越長越飽和。利用由RGB轉(zhuǎn)換成HIS的公式進(jìn)行模型轉(zhuǎn)換： 基于Matlab的RGB色彩模型和HSI色彩模型的互化 變換公式： H= BG 360- B>G 其中，= arccos 0.5 RG +(RB) RG +(RB)(GB)1/2; S=1-3(R+G+B)min(R,G,B) I=1/3*(R+G+B); clear;

10、clc;close; x=imread('1.jpg'); rgb=im2double(x); r=rgb(:,:,1); g=rgb(:,:,2); b=rgb(:,:,3);%提取彩色圖像R、G、B三個(gè)色彩通道的分量。 %構(gòu)建rgb到his模型的轉(zhuǎn)換公式 num=0.5*(r-g)+(r-b); den=sqrt(r-g).2+(r-b).*(g-b); theta=acos(num./(den+eps); H=theta; H(b>g)=2*pi-H(b>g); H=H/(2*pi); num=min(min(r,g),b); den=r+g+b; den(d

11、en=0)=eps; S=1-3.*num./den; H(S=0)=0; I=(r+g+b)/3; hsi=cat(3,H,S,I);%將色調(diào)H(Hue)、飽和度S(Saturation)、強(qiáng)度I(Intensity)分量合并成hsi色彩空間矩陣 subplot(121),imshow(hsi),title('rgb轉(zhuǎn)hsi');%顯示結(jié)果圖像 H=hsi(:,:,1)*2*pi; S=hsi(:,:,2); I=hsi(:,:,3); %得到R、G、B三個(gè)分量的初始矩陣，并賦為全0 R=zeros(size(hsi,1),size(hsi,2); G=zeros(size(

12、hsi,1),size(hsi,2); B=zeros(size(hsi,1),size(hsi,2); %當(dāng)H分量在0到2/3pi之間時(shí) idx=find(0<=H)&(H<2*pi/3); B(idx)=I(idx).*(1-S(idx); R(idx)=I(idx).*(1+S(idx).*cos(H(idx)./cos(pi/3-H(idx); G(idx)=3*I(idx)-(R(idx)+B(idx); %當(dāng)H分量在2/3pi到4/3pi之間時(shí) idx=find(2*pi/3<=H)&(H<4*pi/3); R(idx)=I(idx).*(1

13、-S(idx); G(idx)=I(idx).*(1+S(idx).*cos(H(idx)-2*pi/3)./cos(pi-H(idx); B(idx)=3*I(idx)-(R(idx)+G(idx); %當(dāng)H分量在4/3pi到2pi之間時(shí) idx=find(4*pi/3<=H)&(H<=2*pi); G(idx)=I(idx).*(1-S(idx); B(idx)=I(idx).*(1+S(idx).*cos(H(idx)-4*pi/3)./cos(5*pi/3-H(idx); R(idx)=3*I(idx)-(G(idx)+B(idx); rgb1=cat(3,R,G,

14、B);%合并矩陣得到結(jié)果 subplot(122),imshow(rgb1),title('hsi轉(zhuǎn)rgb'); 四、 源程序 matlab源程序1、 選擇圖像并觀察其直方圖fname pname=uigetfile('*.png''*.jpg','select a image');Im = imread(fname);axes(handles.axes1);imshow(Im);imwrite(Im,'image1.tif');axes(handles.axes2);Im_1=rgb2gray(Im);imhis

15、t(Im_1,64);2、在RGB模型中對其進(jìn)行直方圖均衡化RGB=imread('image1.tif');R=RGB(:,:,1);G=RGB(:,:,2);B=RGB(:,:,3);r=histeq(R);g=histeq(G);b=histeq(B);Im2=cat(3,r,g,b);axes(handles.axes3);imshow(Im2);axes(handles.axes4);Im_2=rgb2gray(Im2);imhist(Im_2,64)；3、在HIS模型中對亮度進(jìn)行均衡化F=imread('image1.tif');F=im2doubl

16、e(F);r=F(:,:,1);g=F(:,:,2);b=F(:,:,3);th=acos(0.5*(r-g)+(r-b)./(sqrt(r-g).2+(r-b).*(g-b)+eps);H=th;H(b>g)=2*pi-H(b>g);H=H/(2*pi);S=1-3.*(min(min(r,g),b)./(r+g+b+eps);I=(r+g+b)/3;hsi=cat(3,H,S,I); IE=histeq(I);RV=cat(3,H,S,IE); HV=RV(:,:,1)*2*pi;SV=RV(:,:,2);IV=RV(:,:,3);R=zeros(size(HV);G=zero

