图形图像处理期末大报告.docx
- 文档编号:16921157
- 上传时间:2023-04-24
- 格式:DOCX
- 页数:29
- 大小:1.16MB
图形图像处理期末大报告.docx
《图形图像处理期末大报告.docx》由会员分享,可在线阅读,更多相关《图形图像处理期末大报告.docx(29页珍藏版)》请在冰豆网上搜索。
图形图像处理期末大报告
图形图像处理
期末大作业报告
学院:
信息工程与自动化学院
专业:
计算机科学与技术
年级:
2009级
学生姓名:
徐章林
学生学号:
200910405429
任课教师姓名:
尚振宏
前言
研究图像增强的初始动力:
人类传递信息的主要媒介是语言和图像。
据统计在人类接受的各种信息中视觉信息占80%,所以图像信息是十分重要的信息传递媒体和方式。
图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。
在实际应用中每个部分都有可能导致图像品质变差,使图像传递的信息无法被正常读取和识别。
因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。
研究图像增强的意义及应用:
图像增强处理是数字图像处理的一个重要分支。
很多由于场景条件的影响图像拍摄的视觉效果不佳,这就需要图像增强技术来改善人的视觉效果,比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等,这些都有利于对图像中目标的识别、跟踪和理解。
图像增强处理主要内容是突出图像中感兴趣的部分,减弱或去除不需要的信息。
这样使有用信息得到加强,从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。
图像增强的应用领域也十分广阔并涉及各种类型的图像。
例如,在军事应用中,增强红外图像提取我方感兴趣的敌军目标;在医学应用中,增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置;在空间应用中,对用太空照相机传来的月球图片进行增强处理改善图像的质量;在农业应用中,增强遥感图像了解农作物的分布;在交通应用中,对大雾天气图像进行增强,加强车牌、路标等重要信息进行识别;在数码相机中,增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。
图像增强的发展现状:
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。
在这一时期由于图像存储成本高,处理设备造价高,因而其应用面很窄。
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。
图像增强的方法是通过一定手段对原图像附加一些信息或变换数据,有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征,使图像与视觉响应特性相匹配。
在图像增强过程中,不分析图像降质的原因,处理后的图像不一定逼近原始图像。
图像增强技术根据增强处理过程所在的空间不同,可分为基于空域的算法和基于频域的算法两大类。
基于频率域法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。
基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正,是一种间接增强的算法。
基于空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。
常用算法有均值滤波、中值滤波。
锐化的目的在于突出物体的边缘轮廓,便于目标识别。
常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
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。
1算法原理
1.1图像增强的概念和分类
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。
图像增强的目的是增强图像的视觉效果,将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
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。
目前常用的增强技术根据其处理所进行的空间不同,可分为基于图像域的方法和基于变化域的方法。
第一类,直接在图像所在的空间进行处理,也就是在像素组成的空间里直接对像素进行操作;第二类,在图像的变化域对图像进行间接处理。
1.2本文讨论的图像增强的基本方法
1.2.1空间域滤波增强
空域滤波可分为线形滤波和非线形滤波两类,线形滤波器的设计常基于对傅立叶变换的分析,非线形空域滤波器则一般直接对邻域进行操作。
另外各种滤波器根据功能又主要分成平滑滤波和锐化滤波。
平滑可用低通来实现,锐化可用高通来实现
平滑滤波器:
它能减弱或消除傅立叶空间的高频分量,但不影响在低频分量。
因为高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分,滤波器将这些分量滤去可使图像平滑。
空域滤波器都是利用模板卷积,主要步骤如下:
1 将模板在图中漫游,并将模板中心与图中某个像素位置重合;
2 将模板上的系数与模板下对应的像素相乘;
3 将所有的乘积相加;
4 将和(模板的输出响应)赋给图中对应的模板中心位置像素。
1.2.2频率域增强
卷积理论是频域技术的基础。
设函数f(x,y)与线性位不变算子h(x,y)的卷积结果是g(x,y),即g(x,y)=h(x,y)*f(x,y)
