图像增强技术.docx
- 文档编号:14388847
- 上传时间:2023-06-23
- 格式:DOCX
- 页数:44
- 大小:3.69MB
图像增强技术.docx
《图像增强技术.docx》由会员分享,可在线阅读,更多相关《图像增强技术.docx(44页珍藏版)》请在冰点文库上搜索。
图像增强技术
摘要
图像增强是指依据图像所存在的问题,按特定的需要突出一幅图像中的某些信息,同时,削弱或去除某些冗余信息的处理方法。
其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。
图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
图像增强单纯从技术上可分成两大类:
一类是频域处理法;一类是空域处理法。
空间域的算法分为点运算算法和邻域去噪算法。
点运算算法即灰度级校正、灰度变换和直方图修正等,目的或使图像成像均匀,或扩大图像动态范围,扩展对比度。
邻域增强算法分为图像平滑和锐化两种。
平滑一般用于消除图像噪声,但是也容易引起边缘的模糊。
锐化的目的在于突出物体的边缘轮廓,便于目标识别。
本文先对图像增强的原理进行概述,然后对图像增强的方法分类并给出直方图增强、对比度增强,平滑和锐化等几种常用的增强方法、彩色图像增强的理论基础,通过MATLAB实验得出的实际处理效果来对比各种算法的优缺点,讨论不同的增强算法的技术要点,并对其图像增强方法进行性能评价。
关键词:
图像增强;直方图;平滑;锐化
Abstract
Imageenhancementisbasedontheproblemsexistingintheimages,accordingtothespecificneedtohighlightsomeoftheinformationinanimage,atthesametime,toweakenorremovesomeredundantinformationprocessingmethod.Itsmainpurposeistomaketheimageafterprocessingforagivenapplicationismoreeffectivethantheoriginalimageatthesametimecaneffectivelyimprovetheimagequality.Imageenhancementtechnologymainlyincludeshistogrammodification,imagesmoothingprocessing,imageintensificationprocessingandcolorprocessingtechnology,etc.Imageenhancementispurefromthetechnologycanbedividedintotwocategories:
oneisfrequencydomainprocessingmethod;Onekindisspatialprocessingmethod.Spatialdomainalgorithmisdividedintotheneighborhooddenoisingarithmeticalgorithmandalgorithm.Algorithmnamelygrayscalecorrectionarithmetic,suchasgraytransformandhistogrammodification,purposeorforuniformimageimaging,orexpandthedynamicrangeimage,expandthecontrast.Neighborhoodenhancementalgorithmintoimagesmoothingandsharpeningtwokinds.Smoothgenerallyusedtoeliminateimagenoise,butalsoeasytocausetheedgeofthefuzzy.Sharpenthepurposeistohighlighttheedgecontouroftheobject,isadvantageousforthetargetidentification.Thispaperfirstsummarizedtheprincipleofimageenhancement,andimageenhancementmethodofclassificationandhistogramenhancement,contrastenhancement,suchassmoothingandsharpeningofseveralcommonenhancementmethod,thetheoreticalbasisofcolorimageenhancement,throughpracticalprocessingeffectofMATLABexperimentcomparedtheadvantagesanddisadvantagesofvariousalgorithms,discussedthemaintechnicalpointsofthedifferentenhancementalgorithm,anditsimageenhancementmethodforperformanceevaluation.
