【文章內容簡介】 的主要有三種： (1)灰度級校正。針對圖像成像不均勻如曝光不均勻，使圖像半邊暗半邊亮，對圖像逐點進行不同程度的灰度級校正 ,目的是使整幅圖像灰度均勻。 (2)灰度變換。針對圖像某一部分或整幅圖像曝光不足使用灰度變換，其目的是增強圖像灰度對比度。 (3)直方圖修正。能夠使圖像具有所需要的灰度分布，從而有選擇地突出所需要的圖像特征，來滿足人們的需要。 圖像濾波技術 在圖像采集 、傳輸過程中，由于輸入轉換器、周圍環(huán)境、電壓波動等多種因素的影響，圖像不可避免地含有各種各樣的隨機干擾信號，這些信號就是我們所講的噪聲，它們或與圖像內容有關，或無關。但相同的是都會導致圖像失真，使圖像模糊，甚至掩蓋圖像的重要特征，給后續(xù)的圖像分析和處理帶來不利影響。 圖像噪聲的種類很多，分類的標準也不少。例如，按其產生的原因可分為外部噪聲和基于 MATLAB 的圖像融合算法 內部噪聲；按噪聲服從的分布將其分為隨機噪聲（高斯噪聲）和椒鹽噪聲；根據噪聲與信號之間的關系分為加性噪聲和乘性噪聲等。針對不同的噪聲，其去噪方法大致可分為以下兩大類： (1)空域濾波去噪是指在空間域內對圖像像素的灰度值直接運算處理的方法。常用的空間濾波去噪方法主要有均值濾波、中值濾波、維納濾波以及空間域低通濾波法，其中，維納濾波是一種自適應的濾波方法，比一般的濾波器具有更好的選擇性，可以更好地保護圖像邊緣，尤其對加性高斯白噪聲的抑制效果很好。 在此簡單介紹兩種空域濾波法： (2)變換域去噪是指在圖像的某種變化域內，對源圖像經過變換后的系數進行相應處理，然后再進行反變換達到圖像去噪目的的一種方法。常用的去噪方法主要有頻率域低通濾波法和基于小波變換法，其中小波去噪的方法大致 可分為基于小波變換模極大值原理、相鄰尺度間小波系數相關性以及閾值法三大類。目前，基于小波變換的去噪方法尚處于不斷發(fā)展的階段，總體來說，去噪效果較好但計算非常復雜，不同的重構方法對信號重構的誤差影響很大，也會影響到去噪的效果。 鄰域平均法 鄰域平均法按 ),(),(),( yxhyxfyxg ?? 直接對圖像作低通濾波處理?？捎糜谙S機相加噪聲 。 常用的 ),( yxh （低通濾波器的脈沖響應函數）有 ??????????????????????????????121242121161,111121111101,11111111191 這里的作用域為 3 3，共有 9個像素灰度參加運算，用運算結果代替中心像素 ),( yx 的像素灰度。 根據需要，可選 用 55， 77等不同作用域的。矩陣中心的元素值占的比例越小，平滑作用越強，會使圖像越模糊； ),( yxh 的作用域越大，平滑作用越強，亦導致圖像越模糊。 原則：使矩陣的元素之和與其前面的系數相乘的結果為 1，以在平滑過程中處理結果的像素灰度不超過允許的像素最大灰度值。用這種方法作平滑處理，圖像四周圍邊緣的像素需特殊處理。 兩種特殊處理辦法（對 3 3的情形 ）： ① 把原圖像從 MN轉化為 （ M+2） （ N+2） ，所加大的兩行和兩列的像素灰度均取 0，然后對加大后的像素平滑處理，結果又舍去所加的兩行的零灰度信息，僅取 M N。 ② 不處理原始圖像 4個邊緣的像素，使處理后 4個邊緣的像素灰度保持原始灰度，或人為地賦予特殊灰度。 中值濾波 作為抑制噪聲的非線性處理方法，中值濾波是從一維信號處理的中值濾波技術發(fā)展而來的。 畢業(yè)設計 其原理是 在圖像畫面中開一個一維的小窗口，它應該包含奇數個像素，按像素的灰度值從小到大排列起來，然后用中間灰度值來代替原排列的中間像素的灰度值。窗口然 后從左到右移動，直到邊界。窗口下移一行，再從左到右進行。經過中值濾波變換后，某象素的輸出等于該象素鄰域中各象素灰度的中間灰度值。 