基于matlab的圖像增強技術(shù)處理畢業(yè)論文(編輯修改稿)
2025-07-24 18:12 本頁面
【文章內(nèi)容簡介】 到更多的細節(jié)如圖【原圖直方圖均衡化】和【均衡后的灰度直方圖】所示。優(yōu)勢：可以充分利用圖像中的亮度信息，明顯改善圖像質(zhì)量，是一種常用的圖像增強算法。不足：對于受噪聲影響明顯的圖像，該算法增強效果不明顯。即不能有效地抑制噪聲。而且，僅僅利用了圖像中的局部信息。從原理上講，我們也可以用一些數(shù)學(xué)上的非線性函數(shù)進行變換，如平方、指數(shù)、對數(shù)等，但其中有實際意義的還是對數(shù)變換。2． 對數(shù)變換對數(shù)變化常用來擴展低值灰度，壓縮高值灰度，這樣可以使低值灰度的圖像細節(jié)更容易看清。對數(shù)變換的表達式為：g(x,y)=log[f(x,y)+1]:圖 從圖像對數(shù)變換前后的效果比較，可以知道，對數(shù)變換確實能夠擴展低值灰度，而壓縮高值灰度，使低值灰度的圖像細節(jié)更容易看清。3 指數(shù)變換指數(shù)變換可以擴展低值灰度，壓縮高值灰度，也可以擴展高值灰度，壓縮低值灰度，但是由于與人的視覺特性不太相同，因此不常采用。 Gamma校正Gamma校正也是數(shù)字圖像處理中常用的圖像增強技術(shù)。Imadjust函數(shù)中的gamma因子即是這里所說的Gamma校正的參數(shù)。Gamma因子的取值決定了輸入圖像到輸出圖像的灰度映射方式，即決定了增強低灰度還是增強高灰度。當(dāng)Gamma等于1時，為線性變換。圖 平滑濾波 平滑技術(shù)用于平滑圖像中的噪聲。平滑噪聲可以在空間域中進行，基本方法是求像素灰度的平均或中值。為了既平滑噪聲又保護圖像信號，也有一些改進的技術(shù)，比如在頻域中運用低通濾波技術(shù)。 線性濾波輸出圖像的值等于輸入圖像濾波后值的局部平均，各個項具有相同的權(quán)。下面是平滑窗口分別為矩形和圓形的情況。 對一些圖像進行線性濾波可以去除圖像中某些類型的噪聲，如采用鄰域平均法的均值濾波器就非常適用于去除通過掃描得到的圖像中的顆粒噪聲。鄰域平均法是空間域平滑噪聲技術(shù)。用一像素鄰域內(nèi)各像素灰度平均值來代替該像素原來的灰度，即是鄰域平均技術(shù)。另外，頻域處理的基礎(chǔ)是頻域濾波，例如，理想的低通濾波器：其中。 (a)為線性平滑濾波的例子：圖 (a)(b)為利用低通鄰域平均模板進行平滑的例子：圖 (b)優(yōu)勢：實現(xiàn)簡單，去噪效果明顯。不足：去噪的同時會導(dǎo)致結(jié)果圖像邊緣位置的改變和細節(jié)模糊甚至丟失。 非線性濾波 中值濾波是一種最常用的圖像增強技術(shù)，是非線性濾波。對椒鹽噪聲有很好的去噪效果。下圖是加高斯噪聲后，中值濾波和平均濾波的濾波效果對比：圖 (a)如圖可見，對于高斯噪聲，均值濾波效果比均值濾波效果好。原因：(1)高斯噪聲是幅值近似正態(tài)分布，但分布在每點像素上。(2)因為圖像中的每點都是污染點，所以中值濾波選不到合適的干凈點。(3)因為正態(tài)分布的均值為0，所以均值濾波可以消除噪聲。（實際上只能減弱，不能消除。）但對于椒鹽噪聲，中值濾波效果比均值濾波效果好。原因：(1)椒鹽噪聲是幅值近似相等但隨機分布在不同位置上，圖像中有干凈點也有污染點。(2)中值濾波是選擇適當(dāng)?shù)狞c來替代污染點的值，所以處理效果好。(3)因為噪聲的均值不為0，所以均值濾波不能很好地去除噪聲點。中值濾波是基于一個移動窗口并計算輸入圖像在窗口內(nèi)的像素亮度值的中值作為輸出圖像窗口中心的像素值而產(chǎn)生的。給定的圖像f(x,y)中的每一個點（m,n），取其領(lǐng)域s。設(shè)s含有M個像素{a1，a2，?，aM}，將其按大小排序，若M是奇數(shù)時，則位于中間的那個象素值就是修改后圖像g(x,y)在點（m,n）處的像素值；若M是偶數(shù)則取中間兩個象素的平均值作為修改后圖像g(x,y)在點（m,n）處的象素值。我們在這里先人為的加上一些噪聲，然后在matlab中實現(xiàn)中值濾波的效果圖如下：圖 (b)比較經(jīng)過加入椒鹽噪聲的圖像和經(jīng)過中值濾波的圖像，可以發(fā)現(xiàn)，圖像的噪聲點被去除；但是比較原始圖像和經(jīng)過濾波的圖像后會發(fā)現(xiàn)，圖像的邊緣稍微的變得模糊，這是平滑算法不可避免的缺點。