Keywords:
imageenhancement;histogramenhancement;smoothing
sharpening
1绪论
随着人类社会的进步和科学技术的发展,图像增强技术的发展大致经历了初创期、发展期、普及期和应用期4个阶段。
初创期开始于20世纪60年代,当时的图像采用像素型光栅进行扫描显示,大多采用中、大型机对其进行处理。
20世纪70年代进入了发展期,开始大量采用中、大型机进行处理,图像处理也逐渐改用光栅扫描显示方式,特别是出现了CT和卫星遥感图像,对图像增强处理提出了一个更高的要求。
到了20世纪80年代,图像增强技术进入普及期,此时的计算机已经能够承担起图形图像处理的任务。
20世纪90年代进入了应用期,人们运用数字图像增强技术处理和分析遥感图像,以有效地进行资源和矿藏的勘探、调查、农业和城市的土地规划、作物估产、气象预报、灾害及军事目标的监视等。
在生物医学工程方面,运用图像增强技术对X射线图像、超声图像和生物切片显微图像等进行处理,提高图像的清晰度和分辨率。
在工业和工程方面,主要应用于无损探伤、质量检测和过程自动控制等方面。
在公共安全方面,人像、指纹及其他痕迹的处理和识别,以及交通监控、事故分析等都在不同程度上使用了图像增强技术。
图像增强是图像处理的重要组成部分,传统的图像增强方法对于改善图像质量发挥了极其重要的作用。
图像增强是指根据特定的需要突出图像中的重要信息,同时减弱或去除不需要的信息。
从不同的途径获取的图像,通过进行适当的增强处理,可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像,有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域,从而更加容易对图像中感兴趣的目标进行检测和测量。
处理后的图像是否保持原状已经是无关紧要的了,不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度,它一般要借助人眼的视觉特性,以取得看起来较好地视觉效果,很少涉及客观和统一的评价标准。
增强的效果通常都与具体的图像有关系,靠人的主观感觉加以评价。
在图像处理过程中,图像增强是十分重要的一个环节。
本文的主要内容就是围绕图像增强部分的一些基本理论和算法而展开。
基于MATLAB的图像增强算法研究[1]。
2数字图像处理简介
2.1数字图像处理概述
所谓数字图像就是把传统图像的画面分割成如图2.1所示的被成为(pictureelement,简称pixel。
有时候也用pel这一简写词)的小的离散各象素的灰度值也是用离散值即整数值来表示的。
数字图像(digitalimagine)和传统的图像即模拟图像(picture)是有差别的[2]。
像素(抽样点)
数字化
模拟图像数字图像
图2.1数字图像
为了把模拟图像转换成数字图像,需要对传统的模拟图像进行采样与量化两种操作(二者统称为数字化)。
采样(sampling)就是把在时间上和空间上连续的图像变成离散点(采样点,即象素)的集合的一种操作。
图像基本上是在二维平面上连续分布的信息形式要把它输入到计算机中,首先要把二维信号变成一维信号,因此要进行扫描(scanning)。
最常用的扫描方法是在二维平面上按一定间隔顺序地从上方顺序地沿水平方向的直线(扫描线)扫描,从而取出浓淡值(灰度值)的线扫描(Laster扫描)。
对于由此得到的一维信号,通过求出每一特定间隔的值,可以得到离散的信号。
对于运动图像除进行水平,垂直两个方向的扫描以外,还有进行时间轴上的扫描。
经过采样,图像被分解成在时间上和空间上离散分布的象素,但是象素的值(灰度值)还是连续值。
象素的值,是指白色-灰色-黑色的浓淡值,有时候也指光的强度(亮度)值或灰度值。
把这些连续的浓淡值或灰度值变为离散的值(整数值)的操作就是量化。
在0-255的值对应于白黑的时候,有以0为白,255为黑的方法,也有以0为黑,255为白的方法,这取决于图像的输入方法以及用什么样的观点对图像进行处理等,这是在编程时应特别注意的问题。
但在只有黑白二值的二值图像的情形,一般设0为白,1为黑[3]。
数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理的产生和迅速发展主要受三个因素的影响:
一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
综上所述数字图像处理是一门多元化学科而图像增强技术是数字图像处理的重要分支其应用也非常的广泛[4]。
