图像增强的毕业设计

《图像增强的毕业设计》由会员分享，可在线阅读，更多相关《图像增强的毕业设计（38页珍藏版）》请在金锄头文库上搜索。

1、1 1 引言引言 1.11.1 课题的研究背景课题的研究背景及意义及意义 数字图像处理(Digital Image Processing)是利用计算机对图像进行去除噪 声、增强、复原、分割、提取特征等相关理论、方法和技术的总称。因为通常图 像处理是用计算机和实时硬件实现的，因此也称之为计算机图像处理(Computer Image Processing)。一般而言，数字图像处理的主要内容包括图像获取、图像复 原、图像增强、图像分割、图像分析、图像重建、图像压缩编码等等。20世纪 2, 1 20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。直 到20世纪50年代数字计算机发展到

2、一定水平后，数字图像处理才真正引起人们的 兴趣。 目前数字图像处理技术已经成为计算机科学、信息科学、生物学、军事、通信、 工业、医学等学科研究的热点。在日常生活中，图像处理也得到广泛应用。例如 电脑人像艺术、电视中的特殊效果、自动售货机钞票的识别、邮政编码的自动识 别、交通车辆车牌识别、医学成像设备图像处理和利用指纹、虹膜、面部等特征 而进行的身份识别等等。 13 图像增强是图像处理的一项重要内容，其目的是将图像中感兴趣的部分尽可 能地突现出来。在一个图像系统中，图像的获取、发送、传输、接收、输出、复 制等等，每一个环节都会产生干扰，都会使图像质量降低。因此，如何对这些 “降质” 图像进行处理

3、使其达到我们的要求已受到研究人员的高度重视。传统的 图像增强算法在改善图像的对比度和增强图像的细节的同时也放大了噪声,这是传 统算法的缺点和不足之处。 2 图像增强对于物体的特征提取及其识别是非常重要的，主要有以下几个原因： 第一，图像增强的好坏直接关系到后续的图像处理（比如图像的分割，边缘检测， 特征提取等方面）的好坏；第二，图像增强是图像预处理中非常关键的一环，人 们从传感器获得的图像不可能是完美无缺的，不是拍摄的光线不好造成背景黑细 节不明显，就是夹杂着各种各样的噪声，这都降低了图像的质量，影响了人们的 感官效果；第三，传统的单尺度图像增强存在诸如增强图像的细节方面不突出， 不能对图像进

4、行分层处理等等，在处理效果上就没有多尺度处理的效果好，正因 为如此基于多尺度分析的图像增强正受到研究人员的重视。多尺度图像增强具有 良好的空间域局部化特性，对高频采用逐渐精细的时域或空域步长，可以聚焦到 分析对象的任意细节。因此，特别适合于图像信号这一类非平稳信源的处理，已 成为一种图像处理的新手段。因此对多尺度对比增强的研究是很有必要和重大意 义的。 6 1.21.2 图像多尺度对比增强的发展图像多尺度对比增强的发展及现状及现状 图像增强是改善图像视觉质量的一类技术，同时也是数字图像处理中的重要 内容。图像增强的首要目标是处理图像，使其比原始更适合特定应用。随着计算 机技术的不断发展以及图像

5、增强方法的不断成熟，图像增强算法的研究也变得越 来越灵活和多样化。图像增强领域发展至今已经有很多算法，通常分为两大类:空 间域法和频率域法。例如空域中的直方图均衡，对比度拉伸，灰度变换等，频域 中的如傅立叶变换，中值滤波，高通滤波，小波变换等等。 直方图均衡是一种借助于直方图变换实现灰度映射从而达到图像增强目的的 方法。直方图表示数字图像中每一灰度级与其出现的频数(具有该灰度级的像素数 目)间的统计关系。直方图能给出图像整体分布描述，如图像的灰度范围、灰度级 的大致分布情况等，但是不能增强图像的细节部分。 灰度变换法比较简单，常用的增强图像对比度的方法，也称对比度变换、点 运算或点处理。常用的

