【文章內(nèi)容簡介】 彩色圖像的顏色信息量非常大，如果對進行識別往往會因為背景的復(fù)雜而受到影響，并且存在很多的不足，而灰度圖像是一種最簡單、有效的對比度增強方法。彩色圖像的灰度變換程序以及顯示的結(jié)果如下：I=imread(39。39。)。I1=rgb2gray(I)。figure,imshow(I1)。圖 32(a) 原圖8 / 38圖 32(b) 灰度圖像 二值化 圖像二值化指的是把原本的彩色圖像處理成只有黑與白這兩個級別的圖像。在后繼研究車牌識別過程中，對圖像進行二值化處理是尤其關(guān)鍵的，因為二值化的效果將直接影響到車牌定位、字符分割以及字符識別。圖像的二值化處理過程將會使原圖像損失很多有用的信息，所以在進行二值化預(yù)處理的過程中，非常關(guān)鍵的一步是經(jīng)過處理后能否保留原圖的主要特征，而正確選擇閾值起著至關(guān)重要的作用。對圖像二值化進行選取閾值有很多種方法，主要的方法一般可劃分為以下 3 大類：(1) 整體閾值法。它是指在對圖像進行二值化處理過程中只采用一個整體閾值的方法。它把原始圖像的每一個像素的灰度值與整體閾值 x 進行比較，若該像素的灰度值大于 x，就取其為白色；若小于 ，則取為黑色。假設(shè)原圖像 g0（n 0 ，m 0） ，其灰度值范圍是[k 1, km],在 k1和 km之間選擇一個合適的灰度值 x，二值化后的圖像 gk（n 0 ，m 0）可表示為 (31) ??????x),(,25),(ng000k (2)局部閾值法。指的是由當前的像素的灰度值與該值附近灰度值的局部灰度特征值來確定該像素的閾值。 (3) 動態(tài)閾值法。它的閾值選擇不但取決于該像素及其附近像素的灰度值，還與該像素的坐標位置有關(guān) [6]。圖像二值化程序以及結(jié)果：A=imread(39。灰度 .jpg39。)。B=im2bw(A,)。9 / 38subplot(1,1,1)。imshow(B)。圖 33(a) 灰度圖像圖 33(b) 二值化圖像 圖像增強 圖像增強的背景與定義圖像增強是圖像處理過程中常常使用的一種方法，它對提高圖像的質(zhì)量起著非常大的作用。在通常情況下，在拍攝時由于光照條件的影響，可能會導致拍攝出來的照片圖像太暗或者太亮；光學系統(tǒng)的失真、相對運動、大氣流動等都會導致圖像模糊，傳輸過程中將會導致各種噪聲，因此，輸10 / 38入圖像的視覺效果和識別等方面都可能有許許多多的問題。圖像增強,是指需要根據(jù)特定的突出形象與重要信息,刪除不需要信息。通過不同的途徑所拍攝的圖像，然后適當?shù)倪M行一些圖像增強處理，可以使原本模糊不清或無法辨認的圖像變得清晰并且富含大量有價值信息的圖像，并且可以有效地去除原圖像的是真部分、含有噪聲部分，增強圖像的邊緣部分。 圖像增強的意義圖像增強的目的是為了增強圖像的視覺效果，使增強后的圖像更適合人眼的識別、計算機識別分析以及處理。圖像增強常常要在人眼的視覺效果的幫助下，來獲取視覺效果更佳的圖像，只是一般情況下很少會涉及到客觀以及統(tǒng)一的評價標準。增強的效果通常都與原本的圖像有關(guān)，依靠人的主觀給予評價。圖像增強一般是一個比較矛盾的過程。圖像增強既希望能夠很好的去除噪聲又希望增強邊緣視覺效果。只可是，一旦增強了圖像的邊緣就會對圖像增加了噪聲，而去除噪聲又會使圖像邊緣變得不清晰，因此在進行圖像增強的時候，往往都是將去除噪聲和增強邊緣這兩部分進行折中，找一個效果比較好的函數(shù)來達到讓人滿意的增強目的。 直方圖圖像的直方圖是一種重要的統(tǒng)計方法，它類似于圖像灰度分布函數(shù)。一般情況下，要想得到精確的圖像的灰度密度函數(shù)是比較困難的，在實際情況中，可以用數(shù)字圖像灰度直方圖來代替。歸納起來，灰度直方圖主要有以下幾點性質(zhì) [7]：①直方圖中不包含位置信息（直方圖只是反應(yīng)了圖像灰度分布的特性，和灰度所在的位置沒有關(guān)系，不同的圖像可能具有相近11 / 38或者完全相同的直方圖分布） ；②直方圖反應(yīng)了圖像的整體灰度（直方圖反應(yīng)了圖像的整體灰度分布情況，對于暗色圖像，直方圖的組成集中在灰度級低（暗）的一側(cè)，相反，明亮圖像的直方圖則傾向于灰度級高的一側(cè)；③直方圖的可疊加性（一幅圖像的直方圖等于它各個部分直方圖的和） ；④直方圖具有統(tǒng)計特性（從直方圖的定義可知，連續(xù)圖像的直方圖是一位連續(xù)函數(shù)，它具有統(tǒng)計特征） ；⑤直方圖的動態(tài)范圍（直方圖的動態(tài)范圍是由計算機圖像處理系統(tǒng)的模數(shù)轉(zhuǎn)換器的灰度級決定） [8]。MATLAB 提供了 imhist 函數(shù)來計算和顯示灰度圖像的直方圖，灰度直方圖描述的是圖像中具有該灰度值的像素的個數(shù)，如圖 34 所示，(b)為圖像(a) 的灰度直方圖。程序如下：img=imread(39。39。)。p=rgb2gray(img)。h=imhist(p)。h1=h(1:2:256)。