《数字图像处理系统空间域图像增强(课程设计).doc》由会员分享，可在线阅读，更多相关《数字图像处理系统空间域图像增强(课程设计).doc（21页珍藏版）》请在三一办公上搜索。
1、数字图像处理课程设计报告题 目： 空间域图像增强 专 业： 信息与计算科学 学 号： 组 长： 指导教师： 成 绩： 二一 年 六 月 二十八 日一、课程设计目的1、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理和方法。2、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。3、充分利用所学数学方面的知识对问题进行深入分析。二、课程设计基本要求1、对知识点的掌握要求：（1）深入理解空域图像增强方法的基本原理和基本的一些算法。（2）掌握线性平滑滤波器和中值滤波器的设计。（3）掌握拉普拉斯变换与梯度变换处理图像结果分析。（4）利用MATLAB对图像进行各种处理，如：
2、灰度切割，直方图的规定化和均衡化。（5）学会MATLAB的使用，掌握MATLAB的程序设计方法。2、分组情况组长： 组员：情况：设计全过程的监督及协助、资料收集以及部分源程序代码的编写和整个源程序代码的整理。：空域滤波增强中中值滤波器和锐化滤波器的设计。：空域滤波增强中线性平滑滤波器的设计。：空域点处理增强中的直方图规定化方法的分析。：空域点处理增强中的灰度变换方法的分析。3、课程设计内容通过空域方法提出图像增强的处理方法，理论原理结合实例对问题进行分析。三、课程设计步骤在空域图像处理方法中，根据每次处理时针对单个像素还是小的子图像块（模板）又可分为两种：一种是基于像素的图像增强，也叫点处理，
3、这种增强过程中对每个像素的处理与其他像素无关；另一种是基于模板的图像增强，也叫空域滤波，这种增强过程中的每次处理操作都是基于图像中的某个小的区域。下面就这两种方法分别进行论述：1、空域点处理增强（1）基本灰度变换A图像求反：将原图像灰度值翻转，简单的说就是使黑变白，白变黑。公式表示：灰度级范围0，L-1时，t=L-1-s；255255用Matlab程序实现图像求反：I=imread(123.tif);Imshow(I)I=double(I)I=256-1-II=unit8(I)FigureImshow(I)结果如下图： (a)原图(b)经处理后的图结果分析：实现反白，适用于增强嵌入于图像暗色区
4、域的白色或灰色细节。B、对数变换：所显示的图像相对于原图像存在失真时，要消除这种因动态范围太大而引起的失真，一种有效的方法是对原图像的动态范围进行压缩，于是常借助于对数形式对动态范围进行调整。公式表示：t=Clog(1+|s|)，其中C为尺度比例常数，取值可结合原图像的动态范围以及显示设备的显示能力来定。图：对数变换函数示意图用Matlab程序实现图像求反：I=imread(123.tif);Figure;Imshow(I);I=double(I);I2=41*log(1+I);I2=unit8(I2);Figure;Imshow(I2);结果如下图： (a)原图(b)经处理后的图结果分析：扩
5、展低输入，压缩高输入。当原图动态范围太大，超出显示设备的范围时，如直接显示原图则一部分细节可能丢失。此时采用对数变换，如傅里叶频谱的显示。C、分段线性变换：将需要的图像细节灰度级拉伸，增强对比度，将不需要的图像细节灰度级压缩。公式表示： 图(a)图（b）图(a)表示：ac,bd，从图中曲线可以看出通过这样一个变换，原图像中灰度值在0到a和b到L-Mf间的动态范围减少了，而原图像中灰度值在a和b间的动态范围增加了，从而增强了中间范围内的对比度。图(b)表示：ad，从图中曲线可以看出通过这样一个变换，原图像中灰度值在0到a和b到L-Mf间的动态范围增加了，而原图像中灰度值在a和b间的动态范围减少了
6、，从而增强了中间范围内的对比度。由此得出结论：通过调整a,b,c,d可以控制分段直线的斜率，可对任一灰度区间进行扩展和压缩。用Matlab程序实现图像的线性变换：I=imread(2.tif); %读入并显示原始图像imshow(I);I=double(I);M,N=size (I);for i = 1:Mfor j = 1:N if I(i,j)=30I(i,j)= I(i,j); elseif I(i,j)=150I(i,j)=(200-300)/(150-30)*( I(i,j)-30)+30; else I(i,j)=(255-200)/(255-150)*( I(i,j)-150)+
7、200; end endendfigure(2);imshow(uint8(I);%显示变换后的结果图结果如下图： (a)原图 (b)变换后的图结果分析：压缩两端的背景的动态范围，扩展中段的目标的动态范围。D：灰度切割：目的是增强特定范围的对比度，用来突出图像中特定灰度范围的亮度，常用的有两种方法，示意图如下图所示：L-1 L-1r r 0 A B L-1 0 A B L-1图（1） 图（2）灰度切割变换的Matlab程序如下：I=imread(3.jpg); %读入并显示原始图像imshow(I);I=double(I);%读入并显示原始图像M,N=size (I);for i = 1:Mf
