【文章內(nèi)容簡(jiǎn)介】 于復(fù)雜，計(jì)算量大，不利于將其實(shí)時(shí)化和模塊化，因此只有在對(duì)圖像效果影響不大的基礎(chǔ)上對(duì)現(xiàn)有的 算法進(jìn)行改進(jìn)，使之在硬件上易于實(shí)現(xiàn)，才是目前紅外圖像實(shí)時(shí)處理的關(guān)鍵所在。對(duì)紅外圖像的處理的一般流程為圖2． 2所示。 圖 22紅外圖像處理流程圖 從圖上可以看出，首先對(duì)紅外探頭進(jìn)來(lái)的圖像進(jìn)行非均勻性校正，為了便 于后 面的處理，接著要對(duì)圖像進(jìn)行去噪處理，本文主要對(duì)紅外圖像進(jìn)行了中值 濾波，然后針對(duì)圖像對(duì)比度不高的問(wèn)題，對(duì)圖像進(jìn)行了灰度變換，增強(qiáng)了圖像 的對(duì)比度，最后，為了便于觀察，進(jìn)行了偽彩色變換，經(jīng)過(guò)這四步的處理，紅 外圖像得到了增強(qiáng)，可直 接送顯示電路顯示。 紅外圖 像 非均勻性校正 噪聲去除 灰度變換 偽彩色變換 圖像顯示 9 第三章 紅外圖像處理的 C語(yǔ)言的程序設(shè)計(jì) 的算法 由于紅外焦平面探測(cè)器具有非均勻性 ,所以要對(duì)探測(cè)器輸出的紅外圖像進(jìn)行非均勻性校正。為了達(dá)到實(shí)時(shí)性要求 ,本系統(tǒng)采用兩點(diǎn)校正算法。兩點(diǎn)校正算法的優(yōu)點(diǎn)是算法簡(jiǎn)單 ,運(yùn)算速度快 ,可以實(shí)現(xiàn)實(shí)時(shí)處理 ,而且不需要場(chǎng)景運(yùn)動(dòng) ,是目前工程上應(yīng)用較為普遍的非均勻性校正算法 【 9】 。當(dāng)前國(guó)內(nèi)外研究人員已提出了很多其他算法 ,比如高頻濾波器校正 ,場(chǎng)景校正 ,神經(jīng)網(wǎng)絡(luò)校正等算法 ,但這些算法不易達(dá)到實(shí)時(shí)性要求 ,因此采用兩點(diǎn)校正算法 。 兩點(diǎn)校正算法原理如下 :假設(shè)紅外圖像的非均勻性是線性的 ,輸入圖像原始灰度值為 X ,輸出校正過(guò)后的灰度值為 Y ,校正公式為 Y = Kij X + Bij (1) 取兩個(gè)定標(biāo)黑體溫度點(diǎn) T1 、 T2 , 輸入均勻背景和照度下的紅外圖像 X1 、 X2 , 得到相應(yīng)條件下的 Y1 、 Y2 ,由公式 (1) 可得 : Y1 = Kij X1 + Bij （ 2） Y2 = Kij X2 + Bij 由于輸入的圖 像是均勻背景和照度下的 ,那么校正過(guò)后新圖像的所有像素灰度值均應(yīng)相同。取相應(yīng)溫度 T1 、 T2 下圖像的平均值作為 Y1 、 Y2 , 設(shè)輸入 m 行 n 列的圖像 。 . 1Y = nm?1 ijXminj 11 1??? ? (3) . 2Y = nm?1 ijXminj 21 1??? ? 其中 m =240 n =320 10 將式 (3) 代入式 (2) 求出 Kij和 Bij 。 Kij = ? ?ijXijXnm ijXijXminjminj12121 11 1???? ? ?? ?? ?? ? (4) Bij = ? ?ijXijXnm ijXijXijXijXminjminj1221121 11 1???? ? ?? ?? ?? ? 最后根據(jù)公式（ 1）求出 輸出校正過(guò)后的灰度值 Y 噪聲去除 噪聲去除之中值濾波法 通過(guò)紅外探頭得到的紅外圖像一般都因受到某種干擾而含有噪聲，噪聲惡 化了圖像的質(zhì)量，使圖像模糊， 甚至淹沒(méi)特征，如果不對(duì)噪聲進(jìn)行及時(shí)處理， 就會(huì)對(duì)后續(xù)的處理過(guò)程乃至輸出結(jié)果產(chǎn)生影響，甚至可能得到錯(cuò)誤的結(jié)論。因 此，圖像噪聲濾除成為紅外圖像預(yù)處理中的重要組成部分。 圖像消除噪聲很很多種方法，在這我主要介紹一中值濾波法去噪聲 。中值濾波是由 Tukey發(fā)明的一種非線性信號(hào)處理技術(shù)，早期用于一維信號(hào)處理，后來(lái)被用 到二 維數(shù)字圖像平滑中，它能有效抑制圖像噪聲，提高圖像信噪 比 【 10】 。它是一種鄰域運(yùn)算，是把鄰域中的像素按灰度等級(jí)進(jìn)行排序，然后選擇該組的中間值作為輸出像素值。它能減弱或消除傅里葉空間的高頻分量，但不影響低 頻分量。因?yàn)楦哳l分量對(duì)應(yīng)圖像中的區(qū)域邊緣和灰度值具有較大較快變化的部分，因此該濾波可將這些分量濾除，使圖像平滑。