在航空航天领域的应用早在60年代初期,第3代计算机的研制成功和快速傅里叶变换的提出,使图像增强技术可以在计算机上实现。
1964美国喷气推进实验室(JPL)的科研人员使用IBM7094计算机以及其它设备,采用集合校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等方法对航天探测器“徘徊者7号”发回的几千张月球照片成功的进行了处理。
随后他们又对“徘徊者8号”和“水手号”发回地球的几万张照片进行了较为复杂地数字图像处理,使图像质量得到进一步的提高,从此图像增强技术进入了航空航天邻域的研究与应用。
同时图像增强技术的发展也推动了硬件设备的提高,比如1983年LANDSAT-4的分辨率为30m,而如今发射的卫星分辨率可达到3-5m的范围内。
图像采集设备性能的提高,使采集图像的质量和数据的准确性和清晰度得到了极大地提高,生物医学领域的应用图像增强技术在生物医学方面的应用有两类,其中一类是对生物医学的显微光学图像进行处理和分析,比如对红细胞、白细胞、细菌、虫卵的分类计数以及染色体的分析;另一类应用是对X射线图像的处理,其中最为成功的是计算机断层成像。
1973年英国的EMI公司在制造出第一台X射线断层成像装置。
由于人体的某些组织,比如心脏、乳腺等软组织对X射线的衰减变化不大,导致图像灵敏度不强。
由此图像增强技术在生物医学图像中得到广泛的应用。
图像增强在工业生产的自动化设计和产品质量检验中得到广泛应用,比如机械零部件的检查和识别、印刷电路板的检查、食品包装出厂前的质量检查、工件尺寸测量、集成芯片内部电路的检测等等。
此外计算机视觉也可以应用到工业生产中,将摄像机拍摄图片经过增强处理、数据编码、压缩送入机器人中,通过一系列的控制和转换可以确定目标的位置、方向、属性以及其它状态等,最终实现机器人按照人的意志完成特殊的任务。
在社会安全管理方面,图像增强技术的应用也十分广泛,如无损安全检查、指纹、虹膜、掌纹、人脸等生物特征的增强处理等等。
图像增强处理也应用到交通监控中,通过电视跟踪技术锁定目标位置,比如对有雾图像、夜视红外图像、交通事故的分析等等[5]。
2.2图像处理文件格式
2.2.1MATLAB图像文件格式
MATLAB支持以下几种图像文件格式:
(1)PCX(WindowsPaintbrush)格式。
可处理1,4,8,16,24位等图像数据。
文件内容包括:
文件头(128字节),图像数据、扩展颜色映射表数据。
(2)BMP(WindowsBitmap)格式。
有1,4,8,24位非压缩图像,8位RLE(Run-lengthEncoded)图像。
文件内容包括:
文件头(一个BITMAPFILEHEADER数据结构),位图信息数据块(位图信息头BITMAPINFOHEADER和一个颜色表)和图像数据。
(3)HDF(HierarchicalDataFormat)格式。
有8位,24位光栅数据集。
(4)JPEG(JointPhotographicExpertsGroup)格式,是一种成为联合图像专家组的图像压缩格式。
(5)TIFF(TaggedImageFileFormat)格式。
处理1,4,8,24位非压缩图像,1,4,8,24位packbit压缩图像,一位CCITT压缩图像等。
文件内容包括:
文件头,参数指针表与参数域,参数数据表和图像数据四部分。
(6)XWD(XWindowsDump)格式。
1,8位Zpixmaps,XYbitmaps,1位XYpixmaps。
(7)PNG(PortableNetworkGraphics)格式[6]。
2.2.2图像类型
在MATLAB中,一幅图像可能包含一个数据矩阵,也可能包含一个颜色映射表矩阵。
MATLAB中有四种基本的图像类型:
(1)索引图像
索引图像包括图像矩阵与颜色图数组,其中,颜色图是按图像中颜色值进行排序后的数组。
对于每个象素,图像矩阵包含一个值,这个值就是颜色图中的索引。
颜色图为m*3双精度值矩阵,各行分别指定红绿蓝(RGB)单色值。
Colormap=[R,G,B],R,G,B为值域为[0,1]的实数值。
图像矩阵与颜色图的关系依赖于图像矩阵是双精度型还是uint8(无符号8位整型)类型。
如果图像矩阵为双精度类型,第一点的值对应于颜色图的第一行,第二点对应于颜色图的第二行,依次类推。
如果图像矩阵是uint8,有一个偏移量,第0点值对应于颜色图的第一行,第一点对应于第二行,依次类推;uint8长用于图形文件格式,它支持256色。
(2)灰度图像
在MATLAB中,灰度图像是保存在一个矩阵中的,矩阵中的每一个元素代表一个象素点。
