红外图像增强技术研究论文38778.doc

《红外图像增强技术研究论文38778.doc》由会员分享，可在线阅读，更多相关《红外图像增强技术研究论文38778.doc（35页珍藏版）》请在三一办公上搜索。

1、题 目:红外图像增强技术研究毕业设计说明书（论文）中文摘要近些年来，随着红外探测器的不断发展，红外成像技术在军事领域和民用领域都得到广泛的应用。由于红外成像系统非常容易受到所处环境的干扰以及系统设备自身的缺陷，因此所成的红外图像具有对比度低、信噪比低和背景复杂等特点。为了得到质量较好的红外图像，人们必须得想办法改善红外图像。从数字图像处理知识知道，增强处理一般可以分为频域处理方法和空域处理方法两大类。频域处理方法具有很好的频率处理能力，但计算量很大。空域处理方法有很好的实时性和自适应性，运算量小，但对各部分的控制效果不好，不能从频率角度反映各部分的区别。针对这些优缺点，我们必须针对不同图像选择

2、方法。关键词 红外图像 增强 灰度变换 直方图 毕业设计说明书（论文）外文摘要Title Infrared Image Enhancement Technology AbstractIn recent years，with the continuous development of infrared detectors,infrared imaging technology hag widely used in military field and civilian areas. For the infrared imaging system is very vulnerable to int

3、erference by the environment and the own deficiencies of system，so the infrared image has low contrast low signal to noise ratio and high background characteristics.Therefore,in order to get good quality infrared images，to find good ways to improve the infrared image are the hope for people。From the

4、 digital image processing knowledge，the enhanced process can generall be divided into two categories，one is the frequency domain processing and the other spatial processingAlthough frequency domain method was good at processing in frequency,the computational amount was largeSpatial domain method has

5、 a smal computational and it possess a good adaptability and real-time quality，but the control effect is not good，and it can not reflect from the perspective of the various partsIn view of the faults and merits of traditional infrared image enhancement algorithm,we must target the selection of diffe

6、rent images.Keywords Infrared image Enhancement Gray transform Histogram目次1 绪论311 红外成像技术的发展现状312 红外图像增强技术发展现状32 红外图像的特征分析321 红外图像的对比度和分辨率32.1.1 红外图像的对比度432.1.2 红外图像的分辨率12322 红外图像的直方图32.2.1 直方图32.2.2 红外直方图33 图像增强的基本理论331 图像增强的阐述332 灰度变换333 直方图处理33.3.1 直方图均衡化334 空间域滤波335 Laplace算子336 频率域平滑滤波器33.6.1 理想

7、低通滤波器33.6.2 Butterworth低通滤波器33.6.3 高斯低通滤波器33.7.1 理想高通滤波器34 红外图像增强方法研究341 基于灰度变换的红外图像增强方法34.1.1 线性灰度变换34.1.2 非线性灰度变换34.1.3 灰度变换实验及结果分析342 基于滤波器的红外图像增强方法34.2.1 锐化滤波34.2.2 平滑滤波34.2.3 中值滤波343 基于直方图处理的红外图像增强方法34.3.1 直方图均衡化34.3.2 直方图双向均衡化3结 论3致 谢3参 考 文 献3附录31 绪论在现如今军事需求和相关技术发展的推动下，红外成像这样的高新技术在军事领域应用相当广泛。红

8、外前视由于其自身的优势，具有更广阔的应用前景。而红外图像普遍存在着灰度偏暗，目标与背景对比度差、边缘模糊和噪声大等特点，所以研究红外前视图像处理算法，提高红外夜视成像仪的成像质量以提高其在实际作战中的应用变得至关重要。11 红外成像技术的发展现状红外成像技术是一种信息探测与处理技术。红外成像系统把景物自身发出的红外辐射转化为可见的热图像。由于物体各个不同部分有不同的辐射特性，所以红外成像系统可以把景物的各个部分区分开来，然后转换为可见的图像，进而使人们可以用裸眼感知原来看不到的红外辐射光谱。大气、云层、烟雾等吸收可见光线和近红外光线，但对3-5微米和8-14微米红外线是透明的，因此这两个波段称

