【正文】 感興趣的區(qū)域，從而更加容易對圖像中感興趣的目標進行檢測和測量。圖像增強的目的是增強圖像的視覺效果，將原圖像轉(zhuǎn)換成一種更適合于人眼觀察和計算機分析處理的形式。增強寶雞文理學(xué)院 20xx 屆本科生畢業(yè)設(shè)計 5 的效果通常都與具體的圖像有關(guān)系，靠人的主觀感覺加以評價。如對 x 射線圖片、 CT 影像、內(nèi)窺鏡圖像進行增強，使醫(yī)生更容易從中確定病變區(qū)域，從圖像細節(jié)區(qū)域中發(fā)現(xiàn)問題 ；對不同時間拍攝的同一地區(qū)的遙感圖片進行增強處理，偵查是否有敵人軍事調(diào)動或軍事裝備及建筑出現(xiàn) ； 在煤礦工業(yè)電視系統(tǒng)中采用增強處理來提高工業(yè)電視圖像的清晰度，克服因光線不足、灰塵等原因帶來的圖像模糊、偏差等現(xiàn)象，減少電視系統(tǒng)維護的工作量。 課題的主要內(nèi)容 圖像增強的過程往往也是一個矛盾的過程：圖像增強希望既去除噪聲又增強邊緣。 傳統(tǒng)的圖像增強算法在確定轉(zhuǎn)換函數(shù)時常是圖像變換、灰度變換、直方圖變換、圖像平滑與銳化、色彩增強等。本文 著重研究了這些增強方法對圖像進行增強處理，針對圖像增強的普遍性問題，研究和實現(xiàn)常用的圖像增強方法及其算法， 并對直方圖均衡法做 Matlab 實例。 數(shù)字圖像的基本概 念 數(shù)字圖像的表示 圖像并不能直接用計算機來處理，處理前必須先轉(zhuǎn)化成數(shù)字圖像。 由于從外界得到的圖像多是二維 （ 2D） 的，一幅圖像可以用一個 2D 數(shù)組),( yxf 表示。為了能夠用計算機對圖像進行處理，需要坐標空間和性質(zhì)空間都離散化。圖像中的每個基本單元稱為圖像那元素，簡稱像素。亮度是觀察者對所看到的物體表面反射光強的量度。人們?nèi)粘？吹降膱D像一般是從目標上反射出來的光組成的，所以 ),( yxf 可看成由兩部分構(gòu)成：入射到可見場景上光的量 ； 場景中目標對反射光反射的 比率。),( yxf 與 ),( yxi 和 ),( yxr 都成正比，可表示成 ),( yxf ＝ ),( yxi ),( yxr 。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。 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(guān)系。 灰度直方圖是灰度值的函數(shù)，描述的是圖像中具有該灰度值的像素的個數(shù)，如圖 所示， （ b） 為圖像 （ a） 的灰度直方圖，其橫坐標表示像素的灰度級別，縱坐標表示該灰度出現(xiàn)的頻率（像素的個數(shù)）。利用計算機可以對它進行常現(xiàn)圖像處理技術(shù)所不能實現(xiàn)的加工處理，還可以將它在網(wǎng)上傳輸，可以多次拷貝而不失真。這項技術(shù)最早出現(xiàn)于 20 世紀 50 年代，當時的數(shù)字計算機己經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息。 1964 年，美國噴氣推進實驗室利用計算機對太空船發(fā)回的月球圖像信息進行處理，收到明顯的效果，不久 ，一門稱為數(shù)字圖像處理的新學(xué)科便誕生了，而且很快便對通訊、電視傳輸、醫(yī)學(xué)、印染工業(yè)、工業(yè)檢測及科學(xué)研究領(lǐng)域產(chǎn)生了重大影響。如圖 所示。在圖像獲取的過程中，由于設(shè)備的不完善及光照等條件的影響，不可避免地會產(chǎn)生圖像降質(zhì)現(xiàn)象。 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(shù)，到圖像的特征分析和提取，進而產(chǎn)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寶雞文理學(xué)院 20xx 屆本科生畢業(yè)設(shè)計 9 解譯，也可以是在圖像處理系統(tǒng)中通過一些知識庫而產(chǎn)生的對圖像的理解。到目前為止，圖像處理在圖像通訊、辦公自動化系統(tǒng)、地理信息系統(tǒng)、醫(yī)療設(shè)備、衛(wèi)星照片傳輸及分析和工業(yè)自動化領(lǐng)域的應(yīng)用越來越多。 California大學(xué)的 Tony chen教授認為，目前國際上最常用的三種圖像處理框架是 ： 基于變換的圖像處理框架；基于偏微分方程 （ PDE） 的圖像處理框架；基于統(tǒng)計學(xué) 的圖像處理框架。事實上，除了這三種工具以外，數(shù)學(xué)形態(tài)學(xué)、神經(jīng)網(wǎng)絡(luò)等學(xué)科在圖像去噪及圖像分割方面也存在特有的優(yōu)勢。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。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。