那么根据卷积定理在频域有:
G(x,y)=H(u,v)F(u,v)
其中G(x,y)、H(u,v)、F(u,v)分别是g(x,y)、h(x,y)、f(x,y)的傅立叶变换。
频域增强的主要步骤是:
1 技术所需增强图的傅立叶变换;
2 将其与一个(根据需要设计的)转移函数相乘;
3 再将结果进行傅立叶反变换以得到增强的图。
频域增强的两个关键步骤:
1 将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换;
2 在频域空间对图像进行增强加工操作。
常用的频域增强方法有低通滤波和高通滤波。
以下分别介绍在MATLAB中如何实现。
1.2.3空间锐化
在图像增强过程中,通常利用各类图像平滑算法消除噪声,图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。
一般来说,图像的能量主要集中在其低频部分,噪声所在的频段主要在高频段,同时图像边缘信息也主要集中在其高频部分。
这将导致原始图像在平滑处理之后,图像边缘和图像轮廓模糊的情况出现。
为了减少这类不利效果的影响,就需要利用图像锐化技术,使图像的边缘变得清晰。
图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰,经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算,因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。
从频率域来考虑,图像模糊的实质是因为其高频分量被衰减,因此可以用高通滤波器来使图像清晰。
但要注意能够进行锐化处理的图像必须有较高的性噪比,否则锐化后图像性噪比反而更低,从而使得噪声增加的比信号还要多,因此一般是先去除或减轻噪声后再进行锐化处理
1.2.4色彩增强
用于色彩增强的方法很多,本文主要进行一下频率域伪彩色增强:
频率域伪彩色增强时先把黑白图像经傅立叶变换到频率域,在频率域内三个不同传递特性的滤波器分离成三个独立分量,然后对它们进行逆傅立叶变换,便得到三幅代表不同频率分量的单色图像,接着对这三幅图像作进一步的处理(直方图均衡化),最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道,从而实现频率域分段的伪彩色增强。
1.2.5利用sym4函数进行小波变换进行图像增强
某些传统图像增强方法往往带来比较严重的负效应。
为此,人们一直在寻找更好的图像增强方法。
小波分析因其分析信号的“数学显微镜’、多分辨分析能力,与图像增强的结合成为一种必然。
基于小波分析的图像增强,就是突出图像的边缘细节,尽可能的消除负面因素,从而达到增强图像的目的。
基于小波分析的图像增强是采用小波变换,对低频成分进行特殊处理,以增强图像中的目标信息。
2算法实现部分
2.1空域变换增强
2.1.1直方图均衡化
直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。
设原始图像在(x,y)处的灰度为f,而改变后的图像为g,则对图像增强的方法可表述为将在(x,y)处的灰度f映射为g。
在灰度直方图均衡化处理中对图像的映射函数可定义为:
g=EQ(f),这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数):
(1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。
这是为了保证增强处理没有打乱原始图像的灰度排列次序,原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。
(2)对于0≤f≤L-1有0≤g≤L-1,这个条件保证了变换前后灰度值动态范围的一致性。
累积分布函数(cumulativedistributionfunction,CDF)即可以满足上述两个条件,并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。
此时的直方图均衡化映射函数为:
gk=EQ(fk)=(ni/n)=pf(fi)
(k=0,1,2,……,L-1)
上述求和区间为0到k,根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。
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fk到gk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
2.1.2增强对比度
对比度增强是图像增强技术中一种比较简单但又十分重要的方法。
这种方法是按一定的规则修改输入图像每一个像素的灰度,从而改变图像灰度的动态范围。
它可以是灰度动态范围扩展,也可以使其压缩,或者是对灰度进行分段处理,根据图像特点和要求在某段区间中进行压缩在另外区间进行扩展。
设输入图像为f(x,y),处理后的图像为g(x,y),则对比度增强可以表示为下面的数学变幻式:
g(X,Y)=T[f(X,Y)]
其中T表示输入图像和输出图像对应点的灰度映射关系。
实际中由于曝光不足或成像系统非线性的影响,通常照片或电子系统生成图像对比对不良,利用对比度增强变换可以有效地改善图像的质量。
2.1.3图像灰度调整
为了突出图像中感兴趣的目标或灰度区间,相对抑制那些不感兴趣的灰度区间,可采用分段线性变换,把0-255整个灰度值区间分为若干线段,每一个直线段都对应一个局部的线性变换关系,常用的是三段线性变换方法,如下图2.1所示。
图2.1