下圖為高通濾波邊緣增強的例子：圖 (c)優(yōu)勢：去噪效果明顯，并且能夠較好的保持圖像邊緣位置和細節(jié)。不足：非線性濾波算法的實現(xiàn)相對線性濾波比較困難。 銳化圖像銳化處理的作用是使灰度反差增強，從而使模糊圖像變得更加清晰。圖像模糊的實質(zhì)就是圖像受到平均運算或積分運算，因此可以對圖像進行逆運算，如微分運算以突出圖像細節(jié)使圖像變得更為清晰。由于拉普拉斯是一種微分算子，它的應(yīng)用可增強圖像中灰度突變的區(qū)域，減弱灰度的慢變化區(qū)域。因此，銳化處理可選擇拉普拉斯算子對原圖像進行處理產(chǎn)生描述灰度突變的圖像，再將拉普拉斯圖像與原始圖像疊加而產(chǎn)生銳化圖像。拉普拉斯銳化的基本方法可以由下式表示：這種簡單的銳化方法既可以產(chǎn)生拉普拉斯銳化處理的效果，同時又能保留背景信息：將原始圖像疊加到拉普拉斯變換的處理結(jié)果中去，可以使圖像中的各灰度值得到保留、灰度突變處的對比度得到增強，最終結(jié)果是在保留圖像背景的前提下，突現(xiàn)出圖像中小的細節(jié)。： 比較原始模糊圖像和經(jīng)過拉氏算子運算的圖像，可以發(fā)現(xiàn)，圖像模糊的部分得到了銳化，特別是模糊的邊緣部分得到了增強，邊界更加明顯。但是，圖像顯示清楚的地方，經(jīng)過濾波發(fā)生了失真，這也是拉氏算子增強的一大缺點。 利用sym4函數(shù)進行小波變換進行圖像增強 某些傳統(tǒng)圖像增強方法往往帶來比較嚴重的負效應(yīng)。為此，人們一直在尋找更好的圖像增強方法。小波分析因其分析信號的 “ 數(shù)學(xué)顯微鏡 ’ 、多分辨分析能力，與圖像增強的結(jié)合成為一種必然 。 基于小波分析的圖像增強，就是突出圖像的邊緣細節(jié)，盡可能的消除負面因素，從而達到增強圖像的目的?；谛〔ǚ治龅膱D像增強是采用小波變換，對低頻成分進行特殊處理，以增強圖像中的目標(biāo)信息。效果如圖 ：圖 彩色增強 用于增強圖像對比度的方法很多，要根據(jù)應(yīng)用目的加以選擇。偽彩色變換是增強圖像顯示效果和提高視覺分辨率的一種常用的、最有效的手段，但偽彩色增強不可能增加圖像的有效信息；偽彩色增強的視覺效果由所選擇的彩色映射決定，在選擇映射函數(shù)時，盡可能使三通道的函數(shù)不相關(guān)。偽彩色處理增強視覺效果明顯，常用于醫(yī)學(xué)、遙感圖像顯示。 真彩色圖像增強需要考慮彩色特征空間的選擇，同樣的運算在不同的特征空間效果不同。 偽彩色增強 偽彩色（pseudo color），非彩色圖像（灰度、二值）人為映射成彩色圖像。偽彩色增強是將一個波段或單一的黑白圖像變換為彩色圖像，從而把人眼不能區(qū)分的微小的灰度差別顯示為明顯的色彩差異，更便于解譯和提取有用信息。偽彩色增強的方法主要有以下三種： (1)密度分割法： 密度分割或密度分層是偽彩色增強中最簡單的一種方法，它是對圖像亮度范圍進行分割，使一定亮度間隔對應(yīng)于某一類地物或幾類地物從而有利于圖像的增強和分類。它是把黑白圖像的灰度級從0（黑）到M0(白)分成N個區(qū)間Li,i=1,2,…,N。給每個區(qū)間Li指定一種彩色Ci，這樣，便可以把一幅灰度圖像變成一幅偽彩色圖像。此法比較直觀簡單，缺點使變換出的彩色數(shù)目有限。 (2)空間域灰度級－彩色變換： 空間域灰度級－彩色變換是一種更為常用的、比密度分割更有效的偽彩色增強法。它是根據(jù)色度學(xué)的原理，將原圖像的灰度分段經(jīng)過紅、綠、藍三種不同變換，變成三基色分量，然后用它們分別去控制彩色顯示器的紅、綠、藍電子槍，便可以在彩色顯示器的屏幕上合成一幅彩色圖像。彩色的含量由變換函數(shù)的形狀而定。 (3)頻率域偽彩色增強： 頻率域偽彩色增強時先把黑白圖像經(jīng)傅立葉變換到頻率域，在頻率域內(nèi)三個不同傳遞特性的濾波器分離成三個獨立分量，然后對它們進行逆傅立葉變換，便得到三幅代表不同頻率分量的單色圖像，接著對這三幅圖像作進一步的處理（直方圖均衡化），最后將它們作為三基色分量分別加到彩色顯示器的紅、綠、藍顯示通道，從而實現(xiàn)頻率域分段的偽彩色增強。效果如圖： 圖 真彩色增強 真
研究報告相關(guān)推薦
鄂ICP備17016276號-1