其操作流程如下所示： 50， 60， 300， 100， 120， 80， 190，、 ↓→→ 順序排列象素灰度值 50,60,100,120,300, ↓ 用中間灰度值 100 代替原中間灰度值 300, 50,60,100,100,120,80,190，、 ↓ 右移窗口得 50， 60， 100， 100， 120， 80， 190，、 ↓→→ 順序排列象素灰度值 60， 80， 100， 100， 120 ↓ 中間灰度值 100 與原中間灰度值 100 相同，不用換 50， 60， 100， 100， 120， 80， 190，、 ↓ 右移窗口得 50， 60， 100， 100， 120， 80， 190， 、 這樣對圖像灰度的跳躍有平滑效果。 考慮到一般 圖像在兩維方向上均具有相關性，因此，活動窗口一般選為兩維窗口（如3 3， 5 5 或 7 7 等），窗口形狀常 用： 圓形方形十字形方形 55335555 ???????????????????????????????????????????????????????????? 圖像配準 圖像配準概述 圖像配準（或圖像匹配）是評價兩幅或多幅圖像的相似性以確定同名點的過程。圖像配準算法就是設法建立兩幅圖像之間的對應關系 ,確定相應幾何變換參數 ,對兩幅圖像中的一幅進行幾何變換的方法。 像配準的一般過程是在多源圖像數據經過嚴密的幾何糾正處理、改正了系統誤差之后，將影像投影到同一地面坐標系統上，然后在各影像上 選取少量的控制點，通過特征點的自動選取或是計算其間的相似性、粗略配準點的估計位置、精確確定配準點以及估計配準變換參數等處理，從而實現影像的精確配準。 按照配準算法所利用的圖像信息，可以分為 以下兩類 （ 1） 基于灰度的圖像配準方法。該類方法直接利用整幅圖像的灰度度量兩幅圖像之間的相似性，然后采用搜索方法尋找使相似性度量最大或最小值點，從而確定兩幅圖像之間的變換模型參數。該方法不需要對圖像作特征提取，直接利用全部可用的圖像灰度，提高了配準算法的估計精度和魯棒性，但是由于匹配點周圍區(qū)域的點的灰度都參與計算，因此，其 計算量大，速度慢。 基于 MATLAB 的圖像融合算法 (2)基于圖像特征的圖像配準方法。將從圖像灰度中提取出來的某些顯著特征作為匹配基元，用于匹配的特征通常為點、線、區(qū)域等。算法過程主要分為特征提取和特征匹配。在特征匹配前，首先要從待匹配的多幅圖像中提取出灰度變化明顯的點、線、區(qū)域等特征，組成特征集。然后，在各幅圖像所對應的特征集中利用特征匹配算法盡可能的將存在匹配關系的特征對選擇出來。對于非特征像素點利用插值等方法處理，推算出對應的匹配關系，從而實現多幅圖像之間逐像素的配準。由于提取了圖像的顯著特征，大大壓縮了信息的數據量，同時較好的保持 了圖像的位移、旋轉、比例等方面的特征，因此，該方法在匹配時計算量小、速度快，是較為實用的方法。 按自動化程度可以分為人工、半自動和全自動三種類型 。 手動圖像配準 我們可以利用 Matlab 自帶的圖像處理工具箱來完成配準需要。 圖像處理工具箱（ Matlab Image Processing Toolbox） 提供 了 一套全方位的參照標準算法和圖形工具，用于進行圖像處理、分析、可視化和算法開發(fā)?？捎闷鋵τ性雸D像或退化圖像進行去噪或還原、增強圖像以獲得更高清晰度、提取特征、分析形狀和紋理以及對兩個圖 像進行匹配。 利用 Matlab Image Processing Toolbox 中的圖像配準工具實現線性正投影、仿射、投影、多項式、分段線性、局部加權平均配準的過程。 （ 1） 手動選擇匹配點對 該工具箱提供的配準方法均需手工選擇圖像間的匹配點對（ control points pair），均屬于交互配準方法。 假設 input image（輸入圖像）為欲進行配準的圖像， base image 為配準是的參考圖像。以下是我參考 matlab 幫助給出了簡介。 1．線性正投影（ linear conformal）：最簡單。平 面映射成平面。 當輸入輸入圖像與參考圖像對比，只是存在全局的平移、旋轉、縮放或其三者組合的差別時（正方形仍對應正方形），選擇此配準方法。此方法至少需要 2對匹配點。 2．仿射（ affine）：將平行線轉換成平行線。 當輸入圖像形狀存在切變現象（正方形對應平行四邊形），選此法。