8、or j = 1:N if I(i,j)=50I(i,j)=40; elseif I(i,j)=180I(i,j)=220; else I(i,j)=40; end endendfigure;imshow(uint8(I);%显示变换后的结果图结果如下图： 经（1）切分的图像 经（2）切分的图像结果分析：按照图（1）切割的特点是：突出目标的轮廓，消除背景细节。按照图（2）切割的特点是：突出目标的轮廓，保留背景细节。E：幂次变换公式表示： 函数示意图如下：L-10 L/4 L/2 3L/4 L-1特点： 非常灵活。应用范围：比较广泛，可代替对数变换和反对数变换。（2）直方图修正A、直方图均衡化：
9、把原始图像不均衡的直方图变换为均匀分布的形式，这样就增加了灰度值的动态范围，从而达到增强图像整体对比度的效果。变换函数：s=T(r) ( 0r1 ) 满足一下两个条件：I.、T(r) 在区间0 r 1中为单值且单调递增（单值是为了保证反变换的存在，单调递增条件保持输出图像从黑到白顺序增加）II、当0 r 1时，0 T(r) 1（输出灰度范围一致）从s到r 的反变换：r =T (s)函数示意图如下：对下列图像进行直方图均衡化：3311133110332113320122110效果如下图： 原图 结果图对实验结果进行分析：1) 由于数字图像是离散的，因此直方图均衡化并不能产 生具有理想均衡直方图的
10、图像，但可以得到一幅灰度分布更为均匀的图像。2）变换后一些灰度级合并，因此灰度级减少。3）原始象含有象素数多的几个灰级间隔被拉大了，压缩的只是象素数少的几个灰度级，实际视觉能够接收的信息量大大地增强了，增加了图象的反差和图象的可视粒度。 因此，要想实现直方图的理想均衡化，就必须破除传统直方图均衡化方法所蕴含的一对一或者多对一映射关系的理论前提，实现灰度级多对多的映射关系。 B：用算术/逻辑操作增强：1）加法操作C(x,y) = A(x,y) + B(x,y)图像叠加（特技处理）图（1）图（2）将图（1）和图（2）叠加得到下图：图像平均处理（去除噪声）2）减法操作C(x,y) = A(x,y)
11、- B(x,y)图（1）图（2）图（2）减去图（1）的背景处理后的结果图经减法操作后得到了车辆的模糊影像，亮度变暗了。3）逻辑操作：“与”操作和“或”操作通常用做模板，可以从一幅图像中提取子图像，更加突出子图像的内容。a b c通过a和b做“与”操作得到cabc通过a和b做“或”操作得到c2、空域滤波增强（1）平滑空间滤波作用：减小噪声，模糊处理。A、平滑线性滤波器 ： (a)原图像(b)加入噪声的图像 (c) 3*3均值滤波 (d)5*5均值滤波 (e)7*7均值滤波 (f)15*15均值滤波结果分析：用领域平均法处理有力地抑制了噪声，同时也引起了模糊，模糊程度与领域半径成正比。对相同类型的
12、平滑滤波器，滤波器尺寸越大，噪声滤除效果愈好，但细节模糊效应也越强。Matlab实现的领域平均法抑制噪声的程序：I=imread(a.gif);%读取图像 J=imnoise(I,gaussian,0,0.005); subplot(2,3,1);imshow(I); title(原始图像); subplot(2,3,2); imshow(J); title(加入高斯噪声之后的图像); %采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial(average,3),J)/255; %模板尺寸为3 K2=filter2(fspecial(av
13、erage,5),J)/255;% 模板尺寸为5 K3=filter2(fspecial(average,7),J)/255; %模板尺寸为7 K4= filter2(fspecial(average,15),J)/255; %模板尺寸为15 subplot(2,3,3);imshow(K1); title(图像c); subplot(2,3,4); imshow(K2); title(图像d); subplot(2,3,5);imshow(K3); title(图像e); subplot(2,3,6);imshow(K4); title(图像f);B、中值滤波器：是用一个有奇数点的滑动窗口，