9、为红外线的“大气窗口”1 。由于红外辐射比可见光传感器利用的光辐射有更强的透过雨、雪、雾、霾等的能力，因此红外成像系统作用距离远，抗干扰能力强；由于红外成像系统对景物成像不需要外界提供光源，因此可以在夜间和恶劣天气下全天候工作；由于它是被动接受目标信号，比雷达等主动探测设备更安全、可靠，因此有很好的隐蔽性；由于红外成像系统是利用景物红外辐射差异来产生景物图像，因此在识别伪装目标的能力上优于可见光。正因为有如此特点，所以红外成像技术不仅应用于军事国防领域，而且也广泛应用于遥感探测、医疗卫生、视频监控、交通运输以及工业检测等民用领域。红外成像技术的发展是与红外探测器的发展相联系的，红外探测器发展，

10、红外成像技术才能有本质的提高。对于不同的探测器，有各种各样不同的分类方法。按照红外探测器按辐射响应方式一般分为两大类：热探测器和光子探测器；热探测器是利用辐射照射在物体表面的探测器使其温度升高，并导致探测器的物理特性发生变化，测量这些变化量来计算入射辐射功率大小。光子探测器是利用红外辐射入射使得探测器上电子发生跃迁，引起电流、电压、电阻的变化，然后测量这些变化得到入射辐射功率大小。按照工作方式来分，有光机扫描探测器和电子扫描探测器。按照结构和用途来分，又可分为单元探测器、多元探测器和焦平面阵列探测器。按照器件工作温度来分，则可分为致冷型探测器和非致冷型探测器。我国于五十年代开始进行对红外技术的

11、研究，最早的研究机构包括中电十一所、上海技术物理研究所、昆明技术物理研究所等军工企业，今天这几家机构仍然是中国红外技术的代表和领先者。自改革开放以来，我国红外事业迅猛发展，特别是在制冷红外探测器领域已经基本达到国际主流水平。12 红外图像增强技术发展现状红外成像技术的产物就是红外图像。在成像系统中，物体的红外辐射通过光学系统，经过红外探测器后变成电信号，然后在显示器上显示红外辐射的电信号，这样就实现了光电转换，得到了红外图像。景物辐射场红外辐射传输光学系统红外探测器电子处理显示器图1.1 红外图像的形成过程红外图像反映的是目标与背景之间的红外辐射差。在红外图像的生成、传输等过程中，由于景物热平

12、衡、大气吸收和随机散射作用等，使红外图像普遍存在着图像分辨率低、对比度不高、图像缺乏层次性以及受噪声影响严重等缺点，目标和细节更是淹没在大片的背景噪声中，视觉效果较差，给日标识别带来了很大的困难，需要经过增强处理改善图像质量。同时在红外图像中占有很大比例的背景也有不同的分类。红外图像的背景可以分成均匀背景、起伏背景和强起伏背景。均匀背景图像的背景点灰度值变化平缓，起伏和强起伏背景则在灰度值变化上都有着较大的差异。均匀背景在图像上分布呈现大范围连续分布状态，因此图像中各个像素点之间相关性很强，并且多是处在图像中低频部分，而极少的高频部分则是分布在背景同质区的边缘。红外图像具有以下特点2：能够在昼

13、夜或者恶劣的气候下工作；红外辐射可以穿透烟尘雾霭并且系统的工作波段比较宽，系统作用的距离比较远；不容易受照明闪光、爆炸、射击等强烈刺激光线的影响；采用的工作方式是被动的，不容易受干扰或者被发现；适合于高精度的跟踪与瞄准。上面所陈述的这些特点使得红外热成像技术特别的适合用于军事，所以，许多国家都投以巨资竟相展开对这一领域的研究探索工作。近些年来，红外热成像系统的成本不断降低，其在国民经济当中也得到了越来越广泛的应用。抑制红外图像干扰噪声和提高图像对比度的增强方法按处理的作用域划分，可以分为空间域增强和频率域增强3，空间域增强方法是直接对图像像素灰度进行操作，其中又可分为逐点灰度处理、窗口灰度处理