這樣對應(yīng)于某些局部區(qū)寶雞文理學(xué)院 20xx 屆本科生畢業(yè)設(shè)計 10 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。圖像增強技術(shù)主要包含直方圖 均衡化 、 對比度增強 、平滑噪聲 和 銳化 等。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(diào)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。這時可以按一定的規(guī)則修改原來圖像的每一個象素的灰度，從而改變圖像灰度的動態(tài)范圍 。圖像中往往包含有各種各樣的噪聲。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。 （ 4） 銳化 平滑噪聲時經(jīng)常會使圖像的邊緣變的模糊，針對平均和積分運算使圖像模糊，可對其進行反運算采取微分算子使用模板和統(tǒng)計差值的方法，使圖像增強銳寶雞文理學(xué)院 20xx 屆本科生畢業(yè)設(shè)計 11 化。 圖像增強的現(xiàn)狀與應(yīng)用 計算機圖像處理的發(fā)展歷史不長，但已經(jīng)引起了人們的重視。 1964年美國加州理工學(xué)院的噴氣推進實驗室，首次對徘徊者 7號太空飛船發(fā)回的月球照片進行了處理，得到了前所未有的清晰圖像，這標志著圖像處理技術(shù)開始得到實際應(yīng)用。 80年代進入普及期，此時微機己經(jīng)能夠承擔起圖形圖像處理的任務(wù)。 90年代是圖像處理技術(shù)實用化時期，圖像處理的信息量巨大，對處理的速度要求極高。 目前，許多新的增強算法都充分利用了周圍鄰域這一重要的信息，形成了很多局部處理的灰度調(diào)整算法，該方法主要利用了鄰域的統(tǒng)計特 性。近年來，模糊集合理論在圖像處理中得到了廣泛的應(yīng)用。 Russoti提出的自適應(yīng)模糊濾波算子可以較好的保護圖像細節(jié)和濾除高斯噪聲，其算法中窗口的大小由鄰 域一致性程度決定，該一致性程度由一個模糊邏輯規(guī)則導(dǎo)出。對圖像進行多尺度小波變換后，不同頻率的信號出現(xiàn)在不同尺度的子帶圖像上，有了這些特性就能很好的對感興趣的部分寶雞文理學(xué)院 20xx 屆本科生畢業(yè)設(shè)計 12 進行增強。 通過采取適當?shù)脑鰪娞幚砜梢詫⒃灸：磺迳踔粮緹o法分辨的原始圖片處理成清楚、明晰的富含大量有用信息的可使用圖像 ，因此圖像增強技術(shù)在許多領(lǐng)域得到廣泛應(yīng)用。迄今為止，圖像增強技術(shù)己經(jīng)廣 泛用于軍事、地質(zhì)、海洋、森林、醫(yī)學(xué)、遙感、微生物以及刑偵等方面 。在圖像增強過程中，不分析圖像降質(zhì)的原因，處理后的圖像不一定逼近原始圖 像。因此，對于計算機來說，要對圖像進行處理，并不是一件容易的事情。這種變換就是所謂的圖像變換。如傅立葉變換后平均值正比于圖像灰度的平均值，高頻分量則表明了圖像中目標邊 緣的強度和方向，利用這些性質(zhì)可以從圖像中抽取出特征；又如在變換域中，圖像能量往往集中在少數(shù)項上，或者說能量主要集中在低頻分量上，這時對低頻成分分配較多的比特數(shù)，對高頻成分分配較少的比特數(shù)，即可實現(xiàn)圖像數(shù)據(jù)的壓縮編碼。 離散沃爾什變換 由于傅立葉變換的變換核由正弦 余弦函數(shù)組成，運算速度受影響 。 Walsh Transform矩陣簡單，只有 1和－ 1，矩陣容易產(chǎn)生，有快速算法。 灰度變換 灰度變換可使圖像動態(tài) 范圍增大，對比度得到擴展，使圖像清晰、特征明顯，是圖像增強的重要手段之一?；叶茸儞Q不改變圖像內(nèi)的空間關(guān)系，除了灰度級的改變是根據(jù)某種特定的灰度變換函數(shù)進行之外，可以看作是“從像素到像素”的復(fù)制操作。一旦灰度變換函數(shù)確定，該灰度變換就被完全確定下來。雖然它們對圖像的處理效果不同，但處理過程中都運用了點運算，通?？煞譃榫€性變換、分段線性變換、非線性變換。則對于圖像中的任一點的灰度值 P(x,y)，變換后為g(x,y)，其數(shù)學(xué)表達式如下所示 [1]。采用線性變換對圖像中每一個像素灰度作線性拉伸，將有效改善圖像視覺效果。進行變換時，把 0255整個灰度值區(qū)間分為若干線段，每一個直線段都對應(yīng)一個局部的線性變換關(guān)系。 圖 二段線性變換 非線性變換 非線性變換就是利用非線 性變換函數(shù)對圖像進行灰度變換，主要有指數(shù)變換、對數(shù)變換等。為了增加變換的動態(tài)范圍，在上述一般公式中可以加入一些寶雞文理學(xué)院 20xx 屆本科生畢業(yè)設(shè)計 17 調(diào)制參數(shù)，以改變變換曲線的初始位置和曲線的變化速率。指數(shù)變換用于擴展高灰度區(qū)，一般適于過亮的圖像。