圖像增強畢業(yè)論文

1、<p><b>　　摘 要</b></p><p>　　圖像作為一種有效的信息載體，是人類獲取和交換信息的主要來源。人類感知的外界信息80%以上是通過視覺得到的。因此，圖像處理的應用領域必然涉及到人類生活和工作的方方面面。</p><p>　　圖像增強是指按特定的需要采用特定方法突出圖像中的某些信息，同時削弱或去除無關信息，或將原圖轉換成一種更適合人或機器

2、進行分析處理的形式的圖像處理方法。</p><p>　　本文圍繞圖像增強算法而展開，在闡明圖像增強處理基本方法的基礎上，就幾種有代表性的圖像增強算法, 進行了研究、比較，分析了各自的優(yōu)缺點并指明了其最佳適用場景，以期從中總結出一套行之有效的圖像增強算法的應用指導規(guī)則。 </p><p>　　關鍵詞： 圖像；圖像增強；算法 </p><p><b>　　Ab

3、stract</b></p><p>　　As an effective information carrier,image is the main source through which human acquire and exchange information.Researches have shown that eighty percent of surroundings informati

4、on which is able to be perceptive by human is acquired through human visual system.</p><p>　　Teehniques of image enhaneement aim at improving the interpretability or perception of information in images for h

5、uman viewers，eliminating or attenuating unneeded information，or providing better input for other automated image proeessing teehniques.</p><p>　　This paper is developed according to the algorithm of image en

6、hancement.After the fundamental methods of image enhancement processing are demonstrated,the following representative algorithms. deeply and systematically investigated and compared.The advantage and defect of the above-

7、mentioned algorithms as well as the suitable application situations of them are analyzed and pointed out,in order to conclude a set of effective application instructing rules.</p><p>　　Keywords： Image；Image

8、Enhancement；Arithmetic</p><p><b>　　目錄</b></p><p><b>　　摘 要I</b></p><p>　　AbstractII</p><p><b>　　第1章 緒論1</b></p><p>

9、　　1.1 課題背景1</p><p>　　1.2 圖像增強的研究及發(fā)展現(xiàn)狀2</p><p>　　1.3 論文工作內容3</p><p><b>　　本章小結4</b></p><p>　　第二章 圖像增強的基本理論5</p><p>　　2.1 數(shù)字圖像的基本理論5<

10、;/p><p>　　2.1.1數(shù)字圖像的表示5</p><p>　　2.1.2圖像的灰度5</p><p>　　2.1.3灰度直方圖6</p><p>　　2.2 數(shù)字圖像增強概述6</p><p>　　2.3 圖像增強概述7</p><p>　　2.3.1圖像增強的定義7</p&

11、gt;<p>　　2.3.2常用的圖像增強方法8</p><p>　　2.4 圖像增強流程圖10</p><p><b>　　本章小結10</b></p><p>　　第三章 圖像增強方法與原理11</p><p>　　3.1 圖像變換11</p><p>　　3.1.1

12、離散圖像變換的一般表達式11</p><p>　　3.1.2 離散沃爾什變換12</p><p>　　3.2 灰度變換13</p><p>　　3.2.1 線性變換13</p><p>　　3.2.2分段線性變換14</p><p>　　3.2.3非線性變換14</p><p>　　

13、3.3 直方圖變換15</p><p>　　3.3.1直方圖修正基礎15</p><p>　　3.3.2直方圖均衡化16</p><p>　　3.3.3直方圖規(guī)定化18</p><p>　　3.4 圖像平滑與銳化19</p><p>　　3.4.1平滑19</p><p>　　3.4

14、.2 銳化19</p><p><b>　　本章小結21</b></p><p>　　第四章 圖像增強算法與實現(xiàn)22</p><p>　　4.1 灰度變換22</p><p>　　4.2 直方圖均衡化24</p><p>　　4.3 平滑算法25</p><p>

15、;<b>　　4.4 銳化27</b></p><p><b>　　本章小結28</b></p><p><b>　　結 論30</b></p><p><b>　　致 謝31</b></p><p><b>　　參考文獻32<

16、;/b></p><p><b>　　附錄1 譯文34</b></p><p>　　附錄2 英文參考資料40</p><p>　　附錄3 源程序代碼51</p><p><b>　　第1章 緒論</b></p><p>　　在網絡發(fā)展迅速的今天，Google可

17、以搜索到與“image”一詞有關的內容有五千多萬條，然而，“image”至今還沒有一個精確的定義。甚至在webster詞典中，“圖像(image)”被等同于“圖形(picture)”，被模糊的定義為“一種對繪畫或攝影的簡單表示”。人類對于圖像的認識和利用還停留在一個較低的層次，對于圖像處理技術甚至圖像定義本身還需要更多更深入的研究[1]。</p><p><b>　　1.1 課題背景</b>