14、和统计灰度处理，如直方图均衡化处理方法和灰度变换方法。频率域增强方法是对图像进行傅里叶变换后对其频谱再进行分析操作，然后通过反变换获得处理后的结果，其中又可分为低通滤波法、高通滤波法和同态滤波法。目前，在红外图像增强算法中应用最广的还是基于直方图的红外图像增强算法。由于没有衡量图像增强效果的统一和客观标准，所以目前的图像增强缺乏统一的理论。对于不同应用领域的图像的增强，其增强效果只能靠主观感觉进行评价。2 红外图像的特征分析21 红外图像的对比度和分辨率2.1.1 红外图像的对比度4红外成像系统是一种利用背景和目标间的温度差来完成成像的装置。一般由于景物之间的温差较小，而且经大气传输、热像仪中

15、的光学部分和电子处理部分过程中还会损失灰度级，因此，红外图像对比度一般较低，而且也不利于观察。另外，通常我们可以在红外图像的灰度直方图中看出低对比度高背景5-11这个特点，一般表现为绝大多数的灰度集中在某些相邻灰度级范围之内。2.1.2 红外图像的分辨率12由于红外热成像系统的探测单元尺寸的限制以及探测器阵列数目有限，空间采样的频率并不能满足采样定理，所以图像的空间分辨率比较低，有时候还会出现非常严重的混频现象。大部分自然界景物的空间频率比较丰富，其中包括各种高频信息，在成像的过程中，由于红外热成像系统的探测器尺寸有限以及光学衍射，图像信号的高频部分很可能会不完善，这样就会使图像变模糊或者变形

16、。因此，现在的红外热像仪所输出的红外图像的分辨率一般都比较低。22 红外图像的直方图2.2.1 直方图直方图反映图像灰度分布的统计特征。数字图像的直方图是一个离散函数，它表示数字图像中每一灰度与其出现概率间的统计关系。一个数字图像，它的像素总数是，用表示第个灰度级对应的灰度，表示具有灰度的像素的个数。横坐标表示灰度级，纵坐标表示频数，那么直方图可以表示为 （2.1）式中，表示灰度出现的相对频数13。直方图能够反映数字图像概貌性质的相关描述，比如：图像的灰度范围、灰度的分布、整幅图像的平均亮度及明暗对比度等等，并可以由此得出进一步处理的重要依据。所以说，直方图是图像处理中非常有用的一种决策和评价

17、工具。2.2.2 红外直方图根据对以上图像的分析，我们可以得出红外图像的直方图的一些特点：绝大部分的像素集中在某些相邻灰度级范围内，这些范围以外的某些灰度级上只有很少像素或者直接没有像素；相反，可见光图像的像素分布却比较均匀；直方图中很明显存在峰，大多数情况下分为单峰或者双峰；而可见光图像的直方图往往有多个峰同时存在，也不如红外图像的峰明显；像素灰度值的动态范围比较小，一般只有很少像素甚至是直接没有像素，很少占满整个的灰度级空间；而可见光图像的像素却几乎充满了整个灰度级空间。由于受到实际环境中的温度、气候等条件的影响，各种物体在不同季节的不同时间所表现出的热辐射特征也不同，物体温度越高，红外热

18、成像的亮度就越高，物体的温度越低，它的红外热成像亮度就会越低14。因此，红外图像在实际环境中表现出各自不同的特点，与上面所讲述的一般特征并不完全一样。2.2.2 本章小结本章详细讨论了红外图像的基本特征。其中包括红外图像的对比对和分辨率以及红外图像的直方图特征等。3 图像增强的基本理论31 图像增强的阐述图像增强就是增强图像中用户感兴趣的信息，其主要目的有两个：一是通过增强有用信息，抑制无用信息，从而改善图像的视觉效果，提高图像成分的可分辨性：二是使图像变成更利于人工和机器分析的图像，如锐化处理可突出图像边缘轮廓线，便于控制计算机进行跟踪，便可做图像目标的形状特征分析15。图像增强可分为空间域

