【文章內(nèi)容簡介】 第3章 紅外圖像增強(qiáng)算法研究圖像增強(qiáng)技術(shù)就是利用不同的圖像處理方法改善圖像的質(zhì)量，也就是針對原始圖像的模糊狀況以及它的不同應(yīng)用場合，有目的的增強(qiáng)圖像整體和局部特性。圖像增強(qiáng)的最終目的就是提高觀察者對紅外圖像的視覺效果和增強(qiáng)圖像中的有用信息、抑制無用信息，來突出觀察者感興趣的區(qū)域和目標(biāo)特征信息。紅外圖像信號的增強(qiáng)處理就是要在原始紅外信號受噪聲影響及非線性偏移信號影響的情況下，還原出紅外圖像信號的本來面目，并對其做相應(yīng)的線性處理，使其更符合原始紅外圖像信號的性質(zhì)并適合于人眼對紅外圖像進(jìn)行觀察。采用圖像增強(qiáng)技術(shù)后，紅外圖像的清晰度得到極大的提高，一些隱蔽的細(xì)節(jié)特征得以顯現(xiàn)，這樣處理后有如下優(yōu)點(diǎn)： （1）圖像增強(qiáng)是一種拓寬灰度等級的過程，它能夠展寬圖像的顯示動態(tài)范圍，充分的提高圖像的清晰度。 （2）圖像增強(qiáng)是一種抑制噪聲的過程，噪聲的存在是系統(tǒng)不可回避的現(xiàn)象，它可以降低圖像的分辨率，而圖像增強(qiáng)后噪聲可以得到一定程度的降低，因此使用的圖像的信噪比得到提高。 （3）圖像增強(qiáng)有利于將目標(biāo)與背景區(qū)別開來，從而可以提取目標(biāo)的輪廓，方便對目標(biāo)的識別。 需要注意的是，增強(qiáng)技術(shù)不能增加圖像數(shù)據(jù)本身包含的信息，但是可以凸顯特定特征，尤其對紅外圖像，因?yàn)榧t外傳感器本身固有的特性，紅外圖像普遍存在著目標(biāo)與背景對比度較差、邊緣模糊等缺點(diǎn)，在加上目標(biāo)距傳感器較遠(yuǎn)，形狀、大小、紋理特性較差，目標(biāo)檢測比較困難，更是需要對紅外圖像進(jìn)行增強(qiáng)處理。圖像增強(qiáng)技術(shù)可分為兩大類:頻域處理法和空域處理法。頻域處理法采用修改圖像傅立葉變換的方法實(shí)現(xiàn)對圖像的增強(qiáng)處理，使得變換后的圖像在某些特性方面更鮮明、突出，因而更易于識別、分類；空域處理法是直接對圖像中的像素進(jìn)行處理，基本上是以灰度映射變換為基礎(chǔ)的。在圖像增強(qiáng)技術(shù)的應(yīng)用中，要根據(jù)增強(qiáng)的目的，選擇不同的實(shí)現(xiàn)算法。紅外圖像增強(qiáng)空間域增強(qiáng)頻率域增強(qiáng)空間域變換空域?yàn)V波增強(qiáng)灰度級修正直方圖變換平滑濾波銳化濾波高通濾波低通濾波 經(jīng)典的紅外圖像處理算法空間域增強(qiáng)是指增強(qiáng)構(gòu)成圖像的像素。空間域方法是直接對這些像素操作的過程?？臻g域處理可由下式定義： （） 其中f（x,f）是輸入圖像，g(x,y)是處理后的圖像，T是對f的一種操作，其定義在（x,y）的鄰域。另外，T能對輸入圖像集進(jìn)行操作，例如，為減少噪音而對K幅圖像進(jìn)行逐像素的求和操作。通過變換，達(dá)到對比度增強(qiáng)的效果，要注意在變換的過程中，對每一個像素點(diǎn)都經(jīng)過了同樣的處理，因此，以上的方法又叫做點(diǎn)處理。更大的鄰域會有更多靈活性。一般方法是，利用（x,y）事先定義領(lǐng)域里的一個f值的函數(shù)來決定g在（x,y）的值，其公式化的一個主要方法是以利用所謂的模版為基礎(chǔ)的。從根本上說，模版是一個小的二維陣列，模版系數(shù)值決定處理的性質(zhì)，如圖像銳化等。以這種方法為基礎(chǔ)的增強(qiáng)技術(shù)通常是指模版處理或?yàn)V波。、對比度增強(qiáng)灰度級修正灰度修正是對紅外圖像在空域進(jìn)行預(yù)處理的簡單而有效的方法。