數(shù)字圖像處理論文正稿(編輯修改稿)
2025-07-25 13:45 本頁面
【文章內(nèi)容簡介】 程度。因此在利用傳統(tǒng)直方圖均衡化方法對圖像進行增強時，就不一定能保證我們所感興趣的小區(qū)域得到所期望的增強效果。為解決這一問題，引入了局部直方圖均衡化。局部直方圖均衡化方法以傳統(tǒng)直方圖均衡化方法為基礎(chǔ)，對圖像中每個像素點所在的領(lǐng)域范圍即滑動窗口求出灰度轉(zhuǎn)換函數(shù)，然后僅僅應(yīng)用在該中心點處。[4]局部直方圖均衡化與傳統(tǒng)的直方圖均衡化相比，有兩點不同：[4](1) 算法復(fù)雜度遠(yuǎn)遠(yuǎn)高于全局直方圖均衡化。(2) 它的轉(zhuǎn)換不是對相關(guān)局部區(qū)域內(nèi)所有像素進行的，而是只對中心像素進行轉(zhuǎn)換。局部直方圖均衡化主要存在兩個缺點，即算法復(fù)雜度高；領(lǐng)域窗口大小的確定要通過手工操作進行不斷的嘗試，操作不便。正因為如此，有很多人提出了不同的直方圖均衡增強的改進算法。傳統(tǒng)直方圖均衡算法是一個經(jīng)典的圖像增強算法，但是增強之后的圖像存在著細(xì)節(jié)丟失和噪聲較大的不足。冪次變化可以有效地均衡圖像的亮度，不足之處是對不度低，細(xì)節(jié)不明顯。結(jié)合直方圖均衡和冪次變換的優(yōu)勢。有人提出了基于直方圖均衡和冪次變換的光照不均勻圖像增強算法。[5]具體步驟如圖1所示 圖1 基于直方圖均衡和冪次變換圖像增強算法流程圖 對原始圖像分別進行直方圖均衡化和冪次變換的處理，然后再進行非線性疊加，得到最終結(jié)果。其實驗結(jié)果和數(shù)據(jù)表明，該算法調(diào)整了圖像的整體亮度，增強了圖像對比度，增強了圖像的暗部細(xì)節(jié)，基本保留了圖像的亮部細(xì)節(jié)，同時有效地抑制了噪聲，具有較好的增強效果。且該算法具有算法簡單、執(zhí)行效率較高的特點。所謂偽彩色處理是指通過將每一個灰度級匹配到彩色空間上的一點，將單彩色圖像映射為一幅彩色圖像的一種變換?？蓪茨撤N規(guī)則生成的映射存儲在查找表中，從而簡單的給每個灰度級賦一彩色?；叶确謱邮莻尾噬幚砑夹g(shù)中最簡單的一種。設(shè)一副灰度圖像，在某一個灰度級上設(shè)置一個平行于xy平面的切割平面。則灰度圖像值有兩個灰度級，對切割平面以下的像素分配給一種顏色，對切割平面以上的像素分配給另一種顏色。這樣切割結(jié)果就可以將灰度圖像變?yōu)橹挥袃蓚€顏色的偽彩色圖像。[6]如果將灰度圖像級用M個切割平面去切割，就會得到M+1個不同灰度級的區(qū)域。對這M+1個區(qū)域的像素人為分配給M+1種不同的顏色，就可以得到具有M+1種顏色的偽彩色圖像?；叶确謱拥挠悬c是簡單易行，便于用軟件或硬件實現(xiàn)。[6]經(jīng)過大量實驗發(fā)現(xiàn)，單一的增強方法對圖像進行處理并不能得到滿意的結(jié)果，于是有人選擇采用混合空間法對圖像進行增強。具體步驟為將圖像從RGB空間轉(zhuǎn)換到HSI空間，先對I分量進行拉普拉斯變化，突出圖像中的小細(xì)節(jié)。再對I分量進行梯度變化，突出圖像邊緣。再將拉普拉斯變換后的結(jié)果與梯度變換后的結(jié)果相乘，目的是而為了將兩種結(jié)果在邊緣和細(xì)節(jié)上進行互補，用原圖像減去相乘后的結(jié)果得到混
化學(xué)相關(guān)推薦
鄂ICP備17016276號-1