19、法和频域法两大类。空间域处理时直接对图像灰度级作运算。频域处理是在图像的某种变换域内，对图像的变换系数值进行行运算，即作某种修正，然后通过逆变换得到增强的图像，这是一种间接增强的方法16。32 灰度变换输出的红外图像会因为环境等因素使得图像信息中含有各种各样的噪声和畸变，而这样的情况不可避免地影响系统图像的清晰度，降低了图像的质量。如果影响不大的话，图像会不清晰，很难看清楚细节；如果影响很大的话，图像会变的模糊不清，大体的轮廓也是不明显的。对这样的图像来说，必须对其质量进行改善。而这种改善的方法一般是两种：图像增强和图像复原。图像增强的目的就是设法改善图像的视觉效果，提高图像的可读性，将图像中

20、使人感兴趣的特征有选择的突出，便于人与计算机的分析和处理。例如：突出目标物的轮廓，去除各类噪声，将黑白图像转变为伪彩色图像等处理。图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，而衰减不需要的特征，在图像增强和像质改善过程中总是以对某一部分信息的强调和另一部分信息的损失为代价。图像复原技术与增强技术不同，它需要了解图像质量下降的原因，首先要建立“降质模型”，再利用该模型，恢复原始图像。本章所讨论的灰度变换是图像增强和像质改善的一种方法。图像的灰度变换处理的是图像增强处理技术中一种非常基础的空间域图像处理方法。灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个

21、像素灰度值的方法。目的是为了改善画质，是图像的显示效果更加清晰。灰度变换有时又被称为图像的对比度增强或对比度拉伸。灰度变换主要针对独立的像素点进行处理，通过改变原始图像数据所占据的灰度范围而使图像在视觉上得到良好的改观，没有利用像素点之间的相互空间关系。因此，灰度变换处理方法也叫做点运算法。点运算是一种既简单又重要的技术，一幅输入图像经过点运算后将产生一幅新的输出图像，由输入像素点的灰度值决定相应的输出像素点的灰度值。点运算与局部运算的差别在于：后者每个输出像素的灰度值由对应输入像素的一个邻域内几个像素的灰度值决定。因此，点运算不可能改变图像内的空间关系。点运算可以按照预定的方式改变一幅图像的

22、灰度直方图。除了灰度级的改变时根据某种特定的灰度变换函数进行之外，点运算可以看作是“从像素到像素”的复制操作。灰度变换是一种简单有效的对比度增强的方法，原图像的灰度经过一个变换函数转换成一个新的灰度。即 （3.1）灰度变换可使图像灰度动态范围加大，图像对比度得到扩展，图像清晰，特征更加明显，是图像增强的重要手段。根据变换函数的形式，灰度变换分为线性变换、分段线性变换和非线性变换。33 直方图处理直方图的方法主要是针对均匀量化图像，这样的图像在低灰度区域的频率较大，整体上图像较暗，细节模糊不清。而采用直方图修正后可使图像的灰度间距拉开或者使灰度分布均匀，从而增大了反差，使图像细节清晰，达到图像增

23、强的目的。直方图修正技术通常分两种，直方图均衡化和直方图规定化。在这里我们对直方图均衡化进行一个详细的阐述。3.3.1 直方图均衡化对于图像，它的灰度范围是。现将其灰度变化范围转换到0,1区间 （3.2）通过灰度变换函数，原图像直方图变成均匀的直方图。整个过程就是直方图均衡化。其中和分别表示正规化的原图像灰度和经过直方图的图像灰度。而必须满足以下条件：(1)在区间(0,1)时，是单调增加的，且也在区间（0，1）；(2) 和一一对应；(3)反函数也满足以上的条件。 （3.3）直方图均衡化意味着。 （3.4） （3.5）直方图均衡化后的图像灰度动态范围扩大了，量化层间隔扩大了，灰度的级数分布减少了

