基于MATLAB的数字图像增强技术本科毕业设计.docx
- 文档编号:9566853
- 上传时间:2023-02-05
- 格式:DOCX
- 页数:38
- 大小:547.54KB
基于MATLAB的数字图像增强技术本科毕业设计.docx
《基于MATLAB的数字图像增强技术本科毕业设计.docx》由会员分享,可在线阅读,更多相关《基于MATLAB的数字图像增强技术本科毕业设计.docx(38页珍藏版)》请在冰豆网上搜索。
基于MATLAB的数字图像增强技术本科毕业设计
本科毕业设计
题 目基于MATLAB的数字图像增强技术
基于MATLAB的数字图像增强技术
摘要:
数字图像处置是一门新兴技术,随着运算机硬件的进展,数字图像的实时处置已经成为可能,由于数字图像处置的各类算法的显现,使得其处置速度越来越快,能更好的为人们效劳。
数字图像处置是一种通过运算机采纳必然的算法对图形图像进行处置的技术,数字图像处置技术已经在各个领域上都有了比较普遍的应用。
数字图像处置是指将图像信号转换成数字格式并利用运算机对其进行处置的进程。
在图像处置中,图像增强技术关于提高图像的质量起着重要的作用。
本文先对图像增强的原理和各类增强方式进行概述,然后着重对灰度变换、直方图均衡化增强方式进行了深切的研究,在学习数字图像的大体表示与处置方式的基础上,针对图像增强的普遍性问题,研究和实现经常使用的图像增强方式及其算法,通过Matlab实验得出的实际处置成效,讨论不同的增强算法的适用处合,并对其图像增强方式进行性能评判。
关键词:
数字图像处置;图像增强;直方图均衡化;灰度变换
MATLAB-baseddigitalimageenhancementtechnology
Abstract:
Digitalimageprocessingisanemergingtechnology,withthedevelopmentofcomputerhardware,real-timedigitalimageprocessinghasbecomepossibleduetodigitalimageprocessingalgorithmstoappear,makingitfasterandfasterprocessingspeed,betterforPeopleservices.Digitalimageprocessingisusedbysomealgorithmscomputergraphicsimageprocessingtechnology.Digitalimageprocessingtechnologyhasbeeninvariousareashavearelativelywiderangeofimageprocessingistheproceduresofconvertingimagesignalintodigitalformat,thenusingthecomputertoprocessit.Intheimageprocessing,imageenhancementtechnologyplaysanimportantroleinimprovingthequalityoftheimage.Thisarticlefirstintroducestheprinciplesofimageenhancementandvariousmethodsofimagestrengthening,andthenfocusonseveralmethodstoenhancein-depthstudysuchasthegraytransformation,histogramequalization,smoothingandsharpening,andothercommonlyusedinlearningthebasicdigitalimageWiththeapproachthatonthebasisofimageenhancementfortheuniversalityoftheproblem,researchandrealizationofcommonimageenhancementmethodsandalgorithms,throughMatlabexperimentthattheactualeffectofvariousalgorithmstocomparetheadvantagesanddisadvantagestodiscussthedifferentenhancementalgorithmTheapplicationofoccasions,anditsimageenhancementmethodofperformanceevaluation.