18、;</p><p>　　數(shù)字圖像處理技術是20世紀60年代隨著計算機技術和VLS（Very Large Scale Integrator}的發(fā)展而產生、發(fā)展和不斷成熟起來的一個新興技術領域，它在理論上和實際應用中都取得了巨大的成就[1]。</p><p>　　視覺是人類最重要的感知手段，圖像又是視覺的基礎。早期圖像處理的目的是改善圖像質暈，它以人為對象，以改善人的視覺效果為目的。圖像處理中

19、輸入的是質量低的圖像，輸出的是改善質量后的圖像。常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。首次獲得成功應用的是美國噴氣推進實驗室（JPL）。他們對航天探測器徘徊者7號在1964年發(fā)回的幾千張月球照片進行圖像處理，如：幾何校正、灰度變換、去除噪聲，并考慮了太陽位和月球環(huán)境的影響，由計算機成功地繪出月球表面地圖，獲得了巨大的成功。隨后又對探測飛船發(fā)回的近十萬張照片進行更為復雜的圖像處理，獲得月球的地形圖、彩色圖及全景鑲嵌圖，為人類登

20、月創(chuàng)舉奠定了堅實的基礎，也推動了數(shù)字圖像處理這門學科的誕生。在以后的宇航空間技術探測研究中，數(shù)字圖像處理技術都發(fā)揮巨大的作用[11]。</p><p>　　數(shù)字圖像處理技術取得的另一個巨大成就是在醫(yī)學上。1972年英國EMI公司工程師Housfield發(fā)明了用于頭顱診斷的X射線計算機斷層攝影裝置，也就是我們通常所說的CT（Computer Tomograph）,CT的基本方法是根據(jù)人的頭部截面的投影，經計算機處理

21、來重建截面圖像，稱為圖像重建。1975年EMI公司又成功研制出全身用的CT裝置，獲得了人體各個部位鮮明清晰的斷層圖像。1979年，這項無損傷診斷技術被授予諾貝爾獎，以表彰它對人類做出的劃時代貢獻。</p><p>　　從20世紀70年代中期開始，隨著計算機技術和人工智能、思維科學研究的迅速發(fā)展，數(shù)字圖像處理技術向更高、更深層次發(fā)展。人們已開始研究如何用計算機系統(tǒng)解釋圖像，類似人類視覺系統(tǒng)理解外部世界，這被稱為圖像

22、理解或計算機視覺。很多國家，特別是發(fā)達國家投入更多的人力、物力到這項研究，取得了不少的重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的視覺計算理淪，這個理論成為計算機視覺領域其后十多年的主導思想[3]。</p><p>　　20世紀80年代末期，人們開始將其應用于地理信息系統(tǒng)，研究海圖的自動讀入、自動生成方法。數(shù)字圖像處理技術的應用領域不斷拓展。</p><p>　　數(shù)字

23、圖像處理技術的大發(fā)展是從20世紀90年代初開始的。自1986年以來，小波理論和變換方法迅速發(fā)展，它克服r傅里葉分析不能用于局部分析等方面的不足之處，被認為是調和分析半個世紀以來工作之結晶。Ma11at于1988年有效地將小波分析應用于圖像分解和重構。小波分析被認為是信號，圖像分析在數(shù)學方法上的重大突破。隨后數(shù)字圖像處理技術迅猛發(fā)展，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)療設備、衛(wèi)星照片傳輸及分析和工業(yè)自動化領域

24、的應用越來越多。</p><p>　　進入21世紀，隨著計算機技術的迅猛發(fā)展和相關理論的不斷完善，數(shù)字圖像處理技術在許多應用領域受到廣泛重視并取得了重大的開拓性成就。屬于這些領域的有航空航天、生物醫(yī)學、機器人視覺、公安司法、軍事制導、文化藝術等。該技術成為一門引人注目、前景遠大的新學科。</p><p>　　1.2 圖像增強的研究及發(fā)展現(xiàn)狀</p><p>　　圖

25、像增強是指根據(jù)特定的需要突出圖像中的重要信息，同時減弱或去除不需要的信息。從不同的途徑獲取的圖像，通過進行適當?shù)脑鰪娞幚?，可以將原本模糊不清甚至根本無法分辨的原始圖像處理成清晰的富含大量有用信息的可使用圖像，有效地去除圖像中的噪聲、增強圖像中的邊緣或其他感興趣的區(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[4]。處理后的圖像是否保持原狀已經是無關緊要的了，不會因為考慮到圖像的一些理想形式而去有意識的努力重現(xiàn)圖像的真實度。圖像增強