至少需 3對匹配點。 3．投影（ projective）：將直線映射成直線。 如果輸入圖像呈現傾斜，翹起現象，選此法。至少需 4對匹配點。 4．多項式（ polynomial）：將直線映射成曲線。 如果輸入圖像出現不規(guī)則曲變，采用此法。 Matlab 中提供有 4 次冪的實現，分別至少需要 6， 10， 10 對匹配點。 5．分段線性（ piecewise linear） 如果輸入圖像的各個局部之間的退化模式明顯不一樣，選此法。至少需要 4對匹配點。 6．局部加權平均（ local weighted mean） 與分段線性一致，但效果較之好。至少需要 6 對（推薦 12 對）匹配點。 （ 2） 手動配準的 基本過程 如下圖所示： 畢業(yè)設計 讀 入 圖 像 數 據在 兩 幅 圖 像 上 手 動 選 擇 足 夠的 匹 配 點選 擇 匹 配 算 法 ， 計算 變 換 參 數變 換 圖 像 圖 21 手動圖像配準一般流程 基于圖像特征的匹配算法 Harris角點檢測算法 角點是二維圖像亮度變化劇烈或圖像邊緣曲線上曲率極大值的點，它決定了目標的輪廓特征，被廣泛應用于攝像機標定、虛擬場景重建、運動估計、圖像配準等計算機視覺處理任務中，這些點在保留圖像圖形重要特征的同時，可以有效地減少信息的數據量，使得實時處理成為可能。 Harris 角點檢測算法基本原理描述如下：建立下面矩陣 M： 22( ) ( ) ( )( ) ( ) ( )I I Ix x yMI I Ix y y? ? ?????? ? ?? ? ? ???? ? ??? 其中 I（ x， y）是亮 度值，這里用灰度表示。通過分析上面矩陣可以看出如果在一點上矩陣 M 的兩個特征值很大，則在該點向任意方向上的一個很小的移動都會引起灰度值的較大變化。這也就說明該點是一個角點。計算角點的函數如下： 2det ( )R M k trace M?? （ ） 其中 k 參數設為 （ Harris 設定的最優(yōu)參數）。 令 A= 2()Ix?? ， B= 2()Iy??， C= ()Ix?? ， D=()Iy?? 則矩陣 ABMCB??????? Ix?? 表示圖像 I 在 x 方向的導數 ， Iy?? 表示圖像在 y 方向的導數。求出 R 的值，若為正則對應點為角點，若為負則是一般邊界點。 該算法易受噪聲的影響。為了減小噪聲的干擾，在對圖像進行偏導計算以后用高斯濾波器對數據進行平滑。按此方法求出的角點數量很多。為了減少匹配計算量，可以對想要獲得 的角點數量進行限制。限制方法是確定一個閾值，僅僅選取 R 值大于這個閾值的點作為角點。這個閾值根據需要的檢點數量來確定。 基于 MATLAB 的圖像融合算法 第三章 圖像融合 常用的像素級圖像融合方法有： (l)空域融合方法 :①加權平均法 ； ②像素灰度值取大 /小法 ； ③主分量法 (PCA)。 (2)變換域融合方法 :① IHS 變換法 ；②小波變換法 加權平均融合法 空域 法是把圖像看作是平面中各個像素組成的集合，然后直接對這一二維函數進行相應的處理。 加權平均方法將源圖像對應像素的灰度值進行加權平均，生成新的圖像，它是最直接的融合方法。 其中平均方法是加權平均的特例，使用平均方法進行圖像融合，提高了融合圖像的信噪比，但削弱了圖像的對比度，尤其對于只出現在其中一幅圖像上的有用信號。 假設參加融合的兩個圖像分別為 A、 B，圖像大小為 M N，經融合后得到融合圖像 C，那么，對 A、 B兩個源圖像的像素灰度值加權平均融合過程可以表示為 : C(n1,n2)=ω1A(nl,n2)+ω2B(nl,n2) (21) 式中 : n1 表示圖像中像素的行號， nl=l， 2， 3， ...……M。 n2 表示圖像中 像素的列號， n2=1， 2， 3， ...……N。 ω1 表示加權系數 1； ω2表示加權系數 2； 通常 ω 1+ω 2=1。 圖像灰度值的平均可看作是灰度值加權平均的特例，即 ω 1=ω 2=。 加權平均法的優(yōu)點是簡單直