基于双直方图均衡的自适应图像增强处理Word文档格式.docx
- 文档编号:15706729
- 上传时间:2022-11-15
- 格式:DOCX
- 页数:10
- 大小:161.47KB
基于双直方图均衡的自适应图像增强处理Word文档格式.docx
《基于双直方图均衡的自适应图像增强处理Word文档格式.docx》由会员分享,可在线阅读,更多相关《基于双直方图均衡的自适应图像增强处理Word文档格式.docx(10页珍藏版)》请在冰豆网上搜索。
Abstract
ThispaperproposesanadaptiveimageenhancementalgorithmbasedonBrightnesspreservingBi-HistogramEqualization(BBHE).Anappropriatethresholdisselectedtocuttheimage,Thisalgorithmisaccordingtothegreyofimagescharacteristicsofthebackgroundandobjectivesintotwoparts,backgroundandobjectivesofthegreaterthevariancebetweenbetweenthatconstitutetheimageofthegapbetweenthetwoparts,aspartofthetargetwrongbackgroundorpartofthebackgroundisdividedintothewrongtargetwillleadtotwopartsaredividedintosmallerdifference.So,thatkindofdivisionofthelargestvariancebetweenmeanswrongpointsminimumprobability.Basedonthethreshold,bi-histogramequalizationandgrayleverhomogenizationtakeplace.Thealgorithmmakestheerrormeanbrightnessassmallaspossibleandentropyofoutputimageaslargeaspossible.Meanwhile,itcanprovideover-enhancement.Experimentalresultsprovethatthealgorithmhasbetterperformanceonimageenhancement.
Keywords:
bi-histogram;
adaptiv;
homogenization;
variance
引言
近几十年来,由于大规模集成电路技术和计算机技术的迅猛发展,数字图像处理技术正逐渐地成为其他科学技术领域中不可缺少的一项重要工具。
数字图像处理技术从空间探索到微观研究,从军事领域到工农业生产,从科学教育到娱乐游戏等越来越多的领域中得到应用。
在数字图像处理领域中图像增强是一个很重要的领域,本文提出了一种基于双直方图均衡化的自适应图像增强算法,它是通过最大类间方差法运用自适应函数选取合适的阈值对给定的灰度图像进行阈值分割为两个子图,然后分别对两个子图进行直方图均衡化,但是得到的图像还不是很理想,直方图分布不均匀的情况依然纯在,有的地方图像会产生过增强等不自然的现象,所以提出一种新方法,就是再分别对均衡化后的两个直方图分别进行均匀化,这样可以大大地改善图像效果。
最后对其进行合并可以得到理想的图像,明显比原图像好得多,所以本文方法可以作为一种方法对图像进行处理。
图像处理有很多种方法,有直方图均衡化,使用滤波器,以及小波和多分辨率处理,形态学处理等等,本文只针对图像分割和双直方图均衡化对图像进行处理,是一种新型的算法,并通过matlab对其进行实现,效果良好。
第1章概述
图像增强是图像处理中的一个重要领域,在医学图像处理及纹理分析、模式识别等预处理步骤中广泛使用。
目前有多种图像增强算法,如线性或非线性的灰度变换函数、领域内容分析等。
直方图均衡因其有效性和简单性被广泛应用,其基本原理是根据输入图像的灰度概率密度分布确定其映射函数,使得输出图像的直方图均匀分布,图像的对比度增强。
但是直方图均衡也存在一些明显的缺点:
首先,直方图均衡后会使得图像的均值接近于灰度级的中点而和原图像无关;
其次,直方图均衡后会使得一部分灰度级被拉伸,另一部分灰度级被简并,表现为图像的过增强出现不自然的表象。
为了克服上述情况的产生,学者们提出很多的改进算法[1-6]。
文献[1]提出保持亮度的双直方图均衡(BBHE),该方法首先将原图像以亮度均值划分为2个子图像,分别获得2个子图像的直方图;
其次对2个子图像进行分别均衡,这种方法在输入图像的直方图围绕均值对称分布时可以保持部分均值,并减少过增强现象。
其后,文献[2]提出了等面积双元子图均衡(DSIHE),取输入图像灰度中值对图像进行分割,该方法可以获得较大的熵,但是输出图像的均值会发生较大改变。
最小均值误差双直方图均衡(MMBEBHE)[3],最小均值误差双直方图均衡通过设定一阈值将原图像划分为2个子图,对子图分别进行均衡,使得输出图像的亮度均值和原图像亮度均值误差最小。
本文根据双直方图均衡的原理,选择合适的阈值将图像分割成两个子图,分别进行均衡和灰度均匀化处理,结果表明,该处理算法增强图像的同时也较好地保护了细节。
第2章双直方图均衡化
2.1直方图均衡化
如果数字图像灰度级范围为[0,L-1],n为图像中总像素数目,
为图像中灰度级k的像素数目,0≤k≤L-1,0≤