Keywords:
Digital image processing;ImageEnhancement;histogramequalization;graytransform
摘要1
Abstract1
第一章引言1
课题的背景及意义1
课题的要紧内容1
第二章数字图像增强的大体理论1
数字图像的大体概念1
图像增强概述1
图像增强概述1
图像增强的现状与应用10
第三章图像增强方式和原理1
图像变换1
灰度变换1
直方图变换1
图像滑腻与锐化20
色彩增强1
第四章MATLAB大体知识介绍25
MATLAB的概述25
MATLAB产生的历史背景1
MATLAB语言的特点1
MATLAB在图像处置中的应用1
第五章图像增强算法与实现31
图像的灰度31
灰度直方图31
MATLAB程序实例31
结论33
致谢1
参考文献1
第一章引言
人类传递信息的要紧媒介是语言和图像。
据统计在人类同意的各类信息中视觉信息占80%,因此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搜集、图像紧缩、图像编码、图像存储、图像通信、图像显示这六个部份。
在实际应用中每一个部份都有可能致使图像品质变差,使图像传递的信息无法被正常读取和识别。
因此图像增强技术在图像的传递进程中很重要,是确保图像在传递进程中品质好坏的重要保障。
课题的背景及意义
随着电子运算机技术的进步,运算机图像处置最近几年来取得飞跃的进展,已经成功的应用于几乎所有与成像有关的领域,并正发挥着相当重要的作用。
它利用运算机对数字图像进行系列操作,从而取得某种预期的结果。
对图像进行处置时,常常运用图像增强技术以改善图像的质量。
在一样情形下,通过图像的传送和转换,如成像、复制、扫描、传输和显示等,常常会造成图像质量的下降。
在摄影时由于光照条件不足或过度,会使图像过暗或过亮;光学系统的失真、相对运动、大气流动等都会使图像模糊,传输进程中会引入各类类型的噪声。
总之输入的图像在视觉成效和识别方便性等方面可能存在诸多问题,这种问题不妨统称为质量问题。
尽管由于目的、观点、爱好等的不同,图像质量很难有统一的概念和标准,可是依照应用要求改善图像质量却是一个一起的目标。
图像增强是指依照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置,能够将本来模糊不清乃至全然无法分辨的原始图像处置成清楚的富含大量有效信息的可利用图像,有效地去除图像中的噪声、增强图像中的边缘或其他感爱好的区域,从而加倍容易对图像中感爱好的目标进行检测和测量。
处置后的图像是不是维持原状已是无关紧要的了,可不能因为考虑到图像的一些理想形式而去成心识的尽力重现图像的真实度。
图像增强的目的是增强图像的视觉成效,将原图像转换成一种更适合于人眼观看和运算机分析处置的形式。
它一样要借助人眼的视觉特性,以取得看起来较好地视觉成效,很少涉及客观和统一的评判标准。
增强的成效通常都与具体的图像有关系,靠人的主观感觉加以评判。
目前图像增强处置的应用已经渗透到医学诊断、航空航天、军事侦查、指纹识别、无损探伤、卫星图片的处置等领域。
如对x射线图片、CT影像、内窥镜图像进行增强,使医生更易从中确信病变区域,从图像细节区域中发觉问题;对不同时刻拍照的同一地域的遥感图片进行增强处置,侦查是不是有仇敌军事调动或军事装备及建筑显现;在煤矿工业电视系统中采纳增强处置来提高工业电视图像的清楚度,克服因光线不足、尘埃等缘故带来的图像模糊、误差等现象,减少电视系统保护的工作量。
图像增强技术的快速进展同它的普遍应用是分不开的,进展的动力来自稳固涌现的新的应用,咱们能够预料,在以后社会中图像增强技术将会发挥更为重要的作用。
课题的要紧内容