24、，因而有可能会出现伪轮廓。直方图均衡化技术使图像增强质在于：两个占有较多像素的灰度变换后灰度之间的差距增大。一般来讲，背景和目标占有较多的像素，这种技术实际上加大了背景和目标的对比度；占有较少像素的灰度变换后需要归并。一般地讲，目标与背景的过渡处像素较少，由于归并，其或者变为背景点或者变为目标点，从而使边界变得陡峭。34 空间域滤波空间滤波是将滤波器在被处理的图像中逐点移动，而这个滤波器则被称为模版。对于线性空间滤波器，其响应是由滤波器系数与模版扫过的相应像素值的乘积之和得出，例如3*3的滤波器，在图像处，经过处理后的响应为 （3.6）图3.1 掩模模版这种滤波器方法取决于领域内像素点的灰度值

25、，因此这种滤波器的基本函数是计算滤波器所在的灰度中值35 Laplace算子图像增强中Laplace算子的运用也是比较广泛的，一个二元图像的Laplace算子可以表示为： （3.7）对和的二阶偏微分可以表示为： （3.8） （3.9）则Laplace的二阶数字算子可以表示为： （3.10）图3.2 Laplace变换掩模模版Laplace主要是为了突出图像中的细节。36 频率域平滑滤波器在一幅图像中的边缘和噪声等尖锐变化部分，一般集中在傅立叶变换的高频部分，于是对于这些高频部分进行适当的处理，就可能削弱甚至是消除噪声等干扰信号对图像中目标的影响。基于此，频率域平滑滤波器在图像增强中常常被运用。

26、3.6.1 理想低通滤波器理想低通滤波器起着截断距变换点的距离大于的部分的作用，通常图中删除的一部分是高频成分，它的响应表达式为： （3.11）其中是理想低通滤波器的传递函数，是距处理点的距离。但是这是种理想状态，不能在现实中实现。3.6.2 Butterworth低通滤波器大小为M*N，n级的Butterworth低通滤波器的传递函数定义为： （3.12）与理想低通滤波器不同的是在截止频率处不是截断，而有个平滑衰减的过程，这就使Butterworth低通滤波器没有什么振铃现象(振铃是由于低通滤波，图像高频部分丢失，引起图像模糊的现象)，因此，处理后的图像要比理想低通滤波器处理后的图像在清晰度

27、上要好些。3.6.3 高斯低通滤波器高斯低通滤波器滤波器的传递函数可以表示为： （3.13）其中是距离傅立叶变换点的距离，表示高斯曲线的扩展程度。37 频率域锐化滤波器由于频域的低通滤波器在衰减高频成分时，会使图像变模糊。因此为了在滤出噪声等高频信号，又想保留图像边缘和急剧变化的小目标等高频信息，那么图像锐化滤波器在这方面就有不错的处理能力。图像锐化能够在频率域用高通滤波处理实现，并且衰减低频成分并不会扰乱傅立叶变换得高频信息。3.7.1 理想高通滤波器理想高通于低通原理差不多，但是作用域正好相反。同样，不能在现实生活中实现。3.7.2 Butterworth高通滤波器截止频率距原点的Butt

28、erworth高通滤波器的传递函数定义为： （3.14）这种高通滤波器要比理想高通滤波器要更平滑。3.7.3 高斯高通滤波器截止频率距原点为的高斯高通滤波器的传递函数表示如下： （3.15）这种高通滤波器在处理图像的运用中，得到的处理结果比前两个滤波器要更加平滑。即使对微小的物体用高斯滤波器过滤也是比较清晰的。4 红外图像增强方法研究评价图像增强效果的通用标准不存在，增强结果的好坏完全取决于视觉效果，所以图像质量评价是一个高度主观的过程。目前评价效果可以从定量和定性两个方面进行，定量分析是对一幅图像从整体上进行统计分析，因为这种分析方法很难对图像局部和具体目标进行评价，因此这样会忽略噪声等干扰

29、影响；定性分析是依靠图像的视觉效果进行评价，一般从图像标准差、均值等几个方面与原有图像进行评价。定性分析虽然主观，但是它可以从一幅图像中有选择的对感兴趣的对象进行比较好的评价，因此图像增强效果评价往往采用定性分析。客观上，一种对某一图像增强效果好的算法并不一定适合其它图像。因为处理效果不仅与算法有关，还与原始图像质量有着很大关系，所以为了得到一种增强效果较好的算法，常常要对增强算法进行比较分析，然后通过反复实验进行验证。由于红外图像具有低对比度、低信噪比、背景复杂且图像的动态范围窄等特点，因此对红外图像进行增强处理是十分必要的，所以本章针对红外图像从直方图均衡、灰度变换以及图像滤波等方法来研究

