數(shù)字圖像課程設(shè)計(jì)--基于直方圖變換實(shí)現(xiàn)的圖像增強(qiáng)

1、<p>　　課 程 設(shè) 計(jì) 說 明 書</p><p>　　題目： 基于直方圖變換實(shí)現(xiàn)的圖像增強(qiáng) </p><p>　　學(xué)院（系）： 里仁學(xué)院電氣工程系 </p><p>　　年級(jí)專業(yè)： 工業(yè)自動(dòng)化儀表10-1班 </p><p>　　學(xué) 號(hào)： </p><p&g

2、t;　　學(xué)生姓名： </p><p>　　指導(dǎo)教師： </p><p>　　教師職稱： 副教授 </p><p>　　課程設(shè)計(jì)（論文）任務(wù)書</p><p>　　說明：此表一式四份，學(xué)生、指導(dǎo)教師、基層教學(xué)單位、系部各一份。</p>

3、<p><b>　　年 月 日 </b></p><p><b>　　目錄</b></p><p>　　摘要 ------------------------------------1</p><p>　　關(guān)鍵字 ------------------------------------1</p&

4、gt;<p>　　直方圖增強(qiáng)技術(shù)的基本理論-------------------1</p><p>　　1、直方圖基礎(chǔ) ---------------------------------------------------------------------1</p><p>　　2、直方圖均衡化 -----------------------------------

5、----------------------------------2</p><p>　　3、直方圖規(guī)定化 ---------------------------------------------------------------------2</p><p>　　四、MATLAB 實(shí)現(xiàn)及分析 -------------------------3</p><p

6、>　　五、結(jié)束語 ------------------------------11</p><p>　　六、參考文獻(xiàn) ------------------------------11</p><p><b>　　摘要</b></p><p>　　在圖像形成、傳輸或變換的過程中,由于受到其它客觀因素諸如系統(tǒng)噪聲、曝光不足

7、或過量、相對(duì)運(yùn)動(dòng)等影響,獲取圖像往往會(huì)與原始圖像之間產(chǎn)生某種差異(稱為降質(zhì)或退化) 。退化后的圖像通常模糊不清或者經(jīng)過機(jī)器提取的信息量減少甚至錯(cuò)誤,因此必須對(duì)其采取一些手段進(jìn)行改善。圖像增強(qiáng)技術(shù)正是在此意義上提出的,目的就是為了改善圖像的質(zhì)量。圖像增強(qiáng)根據(jù)圖像的模糊情況采用各種特殊的技術(shù)突出圖像中的某些信息,削弱或消除無關(guān)信息,達(dá)到強(qiáng)調(diào)圖像的整體或局部特征的目的。圖像增強(qiáng)尚沒有統(tǒng)一的理論方法,常用的圖像增強(qiáng)技術(shù)有直方圖修改、圖像平滑濾波

8、、圖像銳化等。圖像增強(qiáng)技術(shù)主要分為兩類:頻域增強(qiáng)法和空域增強(qiáng)法。頻域增強(qiáng)法主要是利用各種頻域?yàn)V波器進(jìn)行圖像平滑或銳化處理,然后進(jìn)行變換域反變換來增強(qiáng)圖像;空域增強(qiáng)法是直接針對(duì)圖像中的像素,對(duì)圖像的灰度進(jìn)行處理?？沼蚍▽儆谥苯釉鰪?qiáng)的方法,它包括擴(kuò)展對(duì)比度的灰度變換和直方圖變換、消除噪聲的平滑法和增強(qiáng)邊緣的銳化法。本文要討論的直方圖增強(qiáng)方法便屬于空域增強(qiáng)法。 </p><p><b>　　二、關(guān)鍵字<

9、/b></p><p>　　直方圖均衡化 直方圖規(guī)定化 函數(shù)處理 matlab實(shí)現(xiàn)</p><p>　　三、直方圖增強(qiáng)技術(shù)的基本理論</p><p><b>　　1、直方圖基礎(chǔ)</b></p><p>　　數(shù)字圖像的直方圖是作為圖像每一個(gè)灰度級(jí)的統(tǒng)計(jì)概率分布,它提供了圖像灰度分布的概貌,直方圖增強(qiáng)技術(shù)