26、的目的是增強圖像的視覺效果，將原圖像轉換成一種更適合于人眼觀察和計算機分析處理的形式。它一般要借助人眼的視覺特性，以取得看起來較好地視覺效果，很少涉及客觀和統(tǒng)一的評價標準。增強的效果通常都與具體的圖像有關系，靠人的主觀感覺加以評價[6]。</p><p>　　圖像增強處理的應用已經滲透到醫(yī)學診斷、航空航天、軍事偵察、指紋識別、無損探傷、衛(wèi)星圖片的處理等領域。如對x射線圖片、CT影像、內窺鏡圖像進行增強，使醫(yī)生更容

27、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。圖像增強技術的快速發(fā)展同它的廣泛應用是分不開的，發(fā)展的動力來自穩(wěn)定涌現(xiàn)的新的應用，我們可以預料，在未來社會中圖像增強技術將會發(fā)揮更為重要的作用[5]。</p

28、><p>　　在圖像處理過程中，圖像增強是十分重要的一個環(huán)節(jié)。本文的主要內容就是圍繞圖像增強部分的一些基本理論和算法而展開?；贛ATLAB的圖像增強算法研究。</p><p>　　1.3 論文工作內容</p><p>　　圖像增強的過程往往也是一個矛盾的過程：圖像增強既希望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，

29、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。</p><p>　　傳統(tǒng)的圖像增強算法在確定轉換函數(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。常用的一些圖像增強方法是學習圖像增強的基礎，至今它們對于改善圖像質量仍發(fā)揮著重要的作用。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，討論不同

30、的增強算法的適用場合，并對其圖像增強方法進行性能評價。</p><p>　　全文共分六章，具體安排如下。</p><p>　　第一章引言。介紹圖像增強技術的課題背景和意義、本文的研究內容。</p><p>　　第二章圖像增強的基本理論。闡述圖像增強中用到的有關數(shù)字圖像的一些基本概念；概述常用的一些圖像增強方法及其特點，如灰度變換、直方圖均衡化。</p>

31、<p>　　第三章圖像增強方法與原理。針對圖像增強過程中遇到的問題，提出相應的解決方法。</p><p>　　第四章圖像增強算法與實現(xiàn)。</p><p>　　最后是總結與致謝，論文的結尾附有源程序代碼。</p><p>　　第二章 圖像增強的基本理論</p><p>　　2.1 數(shù)字圖像的基本理論</p><

32、;p>　　2.1.1數(shù)字圖像的表示</p><p>　　圖像并不能直接用計算機來處理，處理前必須先轉化成數(shù)字圖像。早期一般用picture代表圖像，隨著數(shù)字技術的發(fā)展，現(xiàn)在都用image代表離散化了的數(shù)字圖像。</p><p>　　由于從外界得到的圖像多是二維（2-D）的，一幅圖像可以用一個2-D數(shù)組表示。這里x和y表示二維空間X、Y中一個坐標點的位置，而f則代表圖像在點的某種性質數(shù)

33、值。為了能夠用計算機對圖像進行處理，需要坐標空間和性質空間都離散化。這種離散化了的圖像都是數(shù)字圖像，即都在整數(shù)集合中取值。圖像中的每個基本單元稱為圖像的元素，簡稱像素[3]。</p><p>　　2.1.2圖像的灰度</p><p>　　常用的圖像一般是灰度圖，這時f表示灰度值，反映了圖像上對應點的亮度。亮度是觀察者對所看到的物體表面反射光強的量度。作為圖像灰度的量度函數(shù)應大于零。人們日常

34、看到的圖像一般是從目標上反射出來的光組成的，所以可看成由兩部分構成：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。確切地說它們分別稱為照度成分和反射成分。與和都成正比，可表示成＝×。</p><p>　　將二維坐標位置函數(shù)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<<；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

35、和全反射之間，即0<<1。因此圖像的灰度值也是非負有界的[7]。</p><p>　　2.1.3灰度直方圖</p><p>　　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[16]。</p>

36、<p>　　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2.1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)）。</p><p>　?。╝） (b)</p><p>　　圖2.1 a為原圖像 b為a的

37、灰度直方圖</p><p>　　2.2 數(shù)字圖像增強概述</p><p>　　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)字形式的數(shù)據(jù)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[8]。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

38、算機對其進行處理的過程。</p><p>　　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[5]。如圖2.2所示。</p><p><b>　　（圖要自己畫）</b></p><p>　　圖2.2 數(shù)字圖像處理系統(tǒng)</p><p>　　圖2.2僅僅是圖像處理的硬件設備構成，圖中并沒有顯示出軟件系統(tǒng)，在圖像

39、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：</p><p>　　(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；</p><p>　　(2)系統(tǒng)噪聲，由系統(tǒng)產生，具有可預測性質；</p><p>　　

40、(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。</p><p>　　數(shù)字圖像處理流程如圖2.3所示，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[9]。</p&g