30、增强算法，采用了新的图像增强算法直方图双向均衡技术。41 基于灰度变换的红外图像增强方法4.1.1 线性灰度变换在图像采集中图像灰度会因为亮度不足或者亮度太大的原因局限在一个很小的范围里，这时候显示出来的图像模糊不清没有层次感。这时候我们可以采用线性变换，用一个线性单值函数，对图像的每一个像素灰度作线性扩展，将有效地增强图像的对比度，改善图像视觉效果。（1） 线性变换设原图像的灰度分布函数为，像素的范围为。根据图像处理的需要，将其灰度范围变换到，增强后图像的灰度分布函数为。则和有以下的关系 （4.1）图4.2 线性变换示意图当图像的灰度值超出了范围，但是绝大部分的像素还是落在区间内，有少部分分

31、布在区间外，此时就要采用一种截取式的线性变换，其变换式为 （4.2）图4.3 截取式线性变换示意图（2） 分段线性变换17分段线性变换就是将图像灰度分布区间分为两端或者两端以上。分段线性变换可以突出需要强调的目标或者是灰度区间，同时忽略不感兴趣的灰度区间。这样物体的灰度细节得到突出。例如三段式分段线性变换，如图所示。图4.4 分段式线性变换示意图对于原图像，将灰度分布区间划分为三个子区间，对于每个子区间再采用不同的线性变换，通过选择不同的斜率实现不同灰度区间的灰度扩展或者压缩。这种方法在使用中非常的灵活多变。它的变换式可以表示为 （4.3） 式中，区间端点可以根据不同的需求来确定。通过增加灰度

32、间隔的段数，再仔细调整各区间的分割点和变换直线的斜率，可以对任一灰度区间进行扩展压缩。4.1.2 非线性灰度变换当变换函数采用非线性变换函数时，比如指数对数平方函数等，可以实现图像像素灰度的非线性变换。对数变换的表达式为 （4.4）这里的参数都是用来调整变换曲线的位置和形状的。对数变换主要用来扩展低灰度区，压缩高灰度区，使灰度较低的图像细节容易看清楚。对数变换适用比较暗的图像。图4.5 对数变换示意图指数变换表达式为 (4.5)指数变换压缩低灰度区，扩展高灰度区，适用于比较亮的图像。指数变换的作用正好对数变换相反。图4.6 对数变换示意图4.1.3 灰度变换实验及结果分析（1）一般灰度变换在m

33、atlab上运行灰度变换的程序，对原始图像进行增强，其源程序和图像如下：figure,imhist(I);J=imadjust(I,0.3 0.7, 0 1);figure,imshow(J);figure,imhist(J); （a）原图像 （b）原图像直方图 （c）灰度变换后的图像 （d）灰度变换后的图像直方图图4.7 灰度变换的图像增强通过对以上图像的分析，我们可以看出经过全域线性变换后的图像对比度得到了一定程度的增强，显示效果不是很理想。因此，从总体上讲，全域线性变换的图像增强效果不是特别理想，原因就在于在整个灰度空间上不进行任何区分地进行变换处理，并不能有针对性的去增强我们所期望获得

34、的效果，而只是从整体上对图像进行了一定的增强。（3） 分段线性变换 （a）原图像 （b）分段变换后的图像图4.8 分段线性变换的图像增强通过对以上两图的比较，我们可以看到效果比全域线性的要好很多，但是还是有一些不理想的地方。这是因为分段区间选择的问题，所以我们在决定之前必须多多分析研究，找到适合的分段区间。42 基于滤波器的红外图像增强方法图像景物的边缘和细节常常是灰度值变化很大的区域，一般这些的像素呈现高频特性，而景物内部的灰度值变化就比较平缓甚至没变化，所以分布在这些区域的像素则呈现低频特性。那么为了更好的增强图像，我们必须要像分段线性变换算法一样，分析好图像中各部分的频率特性，因此就可以