其中f(x,y),g(x,y)分别为原图像和变换后的图像的灰度级,maxf、maxg分别为原图像和变换后的图像的最大灰度级。
灰度区间[a,b]为要增强的目标所对应的灰度范围,变换后灰度范围扩展至[c,d]。
变换时对[a,b]进行了线性拉伸,而[0,a]和[b,max]则被压缩,这两部分对应的细节信息损失了。
若这两部分对应的像素数较少,则损失的信息也相应较少。
其数学表达式如式。
分段线性变换可以根据用户的需要,拉伸特征物体的灰度细节,虽然其他灰度区间对应的细节信息有所损失,这对于识别目标来说没有什么影响。
下面对一些特殊的情况进行了分析。
令k1=c/a,k2=(d-c)/(b-a),k3=(maxg-d)/(maxf-b),即它们分别为对应直线段的斜率。
当k1=k3=0时,如图2.2(a)所示,表示对于[a,b]以外的原图灰度不感兴趣,均令为0,而处于[a,b]之间的原图灰度,则均匀的变换成新图灰度。
当k1=k2=k3=0,但c=d时,如图2.2(b)所示,表示只对[a,b]间的灰度感兴趣,且均为同样的白色,其余变黑,此时图像对应变成二值图。
这种操作又称为灰度级(或窗口)切片。
当kl=k3=1,c=d=maxg时,如图2.2(c)所示,表示在保留背景的前提下,提升[a,b]间像素的灰度级。
它也是一种窗口或灰度级切片操作。
图2.2三段线性变换
MATLAB软件中,imadjust函数可以实现图像的灰度变换,通过直方图变换调整图像的对比度。
2.2空域滤波增强
2.2.1线性平滑滤波
输出图像的值等于输入图像滤波后值的局部平均,各个项具有相同的权。
下面是平滑窗口分别为矩形和圆形的情况。
对一些图像进行线性滤波可以去除图像中某些类型的噪声,如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。
邻域平均法是空间域平滑噪声技术。
用一像素邻域内各像素灰度平均值来代替该像素原来的灰度,即是邻域平均技术。
另外,频域处理的基础是频域滤波,例如,理想的低通滤波器:
其中
。
2.2.2非线性平滑滤波
中值滤波是一种最常用的图像增强技术,是非线性滤波。
对椒盐噪声有很好的去噪效果。
中值滤波是基于一个移动窗口并计算输入图像在窗口内的像素亮度值的中值作为输出图像窗口中心的像素值而产生的。
给定的图像f(x,y)中的每一个点(m,n),取其领域s。
设s含有M个像素{a1,a2,⋯,aM},将其按大小排序,若M是奇数时,则位于中间的那个象素值就是修改后图像g(x,y)在点(m,n)处的像素值;若M是偶数则取中间两个象素的平均值作为修改后图像g(x,y)在点(m,n)处的象素值。
2.2.3线性锐化滤波
图像锐化处理的作用是使灰度反差增强,从而使模糊图像变得更加清晰。
图像模糊的实质就是图像受到平均运算或积分运算,因此可以对图像进行逆运算,如微分运算以突出图像细节使图像变得更为清晰。
由于拉普拉斯是一种微分算子,它的应用可增强图像中灰度突变的区域,减弱灰度的慢变化区域。
因此,锐化处理可选择拉普拉斯算子对原图像进行处理产生描述灰度突变的图像,再将拉普拉斯图像与原始图像叠加而产生锐化图像。
拉普拉斯锐化的基本方法可以由下式表示:
这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果,同时又能保留背景信息:
将原始图像叠加到拉普拉斯变换的处理结果中去,可以使图像中的各灰度值得到保留、灰度突变处的对比度得到增强,最终结果是在保留图像背景的前提下,突现出图像中小的细节。
2.3色彩增强
2.3.1伪彩色增强
伪彩色(pseudocolor),非彩色图像(灰度、二值)人为映射成彩色图像。
伪彩色增强是将一个波段或单一的黑白图像变换为彩色图像,从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异,更便于解译和提取有用信息。
伪彩色增强的方法主要有以下三种:
1 密度分割法:
密度分割或密度分层是伪彩色增强中最简单的一种方法,它是对图像亮度范围进行分割,使一定亮度间隔对应于某一类地物或几类地物从而有利于图像的增强和分类。
它是把黑白图像的灰度级从0(黑)到M0(白)分成N个区间Li,i=1,2,…,N。
给每个区间Li指定一种彩色Ci,这样,便可以把一幅灰度图像变成一幅伪彩色图像。
此法比较直观简单,缺点使变换出的彩色数目有限。
2 空间域灰度级-彩色变换:
空间域灰度级-彩色变换是一种更为常用的、比密度分割更有效的伪彩色增强法。
它是根据色度学的原理,将原图像的灰度分段经过红、绿、蓝三种不同变换,变成三基色分量,然后用它们分别去控制彩色显示器的红、绿、蓝电子枪,便可以在彩色显示器的屏幕上合成一幅彩色图像。
彩色的含量由变换函数的形状而定。
3 频率域伪彩色增强:
频率域伪彩色增强时先把黑白图像经傅立叶变换到频率域,在频率域内三个不同传递特性的滤波器分离成三个独立分量,然后对它们进行逆傅立叶变换,便得到三幅代表不同频率分量的单色图像,接着对这三幅图像作进一步的处理(直方图均衡化),最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道,从而实现频率域分段的伪彩色增强。
2.3.2真彩色增强
真彩色(true-color)是指图像中的每个像素值都分成R、G、B三个基色分量,每个基色分量直接决定其基色的强度,这样产生的色彩称为真彩色。
例如图像深度为24,用R:
G:
B=8:
8:
8来表示色彩,则R、G、B各占用8位来表示各自基色分量的强度,每个基色分量的强度等级为28=256种。
图像可容纳224=16M种色彩。
这样得到的色彩可以反映原图的真实色彩,故称真彩色。
2.4频域增强
2.4.1低通滤波
图像的能量大部分集中在幅度谱的低频和中频度,而图像的边缘和噪声对应于高频部分。