矩阵可以是双精度类型,其值域为[0,1];也可以为uint8类型,其数据范围为[0,255]。
矩阵的每个元素代表不同的亮度或灰度级。
(3)二进制图像
二进制图像中,每个点为两离散值中的一个,这两个值代表开或关。
二进制图像保存在一个由二维的由0(关)和1(开)组成的矩阵中。
从另一个角度讲,二进制图像可以看成为一个仅包括黑与白的灰度图像,也可以看作只有两种颜色的索引图像。
二进制图像可以保存为双精度或uint8类型的双精度数组,显然使用uint8类型更节省空间。
在图像处理工具箱中,任何一个返回二进制图像的函数都是以uint8类型逻辑数组来返回的。
(4)RGB图像
与索引图像一样,RGB图像分别用红,绿,蓝三个亮度值为一组,代表每个象素的颜色。
与索引图像不同的是,这些亮度值直接存在图像数组中,而不是存放在颜色图中。
图像数组为M*N*3,M,N表示图像象素的行列数[7]。
3MATLAB基本知识
3.1MATLAB简介
MATLAB是一个包含大量算法的集合。
其可以快捷的实现用户所需的各种计算功能。
函数中所使用的算法都是科研和工程计算中的最新研究成果,而前经过了各种优化和差错处理。
在通常情况下,可以用它来代替底层编程语言,如C和C++。
在计算要求相同的情况下,使用MATLAB的编程工作量会大大减少。
MATLAB的这些函数集包括从最简单最基本的函数到诸如矩阵,特征向量、快速傅立叶变换的复杂函数。
函数所能解决的问题其大致包括矩阵运算和线性方程组的求解、微分方程及偏微分方程的组的求解、符号运算、傅立叶变换和数据的统计分析、工程中的优化问题、稀疏矩阵运算、复数的各种运算、三角函数和其他初等数学运算、多维数组操作以及建模动态仿真等。
3.2MATLAB在图像处理中的应用
图像处理工具包是由一系列支持图像处理操作的函数组成的。
所支持的图像处理操作有:
图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT变换等)、图像分析和统计、二值图像操作等。
下面就MATLAB在图像处理中各方面的应用分别进行介绍。
(1)图像文件格式的读写和显示。
MATLAB提供了图像文件读入函数imread(),用来读取如:
bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式图像文;图像写出函数imwrite(),还有图像显示函数image()、imshow()等等。
(2)图像处理的基本运算。
MATLAB提供了图像的和、差等线性运算,以及卷积、相关、滤波等非线性算。
例如,conv2(I,J)实现了I,J两幅图像的卷积。
(3)图像变换。
MATLAB提供了一维和二维离散傅立叶变换(DFT)、快速傅立叶变换(FFT)、离散余弦变换(DCT)及其反变换函数,以及连续小波变换(CWT)、离散小波变换(DWT)及其反变换。
(4)图像的分析和增强。
针对图像的统计计算MATLAB提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。
(5)图像的数学形态学处理。
针对二值图像,MATLAB提供了数学形态学运算函数;腐蚀(Erode)、膨胀(Dilate)算子,以及在此基础上的开(Open)、闭(Close)算子、厚化(Thicken)、薄化(Thin)算子等丰富的数学形态学运算。
以上所提到的MATLAB在图像中的应用都是由相应的MATLAB函数来实现的,使用时,只需按照函数的调用语法正确输入参数即可。
具体的用法可参考MATLAB丰富的帮助文档。
图像边缘对图像识别和计算机分析十分有用,在MATLAB中,函数edge()用于灰度图像边缘的提取,它支持六种不同的边缘提取方法,即Sobel方法、Prewitt方法、Robert方法,Laplacian2Gaussian方法[8]。
4图像增强方法及仿真实现
图像增强是按特定的需要突出一幅图像中的某些信息,同时,消弱或去除某些信息使得图像更加实用。
图像增强技术主要包含直方图修改处理、图像平滑处理、图像尖锐化处理和彩色技术等。
图像增强单纯从技术上可分成两大类:
一类是频域处理法;一类是空域处理法。
频域法是把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。
采用低通滤波(即只让低频信号通过)法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。
空间域的算法分为点运算算法和邻域去噪算法。