h2=1:2:256。stem(h2,h1,39。r39。)。figure,imhist(p)。圖 34(a) 原圖12 / 38圖 35(b) 直方圖當圖像的灰度對比度較小時，從灰度直方圖上可以看出有一小段密集的分布在灰度軸上一個區(qū)間上，比較暗的圖像的包含的像素灰度值都很低，所以它的灰度直方圖的主要部分分布在灰度值較低的那一小段區(qū)間上，而在灰度值較高的區(qū)間上的分布較少或基本沒有，較亮的圖像的灰度直方圖分布情況則正好相反。 直方圖均衡化 直方圖均衡化的背景在實際應(yīng)用中，無論采用哪種裝置輸入的采集的圖像，由于光照、噪聲等原因，圖像的質(zhì)量往往不能令人滿意。例如，檢測圖像的邊緣過于模糊；圖像的失真、變形等等。所以這些圖像常常需要采取一系列的方法來改善圖像以求達到更好的效果。圖像增強技術(shù)正是在此基礎(chǔ)上提出的。圖像增強處理方法可以根據(jù)圖像增強處理所處的空間不同，可分為基于空間域的增強方法和基于頻率域的增強方法兩類?？臻g域處理方法是在圖像像13 / 38素組成的二維空間里直接對每一個像素的灰度值進行處理，它可以是一幅圖像內(nèi)像素點之間的運算處理，也可以是數(shù)幅圖像間的相應(yīng)像素點之間的運算處理。頻率域處理方法是在圖形的變換域?qū)D像進行間接處理，其特點是先將圖像進行變換，在空間域?qū)D像作傅里葉變換得到它的頻譜，然后按照某種變化模型（如傅里葉變換）變換到頻率域，完成圖像由空間域變換到頻率域，然后在頻率域內(nèi)對圖像進行低通或高通頻率域濾波處理。處理完之后，再將其反變換到空間域。在圖像增強中，直方圖均衡化算法是空間域增強法中的最常用、也是最重要的算法之一。它以概率論為基礎(chǔ)，運用灰度點運算來實現(xiàn)直方圖的變換，進而達到增強圖像的目的。本文介紹的直方圖修正法可以通過對直方圖進行均勻化修正，可使圖像的灰度間距增大、灰度均勻分布、增大反差，使圖像變得更加清晰，更適合人眼的識別。 直方圖修正技術(shù)的基礎(chǔ)給定某一圖像的灰度級，當它經(jīng)過歸一化處理后，灰度值的范圍在[0,1]內(nèi)，此時可以對[0,1]區(qū)間內(nèi)的任意一個 r 值進行以下變換： s=T（ r） (32)也就是說，通過上述變換，每個原始圖像的像素值 r 都對應(yīng)產(chǎn)生一個s 值。變換函數(shù) T(r)應(yīng)該滿足以下兩個條件 [9]：（1）在 0≤ r≤1 區(qū)間內(nèi)， T(r)是單值單調(diào)遞增的；（2）對于 0≤ r≤1，有 0≤ T(r)≤1；從 s 到 r 的反函數(shù)可用式(33)表示，也同樣的滿足上述兩個條件 (33)1()rs??14 / 38通過概率論的理論可以讓我們知道，如果隨機變量 ξ 已知的概率密度為 Pr(r)，而隨機變量 η 是 ξ 的函數(shù)，即 η =T’(ξ )， η 的概率密度則為Ps(s)，所以可以由 Pr(r)求出 Ps(s)[10]。由于 s=T(r)是單調(diào)遞增的，因此，它的反函數(shù) r= T1(s)也是單調(diào)遞增的。在此情況下，當 η ﹤ s，且僅當 ξ ﹤ γ 時出現(xiàn)，因此可以求得隨機變量 η 的分布函數(shù)為： (34)())[]()rFsPsppxd????????再對式(34)兩邊進行求導，就可以得到隨即變量 η 的分布密度函數(shù) Ps(s)為： (35)11 1()()()()[()][()]()srr rrTsdddPpTsps ?? ???????由式(35)可知，對于連續(xù)情況，設(shè) Pr(r)和 Ps(s)分別表示原圖像和變換后圖像的灰度級概率密度函數(shù)， Ps(s)可由式(35)求出。 直方圖的均衡化直方圖均衡化過程如下：? 計算原圖像的灰度直方圖；? 計算原圖像的灰度圖像的灰度分布函數(shù)，然后求出灰度變換表；? 根據(jù)灰度變換表，將原圖像各灰度級映射為新的灰度級。在 MATLAB 中，imhist 函數(shù)可以實現(xiàn)直方圖均衡化。該命令對灰度圖像 I 進行變換，返回有 N 級灰度的圖像 J，J 中的每個灰度級具有大致相同的像素點，所以圖像 J 的直方圖較為平坦，當 N 小于 I 中灰度級數(shù)時，J 的直方圖更為平坦，缺省的 N 值為 64。 以下展示了直方圖均衡化的效果，程序見附錄 1。15 / 38 圖 36(a) 原始圖像 圖 36(b) 原始圖像直方圖 圖 36(c) 均衡化圖像 圖 36(d) 均衡化后直方圖通過對以上 4 幅圖進行比較分析可以看出，原始圖的灰度值分布范圍在是 100 到 150 之間比較密集，所以從整體上原圖像的對比度相對來說比較差，經(jīng)過直方圖均衡化處理后，灰度值幾乎是均勻的分布在 0 到 255 的范圍內(nèi)，圖像明暗分明，對比度相對來說比較好，圖像看起來也比較清晰明亮，所以通過直方圖均衡化處理后能夠很好的改善了原始圖的視覺效果。通過圖像可以看到均衡化的有點在于它能夠使得處理