因此能降低高频成分幅度的滤波器就能减弱噪声的影响。
Butterworth低通滤波器是一种物理上可以实现的低通滤波器,n阶,截断频率为d0的Butterworth低通滤波器的转移函数为:
H(u,v)=
2.4.2高通滤波
高通滤波也称高频滤波器,它的频值在0频率处单位为1,随着频率的增长,传递函数的值逐渐增加;当频率增加到一定值之后传递函数的值通常又回到0值或者降低到某个大于1的值。
在前一种情况下,高频增强滤波器实际上是依照能够带通滤波器,只不过规定0频率处的增益为单位1。
实际应用中,为了减少图像中面积大且缓慢变化的成分的对比度,有时让0频率处的增益小于单位1更合适。
如果传递函数通过原点,则可以称为laplacian滤波器。
n阶截断频率为d0的Butterworth高通滤波器的转移函数为:
H(u,v)=
3具体实验
3.1新建gui项目
按照上面的步骤新建一个GUI项目
然后添加相应的菜单项图3.1
3.2直方图均衡化
图3.2
3.3对比度增强
图3.3
3.4图像灰度调整
图3.4
3.5线性平滑滤波
图3.5
3.6非线性平滑滤波
图3.6
3.7线性锐化滤波
图3.7
3.8利用sym4函数进行小波变换进行图像增强
图3.8
3.9伪彩色增强
图3.9
3.10真彩色增强
图3.10
3.11低通滤波
加噪去噪
图3.11
3.12高通滤波
原图图3.12高通滤波
4分析及结论
增强图象中的有用信息,它可以是一个失真的过程,其目的是要改善图像的视觉效果,针对给定图像的应用场合,有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。
图像增强可分成两大类:
频率域法和空间域法。
前者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。
具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等,它们可用于去除或减弱噪声。
图像增强的方法是通过一定手段对原图像附加一些信息或变换数据,有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征,使图像与视觉响应特性相匹配。
在图像增强过程中,不分析图像降质的原因,处理后的图像不一定逼近原始图像。
图像增强技术根据增强处理过程所在的空间不同,可分为基于空域的算法和基于频域的算法两大类。
基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正,是一种间接增强的算法。
基于空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。
常用算法有均值滤波、中值滤波。
锐化的目的在于突出物体的边缘轮廓,便于目标识别。
常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
5考文献目录
[1]机永红.数字图像处理.武汉大学出版社
[2]徐建华.图像处理与分析.科学出版社出版
[3]王积分.计算机图像识别.中国铁道出版社
[4]张远鹏,董海等.计算机图像处理技术基础
[5]王润生,图像解析
[6]赵荣椿,数字图像处理导论
[7]章毓晋.图像处理和分析
[8]图像增强,XX百科
6结束语
随着计算机处理能力的不断增强,数字图像处理学科在飞速发展的同时,也越来越广泛地向许多其他学科快速交叉渗透,使得图像作为信息获取以及信息的利用等方面也变得越来越重要。
目前数字图像处理的应用越来越广泛,已经渗透到工业、医疗保健、航空航天、军事等各个领域,在国民经济中发挥越来越大的作用。
以上的报告主要介绍了图像增强的几种常见的方法、原理和具体实现。
通过这次的报告,不但使我更加了解了图像增强方面的知识(包括空域图像增强技术和频域增强技术),而且还使我对MATLAB的运用更用熟练。
掌握了使用Matlab开发一个图形化的应用软件所要考虑的步骤。
学会了MatlabGUI中相关组件的使用方法。
以及掌握了如何在MatlabGUI中进行相关组件的编程,完成了老师要求设计的功能,同时自己还添加了一些简单的功能。
掌握了Matlab的一些最基本的图像变换的函数,提高了动手能力,受益匪浅。
附录
6.1程序源代码如下:
functionvarargout=sparkboy(varargin)
%Begininitializationcode-DONOTEDIT
gui_Singleton=1;
gui_State=struct('gui_Name',mfilename,...
'gui_Singleton',gui_Singleton,...
'gui_OpeningFcn',@sparkboy_OpeningFcn,...
'gui_OutputFcn',@sparkboy_OutputFcn,...
'gui_LayoutFcn',[],...
'gui_Callback',[]);
ifnargin&&ischar(varargin{1})
gui_State.gui_Callback=str2func(varargin{1});
end
ifnargout
[varargout{1:
nargout}]=gui_mainfcn(gui_State,varargin{:
});
else
gui_mainfcn(gui_State,varargin{:
});
end
%Endinitializationcode-DONOTEDIT
%---Executesjustbeforesparkboyismade
- 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:
- 图形图像 处理 期末 大报