图像增强的进程往往也是一个矛盾的进程:
图像增强希望既去除噪声又增强边缘。
可是,增强边缘的同时会同时增强噪声,而滤去噪声又会使边缘在必然程度上模糊,因此,在图像增强的时候,往往是将这两部份进行折中,找到一个好的代价函数达到需要的增强目的。
传统的图像增强算法在确信转换函数时常是图像变换、灰度变换、直方图变换、图像滑腻与锐化、色彩增强等。
经常使用的一些图像增强方式是学习图像增强的基础,至今它们关于改善图像质量仍发挥着重要的作用。
本文着重研究了这些增强方式对图像进行增强处置,针对图像增强的普遍性问题,研究和实现经常使用的图像增强方式及其算法,并对直方图均衡法做Matlab实例。
第二章数字图像增强的大体理论
图像增强是一个失真的进程,其目的是要改善图像的视觉成效,针对给定图像的应用处合,有目的地强调图像的整体或局部特性,将原先不清楚的图像变得清楚或强调某些感爱好的特点,扩大图像中不同物体特点之间的不同,抑制不感爱好的特点,使之改善图像质量、丰硕信息量,增强图像判读和识别成效,知足某些特殊分析的需要。
数字图像的大体概念
数字图像的表示
图像并非能直接用运算机来处置,处置前必需先转化成数字图像。
初期一样用picture代表图像,随着数字技术的进展,此刻都用image代表离散化了的数字图像。
由于从外界取得的图像多是二维(2-D)的,一幅图像能够用一个2-D数组
表示。
那个地址x和y表示二维空间XY中一个坐标点的位置,而f那么代表图像在点
的某种性质数值。
为了能够用运算机对图像进行处置,需要坐标空间和性质空间都离散化。
这种离散化了的图像都是数字图像,即
都在整数集合中取值。
图像中的每一个大体单元称为图像那元素,简称像素。
图像的灰度
经常使用的图像一样是灰度图,这时f表示灰度值,反映了图像上对应点的亮度。
亮度是观看者对所看到的物体表面反射光强的量度。
作为图像灰度的量度函数
应大于零。
人们日常看到的图像一样是从目标上反射出来的光组成的,因此
可看成由两部份组成:
入射到可见场景上光的量;场景中目标对反射光反射的比率。
确切地说它们别离称为照度成份
和反射成份
。
与
和
都成正比,可表示成
=
×
。
将二维坐标位置函数
称为灰度。
入射光照射到物体表面的能量是有限的,而且它永久为正,即0<
<
;反射系数为0时,表示光全数被物体吸收,反射系数为1时,表示光全数被物体反射,反射系数在全吸收和全反射之间,即0<
<1。
因此图像的灰度值也是非负有界的。
灰度直方图
灰度直方图是数字图像处置中一个最简单、最有效的工具,它反映了数字图像中每一灰度级与其显现频率之间的统计关系。
能够有针对性地通过改变直方图的灰度散布状况,使灰度均匀地或按预期目标散布于整个灰度范围空间,从而达到图像增强的成效。
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像素的个数,如下图,(b)为图像(a)的灰度直方图,其横坐标表示像素的灰度级别,纵坐标表示该灰度显现的频率(像素的个数)。
(a)原始图像(b)原始图像灰度直方图
图原始图像与相应灰度直方图
图像增强概述
随着数字技术的不断进展和应用,现实生活中的许多信息都能够用数字形式的数据进行处置和存储,数字图像确实是这种以数字形式进行存储和处置的图像。
利用运算性能够对它进行常现图像处置技术所不能实现的加工处置,还能够将它在网上传输,能够多次拷贝而不失真。
数字图像处置亦称为运算机图像处置,指将图像信号转换成数字格式并利用运算机对其进行处置的进程。
这项技术最先显现于20世纪50年代,那时的数字运算机己经进展到必然水平,人们开始利用运算机来处置图形和图像信息。
数字图像处置成为一门独立的学科可追溯到20世纪60年代初期。