中值濾波的主要原理是：首先確定一個(gè)以某個(gè)像素為中 心點(diǎn)的鄰域 ，一般為方形鄰域：然后將鄰域中的各個(gè)像素的灰度值進(jìn)行排序，取其中間值作為中心點(diǎn)像素灰度的新值，這里的鄰域通常被稱(chēng)為窗口；當(dāng)窗口在圖像中上下左右進(jìn)行移動(dòng)后，利用中值濾波算法可以很好地對(duì)圖像進(jìn)行平滑處理。以 3x3窗為例，該窗沿著圖像數(shù)據(jù)的行方向逐像素滑動(dòng)，在每一次滑動(dòng)期間內(nèi)，方形窗中的所有像素按照灰度值被排序，這組數(shù)據(jù)中的中值作為輸出，替代原來(lái) 窗函數(shù)的中心位置像素的灰度值。中值濾波實(shí)現(xiàn)過(guò)程如圖所示。 11 10 求中值 2 4 6 8 10 12 17 19 30 （ a）取 3x3窗口 （ b）對(duì)窗口的像素進(jìn)行排序 （ c）中值取代中間位置像素圖 圖 ：中值濾波實(shí)現(xiàn)過(guò)程 從圖上可以得出中值濾波的具體步驟如下： (1)將模板在圖像中移動(dòng)，并將模板中心與圖像中心某個(gè)像素的位置重合； (2)讀取模板下各對(duì)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(gè)值； (5)將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。 采用該方法，中值的計(jì)算僅需做 19次比較，此外，由于常規(guī)的濾波算法使窗口 每移動(dòng)一次，就要進(jìn)行一次排序，這種做法實(shí)際上包含了大量重復(fù)比較的過(guò)程。若 一幅 圖像的大小為 NxN，則整個(gè)計(jì)算過(guò)程需要 O(N2D2)時(shí)間，當(dāng)窗口尺寸增大時(shí)，計(jì)算量將按平方增大，這主要是傳統(tǒng)算法未能充分利用相鄰窗口間的相關(guān)信息。因此本文提出一種類(lèi)似于滑動(dòng)窗的改進(jìn)的中值濾波算法，該算法能夠充分利用前一窗口中已排序部分 的信息。實(shí)驗(yàn)表明，該算法可以有效地降低圖像處理的復(fù)雜度，加快圖像處理速度。 中值濾波的效果依賴(lài)于濾波窗口的大小，太大會(huì)使邊緣模糊，太小了則去噪效果不好。考慮到噪聲點(diǎn)和邊緣點(diǎn)同樣是灰度變化較為劇烈的像素，普通中值濾波在改變?cè)肼朁c(diǎn)灰度值的時(shí)候，會(huì)一定程度地改變邊緣像素灰度值。當(dāng)處理該像素的時(shí)候，看該像素是否是濾波窗口所覆蓋下鄰域像素的極大或者極小值，如果是，則用正常的中值濾波處理該像素。如果不是，則不處理 。 8 6 2 4 30 12 10 19 17 12 中值濾波的 c語(yǔ)言程序 去噪聲（中值濾波法） include “” int median value(unsigned char c[9] )。 /* median利用中值濾波法去噪聲 image_in: 輸入圖像數(shù)組 image_out:輸出圖像數(shù)組 */ void median (unsigned char image_in[Y_SIZE][X_SIZE], unsigned char image_out[Y_SIZE][X_SIZE],) { int i,j。 unsigned char c[9]。 for (i = 1。 i Y_SIZE1。 i++) { for(j = 1。 j X_SIZE1。 j++) { c[0] = image_in[i1][j1]。 c[1] = image_in[i1][j]。 c[2] = image_in[i1][j+1]。 c[3] = image_in[i][j1]。 c[4] = image_in[i][j]。 c[5] = image_in[i][j+1]。 c[6] = image_in[i+1][j1]。 c[7] = image_in[i+1][j]。 c[8] = image_in[i+1][j+1]。 image_out[i][j] = median_value(c)。 } } } /* median_value 求出 9個(gè)像素的中央值 c：像素 */ int median_value(unsigned char c[9]) { int i, j, buf。 for(j = 0。 j 8。 j++) { 13 for(i = 0。 i 8。 i++) { if (c[i+1] c[i]) { buf = c[i+1]。 c[i+1] = c[i]。 c[i] = buf。 } } } return c[4]。 } 灰度變換 灰度變 換的概念 灰度變換可調(diào)整圖像的動(dòng)態(tài)范圍或圖像對(duì)比度 ,是圖像增強(qiáng)的重要手段之一。 圖像的灰度變換處理是通過(guò)改變?cè)紙D像各像素在各灰度級(jí)上的概率分布來(lái)實(shí)現(xiàn)的。通過(guò)對(duì)圖像的灰度值進(jìn)行統(tǒng)計(jì)可以得到一個(gè)一維離散的圖像灰度統(tǒng)計(jì)直方圖函數(shù) p(sk)=nk/n (k=0,1,2,…… ,L1)。該式表達(dá)了在第 k個(gè)灰度級(jí)上的像素的個(gè)數(shù) nk 占全部像素總數(shù) n的比例， p(sk)則給出了對(duì) sk出現(xiàn)概率的 1個(gè)估計(jì)。因此該直方圖函數(shù)實(shí)際是圖像的各灰度級(jí)的分布情況的反映，換句話說(shuō)也就是給出了該幅圖像所有灰度值的整體描述。通過(guò)該函數(shù)可以清 楚地了解到圖像對(duì)應(yīng)的動(dòng)態(tài)范圍情況，可以了解到圖像灰度的主要集中范圍。因此可以通過(guò)圖像增強(qiáng)程序的干預(yù)來(lái)改變直方圖的灰度分布狀況，使灰度均勻的或是按預(yù)期目標(biāo)分布與整個(gè)灰度范圍空間，從而達(dá)到增強(qiáng)圖像對(duì)比度的效果。這種方法是基于數(shù)理統(tǒng)計(jì)和概率論的，比直接在空域?qū)υ紙D像采取對(duì)比度增強(qiáng)效果要好的多。在實(shí)際應(yīng)用中直方圖的變換主要有均衡變換和規(guī)定變換兩種，而后者又根據(jù)灰度級(jí)映射規(guī)則的不同分單映射規(guī)則和組映射規(guī)則兩種 【 11】 。 14 灰度變換之 直方圖均衡化處理 直方圖均衡化處理的中心思想是把原 始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。對(duì)圖像空域點(diǎn)的增強(qiáng)過(guò)程是通過(guò)增強(qiáng)函數(shù) t=EH(s)來(lái)完成的， t、 s分別為目標(biāo)圖像和原始圖像上的像素點(diǎn) (x,y)，在進(jìn)行均衡化處理時(shí)對(duì)增強(qiáng)函數(shù) EH需要滿足兩個(gè)條件：增強(qiáng)函數(shù) EH(s)在 0≤s≤L1 的范圍內(nèi)是一個(gè)單調(diào)遞增函數(shù)，這個(gè)條件保證了在增強(qiáng)處理時(shí)沒(méi)有打亂原始圖像的灰度排列次序。另一個(gè)需要滿足的條件是對(duì)于 0≤s≤L1應(yīng)當(dāng)有0≤EH(s)≤L1，它保證了變換過(guò)程灰度值的動(dòng)態(tài)范圍的一致。同樣的，對(duì)于反變換過(guò)程 s=EH1(t),在 0≤t≤1 時(shí)也必須滿足上述兩個(gè)條件。累計(jì)分布函數(shù)(cumulative distribution function,CDF)就是滿足上述條件的一種，通過(guò)該函數(shù)可以完成 s 到 t 的均勻分布轉(zhuǎn)換。此時(shí)的增強(qiáng)轉(zhuǎn)換方程為： tk = EH(sk) = ∑(ni/n) = ∑ps(si) ，（ k=0,1,2,…… ， L1） 上述求和區(qū)間為０到 k,根據(jù)該方程可以由源圖像的各像素灰度值直接得到直方圖均衡化后各像素的灰度值。在實(shí)際處理變換時(shí)，一般先對(duì)原始圖像的灰度情況進(jìn)行統(tǒng)計(jì)分析，并計(jì)算出原始直方圖分布，然后根據(jù)計(jì)算出的累 計(jì)直方圖分布tk按式 tk=[(N1)* tk+]對(duì)其取整并得出源灰度 sk 到 tk 的灰度映射關(guān)系，其中 N為灰度的級(jí)數(shù)。在重復(fù)上述步驟得到所有的源圖像各灰度級(jí)到目標(biāo)圖像各灰度級(jí)的映射關(guān)系后按照新的映射關(guān)系對(duì)源圖像各點(diǎn)像素進(jìn)行灰度轉(zhuǎn)換即可完成對(duì)源圖的直方圖均衡化 【 12】 。 15 直方圖均衡 均衡化前后直方圖比較 下面是按照上述算法實(shí)現(xiàn)的部分主要程序代碼： 16 首先對(duì)原始圖像的各像素點(diǎn)的灰度情況進(jìn)行統(tǒng)計(jì)計(jì)算。對(duì)于 24位 BMP 圖像，圖像陣列是從第 54 字節(jié)起始 的，每像素按 R、 G、 B 的順序占 3個(gè)字節(jié)。 for(DWORD i=54。im_d