【文章內容簡介】 。確切地說它們分別稱為照度成分 ),( yxi 和反射成分 ),( yxr 。),( yxf 與 ),( yxi 和 ),( yxr 都成正比， 可表示成 ),( yxf ＝ ),( yxi ),( yxr 。 將二維坐標位置函數(shù) ),( yxf 稱為灰度。入射光照射到物體表面的能量是有限的，并且它永遠為正，即 0 ),( yxi ? ；反射系數(shù)為 0時，表示光全部被物體吸收，反射系數(shù)為 1時，表示光全部被物體反射，反射系數(shù)在全吸收和全反射之間，即 0 ),( yxr 1。因此圖像 的灰度值也是非負有界的。 灰度直方圖 灰度直方圖是數(shù)字圖像處理中一個最簡單、最有用的工具，它反映了數(shù)字圖像中每一灰度級與其出現(xiàn)頻率之間的統(tǒng)計關系?？梢杂嗅槍π缘赝ㄟ^改變直方圖的灰度分布狀況，使灰度均勻地或按預期目標分布于整個灰度范圍空間，從而達到圖像增強的效果。 數(shù)字圖像增強概述 隨著數(shù)字技術的不斷發(fā)展和應用，現(xiàn)實生活中的許多信息都可以用數(shù)字形式 5 的數(shù)據進行處理和存儲，數(shù)字圖像就是這種以數(shù)字形式進行存儲和處理的圖像。利用計算機可以對它進行?，F(xiàn)圖像處理技術所不能實現(xiàn)的加工處理，還可以將它在網上 傳輸，可以多次拷貝而不失真。數(shù)字圖像處理亦稱為計算機圖像處理，指將圖像信號轉換成數(shù)字格式并利用計算機對其進行處理的過程。 數(shù)字圖像處理系統(tǒng)主要由圖像采集系統(tǒng)、數(shù)字計算機及輸出設備組成。 如圖 。 模擬圖像 圖像采集系統(tǒng) 計算機 圖像輸出設備 圖 圖像處理系統(tǒng)組成圖 圖 ，圖中并沒有顯示出軟件系統(tǒng)，在圖像處理系統(tǒng)中軟件系統(tǒng)同樣是非常重要的。在圖像獲取的過程中，由于設備的不完善及光照等條件的影響，不可避免地會 產生圖像降質現(xiàn)象。影響圖像質量的幾個主要因素是： (1)隨機噪聲，主要是高斯噪聲和椒鹽噪聲，可以是由于相機或數(shù)字化設備產生，也可以是在圖像傳輸過程中造成的； (2)系統(tǒng)噪聲，由系統(tǒng)產生，具有可預測性質； (3)畸變，主要是由于相機與物體相對位置、光學透鏡曲率等原因造成的，可以看作是真實圖像的幾何變換。 數(shù)字圖像處理流程如圖 ，從一幅或是一批圖像的最簡單的處理，如特征增強、去噪、平滑等基本的圖像處理技術，到圖像的特征分析和提取，進而產生對圖像的正確理解或者遙感圖像的解譯，最后的步驟可以是通過專家的視覺解譯，也可以是在圖像處理系統(tǒng)中通過一些知識庫而產生的對圖像的理解。 原始圖像 預處理 特征分析 圖像理解 圖 圖像處理流程圖 6 圖像增強概述 圖像增強的定義 圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息的處理方法，也是提高圖像質量的過程。圖像增強的目的是使圖像的某些特性方面更加鮮明、突出，使處理后的圖像更適合人眼視覺特性或機器分析，以便于實現(xiàn)對圖像的更高級的處理和分析。圖像增強的 過程往往也是一個矛盾的過程：圖像增強希望既能去除噪聲又增強邊緣。但是，增強邊緣的同時會同時增強噪聲，而濾去噪聲又會使邊緣在一定程度上模糊，因此，在圖像增強的時候，往往是將這兩部分進行折中，找到一個好的代價函數(shù)達到需要的增強目的。傳統(tǒng)的圖像增強算法在確定轉換函數(shù)時常是基于整個圖像的統(tǒng)計量，如： ST轉換，直方圖均衡，中值濾波，微分銳化，高通濾波等等。這樣對應于某些局部區(qū)域的細節(jié)在計算整幅圖的變換時其影響因為其值較小而常常被忽略掉，從而局部區(qū)域的增強效果常常不夠理想，噪聲濾波和邊緣增強這兩者的矛盾較難得到解決。 常用的圖像增強方法 圖像增強可分成兩大類：頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。 圖像增強的方法是通過一定手段對原圖像附加一些信息或變換數(shù)據，有選擇地突出圖像中感興趣的特征或者抑制 (掩蓋 )圖像中某些不需要的特征，使圖像與視覺響 應特性相匹配。在圖像增強過程中，不分析圖像降質的原因，處理后的圖像不一定逼近原始圖像。圖像增強技術根據增強處理過程所在的空間不同，可分為基于空間域的算法和基于頻率域的算法兩大類?；诳臻g域的算法處理時直接對圖像灰度級做運算；基于頻率域的算法是在圖像的某種變換域內對圖像的變換系數(shù)值進行某種修正，是一種間接增強的算法。 基于空間域的算法分為點運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態(tài)范圍，擴展對比度。鄰域增強算法分為圖像平滑和銳化兩種。平滑一般 用于消除圖像噪 7 聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。銳化的目的在于突出物體的邊緣輪廓，便于目標識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計差值法等。 (1)直方圖均衡化 有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細節(jié)看不清楚。這時可以通過直方圖均衡化將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級變大，通過調整圖像灰度值的動態(tài)范圍，自動地增加整個圖像的對比度，使圖像具有較大的反差，細節(jié)清晰。 (2)對比度增強法 有些圖像的對比度比較低，從而使整個圖像模糊不清。 這時可以按一定的規(guī)則修改原來圖像的每一個像素的灰度，從而改變圖像灰度的動態(tài)范圍。 (3)平滑噪聲 有些圖像是通過掃描儀掃描輸入或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機產生的，因此具有分布和大小不規(guī)則性的特點。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。圖像平滑就是針對圖像噪聲的操作，其主要作用是為了消除噪聲，圖像平滑的常用方法是采用均值濾波或中值濾波，均值濾波是一種線性空間濾波，它用一個有奇數(shù)點的掩模在圖像上滑動，將掩模中心對應像素點的灰度值用掩模內所有像素點灰度的平 均值代替，如果規(guī)定了在取均值過程中掩模內各像素點所占的權重，即各像素點所乘系數(shù)，這時就稱為加權均值濾波；中值濾波是一種非線性空間濾波，其與均值濾波的區(qū)別是掩模中心對應像素點的灰度值用掩模內所有像素點灰度值的中間值代替。 8 圖像增強流程圖 開始 輸入圖像 預處理 增強算法處理 得到預期結果 Y 保存退出 結束 圖 23 圖像增 強流程圖 本章小結 本章主要是介紹關于圖像增強的基本理論，對圖像增強的中的一些概念就行了闡述，介紹了一些常用的圖像增強的方法 ，同時，對圖像增強的流程做了大體上的介紹。 N 9 3 圖像增強方法與原理 直方圖變換 直方圖修正基礎 圖像的灰度直方圖是反映一幅圖像的灰度級與出現(xiàn)這種灰度級的概率之間的關系的圖形。 灰度級為 [0,L1]范圍的數(shù)字圖像的直方圖是離散函數(shù) h(kr )=kn ，這里 kr是第 k級灰度， kn 是圖像中灰度級為 kr 的像素個數(shù)。通常以圖像中像素數(shù)目的總和 n去除他的每一個值，以得到歸一化的直方圖，公示如下： nnrP kk /)( ? k=0,1,2,?,L 1 且 ??? ?11 1)(LK krP 因此 )(krP 給出了灰度級為 kr 發(fā)生的概率估計值。歸納起來，直方圖主要有一下幾點性質： （ 1）直方圖中不包含位置信息。直方 圖只是反應了圖像灰度分布的特性，和灰度所在的位置沒有關系，不同的圖像可能具有相近或者完全相同的直方圖分布。 （ 2）直方圖反應了圖像的整體灰度。直方圖反應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，相反，明亮圖像的直方圖則傾向于灰度級高的一側。直觀上講，可以得出這樣的結論，若一幅圖像其像素占有全部可能的灰度級并且分布均勻，這樣的圖像有高對比度和多變的灰度色調。 （ 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，例如矩、絕對矩、中心矩、絕對中心矩、熵。 （ 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)轉換器的灰度級決定。由于圖像的視覺效果不好或者特殊需要，常常要對圖像的灰度進行修正，以達到理想的效果，即對原始圖像的直方圖進行轉換（修正）： 一幅給定的圖像的灰度級分布在 0≤ r≤ 1 范圍內。可以對 [0,1]區(qū)間內的任何一個 r進行如下的變換： 10 s=T(r) 變換函數(shù) T 應滿足以下條件： 0≤ r≤ 1區(qū)間內， )(rT 單值單調 增加； 0≤ r≤ 1，有 0≤ )(rT ≤ 1。 這里的第一個條件保證了圖像的灰度級從白到黑的次序不變。第二個條件則保證了映射變換后的像素灰度值在允許的范圍內。滿足這兩個條件，就保證了轉換函數(shù)的可逆。 直方圖均衡化 直方圖均衡化方法是圖像增強中最常用、最重要的方法之一。直方圖均衡化是把原圖像的直方圖通過灰度變換函數(shù)修正為灰度均勻分布的直方圖，然后按均衡直方圖修正原圖像。它以概率論為基礎，運用灰度點運算來實現(xiàn)，從而達到增強的目的。它的變換函數(shù)取決于圖像灰度直方圖的累積 分布函數(shù)。概括的說，就是把一已知灰度概率分布的圖像，經過一種變換，使之演變成一幅具有均勻概率分布的新圖像。有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細節(jié)看不清楚。這時可以將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級變大。當圖像的直方圖為一均勻分布時，圖像的信息熵最大，此時圖像包含的信息量最大，圖像看起來就顯得清晰。 直方圖均衡化變換函數(shù)如圖 所示，設 r， s 分別表示原圖像和增強后圖像的灰度。為了簡單，假定所有像素的灰度已被歸一化。當 r=s=0 時，表示黑色；當 r=s=1 時，表示白色；當 r， s 在 [0,1]之間時，表示像素灰度在黑白之間變化?；叶茸儞Q函數(shù)為： s=T(r)。 s 1 S=T（ r） Sr 0 rk 1 r 圖 直方圖均衡化變換函數(shù) 11 實際上，由于直方圖是近似的概率密度函數(shù)，用離散灰度級作變換時很少能夠得到完全平坦的結果，而且，變換后往往會出現(xiàn)灰度級減少的現(xiàn)象，這種現(xiàn)象被稱為 “ 簡并 ” 現(xiàn)象 。這是像素灰度有限的必然結果。由于上述原因，數(shù)字圖像的直方圖均衡只