它利用點(diǎn)運(yùn)算修改圖像像素的灰度，用于擴(kuò)展對比度。點(diǎn)運(yùn)算是把一幀輸入圖像 f ( x, y ) 修改成輸出圖像 g ( x, y ) 。 g ( x, y ) 上每一點(diǎn)像素與f ( x, y ) 上對應(yīng)位置像素坐標(biāo)相同，像素灰度依函數(shù)法則T 映射。函數(shù)T有線性、分段線性、非線性等幾種形式。，f 和g分別表示輸入和輸出圖像的灰度?；叶茸儞Q函數(shù)為： （）是線性的，a為直線的斜率，b為直線在g軸上的截距。顯然，如果a =1，b =0，輸出圖像復(fù)制輸入圖像；a 1，b =0，具有將輸入圖像對比度擴(kuò)展增強(qiáng)作用；a 1，b=0，輸入圖像的對比度被壓縮；a 0，b =0，輸出圖像為輸入圖像的求反；a =1，b ≠ 0，輸出圖像將比輸入圖像偏亮或偏暗。 最簡單的分段性函數(shù)之一是對比拉伸變換。低對比度圖像由于照明不足、成像傳感器動態(tài)范圍太小，甚至在圖像獲取過程中透鏡光圈設(shè)置錯誤引起。對比拉伸的思想是提高圖像處理時灰度的動態(tài)范圍。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)域，可采用分線段線性變換，常用的三段線性變換如圖 所示，其數(shù)學(xué)表達(dá)式為: （）式中對灰度區(qū)間[0, a ]和[ b , Mf ]加以壓縮，對灰度區(qū)間[ a , b ]進(jìn)行擴(kuò)展。通過細(xì)心調(diào)整折線拐點(diǎn)的位置及控制分段直線的斜率，可對任一灰度去進(jìn)行擴(kuò)展或壓縮，這種變換使用于在黑色或白色附近有噪聲干擾的情況。線性變換和分段線性變換都可以用在增強(qiáng)圖像對比度，增強(qiáng)對比度實(shí)際是增強(qiáng)原圖的各部分的反差。實(shí)際中往往是通過增加原圖中某兩個灰度值之間的動態(tài)范圍來實(shí)現(xiàn)的。 原始圖像及典型的線性變換曲線。在處理過的圖片上可以看出，小孩衣服上的圖標(biāo)和衣服之間的對比度增強(qiáng)了，更容易辨認(rèn)了。通常在進(jìn)行特定任務(wù)的模式識別工作之前，要對所要識別的圖像進(jìn)行增強(qiáng)對比度處理，一邊辨識工作更容易，辨識結(jié)果更準(zhǔn)確。對于不同圖像，根據(jù)不同的情況，所選參數(shù)可能有所不同，要根據(jù)實(shí)際情況而定。運(yùn)用Matlab軟件，還可以利用其工具箱中的函數(shù)imadjust（）增強(qiáng)對比度。代碼為：X1=imread(39。39。)。figure,imshow(X1)J=imadjust(X1,[,],[],)figure,imshow(J)其中，J=imadjust(I,[low,high],[bottom,top],gamma)表示返回圖像I經(jīng)調(diào)整后的圖像J。[low,high]為原圖像中要變換的灰度范圍，[bottom,top]指定了變換后的灰度范圍，其中l(wèi)ow、high、bottom、top的取值范圍都是01，并且lowhigh，bottomtop，這是因?yàn)樵贛atlab中將0255灰度范圍映射到01的范圍內(nèi)。Gamma的矯正量γ，它指定了變換曲線的形狀，描述了I和J的值之間的關(guān)系。通常當(dāng)gamma大于1時，圖像變暗，而當(dāng)gamma小于1時，圖像變亮。 用函數(shù)imadjust（）增強(qiáng)對比度圖像反轉(zhuǎn)也是線性變換的一種，就是對圖像的灰度值翻轉(zhuǎn)。簡單的說，就是黑變白，白變黑，普通的黑白底片和照片就是這樣的關(guān)系。