10、正是利用修改給定圖像直方圖的方法來增強(qiáng)圖像的,最后得到的圖像增強(qiáng)程度取決于我們所采用的直方圖。令變量r和s 分別代表圖像增強(qiáng)前后的像素灰度級(jí), 相應(yīng)灰度級(jí)分布的概率密度分別為Pr(r)、Ps(s)。為討論方便, 假設(shè)像素灰度值已經(jīng)歸一化在區(qū)間[0,1], 在灰度級(jí)坐標(biāo)中r=0表示黑,r=1表示白。對(duì)區(qū)間[0,1]內(nèi)任一個(gè)r值按變換函數(shù)：</p><p>　　S=T(r)

11、 (1) </p><p>　　進(jìn)行變換,T(r)滿足兩個(gè)條件：（1）單值單調(diào)增加函數(shù); (2)0 ≤T（r）≤1 。條件(1) 使灰度級(jí)保持從黑到白的次序,條件(2) 保證映射變換后像素灰度值在允許的范圍內(nèi)。從s 到r 的反變換為: </p><p>　　r= T-1(s),0 ≤s≤1 (2)</p>&l

12、t;p>　　同樣,規(guī)定變量s 也滿足條件(1) 和(2) 。由概率理論知,若Pr ( r) 和變換函數(shù)s = T( r) 已知, T - 1 ( s) 是單值單調(diào)增加函數(shù),則有:</p><p>　　直方圖增強(qiáng)技術(shù)就是通過變換函數(shù)T ( r) 控制圖像灰度級(jí)的概率密度函數(shù)而改變圖像的外貌。</p><p><b>　　2、直方圖均衡化</b></p>

13、<p>　　對(duì)于連續(xù)圖像,變換函數(shù)為:</p><p>　　s = T( r) =∫r0Pr ( r) d r ,0 ≤ r ≤1 (4)</p><p>　　此式右邊為累積分布函數(shù)(CDF) ,由該式對(duì)r 求導(dǎo)有:</p><p>　　Ds/d r= Pr ( r) （5）

14、</p><p><b>　　代入(3) 得到:</b></p><p>　　P( s) = [ Pr ( r) *1/Pr ( r)] r= T- 1 (s) = 1 ,0 ≤s ≤1 (6)</p><p>　　這說明,在變換后變量s 在定義域內(nèi), Ps ( s) 是均勻概率密度。在圖像增強(qiáng)意義上, 這相當(dāng)于像素的動(dòng)

15、態(tài)范圍增加。在后面MATLAB 仿真時(shí), 便可以看到圖像對(duì)比度會(huì)產(chǎn)生顯著的變化。</p><p>　　對(duì)于離散圖像,灰度級(jí)rk 的概率值為:</p><p>　　Pr ( rk ) =nk/n, 0 ≤ rk ≤1 , k = 0 ,1 ,2 , ?, L - 1 (7)</p><p>　　其中, n 表示圖像中像素的總數(shù), nk 是在

16、圖像中出現(xiàn)這種灰度級(jí)的次數(shù), L 表示灰度級(jí)的數(shù)目, Pr ( rk ) 為第k 級(jí)灰度級(jí)的概率。與連續(xù)圖像的(4) 式相對(duì)應(yīng),離散形式為:</p><p><b>　　反變換為：</b></p><p>　　rk = T- 1 ( sk ) ,0 ≤sk ≤1 (9)</p><p>　　可見,能夠直

17、接利用式(8) 從所給的圖像計(jì)算變換函數(shù)T( rk ) 。</p><p>　　基于直方圖的圖像增強(qiáng)可劃分為三種情況:直方圖均衡化、直方圖修正、非交疊塊自適應(yīng)直方圖修正。以上討論的便是傳統(tǒng)的直方圖均衡化。有人提出了新的改進(jìn)算法,該方法是基于原始圖像直方圖分為三個(gè)子圖重新安排像素,首先用k2means 法進(jìn)行k 簇初始化,并遞歸得簇質(zhì)心再求出兩個(gè)閾值,運(yùn)用數(shù)學(xué)形態(tài)法將分開的三個(gè)子圖連接,最后再對(duì)子圖分別運(yùn)用直方圖均