1964年,美国喷气推动实验室利用运算机对太空船发还的月球图像信息进行处置,收到明显的成效,不久,一门称为数字图像处置的新学科便诞生了,而且专门快便对通信、电视传输、医学、印染工业、工业检测及科学研究领域产生了重大阻碍。
数字图像处置系统要紧由图像搜集系统、数字运算机及输出设备组成。
如下图。
图数字图像处置系统
图仅仅是图像处置的硬件设备组成,图中并无显示出软件系统,在图像处置系统中软件系统一样是超级重要的。
在图像获取的进程中,由于设备的不完善及光照等条件的阻碍,不可幸免地会产生图像降质现象。
阻碍图像质量的几个要紧因素是:
(1)随机噪声,主若是高斯噪声和椒盐噪声,能够是由于相机或数字化设备产生,也能够是在图像传输;
(2)系统噪声,由系统产生,具有可预测性质;
(3)畸变,主若是由于相机与物体相对位置、光学透镜曲率等缘故造成的,能够看做是真实图像的几何变换。
数字图像处置流程如下图,从一幅或是一批图像的最简单的处置,如特点增强、去噪、滑腻等大体的图像处置技术,到图像的特点分析和提取,进而产生对图像的正确明白得或遥感图像的解译,最后的步骤能够是通过专家的视觉解译,也能够是在图像处置系统中通过一些知识库而产生的对图像的明白得。
图图像处置流程图
数字图像处置技术起源比较早,但真正进展是在八十年代后,随着运算机技术的高速进展而迅猛进展起来。
到目前为止,图像处置在图像通信、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用愈来愈多。
但就国内的情形而言,应用仍是很不普遍,人们要紧忙于从事于理论研究,诸如探讨图像紧缩编码等,而关于将成熟技术转化为生产力方面熟悉还远远不够。
California大学的Tonychen教授以为,目前国际上最经常使用的三种图像处置框架是:
基于变换的图像处置框架;基于偏微分方程(PDE)的图像处置框架;基于统计学的图像处置框架。
其中基于变换的图像处置框架要紧在实现图像紧缩上有优势,而基于偏微分方程(PDE)的图像处置框架在图像的噪声去除、边缘提取、图像分割上有优势。
事实上,除这三种工具之外,数学形态学、神经网络等学科在图像去噪及图像分割方面也存在特有的优势。
图像增强概述
图像增强的概念
图像增强是指按特定的需要突出一幅图像中的某些信息,同时减弱或去除某些不需要的信息的处置方式,也是提高图像质量的进程。
图像增强的目的是使图像的某些特性方面加倍鲜明、突出,使处置后的图像更适合人眼视觉特性或机械分析,以便于实现对图像的更高级的处置和分析。
图像增强的进程往往也是一个矛盾的进程:
图像增强希望既去除噪声又增强边缘。
可是,增强边缘的同时会同时增强噪声,而滤去噪声又会使边缘在必然程度上模糊,因此,在图像增强的时候,往往是将这两部份进行折中,找到一个好的代价函数达到需要的增强目的。
传统的图像增强算法在确信转换函数时常是基于整个图像的统计量,如:
ST转换,直方图均衡,中值滤波,微分锐化,高通滤波等等。
如此对应于某些局部区域的细节在计算整幅图的变换时其阻碍因为其值较小而常常被忽略掉,从而局部区域的增强成效常常不够理想,噪声滤波和边缘增强这二者的矛盾较宝贵到解决。
经常使用的图像增强方式
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加倍有效。
图像增强技术要紧包括直方图均衡化、对照度增强、滑腻噪声和锐化等。
(1)直方图均衡化
有些图像在低值灰度区间上频率较大,使得图像中较暗区域中的细节看不清楚。
这时能够通过直方图均衡化将图像的灰度范围分开,而且让灰度频率较小的灰度级变大,通过调整图像灰度值的动态范围,自动地增加整个图像的对照度,使图像具有较大的反差,细节清楚。
(2)对照度增强法