具體變換就是將圖像中的每個像素的灰度值根據(jù)變換曲線進(jìn)行映射?；叶燃壏秶鸀閇0,L1]的圖像反轉(zhuǎn)由下式變換獲得： s=L1r （） 圖像求反 對數(shù)變換一般實(shí)現(xiàn)在對圖像的動態(tài)范圍壓縮，這種方法與增強(qiáng)對比度相反。當(dāng)原圖的動態(tài)范圍太大，超出了某些顯示設(shè)備所允許的動態(tài)范圍時，如果直接使用原圖，則有一部分信息可能丟失。解決的辦法是對原圖進(jìn)行灰度壓縮。對數(shù)變換的一般表達(dá)式為： （）其中，c是比例尺常數(shù)。c=255/log(256)，根據(jù)所處理圖像情況不同，可選取不同的c值，處理結(jié)果會有所不同。 對數(shù)變換曲線 對數(shù)變換利用Matlab工具箱中函數(shù)imadjust()變換圖像，代碼如下：X1=imread(39。39。)。figure,imshow(X1)J=imadjust(X1,[],[ ],)figure,imshow(J)。直方圖變換直方圖變換是由灰度變換演繹得出的又一種增強(qiáng)圖像對比度的技術(shù)，它以概率理論做基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算來實(shí)現(xiàn)直方圖的變換。直方圖是對圖像中每一灰度值出現(xiàn)頻率的統(tǒng)計(jì)，是一個一維離散函數(shù)： k=0,1,2,...L1 （）式中，sk是圖像f(x,y)的第k級灰度值；nk是f(x,y)中具有灰度值Sk的像素的個數(shù)；N是圖像中像素的總數(shù)。由定義式可知，P(Sk)給出了對Sk出現(xiàn)概率的一個估計(jì)，所以直方圖表明了圖像中灰度值的分布情況。因此，可以通過改變直方圖的形狀來達(dá)到增強(qiáng)圖像對比度的效果。這種方法是以概率論為基礎(chǔ)的，常用號的方法有直方圖均衡化和直方圖規(guī)定化。直方圖均衡化(Histogram Equalization，HE)是將原始圖像的直方圖通過變換函數(shù)T (r)調(diào)整為一個新的均衡的直方圖，然后按均衡后的直方圖修正原圖像，從而有利于從大的背景中提取有用信息。HE 算法的灰度級調(diào)整策略是像素多的灰度被擴(kuò)展得到更多的灰度級，像素少的灰度被壓縮得到很少的灰度級。從信息論的觀點(diǎn)來看，經(jīng)過均衡化處理的圖像，其所有灰度級出現(xiàn)的概率相同，此時圖像的熵最大，圖像所包含的信息量最大。直方圖均衡化是把原始圖的灰度統(tǒng)計(jì)直方圖變換為均勻分布的形式，這樣就增加了像素灰度值的動態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對比度的效果。它所采用的方法是利用累積分布函數(shù)作為圖像灰度值的變換曲線。用sk表示第 k 級灰度值，t表示增強(qiáng)圖像中像素的灰度值，tk表示第k級，并對sk和tk作歸一化處理，則直方圖均衡化可表示為： 01。k=0,1,2,...,L1 （）EH代表增強(qiáng)操作Ps為灰度統(tǒng)計(jì)直方圖?？梢宰C明累積分布函數(shù)能將s的灰度分布近似轉(zhuǎn)換為t的分布。直方圖均衡化的基本步驟如下：（1）計(jì)算出原始圖像的所有灰度級sk，k=0,1,2，...，L1；（2）統(tǒng)計(jì)原始圖像各灰度級的像素?cái)?shù)nk；（3）用式（）計(jì)算原始圖像的直方圖；（4）計(jì)算原始圖像的累計(jì)直方圖，即式（）（5）取整計(jì)算： ()（6）定義映射關(guān)系： ；（7）統(tǒng)計(jì)新直方圖各灰度級的像素?cái)?shù)；（8）計(jì)算新的直方圖： （），而且較暗，反映在直方圖上，就是其直方圖所占據(jù)的灰度值范圍比較窄，而且集中在低