18、衡法而獲得圖像增強(qiáng)。</p><p><b>　　3、直方圖規(guī)定化</b></p><p>　　由于均衡化的直方圖技術(shù)只能產(chǎn)生一種近似均勻的直方圖,而不適于需要交互作用的圖像增強(qiáng)的應(yīng)用。實(shí)際上,為了能增強(qiáng)圖像中某些灰度級(jí)的范圍,有時(shí)希望能夠規(guī)定交互作用的特定的直方圖。直方圖規(guī)定化可看作是直方圖均衡化方法的改進(jìn)。假設(shè)Pr ( r) 和Pz ( z) 分別表示原始和希望的

19、圖像概率密度函數(shù),同時(shí)利用式(4) 直方圖均衡化，則</p><p>　　由式(4) 均衡化處理產(chǎn)生最后的結(jié)果Ps ( s) = 1 與積分內(nèi)的概率密度無關(guān),因此,處理后的原圖像及理想圖像的概率密度Ps ( s) 和Pv ( v) 具有相同的均勻密度。這樣, 可以從原始圖像中得到的均勻灰度s 代替逆過程中的v ,其結(jié)果灰度級(jí)z = G- 1 ( s) 就是所要求的概率密度函數(shù)。上述過程即為:</p>

20、<p>　　(1) 將原始圖像的灰度級(jí)均衡化。</p><p>　　(2) 規(guī)定希望的概率密度函數(shù),并用式(11) 得到變換函數(shù)G( z) 。</p><p>　　(3) 計(jì)算逆變換函數(shù)z = G- 1 ( v) 便得到了所希望的灰度級(jí)。</p><p>　　由以上討論可以得到:</p><p>　　z = G- 1 [ T( r

21、) ] (13)</p><p>　　對(duì)離散圖像,相應(yīng)的規(guī)定化表達(dá)式為:</p><p>　　以上各式表明,一幅圖像決定出T ( r) 與反變換函數(shù)z= G- 1 ( v) 便可以進(jìn)行直方圖規(guī)定化,對(duì)連續(xù)變量使用上述方法實(shí)際上就是求得反變換函數(shù)解析式。而對(duì)于離散圖像,由于離散的灰度級(jí)個(gè)數(shù)通常很少,對(duì)每一個(gè)可能像素值計(jì)算映射是可行的,就不用像連續(xù)變量那

22、樣求逆變換的解析式了。</p><p>　　四、MATLAB 實(shí)現(xiàn)及分析</p><p>　　MATLAB 中直方圖均衡化和規(guī)定化處理函數(shù)格式如下:</p><p>　　(1) J = imhist ( I , n)</p><p>　　(2) J = imhist ( I , map)</p><p>　　(3) [

23、 counts , X ] = imhist ( I , ?)</p><p>　　(4) J = histeq( I , n)</p><p>　　(5) J = histeq( I , ma p , n)</p><p>　　(6) [ J , counts ] = histeq( I , ?)</p><p>　　說明:對(duì)于格式(1)

24、,顯示圖像I 的直方圖,n 為灰度級(jí)數(shù)目,灰度圖像的缺省值為256 ,黑白圖像缺省值為2 ;對(duì)于格式(2) ,J 返回調(diào)色板為map 的圖像I 的直方圖;對(duì)格式(3) ,返回圖像I 的每個(gè)灰度上的像素點(diǎn)數(shù)目;格式(4) 對(duì)圖像I 均衡化處理,n 表示灰度級(jí)數(shù)目,缺省值為64 ;格式(5)對(duì)調(diào)色板為map 的灰度圖像均衡化處理,返回有n 級(jí)灰度的圖像;格式(6) 對(duì)圖像I 均衡化處理后同時(shí)返回各灰度值。</p><p&

25、gt;　　下面舉例說明直方圖均衡化和規(guī)定化處理:</p><p>　　f=imread('E:\man.bmp');</p><p>　　figure, imshow(f);</p><p>　　title('原始圖像1');</p><p><b>　　figure;</b></p

26、><p>　　imhist(f);</p><p>　　title('原始圖像直方圖1')</p><p>　　close all;</p><p>　　f=imread('E:\man.bmp');</p><p>　　figure;histeq (f);</p><p