41、t;<p>　　圖2.3 圖像處理流程圖</p><p>　　數(shù)字圖像處理技術起源比較早，但真正發(fā)展是在八十年代后，隨著計算機技術的高速發(fā)展而迅猛發(fā)展起來。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)療設備、衛(wèi)星照片傳輸及分析和工業(yè)自動化領域的應用越來越多。但就國內的情況而言，應用還是很不普遍，人們主要忙于從事于理論研究，諸如探索圖像壓縮編碼等，而對于將成熟技術轉化為生產力方面認

42、識還遠遠不夠。California大學的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)計學的圖像處理框架。其中基于變換的圖像處理框架主要在實現(xiàn)圖像壓縮上有優(yōu)勢，而基于偏微分方程（PDE）的圖像處理框架在圖像的噪聲去除、邊緣提取、圖像分割上有優(yōu)勢。事實上，除了這三種工具以外，數(shù)學形態(tài)學、神經網絡等學科在圖像去噪及圖像分割方面也存在特有的優(yōu)勢[10]。

43、</p><p>　　2.3 圖像增強概述</p><p>　　2.3.1圖像增強的定義</p><p>　　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[9]。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

44、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。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[10]。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

45、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。</p><p>　　2.3.2常用的圖像增強方法</p><p>　　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

46、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[9]。 </p><p>　　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(jù)，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(jù)增強處理過程所在的空間不同，可分為基于空間

47、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[9]。 </p><p>　　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聲，但是

48、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[9]。</p><p><b>　　(1)直方圖均衡化</b></p><p>　　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

49、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。</p><p><b>　　(2)對比度增強法</b></p><p>　　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。</p><p><b

50、>　　(3)平滑噪聲</b></p><p>　　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

51、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[9]。</p><p><b>　　(4)銳化</b></p><p>　　平滑噪聲時

52、經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，使圖像增強銳化。圖像邊緣與高頻分量相對應，高通濾波器可以讓高頻分量暢通無阻，而對低頻分量則充分限制，通過高通濾波器去除低頻分量，也可以達到圖像銳化的目的[10]。</p><p>　　2.4 圖像增強流程圖</p><p>　　圖2-1 圖像增強流程圖</p>&

53、lt;p><b>　　本章小結</b></p><p>　　對圖像增強基本理論進行了闡述，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。圖像增強可分成兩大類：頻率域法和空間域法。本章對圖像增強的基本理論進行了逐步分析，闡明了圖像的增強方法的種類及常用的幾種方法。</p><p>　　第三章 圖

54、像增強方法與原理</p><p><b>　　3.1 圖像變換</b></p><p>　　人與電腦對事物的理解是不同的，對于人來說，文字信息要比圖像信息抽象，但是對于電腦來說，圖像信息要比文字信息抽象。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。為了快速有效的對圖像進行處理和分析，我們通常都需要對圖像進行一些變換，把原來的圖像信息變?yōu)榱硪粡埿问?，?/p>

55、計算機更容易理解、處理和分析。這種變換就是所謂的圖像變換。</p><p>　　圖像變換是指圖像的二維正交變換，它在圖像增強、復原、編碼等方面有著廣泛的應運。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)

56、，即可實現(xiàn)圖像數(shù)據(jù)的壓縮編碼。</p><p>　　3.1.1離散圖像變換的一般表達式</p><p><b>　　對于二維離散函數(shù)</b></p><p>　　x=0,1,2,…,M-1；y=0,1,2,…,N-1 (3.1)</p><p><b>　　有變換對</b&g

57、t;</p><p><b>　　(3.2)</b></p><p>　　u=0，1，2，…，M-1 v＝0，1，2，…，N-1</p><p><b>　　(3.3)</b></p><p>　　x=0，1，2，…，M-1 y＝0，1，2，…，N-1</p><p>　

58、　變換核可分離的離散圖像變換表示為：</p><p><b>　　(3.4)</b></p><p>　　如此，二維離散變換就可以用兩次一維變換實現(xiàn)。</p><p>　　3.1.2 離散沃爾什變換</p><p>　　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。要找另一種正交變換，要運算簡單且變換核矩陣產

59、生方便。Walsh Transform矩陣簡單，只有1和－1，矩陣容易產生，有快速算法[1]。</p><p><b>　　一維離散沃爾什變換</b></p><p>　　假如N=2，則離散 f(x) （ x=0,1, 2,…,N-1）的沃爾什變換</p><p>　　u=0，1，2，…，N-1 (3.5)</p>&

60、lt;p>　　x=0，1，2，…，N-1 (3.6)</p><p><b>　　二維離散沃爾什變換</b></p><p><b>　　(3.7)</b></p><p>　　（u=0,1,2…,M-1 v=0,1,2…,N-1）</p><p><b>　　(3.8)

61、</b></p><p>　　（x=0,1,2…,M-1 y=0,1,2…,N-1）</p><p>　　這里假定了M=2，N＝2</p><p>　　從上式可知，反正變換核具有可分離性，即</p><p><b>　　(3.9)</b></p><p>　　所以，二維離散沃爾什