有些图像的对照度比较低,从而使整个图像模糊不清。
这时能够按必然的规那么修改原先图像的每一个象素的灰度,从而改变图像灰度的动态范围。
(3)滑腻噪声
有些图像是通过扫描仪扫描输入、或传输通道传输过来的。
图像中往往包括有各类各样的噪声。
这些噪声一样是随机产生的,因此具有散布和大小不规那么性的特点。
这些噪声的存在直接阻碍着后续的处置进程,使图像失真。
图像滑腻确实是针对图像噪声的操作,其要紧作用是为了排除噪声,图像滑腻的经常使用方式是采纳均值滤波或中值滤波,均值滤波是一种线性空间滤波,它用一个有奇数点的掩模在图像上滑动,将掩模中心对应像素点的灰度值用掩模内所有像素点灰度的平均值代替,若是规定了在取均值进程中掩模内各像素点所占的权重,即各像素点所乘系数,这时就称为加权均值滤波;中值滤波是一种非线性空间滤波,其与均值滤波的区别是掩模中心对应像素点的灰度值用掩模内所有像素点灰度值的中间值代替。
(4)锐化
滑腻噪声时常常会使图像的边缘变的模糊,针对平均和积分运算使图像模糊,可对其进行反运算采取微分算子利用模板和统计差值的方式,使图像增强锐化。
图像边缘与高频分量相对应,高通滤波器能够让高频分量畅通无阻,而对低频分量那么充分限制,通太高通滤波器去除低频分量,也能够达到图像锐化的目的。
图像增强的现状与应用
运算机图像处置的进展历史不长,但已经引发了人们的重视。
图像处置技术始20世纪60年代,由于那时图像存储本钱高,处置设备造价高,因此其应用面很窄。
1964年美国加州理工学院的喷气推动实验室,第一次对彷徨者7号太空飞船发还的月球照片进行了处置,取得了前所未有的清楚图像,这标志着图像处置技术开始取得实际应用。
70年代进入进展期,显现
和卫星遥感图像,对图像处置的进展起到了专门好的增进作用。
80年代进入普及期,现在微机己经能够承担起图形图像处置的任务。
VLSI的显现更使得处置速度大大提高,其造价也进一步降低,极大的增进了图像处置系统的普及和应用。
90年代是图像处置技术有效化时期,图像处置的信息量庞大,对处置的速度要求极高。
21世纪的图像处置技术要向高质量化方面进展,实现图像的实时处置,采纳数字全息技术使图像包括最为完整和丰硕的信息,实现图像的智能生成、处置、明白得和识别。
目前,许多新的增强算法都充分利用了周围邻域这一重要的信息,形成了很多局部处置的灰度调整算法,该方式要紧利用了邻域的统计特性。
其中自适应滤波器既能滑腻又能爱惜边缘,其大体思想是滤波器的参数可依照像素所在的邻域情形而自适应选取,也可描述为加权平均滤波器,能够较好的滑腻噪声区域,并能爱惜较显著的边缘,但对图像细节的爱惜较差,该算法对脉冲噪声灵敏,而且模型的性能受参数的阻碍比较大。
最近几年来,模糊集合理论在图像处置中取得了普遍的应用。
例如Yang和Tohl采纳模糊规那么改良传统的中值滤波器中滤波窗口尺度的选择,改善了算法对高斯噪声的抗噪性能。
Russoti提出的自适应模糊滤波算子能够较好的爱惜图像细节和滤除高斯噪声,其算法中窗口的大小由邻域一致性程度决定,该一致性程度由一个模糊逻辑规那么导出。
图像增强中变换域增强也取得很普遍的应用,例如付傅氏变换、离散余弦变换、小波变换等,其中小波是最近几年来进展起来的一种新的时频分析工具,它具有时频局部化能力和多分辨率分析的能力,使得它很适合于信号处置邻域。
对图像进行多尺度小波变换后,不同频率的信号出此刻不同尺度的子带图像上,有了这些特性就能够专门好的对感爱好的部份进行增强。
图像变换的方式是多种多样的。
通过采取适当的增强处置能够将本来模糊不清乃至全然无法分辨的原始图片处置成清楚、明晰的富含大量有效信息的可利用图像,因此图像增强技术在许多领域取得普遍应用。
在图像处置系统中,图像增强技术作为预处置部份的大体技术,是系统中十分重要的一环。