14、将窗口中心点的值用各点的中值代替。具体操作步骤如下：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。读取模板下各对应像素的灰度值。将这些灰度值从小到大排成一列。找出这些值里排在中间的一个。将这个中间值赋给对应模板中心位置的像素。 添加椒盐噪声图像 55中值滤波 77中值滤波 99中值滤波 原图Matlab实现程序如下：I=imread(a.gif);%读取图像 J=imnoise(I,salt&pepper,0.02); subplot(231);imshow(I); title(原始图像); subplot(232); imshow(J); title(添加椒盐噪声图像); K1=me
15、dfilt2 (J,5,5); K2= medfilt2 (J,7,7);K3= medfilt2 (J,9,9),J); subplot(233);imshow(K1); title(55中值滤波); subplot(234); imshow(K2); title(77中值滤波); subplot(235);imshow(K3); title(99中值滤波); 结论：与线性平滑滤波器相比，中值滤波在去除噪声的同时，能更好地保持图像的噪声。（2）锐化空间滤波作用：突出图像中的细节或增强被模糊的细节，加大了图像中的噪声。A、拉普拉斯算子法拉普拉斯算子的介绍拉普拉斯算子是一种在图像锐化处理中很重要
16、的算法。拉普拉斯算子是与一个边缘方向无光的边缘点检测算子。它对孤立像素的响应要比对边缘或线段响应更强烈，因此使用该算子进行图像锐化之前需要对图像作平滑处理。拉普拉斯算子是一种二阶微分算子。一个连续的二元函数f(x,y),其拉普拉斯运算定义为：对于数字图像，用差分近似表示为：上式也可表示为卷积的形式，即：式中，i,j=0，1，2， ， N-1；k=1，l=1，H(r,s) 取样如下式：在图像锐化处理过程中，函数的拉普拉斯算子也是借助模板来实现的。模板取样将直接影响锐化的效果。常用的模板有拉普拉斯算子的程序举例应用拉普拉斯算子检测边缘的Matlab程序如下：f=imread(lena.bmp)su
17、bplot(1,2,1)imshow(f)title(原始图像)g,t=edge(f,log)subplot(1,2,2);imshow(g);title(LOG算子分割结果);该程序运行结果如下： (a) 原始图像 (b)LOG算子分割图像的结果结论实践证明，在图像平滑处理中使用小波变换消噪后的BMP、JPEG格式图像使用该方法锐化后的效果最好。该方法在网络数字图像传输领域有较高的使用价值。B、梯度算子法梯度算子介绍 对于图像发f(x，y)，在其点(x，y)上的梯度可以定义一个二维列向量：这个向量的模值GMf(x，y),可由下式给出：梯度的方向在函数f(x，y)最大变化率方向上，方向可表示为
18、：梯度算子应用程序举例I=imread(cameraman.tif);Subplot(131),imshow(I)H=fspecial(Sobel);H=H;TH=filter2(H,I);subplot(132),imshow(TH,);H=H;TH=filter2(H,I);subplot(133),imshow(TH,);程序运行结果如下： 结论实验证明：对于图像施加梯度算子，可以增加灰度变化的幅度，因此可以作为图像的锐化算子；而且该算子有各向同性和位移不变性的特点。四、心得体会俗话说，活到老学到老。知识的边境是如此的广阔，仅仅在于这篇课程设计中我们的知识深度就让人不由汗颜。在学习数字图
19、像处理这门课程的时候，似乎老师教的我们懂了，似乎课本上的习题我们做了，然而当一个现实生活中的问题摆在我们的面前的时候，我们才发现自己的学识是这么的浅薄。 还好，老师的眼光是雪亮的，在面对我们这样一群学在表面的求知者，他给予了我们最简单最实用的警示，让我们独立完成这一课程设计。数字图像处理是一门很实用的课程，看起来或许有些简单，但真真用起来却非如此。在空间域图像增强这一课题上，我们就遇到了很多的问题。最糟糕的莫过于在MATLAB的使用上，一开始因为对这种工具的认识仅在于课堂中老师的讲解，这对于实际操作而言远远不够。也正是因为这样，我们才通过网络真正的学习到了这种工具的使用。通过这一个课题的，我们
20、在学习知识的同时，对于团队合作的意义也更加深有体会，一个好的作品的完成，脱离于群体是不可能的，而一个好的团队没有一个灵魂的凝聚也发挥不了其全部的能量。在此，本组的所有的成员也由衷的感谢我们的胡老师，是您让我们在学习知识的同时也认识到了团结的重要性，是您在填补我们空泛的智脑区的同时也加深了我们在感情域的认知。一汪清泉汇江流，半点炊米感师恩。五、参考文献1 李刚，黎燕.数学形态学的二值图像的边缘检测.可靠性与环境适应性理论研究，2004年12月2 何东健.数字图像处理. 西安：西安电子科技大学出版社，2003年， 90-913 何斌等.VsualC+数字图像处理.北京：人民邮电出版社 ，2001年4月，335-3364 周俊霞，吴国平，高芳芳.于中值滤波和数学形态学结合的边缘检测.现代计算机总第205期，2004年 8月5 章毓晋.像工程（上册）.第二版.北京：清华大学出版社，2006年3月，102-103