6、直接灰度变换法又包括灰度级线性拉伸和灰度级非线性拉 伸，这些方法使整幅图像或图像中某一区域里的各像素点的灰度级，都按某一规 律进行变换，由此可改变图像的对比度。对比度增强是图像增强中最普遍的增强 方法。当图像成像不足或过度曝光，图像记录设备范围太窄等，都会产生对比不 足的问题，使图像的细节分辨不清。为此需对每一像素的灰度级进行变换，扩大 图像灰度的范围，达到图像增强目的，但是使用这些方法增强时容易丢失背景信 息。 21, 3 中值滤波是1971年由J.W.Jukey首先提出并应用于一维信号处理技术中，后来 被二维图像信号处理技术所引用。中值滤波的思想是对一个窗口内的所有像素灰 度值进行排序，取

7、排序结果的中间值作为原窗口中心点像素的灰度值，这种滤波 也就是平滑操作，对干扰噪声的效果较好，中值滤波的关键在于选择合适的窗 15 口大小和形状，但一般很难事先确定窗口的尺寸，通常是从小到大进行多次尝试， XX 大学 2009 届毕业论文 第 3 页 共 38 页 这是中值滤波的不足之处。 基于小波分析的图像增强是从当今一门新兴学科小波分析理论的角度来探 讨图像处理问题的。对小波分解后的不同子带进行不同的线性运算，使图像中原 来对比度较差、模糊不清的细节得到了增强，按需要改变有关小波参数，并且它 的多分辨率分析具有良好的空间域和频率域局部化特性，对高频采用逐渐精细的 时域或空域步长，可以聚焦到

8、分析对象的任意细节，由此可增强图像中感兴趣的 部分，小波增强也是多尺度图像处理的范畴，是当前图像增强领域的研究热点。 7 由于传统单尺度图像增强存在着增强效果不明显，对图像的细节不能进行最 大化增强等缺点，而多尺度处理是就可以克服传统图像增强算法的这些缺点，因 此早在世纪年代美国Peter.J.Burt等人就已经开始对多尺度图像增强，编码2080 等进行了研究。随着计算机技术的快速发展，基于小波的图像多尺度研究是当 9 今的研究方向。 总体来说，以上方法都有各自的使用范围，传统图像增强方法在原理上容易 理解，计算也简便，但是缺点也比较明显，如对细节不能最大化增强，对图像不 能进行分层处理等，有

9、很大的局限性，所以如何消除传统算法的这些缺点是一个 很重要的问题。多尺度相比单尺度图像处理而言，可以对图像的细节进行最大化 增强，可以分层处理图像等，由于多尺度图像增强具有上述优点，为此，本论文 研究了一种新的图像增强算法多尺度对比增强算法。这种方法不需要对图像中 心尺寸进行选择，同时可以对不同密度区域进行不同程度增强，以达到突出显示 重要图像细节，忽略次要细节，同时不产生伪影,处理的效果比用传统单尺度算法 处理的效果要好许多。 1.31.3 论文主要工作论文主要工作 本文首先阐述了课题的研究背景、意义以及该研究领域的发展现状，介绍了 一些具有代表意义的传统单尺度图像增强方法，并且对这些传统增

10、强方法的处理 结果进行了相关的分析比较，接下来将重点论述多尺度对比增强算法。对传统图 像增强算法的处理效果进行验证后，针对常见图像增强存在的缺陷，将图像的多 尺度对比增强应用于图像处理，证明了该算法的有效性。论文具体工作安排如下: 第 1 章为引言，介绍了什么是数字图像处理、多尺度对比图像增强的研究背 景及意义，以及它的发展与现状，并详细介绍了几种传统单尺度图像增强算法的 优缺点，最后介绍了本文所做的主要工作与安排。 第 2 章研究和分析了一些具有代表意义的传统单尺度图像增强的理论以及各 种算法的原理，给出了利用这些算法做图像增强处理所得到的结果，分析总结了 各个算法的优缺点，重点说明了这些算

11、法在图像增强处理中的缺点，从而得出传 统图像增强处理效果不理想的问题。 第 3 章针对传统单尺度图像增强方法处理效果不理想的缺点，本章重点介绍 了多尺度对比增强算法理论，以及与单尺度图像增强相比它的优势。首先介绍了 图像多尺度对比图像增强的理论，接着对拉普拉斯金字塔函数， F/E 处理分层增 强系数，以及应用分层增强系数等进行了详细介绍，最后对这一章进行了小结。 第 4 章利用多尺度对比增强算法对所选图像进行处理，得到处理后的结果。 根据处理的结果说明了多尺度对比图像增强算法克服了传统单尺度增强算法的的 缺点，并能够得到清晰、细节图像的理想图像。 最后对全文进行总结。 XX 大学 2009 届

