基于MATLAB的图像增强方法与实现

1 基于 MATLAB 的图像增强方法与实现图像，包含模拟图像与数字图像，是图形与影像的合称，在人类的日常生活中有着不可替代的地位：它是人类主要依赖的信息源之一，来源于视觉的信息可以占到个人总体所获取的百分之七十五左右。由于人类日常工作与生活中对图像质量与清晰度越来越高的要求，图像处理作为一样通过计算机对图像进行分析和处理的技术，在应用领域得到了很大的发展。图像增强作为数字图像处理主要技术之一，可以实现对图像视觉效果的改良，并根据不同的图像的具体应用情况，实现对图像某种特定属性的突出与强调，对不同元素之间的差异的扩大，以达到使图像的信息量更加丰富，提升图像质量的目的，迎合某些场合对图像分析的需要。MATLAB 是由美国 Math-Works 公司出品的应用于算法开发、数据计算、数据的可视化及分析的一款数学软件，它以矩阵作为基本数据单位，能够实现高效的数值计算和符号计算，同时图形处理功能比较完善，且具有良好的用户界面。与C+类似的语法特征结合与数学表达式相似的书写格式使得MATLAB 这种语言能够使操作更简单，且能更加直观显示出图像处理的效果。本文主要研究不同的图像增强算法，分别详述图像增强的两大类空间域图像增强方法与频率域图像增强方法中的多种具体图像增强算法，如直方图均衡化算法，高斯低通滤波算法等，对它们的理论基础和意义进行阐述，对不同算法的具体使用范围加以讨论，并最终使用 MATLAB 语言对图像增强算法进行具体的实现。2 目录第 1 章绪论.31.1课题背景.31.2图像增强研究意义与发展现状.41.3论文研究工作与结构安排.4第 2 章 图像增强技术基本简介 .62.1数字图像处理基本概念.62.2图像增强简介.9第 3 章图像增强算法及原理 .12 3.1直接灰度级变换.12 3.2直方图变换.19 3.3空间域内的图像平滑与锐化.22 3.4频率域滤波方法.25 第 4 章图像增强算法的MATLAB 实现.40 4.1基本运行界面.40 4.2图像增强算法具体实现.41 3 第 1 章绪论1.1 课题背景数字图像处理最早期出现在20 世纪 50 年代，电子计算机在当时已经具备一定水平，计算机也开始被人们利用来处理图形、图像信息。20 世纪 60 年代初期，数字图像处理成为了一门正式学科。早期的图像处理着眼于对图像质量的改善，它所针对的对象是人，目的是改善图像在人眼中的视觉效果。图像处理的过程简单来说就是将输入中质量低的图像转变成质量相对高的图像作为结果输出出来。20 世纪 60 年代图像增强技术已经普及到其它多个领域。1895 年伦琴发现 X 射线，将其作为辐射源形成图像。20 世纪 70 年代，计算机轴向断层技术被Godfrey N.Hounsfield 和 Allan M.Cormack 等多个教授一起创造了出来：病人被发出X 射线的检测器围绕旋转，检测过程中X射线穿过身体后，再被位于对面环中的其它相应检测器接收。原理在于利用感知得到数据实现切片图像的重建：沿着垂直于检测器的方向运动的物体会产生一些切片，再由这些切片再现物体图像。20 世纪 80 年代之后，随着各种硬件的高速发展，图像处理范围不再局限于二维图像，三维图像也可以被人们加以处理。人们已经研究出了能获取三维图像和分析处理三维图像的设备与系统，图像处理技术的应用范围进一步扩大。到了20 世纪 90 年代，人类的工作生活，社会的发展等各个方面已愈发离不开图像处理技术，尤其是图像增强技术。人们编写计算机程序实现图像对比度的增强，使用于医药工业、生物科学等不同领域的大量图像能够更加方便地得到解释。图像增强也在地理学中应用于通过航空图像和卫星图像中分析污染模式；在考古学中应用于复原模糊图片，成功率较高；在物理学和其他相关领域中用来处理实验图片，譬如电子显微镜等领域。21 世纪至今，随着计算机技术在相关理论和实际应用领域的急速发展，人类工作与生活的方方面面已离不开对于图像的处理，应用领域在不断扩大，这也成为了一门高速发展且引人关注的新学科。4 1.2 图像增强研究意义与发展现状为了匹配图像和视觉响应的特性，使用某些算法在原图像中附加某种特定信息或是变换原图像中的某些数据，根据特定图像的要求与特性对感兴趣的图像特征进行突出，对无用的图像特性加以抑制，这种方法统称为图像增强。与其它某些图像处理的目的不同，图像增强过程中不需要考虑并分析图像降质的原因，此外，处理后的输出图像不需要贴近原图像。直方图均衡化是一种常用的图像增强方法。1997年，Kim 提出在电子产品中如数码相机等中运用图像增强技术时，需要开发出维持图像的亮度属性的算法，因此提出了能够保持图像亮度的直方图均衡算法，引发了众多学者的关注；1999 年，Wan 提出二维子图直方图均衡算法；后来其他学者提出最小均方误差双直方图均衡算法。此后，为了实现保持图像亮度特性的目的，局部增强技术被许多学者所研究，多层直方图均衡算法、递归子图均衡算法、递归均值分层均衡处理、保持亮度特性动态直方图均衡算法、动态直方图均衡算法、亮度保持簇直方图均衡处理等新算法问世。目前，图像增强技术在工业领域已经充分应用于对机械零部件、印刷电路板、集成芯片内部电路等的检测，对出厂食品质量的检验，对工件尺寸的测量等在工业生产领域内的自动化设计与产品质量的检验过程中。