為了增加變換的動態(tài)范圍，在上述一般公式中可以加入一些調(diào)制參數(shù)，這時的變換公式為： cb yxfayxg ln ]1),(ln [),( ? ??? () 式中 a， b， c都是可以選擇的參數(shù)，式中 f(x,y)+1是為了避免對 0求對數(shù)，確保 0]1),(ln[ ??yxf 。對數(shù)變換用于擴展低灰度區(qū)，一般適用于過暗的圖像。 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)。歸納起來，直方圖主要有一下幾點性質(zhì)： （ 1） 直方圖中不包含位置信息。 （ 2） 直方圖反應(yīng)了圖像的整體灰度。直觀上講，可以得出這樣的結(jié)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(diào)。一幅圖像的直方圖等于它各個部分直方圖的和。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。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?？梢詫?[0,1]區(qū)間內(nèi)的任何一個 r進行如下的變換： s=T(r) () 變換函數(shù) T應(yīng)滿足以下條件： 0≤ r≤ 1區(qū)間內(nèi)， )(rT 單值單調(diào)增加； 0≤ r≤ 1，有 0≤ )(rT ≤ 1。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(nèi)。 寶雞文理學(xué)院 20xx 屆本科生畢業(yè)設(shè)計 19 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。它以概率論為基礎(chǔ)，運用灰度點運算來實現(xiàn)，從而達到增強的目的。概括的說，就是把一已知灰度概率分布的圖像，經(jīng)過一種變換，使之演變成一幅具有均勻概率分布的新圖像。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。 直方圖均衡化變換函數(shù)如圖 ，設(shè) r， s分別表示原圖像和增強后圖像的灰度。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。 圖 直方圖均衡化變換函數(shù) 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(jié)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。由于上述原因，數(shù)字圖像的直方圖均衡 只能是近似的。減少簡并現(xiàn)象通?？刹捎脙煞N方法：一種簡單的方法是增加像素的比特數(shù)。另外，采用灰度間隔放大理論的直方圖修正方法也可以減少簡并現(xiàn)象。一般實現(xiàn)方法采用如下幾步： （ 1）統(tǒng)計原始圖像的直方圖； （ 2）根據(jù)給定的成像系統(tǒng)的最大動態(tài)范圍和原始圖像的灰度級來確定處理 后的灰度級間隔； （ 3）根據(jù)求得的步長來求變換后的新灰度； （ 4）用處理后的新灰度代替處理前的灰度。這樣，在很多特殊的情況下，需要變換后圖像的直方圖具有某種特定的曲線，例如對數(shù)和指數(shù)等，直方圖規(guī)定化可以解決這一問題。 先對原始圖像進行直方圖均衡化處理，即： ??? r r dvvprTs 0 )()( () 假定已經(jīng)得到了所希望的圖像，并且它的概率密度函數(shù)是 )(zpz 。其中（ ）的逆 過程為 )(1 UGz ?? ，則如果用從原始圖像中得到的均勻灰度級 S來代替逆過程中的 u，其結(jié)果灰度級將是所要求的概率密度函數(shù) )(zpz 的灰度級： )()( 11 sGuGz ?? ?? () 根據(jù)以上思路，可以總結(jié)出直方圖規(guī)定化增強處理的步驟如下： 寶雞文理學(xué)院 20xx 屆本科生畢業(yè)設(shè)計 21 （ 1） 將原始圖像進行均衡化處理； （ 2） 規(guī)定希望的灰度概率密度函數(shù)，用 （ ） 式計算它的累計分布函數(shù)G(z)； （ 3）將逆變換函數(shù) )(1 sGz ?? 用到步驟（ 1）中所得的灰度級。但是，對于離散圖像，由于 G(s)是一個離散的階梯函數(shù)，不可能有逆函數(shù)存在，對此，只能進行截斷處理，必將不可避免的導(dǎo)致變換后圖像的直方圖一般不能與目標直方圖嚴格的匹配。常見的圖像噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。圖像中的噪聲往往和正常信號交織在一起，尤其是乘性噪聲，如果處理不當，就會破壞圖像本身的細節(jié)，如會使線條、邊界等變得模糊不清。圖像中往往包含有各種各樣的噪聲。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。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。 （