62、變換可由兩次變換來實現(xiàn)。</p><p><b>　　3.2 灰度變換</b></p><p>　　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。它主要利用點運算來修正像素灰度，由輸入像素點的灰度值確定相應輸出點的灰度值，是一種基于圖像變換的操作?；叶茸儞Q不改變圖像內的空間關系，除了灰度級的改變是根據(jù)某種特定的灰度變換函

63、數(shù)進行之外，可以看作是“從像素到像素”的復制操作?；邳c運算的灰度變換可表示為[1]：</p><p><b>　　(3.10)</b></p><p>　　其中T被稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉換關系。一旦灰度變換函數(shù)確定，該灰度變換就被完全確定下來。</p><p>　　灰度變換包含的方法很多，如逆反處理、閾值變換

64、、灰度拉伸、灰度切分、灰度級修正、動態(tài)范圍調整等。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。</p><p>　　3.2.1 線性變換</p><p>　　假定原圖像f(x,y)的灰度范圍為[a,b]，變換后的圖像g(x,y)的灰度范圍線性的擴展至[c,d]，如圖3 .11所示。則對于圖像中的任一點的灰度值P(x,y)，變換后為

65、g(x,y)，其數(shù)學表達式如下所示[1]。</p><p><b>　　(3.11)</b></p><p>　　若圖像中大部分像素的灰度級分布在區(qū)間[a,b]內，max f為原圖的最大灰度級，只有很小一部分的灰度級超過了此區(qū)間，則為了改善增強效果，可以令</p><p><b>　　(3.12)</b></p>

66、;<p>　　在曝光不足或過度的情況下，圖像的灰度可能會局限在一個很小的范圍內，這時得到的圖像可能是一個模糊不清、似乎沒有灰度層次的圖像。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。</p><p>　　3.2.2分段線性變換</p><p>　　為了突出圖像中感興趣的目標或灰度區(qū)間，相對抑制不感興趣的灰度區(qū)間，可采用分段線性變換，它將圖像灰度區(qū)間分

67、成兩段乃至多段分別作線性變換。進行變換時，把0-255整個灰度值區(qū)間分為若干線段，每一個直線段都對應一個局部的線性變換關系。如圖3.1所示，為二段線性變換，(a)為高值區(qū)拉伸，(b)為低值區(qū)拉伸[9]。</p><p><b>　　（自己畫）</b></p><p>　　圖3.1 二段線性變換</p><p>　　3.2.3非線性變換</

68、p><p>　　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。</p><p>　　指數(shù)變換，是指輸出圖像的像素點的灰度值與對應的輸入圖像的像素灰度值之間滿足指數(shù)關系，其一般公式為[1]：</p><p><b>　　(3.13)</b></p><p>　　其中b為底數(shù)。為了增加變換的動態(tài)

69、范圍，在上述一般公式中可以加入一些調制參數(shù)，以改變變換曲線的初始位置和曲線的變化速率。這時的變換公式為：</p><p><b>　　(3.14)</b></p><p>　　式中a，b，c都是可以選擇的參數(shù)，當f(x,y)=a時，g(x,y)=0，此時指數(shù)曲線交于X軸，由此可見參數(shù)a決定了指數(shù)變換曲線的初始位置參數(shù)c決定了變換曲線的陡度，即決定曲線的變化速率。指數(shù)變

70、換用于擴展高灰度區(qū)，一般適于過亮的圖像。</p><p>　　對數(shù)變換，是指輸出圖像的像素點的灰度值與對應的輸入圖像的像素灰度值之間為對數(shù)關系，其一般公式為：</p><p><b>　　(3.15)</b></p><p>　　其中表示以10為底，也可以選用自然對數(shù)。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制參數(shù)，這時的變換公式

71、為：</p><p><b>　　(3.16)</b></p><p>　　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。當f(x,y)=0時，，則y=a，則a為Y軸上的截距，確定了變換曲線的初始位置的變換關系，b、c兩個參數(shù)確定變換曲線的變化速率。對數(shù)變換用于擴展低灰度區(qū)，一般適用于過暗的圖像。</p><p&

72、gt;<b>　　3.3 直方圖變換</b></p><p>　　3.3.1直方圖修正基礎</p><p>　　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。</p><p>　　灰度級為[0,L-1]范圍的數(shù)字圖像的直方圖是離散函數(shù)h()=，這里是第k級灰度，是圖像中灰度級為的像素個數(shù)。通常以圖像中像素數(shù)目的總

73、和n去除他的每一個值，以得到歸一化的直方圖，公示如下：</p><p>　　k=0,1,2,…,L-1 (3.17)</p><p><b>　　且</b></p><p>　　因此給出了灰度級為發(fā)生的概率估計值。歸納起來，直方圖主要有一下幾點性質：</p><p>　?。?）直方圖中不