在工业生产中，机器人可以通过摄像机拍摄的、经过图像增强处理、数据编码压缩过的图片来控制对物体的位置、方向、移动等其它属性来完成特定的任务；在生物医学方面应用于分类计数红细胞、白细胞、细菌、虫卵的以及分析处理染色体显微光学图像；在社会安全管理方面应用于增强处理人脸、指纹、掌纹、虹膜等生物特征以及无损安全检查等；在交通监控方面应用于对有雾图像、夜视红外图像的增强以实现交通事故的分析和利用电视跟踪技术锁定目标位置。此外，图像增强经常作为图像预处理的一项重要技术，起到消除无关信息，恢复并增强有用信息的可检测性和有限度地数据简化的功能，是进行其它图像处理之前必不可少的程序。1.3 论文研究工作与结构安排本文主要利用 MATLAB 作为工具来实现多种图像增强算法的实现。全文共分五章，具体安排如下。5 第一章 绪论，介绍本课题的课题背景，研究的目的与意义，以及国内外的研究现状。第二章 数字图像增强技术的基础理论的基本简介。介绍图像增强技术中相关的一些基本的概念术语，如像素、灰度、灰度直方图等。第三章 多种图像增强具体方法的介绍。将图像增强方法分为空间域图像增强方法与频域图像增强方法两大类，分别对其基本原理进行解释。第四章 上章介绍中各种图像增强算法在MATLAB 中的具体实现。第五章 总结与展望。6 第2章 图像增强技术基本简介2.1 数字图像处理基本概念2.1.1 数字图像表示方法因为从外界得到的图像大多是二维的，所以一幅图像可以对应一个二维函数(,)f x y，而不同的二维函数可以表示不同的图像。其中在(,)fx y中，x和 y 都表示空间坐标，该二维函数中坐标(,)x y所对应的函数值f表示图像在该点的某种性质的数值，往往是灰度值，反映出该图像对应坐标上点的亮度。数字图像指当x，y 与f的数值均具有有限且离散的特性1，因为计算机只能处理坐标空间、性质空间都呈离散状态的图像，为了能够被计算机处理，数字图像对应的二维函数(,)fx y的值域是整数集合的子集。一个图像由一个数字序列表示，构成图像的最小单元称为像素。2.1.2 灰度与灰度直方图数字图像处理中，最常使用的图像是灰度数字图像。在这种图像中，一个像素只对应一个采样颜色。与黑白图像不同，灰度图像的采样颜色范围包含从最暗的黑色向最亮的白色过渡过程中的所有颜色。灰度即指图像中单个像素的对应的颜色深度，反映出每个像素的光内测量的亮度。灰度直方图是描述了某图像内关于灰度值分布的函数的图形，反映了对此图像灰度分布的统计结果。它计算了该图像内所有像素的灰度值，并统计不同灰度值在所有像素内的出现频率。作为在数字图像处理过程中经常使用的一种简单且有用的工具，灰度直方图经常用PDF（Probability Density Function)来加以描述。如下图，图 2-1 为一普通灰度图像，图2-2 为图 2-1 的灰度直方图，其横纵坐标分别表示灰度等级，和该灰度等级在全部像素中的出现次数，即该灰度级出现频率。在图像处理过程中，为了实现图像的增强，经常使用算法来调整图像的灰度级分布，使图像灰度能够均匀化分布，或者满足其它的特定要求。7 2-1 原始图像2-2 图 2-1 对应的灰度直方图8 2.1.3 图像噪声正如人们日常生活中无处不在的噪声一般，图像中的噪声也可以定义为妨碍人类对其视觉感官所接收的图像中的信息进行理解的因素，会造成图像的质量降低。图像噪声大多是不可测的，所以经常用随机过程来描述这一现象，但不同的噪声的性质之间有所差别。按照噪声产生的原因来看，图像噪声可以分为来自系统外部干扰的外部噪声与由光电基本性质引发的内部噪声。此外，内部噪声还有可能由系统设备内部电路，电器的机械运动和器材材料本身引发。如按频谱形状来区分，噪声又可分为频谱均匀分布的白噪声，与频率成反比的1/f噪声，与频率平方成正比的三角噪声。又可以根据图像噪声与信号的关系分为加性噪声与乘性噪声等等。从统计理论的角度，平稳噪声的统计特性不随时间的变化而变化，而非平稳噪声则反之，统计特性随时变化。最典型的随机噪声之一是椒盐噪声，灰度高的为盐噪声，灰度低的为胡椒噪声。它经常在从图像传感器进行传输和解码时产生，也常常由对图像的切割而引起。噪声可能会对图像的识别，分割以及特征提取影响很大，所以对图像进行去噪处理是必要的。在图像增强技术中，为了消除图像内的噪声，有时会对该图像进行滤波处理，即图像平滑化。2.1.4 图像处理基本过程与系统软硬件需求现今，由于数码相机等电子设备的高频率使用，许多图像以数字的形式产生并加以存储，还可以通过网络被传输，且可以在不失真的前提下进行多次拷贝。通过计算机，可以对图像进行去除噪声、增强、复原、分割、提取特征等分析、处理或加工，这种方法和技术被称作数字图像处理技术。数字图像处理的典型问题包括颜色处理、几何变换、图像合成、去噪声、边缘检测、图像分割、图像制作、图像配准、图像压缩、图像增强、数字水印等，被广泛应用于摄影印刷、卫星图像处理、医学影像处理、显微图像处理、面部特征识别、汽车障碍识别等领域。这些典型的图像处理技术具有相似的处理过程，即数字图像处理大致分为的三个步骤：图像的采集；图像的处理（例如图像增强）；图像的输出。其硬件系统也主要由三部分组成：用来采集图像的图像采集系统，完成图像处理的数字计