迄今为止,图像增强技术己经广泛用于军事、地质、海洋、丛林、医学、遥感、微生物和刑侦等方面。
第三章图像增强方式和原理
图像增强是通过必然手腕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爱好的特点或抑制(掩盖)图像中某些不需要的特点,使图像与视觉响应特性相匹配。
在图像增强进程中,不分析图像降质的缘故,处置后的图像不必然逼近原始图像。
图像变换
人与电脑对事物的明白得是不同的,关于人来讲,文字信息要比图像信息抽象,可是关于电脑来讲,图像信息要比文字信息抽象。
因此,关于运算机来讲,要对图像进行处置,并非是一件容易的情形。
为了快速有效的对图像进行处置和分析,咱们通常都需要对图像进行一些变换,把原先的图像信息变成另一张形式,使运算机更易明白得、处置和分析。
这种变换确实是所谓的图像变换。
图像变换是指图像的二维正交变换,它在图像增强、恢复、编码等方面有着普遍的应运。
如傅立叶变换后平均值正比于图像灰度的平均值,高频分量那么说明了图像中目标边缘的强度和方向,利用这些性质能够从图像中抽掏出特点;又如在变换域中,图像能量往往集中在少数项上,或说能量要紧集中在低频分量上,这时对低频成份分派较多的比特数,对高频成份分派较少的比特数,即可实现图像数据的紧缩编码。
离散图像变换的一样表达式
关于二维离散函数
x=0,1,2,…,M-1;y=0,1,2,…,N-1
有变换对
u=0,1,2,…,M-1v=0,1,2,…,N-1
x=0,1,2,…,M-1y=0,1,2,…,N-1变换核可分离的离散图像变换表示为:
如此,二维离散变换就能够够用两次一维变换实现。
离散沃尔什变换
由于傅立叶变换的变换核由正弦余弦函数组成,运算速度受阻碍。
要找另一种正交变换,要运算简单且变换核矩阵产生方便。
WalshTransform矩阵简单,只有1和-1,矩阵容易产生,有快速算法。
一维离散沃尔什变换
假设N=2
,那么离散f(x)(x=0,1,2,…,N-1)的沃尔什变换
u=0,1,2,…,N-1
x=0,1,2,…,N-1
二维离散沃尔什变换
(u=0,1,2…,M-1v=0,1,2…,N-1)
(x=0,1,2…,M-1y=0,1,2…,N-1)
那个地址假定了M=2
,N=2
从上式可知,终归变换核具有可分离性,即
因此,二维离散沃尔什变换可由两次变换来实现。
灰度变换
灰度变换可使图像动态范围增大,对照度取得扩展,使图像清楚、特点明显,是图像增强的重要手腕之一。
它要紧利用点运算来修正像素灰度,由输入像素点的灰度值确信相应输出点的灰度值,是一种基于图像变换的操作。
灰度变换不改变图像内的空间关系,除灰度级的改变是依照某种特定的灰度变换函数进行之外,能够看做是“从像素到像素”的复制操作。
基于点运算的灰度变换可表示为:
其中T被称为灰度变换函数,它描述了输入灰度值和输出灰度值之间的转换关系。
一旦灰度变换函数确信,该灰度变换就被完全确信下来。
灰度变换包括的方式很多,如逆反处置、阈值变换、灰度拉伸、灰度切分、灰度级修正、动态范围调整等。
尽管它们对图像的处置成效不同,但处置进程中都运用了点运算,通常可分为线性变换、分段线性变换、非线性变换。
线性变换
假定原图像f(x,y)的灰度范围为[a,b],变换后的图像g(x,y)的灰度范围线性的扩展至[c,d],如图3.11所示。
那么关于图像中的任一点的灰度值P(x,y),变换后为g(x,y),其数学表达式如下所示[1]。
假设图像中大部份像素的灰度级散布在区间[a,b]内,max
- 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 MATLAB 数字图像 增强 技术 本科 毕业设计