74、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。</p><p>　?。?）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

75、和多變的灰度色調。</p><p>　?。?）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。</p><p>　　（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。</p><p>　?。?）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

76、定。</p><p>　　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）：</p><p>　　一幅給定的圖像的灰度級分布在0≤r≤1范圍內?？梢詫0,1]區(qū)間內的任何一個r進行如下的變換：</p><p>　　s=T(r) (3.18)<

77、;/p><p>　　變換函數(shù)T應滿足以下條件：</p><p>　　a.在0≤r≤1區(qū)間內，單值單調增加；</p><p>　　b.對于0≤r≤1，有0≤≤1。</p><p>　　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。</p&g

78、t;<p>　　3.3.2直方圖均衡化</p><p>　　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

79、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[10]。</p><p>　　直方圖均衡化變換函數(shù)如圖3.2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

80、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)。</p><p>　　圖3.2 直方圖均衡化變換函數(shù)</p><p>　　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

81、圖像的直方圖均衡只能是近似的。直方圖均衡化處理可大大改善圖像灰度的動態(tài)范圍。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)。</p><p>　　比如，通常用8比特來代表一個像素，而現(xiàn)在用12比特來表示一個像素，這樣就可以減少簡并現(xiàn)象發(fā)生的機會，從而減少灰度層次的損失。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。這種灰度間隔放大可以按照眼睛的對比度靈敏特性和成像系統(tǒng)的動態(tài)范圍進

82、行放大。一般實現(xiàn)方法采用如下幾步：</p><p>　?。?）統(tǒng)計原始圖像的直方圖；</p><p>　　（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；</p><p>　?。?）根據(jù)求得的步長來求變換后的新灰度；</p><p>　　（4）用處理后的新灰度代替處理前的灰度。</p><

83、p>　　3.3.3直方圖規(guī)定化</p><p>　　直方圖均衡化是以累計分布函數(shù)變換法為基礎的直方圖修正技術，使得變換后的灰度概率密度函數(shù)是均勻分布的，因此，它不能控制變換后的直方圖而交互性差。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。</p><p>　　直方圖規(guī)定化方法如下：假設是原始圖像分布的概率密度函數(shù)

84、，是希望得到的圖像的概率密度函數(shù)。</p><p>　　先對原始圖像進行直方圖均衡化處理，即：</p><p><b>　　(3.19)</b></p><p>　　假定已經得到了所希望的圖像，并且它的概率密度函數(shù)是。對該圖像也做均衡化處理，即：</p><p><b>　　(3.20)</b>&l

85、t;/p><p>　　由于對于這兩幅圖像，同樣作了均衡化處理，所以他們具有同樣的均勻密度。其中（3.9）的逆過程為，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，其結果灰度級將是所要求的概率密度函數(shù)的灰度級：</p><p><b>　　(3.21)</b></p><p>　　根據(jù)以上思路，可以總結出直方圖規(guī)定化增強處理的步驟如下：&

86、lt;/p><p>　?。?）將原始圖像進行均衡化處理；</p><p>　?。?）規(guī)定希望的灰度概率密度函數(shù)，用（3.22）式計算它的累計分布函數(shù)G(z)；</p><p>　　（3）將逆變換函數(shù)用到步驟（1）中所得的灰度級。</p><p>　　上述三步得到了原始圖像的一種處理方法，只要求G(s)是可逆的即可進行。但是，對于離散圖像，由于G(

87、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。</p><p>　　3.4 圖像平滑與銳化</p><p><b>　　3.4.1平滑</b></p><p>　　獲得的圖像可能會因為各種原因而被污染，產生噪聲。常見的圖像噪聲主要有加性噪聲、乘性噪聲和量

88、化噪聲等。噪聲并不僅限于人眼所見的失真，有些噪聲只針對某些具體的圖像處理過程產生影響。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。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。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。如何既平滑掉噪聲又盡量保持圖像

89、細節(jié)，是圖像平滑的主要研究任務。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。這時可以采用線性濾波和中值濾波的方法。</p><p><b>　　（1）線性濾波</b></p><p>　　線性濾波一般采用的是領域平均法。對于給定的圖像f(x，y)中的每一個點（m，n），取其領域s。設s含有M個像素，取其平均值作為處理后所得圖像像素點（m，n）處的灰度。設S是3

90、*3的正方形鄰域，點（m，n）位于S中心，則：</p><p><b>　　(3.22)</b></p><p><b>　?。?）中值濾波</b></p><p>　　中值濾波就是輸出圖像的某點象素等于該象素鄰域中各象素灰度的中間值。給定的圖像f(x,y)中的每一個點（m,n），取其領域s。設s含有M個像素{a1，a2，