≤n-1,那么概率密度函数:
;
对应累计分布函数:
,其中,k=0,1,2.......L-1。
设输入图像为,灰度范围为fmin~fmax,对f根据累计分布函数C进行直方图均衡,输出图像为g,映射关系为:
g=fmin+(fmax−fmin)c(f)。
直方图均衡[6]后图像中各灰度级呈现均匀分布,利用直方图均衡处理大大地改善了原始图像的对比度。
但是直方图均衡并不能达到理想的图像处理效果。
因为直方图均衡化后,不论原图像的均值是多少,处理后的图像均值均在灰度最大值和灰度最小值的中间值附近。
而且由于原图像中各灰度级的概率密度不同,在均衡化后会出现灰度简并的现象,导致部分细节信息会丢失和过增强现象的出现。
2.2双直方图均衡
为了改进直方图均衡的缺点,出现了双直方图均衡。
即选择一个合适的灰度阈值,将原图像划分为2个子图,分别进行均衡。
设灰度级gray为门限,将原图像f分解为2个子图像f1与f2,原图像中所有灰度值小于等于门限的构成子图f2,原图像中灰度值大于门限的构成子图f1。
对2个子图f1和f2分别统计直方图,f1在灰度fmin到gray范围中进行均衡,f2在灰度gray+1到fmax范围中进行均衡,即:
k=fmin,.........,gary
g1=fmin+(gray-fmin)c1(f1)
k=gary+1,............,gmax
g2=(gary+1)+(fmax-gary)c2(f2)
得到处理后的子图g1与g2,其中,n1和n2为子图f1和f2的像素个数。
将处理后的子图像合并得到输出图像,对2个子图的分解、处理及合并都是对灰度级进行操作,而像素空间位置并不改变。
围绕如何确定分割阈值,出现了多种方法。
保持亮度的双直方图均衡[1]以输入图像的亮度均值作为分割阈值;
双元子图均衡[2]采用满足输出图像熵最大的灰度值作为分割阈值;
最小均值误差双直方图均衡[3]采用使输出图像的亮度均值和原图像亮度均值误差最小的灰度值作为分割阈值。
双直方图均衡处理后的图像效果明显好于直方图均衡,而且能部分保持原图像亮度均值,但是处理后的图像直方图仍然存在分布不均匀的情况,也会导致图像出现过增强及不自然现象。
第3章基于双直方图均衡的自适应增强算法
根据信息论的原理,定义信源的熵为信源所定义的随机变量的数学期望:
,其中,
且pi>
=0。
对于一幅给定的数字图像来说,灰度的分布是固定的,因此作为信源图像的熵可以作为人眼可获得图像信息的量度[4]。
图像的熵越大,图像的灰度分布越均匀,图像的视觉效果就越好。
在图像处理中,经常希望能在保持图像原亮度均值的基础上使图像获得好的视觉效果,结合上述分析,将能保持图像亮度均值的双直方图均衡并使图像熵尽可能大,两者相结合,选择合适的分割阈值。
如果输入图像的灰度范围为fmin~fmax,根据双直方图均衡的原理,在该灰度范围内,任意灰度值均可作为分割阈值,采取不同的分割阈值,会使输出图像产生较大的差别。
本文以直接使用函数graythresh对图像进行处理,这个函数可以帮助我们获得一个合适的阈值,利用这个阈值通常比人为设定的阈值能更好地把一张灰度图像转换为二值图像。
Graythresh函数使用最大类间方差法来获得一个阈值。
最大类间方差法是由日本学者大津(NobuyukiOtsu)于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。
函数调用格式:
level=graythresh(I),通过计算获得输入图像的阈值,这个阈值在[0,1]范围内。
该阈值可以传递给im2bw完成灰度图像转换为二值图像的操作。
level即分割阈值(也可为gray)。
因为输入图像各灰度级的概率分布密度函数是随机分布的,各个分割阈值之间没有必然联系,使上式最大化的灰度即为分割阈值,对应的输出图像即为双直方图均衡后图像。
根据前面的分析,在双直方图均衡后,直方图分布不均匀的情况仍然存在,图像会产生过增强等不自然现象,对均衡过的直方图进行均匀化处理可以消除此现象[5]。
仍然以上面的分割阈值为分割点,在灰度最小值到分割点及分割点到灰度最大值这2个灰度范围内分别进行直方图均匀化处理,这样可以在保持细节的基础上消除过增强现象,并且由于直方图均匀化,使得输出图像更适合观看。
均匀化的变换函数为:
其中,ne1和ne2分别为2个灰度范围内的有效灰度级的个数;
gmin和gmax为双直方图均衡后灰度最值;
gray分割阈值;
g为原灰度级;
gnew为变换后灰度级。
以上操作对灰度级进行,而像素空间位置并不改变。
第4章实验程序及结果分析
4.1双直方图均衡化
clc,closeall;
filename='
D:
\photoprecess\snow.jpg'
;
f=imread(filename);
imshow(f,256);
f=rgb2gray(f);
subplot(2,2,4);
title('
原灰度图像'
)
g=mat2gray(f);
level=graythresh(g);
%使用最大类间方差法找到图片的一个合适的阈值
g=im2bw(g,level);
%图像分割
level=level*255;
f1=immultiply(f,g);
%灰度高于阈值
f1=histeq(f1,256);
subplot(2,2,1);
imshow(f1);
均衡化的子图f
- 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:
- 基于 直方图 均衡 自适应 图像 增强 处理
![提示](https://static.bdocx.com/images/bang_tan.gif)