点运算算法即灰度级校正、灰度变换和直方图修正等,目的或使图像成像均匀,或扩大图像动态范围,扩展对比度。
邻域增强算法分为图像平滑和锐化两种。
平滑一般用于消除图像噪声,但是也容易引起边缘的模糊[9]。
锐化的目的在于突出物体的边缘轮廓,便于目标识别。
本文整体研究内容概述如下图4所示:
图4概述图
4.1直方图增强
灰度变换是图像增强的一种重要手段,使图像对比度扩展,图像更加清晰,特征更加明显。
灰度级的直方图给出了一幅图像概貌的描述,通过修改灰度直方图来得到图像增强。
4.1.1直方图
图像的直方图是图像的重要统计特征,它可以认为是图像灰度密度函数的近似。
图像的灰度直方图是反映一幅图像的灰度级与出现这种灰度级的概率之间的关系的图形。
灰度直方图是离散函数,一般的来讲,要精确的得到图像的灰度密度函数是比较困难的,在实际中,可以使数字图像灰度直方图来代替。
归纳起来,直方图主要有以下几点性质:
(1)直方图中不包含位置信息。
直方图只是反应了图像灰度分布的特性,和灰度所在的位置没有关系,不同的图像可能具有相近或者完全相同的直方图分布。
(2)直方图反应了图像的整体灰度。
直方图反应了图像的整体灰度分布情况,对于暗色图像,直方图的组成集中在灰度级低(暗)的一侧,相反,明亮图像的直方图则倾向于灰度级高的一侧。
直观上讲,可以得出这样的结论,若一幅图像其象素占有全部可能的灰度级并且分布均匀,这样的图像有高对比度和多变的灰度色调。
(3)直方图的可叠加性。
一幅图像的直方图等于它各个部分直方图的和。
(4)直方图具有统计特性。
从直方图的定义可知,连续图像的直方图是一位连续函数,它具有统计特征,例如矩、绝对矩、中心矩、绝对中心矩、熵。
(5)直方图的动态范围。
直方图的动态范围是由计算机图像处理系统的模数转换器的灰度级决定。
MATLAB图像处理工具箱提供了imhist函数来计算和显示图像的直方图,灰度直方图是灰度值的函数,描述的是图像中具有该灰度值的象素的个数,如图4.1所示,(b)为图像(a)的灰度直方图,其横坐标表示象素的灰度级别,纵坐标表示该灰度出现的频率(象素的个数)。
图4.1灰度直方图实现
当图像对比度较小时,它的灰度直方图只在灰度轴上较小的一段区间上非零,较暗的图像由于较多的象素灰度值低,因此它的直方图的主体出现在低值灰度区间上,其在高值灰度区间上的幅度较小或为零,而较亮的图像情况正好相反[10]。
4.1.2直方图均衡化
把原始图的直方图变换为均匀分布的形式,增加象素灰度值的动态范围,从而达到增强图像整体对比度的效果。
通过灰度变换将一幅图像转换为另一幅具有均衡直方图的图像,即在一定灰度范围内具有相同的象素点数的图像的过程。
其“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。
直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
直方图均衡化过程如下:
(1)计算原图像的灰度直方图
;
(2)计算原图像的灰度累积分布函数
,进一步求出灰度变换表;
(3)根据灰度变换表,将原图像各灰度级映射为新的灰度级。
主要缺点:
变换后图像的灰度级减少,某些细节消失,某些图像,如直方图有高峰,经处理后对比度不自然的过分增强。
算法如下:
为讨论方便,以r和s分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。
即
在[0,1]内设有变换
(4.1)
且该函数单调递增,
于是有反变换
有概率论知,如果已知随即变量r的概率密度
而随机变量s是r的函数。
则s的概率密度
可以有
求出。
(4.2)
可见均衡后的各像素的灰度值
可直接由原图像的直方图算出。
在实际处理变换时,一般先对原始图像的灰度情况进行统计分析,并计算出原始直方图分布,然后根据计算出的累计直方图分布求出
到
的灰度映射关系。
在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后,按照这个映射关系对源图像各点像素进行灰度转换,即可完成对源图的直方图均衡化[11]。
(4.3)
在MATLAB中,histeq函数可以实现直方图均衡化。
该命令对灰度图像I进行变换,返回有N级灰度的图像J,J中的每个灰度级具有大致相同的象素点,所以图像
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 增强 技术
![提示](https://static.bingdoc.com/images/bang_tan.gif)