91、?，aM}，將其按大小排序，若M是奇數(shù)時，則位于中間的那個象素值就是修改后圖像g(x,y)在點f(m,n)處的像素值；若M是偶數(shù)則取中間兩個象素的平均值作為修改后圖像g(x,y)在點（m,n）處的像素值。</p><p><b>　　3.4.2 銳化</b></p><p>　　圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，這就需要利用圖像銳化

92、技術，使圖像邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節(jié)變得清晰，經過平滑的圖像變得模糊的根本原因是圖像受到了平均或積分運算，因此可以對其進行逆運算（如微分運算）就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實質是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。為了要把圖像中間任何方向伸展的邊緣和輪廓變得清晰，我們希望對圖像的某種運算是各向同性的。</p><p><b

93、>　?。?）梯度法</b></p><p>　　梯度是圖像處理中最常用的一種一階微分方法。對圖像函數(shù)F(j,k)，其在點（j,k）上的梯度定義為矢量：</p><p><b>　　(3.23)</b></p><p>　　從梯度的性質可知，梯度的方向確定了圖像F(j,k)的最大變化率的方向，G[F(j,k)]的幅度為下式：&l

94、t;/p><p><b>　　(3.24)</b></p><p>　　對于數(shù)字圖像，用差分來近似微分。為了便于編程和提高運算速度，可以如下進行絕對值的運算：</p><p><b>　　(3.25)</b></p><p>　　一旦計算梯度的算法確立之后，就可以有很多方法來使圖像輪廓突出。最簡單的方法

95、就是令（x,y）點上銳化后的圖像函f(x,y)數(shù)值等于原始圖像在該點上的梯度值，即：</p><p><b>　　(3.26)</b></p><p>　　此法的缺點是處理后的圖像僅顯示出輪廓，灰度平緩變化的部分由于梯度值較小而顯得很黑。</p><p><b>　?。?）拉普拉斯算子</b></p><

96、;p>　　拉普拉斯算子是線性二階微分算子，與梯度算子一樣，具有旋轉不變性，從而滿足不同走向的圖像邊界的銳化要求。拉普拉斯算子對圖像中的噪聲非常敏感，為了減少噪聲的影響，在做增強處理之前，先將待處理的圖像進行平滑，再做拉普拉斯運算。</p><p>　　相對于梯度算子，拉普拉斯算子具有增強的邊緣精確定位的優(yōu)點。因為梯度一階微分算子會在較大范圍內形成梯度值，差分的結果不適合精確定位。然后，二階差分算子的過零特性

97、，可以使邊緣增強后精確定位。</p><p><b>　?。?）高通濾波</b></p><p>　　圖像邊緣與高頻分量相對應，高通濾波器可以讓高頻分量暢通無阻，而對低頻分量則充分限制，從而達到圖像銳化的目的。建立在離散卷積基礎上的空間域高通濾波關系式如下：</p><p><b>　　(3.27)</b></p&g

98、t;<p><b>　　式中為銳化輸出；</b></p><p><b>　　為輸入圖像；</b></p><p>　　為沖擊響應陣列（卷積陣列）。</p><p><b>　　本章小結</b></p><p>　　本章對圖像的增強與原理進行了簡單的概述，對幾種常

99、用的增強算法進行了分析、研究。針對圖像增強過程中遇到的問題，提出相應的解決方法。</p><p>　　第四章 圖像增強算法與實現(xiàn)</p><p><b>　　4.1 灰度變換</b></p><p>　　為了突出圖像中感興趣的目標或灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)間，可采用分段線性變換，把0-255整個灰度值區(qū)間分為若干線段，每一個直線段

100、都對應一個局部的線性變換關系，常用的是三段線性變換方法，如圖4.1所示。</p><p>　　圖4.1 三段線性變換</p><p>　　其中f(x,y)，g(x,y)分別為原圖像和變換后的圖像的灰度級，max f、max g分別為原圖像和變換后的圖像的最大灰度級?；叶葏^(qū)間[a,b]為要增強的目標所對應的灰度范圍，變換后灰度范圍擴展至[c,d]。變換時對[a,b]進行了線性拉伸，而[0,a

101、]和[b,max]則被壓縮，這兩部分對應的細節(jié)信息損失了。若這兩部分對應的像素數(shù)較少，則損失的信息也相應較少。其數(shù)學表達式如式（4.1）所示[14]。</p><p><b>　　(4.1)</b></p><p>　　分段線性變換可以根據(jù)用戶的需要，拉伸特征物體的灰度細節(jié)，雖然其他灰度區(qū)間對應的細節(jié)信息有所損失，這對于識別目標來說沒有什么影響。下面對一些特殊的情況進