17、s(size(HV);B=zeros(size(HV);%RG Sector；判斷H所在范圍id=find(0<=HV)& (HV<2*pi/3);B(id)=IV(id).*(1-SV(id);R(id)=IV(id).*(1+SV(id).*cos(HV(id)./cos(pi/3-HV(id);G(id)=3*IV(id)-(R(id)+B(id);%BG Sectorid=find(2*pi/3<=HV)& (HV<4*pi/3);R(id)=IV(id).*(1-SV(id);G(id)=IV(id).*(1+SV(id).*cos(HV(id

18、)-2*pi/3)./cos(pi-HV(id);B(id)=3*IV(id)-(R(id)+G(id);%BR Sectorid=find(4*pi/3<=HV)& (HV<2*pi);G(id)=IV(id).*(1-SV(id);B(id)=IV(id).*(1+SV(id).*cos(HV(id)-4*pi/3)./cos(5*pi/3-HV(id);R(id)=3*IV(id)-(G(id)+B(id);Im3=cat(3,R,G,B);Im3=max(min(Im3,1),0); axes(handles.axes5);imshow(Im3);axes(hand

19、les.axes6);Im_3=rgb2gray(Im3);imhist(Im_3,64);五、 運(yùn)行結(jié)果及分析總結(jié)處理前后效果圖：利用直方圖均衡化的方法對圖像進(jìn)行增強(qiáng)，只是對像素分布進(jìn)行的均衡處理。在均衡各色彩像素的同時(shí)，亦把圖像中的各噪聲分量也均衡化了，雖然實(shí)現(xiàn)了圖像增強(qiáng)了作用，但不能很好的把圖像中噪聲分量完全消去。在直方圖均衡化之后再在HIS彩色模型中對圖像的色調(diào)、色飽和度和亮度各個(gè)分量進(jìn)行處理，能夠很好的實(shí)現(xiàn)圖像增強(qiáng)的目的。運(yùn)用RGB模型與HIS模型之間的各個(gè)分量的相互轉(zhuǎn)換的公式，可以很方便的對RGB彩色圖像進(jìn)行圖像增強(qiáng)的操作，但是對單幅圖像的增強(qiáng)操作，存在邊緣和細(xì)節(jié)模糊的現(xiàn)象。 設(shè)計(jì)

20、總結(jié)大范圍的霧、霾導(dǎo)致受污染城市的交通瀕臨癱瘓、戶外工程項(xiàng)目、圖像采集系統(tǒng)、遙感圖像成像以及戶外計(jì)算機(jī)視覺系統(tǒng)的正常運(yùn)轉(zhuǎn)等都受到了極大的影響。霧、霾的出現(xiàn)降低了場景的可見度，改變了捕獲圖像的色彩，降低了照片的對比度與清晰度，這也為后續(xù)的圖像處理帶來困難。因此，如何對圖像進(jìn)行有效去霧，恢復(fù)場景色彩在計(jì)算機(jī)視覺以及計(jì)算機(jī)圖形圖像學(xué)領(lǐng)域中就顯得尤為重要。在有霧天氣條件下拍攝時(shí)，由于場景表面反射的光線受到空氣中懸浮顆粒的散射而發(fā)生衰減，這導(dǎo)致了圖像對比度的下降，同時(shí)場景周圍環(huán)境中的光線也會(huì)被空氣中的懸浮顆粒散射，散射后的光線進(jìn)入成像設(shè)備又會(huì)導(dǎo)致圖像顏色發(fā)生漂移，整體看上去圖像很模糊，圖像中的細(xì)節(jié)內(nèi)容辨認(rèn)不清并且顏色偏向灰白色。為了恢復(fù)出清晰的圖像，需要從如下方面入手：1 調(diào)整圖像的顏色，使得圖像的顏色看起來更自然；2 增強(qiáng)圖像的對比度，使圖像中的細(xì)節(jié)變得更清楚。六、設(shè)計(jì)體會(huì)經(jīng)過一周的時(shí)間的課