12、毕业论文 第 5 页 共 38 页 2 2 传统图像增强理论简介传统图像增强理论简介 2.12.1 传统图像增强概述传统图像增强概述 图像增强领域发展至今已经有很多算法，通常分为两大类：空间域法和频率 域法。 空间域法主要是在空间域中对图像像素灰度值直接进行运算处理，“空间域” 是指图像平面本身，这类方法是以对图像的像素直接处理为基础的。例如:将包含 某点的一个小区域内各点灰度值进行平均计算，用所得的平均值来代替该点的灰 度值。主要算法包括直方图修正、对比度增强和灰度级校正等。“频域”处理技 术是以修改图像的傅氏变换为基础的。频率域法是在图像的某种变换域中(通常是 频率域)对图像的变换值进行某

13、种运算处理，然后变换回空间域。例如：先对图像 进行傅立叶变换，然后对图像的频谱进行滤波等操作，最后把修正后的图像再次 进行傅立叶反变换回到空间域中。它是一种间接图像增强方法，主要包括中值滤 波、低通滤波、高通滤波、小波变换等。 2.22.2 传统图像增强的基本方法传统图像增强的基本方法 2.2.1 基本的灰度变换 实践证明，灰度变换技术是一种简便而有效的提高图像对比度的方法。灰度 变换也叫点运算，它不改变像素的位置，只改变像素的灰度。设输入图像为 ，输出图像为，则灰度变换的数学表达式可表示为：),(yxf),(yxg (式2.1),(),(yxfTyxg 这里为灰度变换的具体映射关系。T 经常

14、出现这样的情况，图像的灰度范围没有充分利用显示装置所允许的,ba 最大灰度范围从而导致图像的对比度太低，使一些细节不易被观察到。maxmin, 比如：摄影过程中如果曝光过度，就会出现这样的缺陷。解决上述问题的最简单 方法是进行灰度的线性变换，其数学表达式如下： (式2.2)min),( minmax ),(),( ayxf ab yxfTyxg 对灰度做这样线性变换以后，把原始图像的灰度范围强行扩展为显示),(yxf,ba 装置所允许的最大灰度范围，从而提高了整幅图像的对比度，原来观察maxmin, 不到的一些图像细节可能更加突出了，图2.1给出了这种线性灰度变换关系： 图2.1灰度范围的线性

15、变换 如果在图像处理过程中，需要突出图像中某些灰度范围内的图像的细节，同时又 允许适当损失另外灰度范围内的图像处理细节，可以采用线性灰度变换的另一种 形式，即分段线性变换。经过这种变换以后，可以使所关心的图像细节的灰度范 围得以扩展，增强其对比度；同时又使的所不关心的图像细节所处的灰度范围得 以压缩，降低其对比度。值得注意，这种分段线性变换，变换前后整幅图像总的 灰度范围 不变的。三段线性变换的数学表达式可写成： = (式2.3),(yxg 2323 1212 1 ),( ),( ),( fkgyxfk fkgyxfk yxfk ),( ),( ),(0( 2 21 1 M fyxff fyx

16、ff fyxf 式中 ， 1 1 1 f g k )( )( 12 12 2 ff gg k )( )( 2 2 3 ff gg k M M 在实际的处理过程中，如果图像上灰度范围的两端区域上有噪声，比如感光 胶片上有划伤和黑色感光颗粒，则可以用这种变换把灰度范围的两端区域压缩， 使人眼视觉对噪声的感受不明显，而对有用细节所占据的灰度区域给予线性扩展， 提高这部分的对比度。 如果图像上绝大部分的像素的灰度级集中在范围内，比较少的像素的灰,ba 度级超出此范围，则可用以下变换增强原图像上的范围的对比度：,ba XX 大学 2009 届毕业论文 第 7 页 共 38 页 = (式2.4) ),(yxg ),(max( ),(min( ),(min),( minmax M fyxf