102、行了分析。令k1＝c/a ,k2=(d-c)/(b-a)，k3=(max g-d)/(max f-b)，即它們分別為對應直線段的斜率。</p><p>　　當k1=k3=0時，如圖4.2（a）所示，表示對于[a,b]以外的原圖灰度不感興趣，均令為0，而處于[a,b]之間的原圖灰度，則均勻的變換成新圖灰度。</p><p>　　當k1=k2=k3=0，但c=d時，如圖4.2（b）所示，表示只

103、對[a,b]間的灰度感興趣，且均為同樣的白色，其余變黑，此時圖像對應變成二值圖。這種操作又稱為灰度級（或窗口）切片。</p><p>　　當kl=k3＝1，c=d=max g時，如圖4.2（c）所示，表示在保留背景的前提下，提升[a,b]間像素的灰度級。它也是一種窗口或灰度級切片操作。</p><p>　　圖4.2 三段線性變換</p><p>　　MATLAB軟件

104、中，imadjust函數(shù)可以實現(xiàn)圖像的灰度變換，通過直方圖變換調整圖像的對比度。</p><p><b>　　(4.2)</b></p><p>　　其中，gamma為校正量r，為原圖像中要變換的灰度范圍，指定了變換后的灰度范圍。</p><p>　　以下展示了常用對比度擴展法的結果：</p><p>　?。╝）

105、 （b）</p><p>　?。╟） （b）</p><p>　　圖4.3 a為原圖像；b為a的直方圖；c為對比度擴展結果；d為c的直方圖</p><p>　　從圖4.3（a）可以看出原始圖像動態(tài)范圍較小，整體較暗，反映在直方圖上像素主要集中在低灰度的一側，如圖

106、（b）所示。經過對比度調整，圖像變亮，可以看到更多的細節(jié)如圖（c）和（d）所示。</p><p>　　優(yōu)勢：可以充分利用圖像中的亮度信息，明顯改善圖像質量，是一種常用的圖像增強算法。</p><p>　　不足：對于受噪聲影響明顯的圖像，該算法增強效果不明顯。即不能有效地抑制噪聲。而且，僅僅利用了圖像中的局部信息。</p><p>　　4.2 直方圖均衡化</p

107、><p>　　直方圖均衡化過程如下：</p><p>　?。?）計算原圖像的灰度直方圖；</p><p>　?。?）計算原圖像的灰度累積分布函數(shù)，進一步求出灰度變換表；</p><p>　?。?）根據(jù)灰度變換表，將原圖像各灰度級映射為新的灰度級。</p><p>　　在MATLAB中，histeq函數(shù)可以實現(xiàn)直方圖均衡化。

108、函數(shù)調用方法為：</p><p><b>　　(4.3)</b></p><p>　　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。</p><p>　　以下展示了直方圖均衡化的效果：</p>&l

109、t;p>　?。╝） （b）</p><p>　　（c） （d）</p><p>　　圖4.4 a為原圖像；b為a的直方圖；c為直方圖均衡化結果；d為c的直方圖</p><p>　　從直方圖統(tǒng)計可以看出，原始圖的灰度范圍大約是0到100之間，灰度分布的

110、范圍比較狹窄，所以整體上看對比度比較差，而直方圖均衡化后，灰度幾乎是均勻的分布在0到255的范圍內，圖像明暗分明，對比度很大，圖像比較清晰明亮，很好的改善了原始圖的視覺效果。</p><p>　　優(yōu)勢：能夠使得處理后圖像的概率密度函數(shù)近似服從均勻分布，其結果擴張了像素值的動態(tài)范圍，是一種常用的圖像增強算法。</p><p>　　不足：不能抑制噪聲。</p><p>

111、<b>　　4.3 平滑算法</b></p><p>　　平滑運算主要用于減少噪聲，對圖像進行預處理以便于更高級的圖像處理技術的實現(xiàn)。</p><p><b>　?。?）線性濾波</b></p><p>　　輸出圖像的值等于輸入圖像濾波后值的局部平均，各個項具有相同的權。下面是平滑窗口分別為矩形和圓形的情況。</p&

112、gt;<p><b>　　(4.4)</b></p><p>　　優(yōu)勢：實現(xiàn)簡單，去噪效果明顯。</p><p>　　不足：去噪的同時會導致結果圖像邊緣位置的改變和細節(jié)模糊甚至丟失。</p><p><b>　?。?） 非線性濾波</b></p><p>　　中值濾波是一種最常用的圖像

113、增強技術，是非線性濾波。對椒鹽噪聲有很好的去噪效果。</p><p>　　中值濾波是基于一個移動窗口并計算輸入圖像在窗口內的像素亮度值的中值作為輸出圖像窗口中心的像素值而產生的。給定的圖像f(x,y)中的每一個點（m,n），取其領域s。設s含有M個像素{a1，a2，?，aM}，將其按大小排序，若M是奇數(shù)時，則位于中間的那個象素值就是修改后圖像g(x,y)在點（m,n）處的像素值；若M是偶數(shù)則取中間兩個象素的平均值