27、>　　title('均衡化圖像1')</p><p>　　figure;imhist(f);</p><p>　　title('均衡化后直方圖1')</p><p>　　close all;</p><p>　　f=imread('E:\peppers512G.bmp');</p&g

28、t;<p>　　figure, imshow(f);</p><p>　　title(原始圖像2');</p><p><b>　　figure;</b></p><p>　　imhist(f);</p><p>　　title('原始圖像直方圖2')</p><

29、p>　　f=imread('E:\peppers512G.bmp');</p><p>　　figure;imshow(histeq(f,10));</p><p>　　title('規(guī)定化圖像2')</p><p>　　figure;imhist(histeq(f,10));</p><p>　　tit

30、le('規(guī)定化后直方圖2')</p><p>　　程序?qū)崿F(xiàn)的圖像如圖1～7 所示,其中圖1 和圖2 為原始圖像及其直方圖,原始圖像較暗且動(dòng)態(tài)范圍小;圖3 和圖4 分別是對(duì)原始圖像進(jìn)行均衡化處理的結(jié)果,可以看到處理后圖像亮度值出現(xiàn)的頻數(shù)趨于平衡,灰度的動(dòng)態(tài)范圍和對(duì)比度差都得到了增強(qiáng);圖5 和圖6 為需要規(guī)定化處理的圖像及其直方圖;圖7 和圖8 是采用直方圖規(guī)定化處理后的結(jié)果,可以看到規(guī)定化處理將原來

31、較暗區(qū)域的一些細(xì)節(jié)得到增強(qiáng)而變得更加清晰了</p><p><b>　　另一程序：</b></p><p>　　f=imread('E:\man.bmp');</p><p>　　subplot(2,2,1)</p><p>　　figure, imshow(f);</p><p>

32、;　　title('原始圖像1');</p><p>　　subplot(2,2,2)</p><p>　　imhist(f);</p><p>　　title('原始圖像直方圖1')</p><p>　　close all;</p><p>　　f=imread('E:\man

33、.bmp');</p><p>　　subplot(2,2,3)</p><p>　　histeq (f);</p><p>　　title('均衡化圖像)</p><p>　　subplot(2,2,4)</p><p>　　imhist(f);</p><p>　　title

34、('均衡化后圖像1')</p><p>　　close all;</p><p>　　f=imread('E:\peppers512G.bmp');</p><p>　　subplot(2,2,1)</p><p>　　imshow(f);</p><p>　　title('原始

35、圖像2’;)</p><p>　　subplot(2,2,2)</p><p>　　imhist(f);</p><p>　　title('原始直方圖2’)</p><p>　　f=imread('E:\peppers512G.bmp');</p><p>　　subplot(2,2,3)<

36、;/p><p>　　imshow(histeq(f,10));</p><p>　　title('規(guī)定化圖像2’)</p><p>　　subplot(2,2,4)</p><p>　　imhist(histeq(f,10));</p><p>　　title(' 規(guī)定化后直方圖2’)</p>

37、<p><b>　　五、結(jié)束語</b></p><p>　　圖像增強(qiáng)技術(shù)屬于數(shù)字圖像預(yù)處理的范疇, 直方圖均衡化和規(guī)定化處理是圖像增強(qiáng)技術(shù)中的基本方法。本文分析了這兩種處理方法的基本理論, 并用MA TL A B 進(jìn)行了實(shí)驗(yàn)。結(jié)果表明,基于直方圖的圖像增強(qiáng)技術(shù)能在一定程度上改善圖像的對(duì)比度差細(xì)節(jié)和灰度動(dòng)態(tài)范圍。應(yīng)該指出的是,圖像增強(qiáng)沒有固定的理論方法,增強(qiáng)質(zhì)量往往由增強(qiáng)目的而主觀

38、評(píng)定。</p><p><b>　　六、參考文獻(xiàn):</b></p><p>　　【1】 數(shù)字圖像處理學(xué) 電子工業(yè)出版社 賈永紅 2003</p><p>　　【2】 　 數(shù)字圖像處理（Matlab版） 電子工業(yè)出版社 岡薩雷斯 2006</p><p>　　【3】 　王耀南,李樹濤,毛建旭. 計(jì)算機(jī)圖