35、根据图像中各部分像素的频率特性分别增强图像的高频和低频部分。对图像高频增强用锐化滤波，它可以突出目标的边缘轮廓，从而起到锐化图像保护细节的作用。平滑滤波器则是对图像低频分量进行增强，它可以对图像进行平滑处理，消除图像噪声。4.2.1 锐化滤波高通滤波可以突出图像中的细节或是恢复模糊的细节。而Laplace算子就是高通算法的一种。下面是Laplace算子的处理结果。 (a)原图像 （b）Laplace算子滤波 图4.9 Laplace算子滤波由于拉普拉斯算子强调的是图像灰度突变的区域，它产生的是一幅图像的图像景物边缘或轮廓。4.2.2 平滑滤波平滑滤波器也叫做均值滤波器，它输出滤波掩模领域内像素

36、的平均值。这种方法能够有效的改善图像剧烈变化的情况，减少噪声。基本的源代码如下所示：J=filter2(fspecial(average,7),I)/255;figure,imshow(J); （a）原图像 （b）平滑滤波后的图像 图4.10 原图像及平滑滤波处理后的图像平滑滤波器处理方法虽然对噪声能去除但是会使图像的变模糊，特别是边缘和细节。针对这种滤波器的缺点非线性滤波器得到了很好的发展，比如中值滤波器。4.2.3 中值滤波中值滤波器原理也是把一个模板内的范围所有待处理点的灰度值排序，取它们的中值来代替像素的灰度值。中值滤波对脉冲干扰和椒盐噪声的作用明显。下图则是实验处理的结果。 （a）原

37、图像 （b）中值滤波处理后的图像图4.11 原图像与中值滤波后的图像由于中值滤波是一种基于排列统计理论的非线性运算，它的优点是运算简单、处理速度快，并且既可以去除噪声又可以保护图像的边缘，因此中值滤波器非常适合运用在一些线性滤波器无法胜任的图像处理领域，但对于线、点团等小细节部分不宜采用这种方法处理。基于滤波器的图像增强方法分析了图像各部分的频率特性，并针对图像中感兴趣的部分进行滤波处理，比如锐化滤波器，它就很好的保护了图像的高频部分，这些部分往往是人们感兴趣的图像目标或细节，而平滑滤波器针对低频部分有很好的处理能力，能较好的去除噪声干扰，中值滤波器方法还能克服线性滤波器的缺点，即会使处理后图

38、像变模糊，所以滤波处理也是图像增强中通常使用的技术手段，因此针对不同的增强处理要求，我们必须选用适合的滤波处理方法。43 基于直方图处理的红外图像增强方法直方图处理是图像空域处理技术的基础，它反映的是灰度级分布的统计关系，在可见光图像增强处理中常常被用到。在直方图中描述了该图像的动态范围、灰度级分布和对比度。采用直方图处理可以使图像动态范围得到一定扩展的同时能对灰度级分布进行调整并使其分布均匀，增加图像各部分的对比度，这样就能使图像显得比原来清晰，达到对图像的增强。针对直方图处理的以上优点，结合红外图像有对比度低、图像动态范围窄等特点，选用直方图方法应用在图像增强中，是个有效的途径。4.3.1

39、 直方图均衡化为了使图像变得清晰，通常通过变换使图像的灰度范围变大，且让灰度频率较小的灰度级在经过变换后，频率变得大一些，使得变换后的图像的灰度直方图在较大的动态范围内趋于均匀化。直方图均衡化是一种修正图像直方图的方法，通过对直方图进行均衡化，使图像的灰度均匀分布或灰度间距增大、增大反差，从而使图像的细节变得清晰。为了讨论方便 ,在图像均衡中一般先将图像灰度范围归一化。对于模拟图像，令和分别为原始图像和变换图像的灰度，经过变换后每一个值对应一个值 , 令变换函数，则直方图均衡的逆变换函数为 （4.6） 对于模拟图像，各灰度级是连续的。令概率密度函数和分别为原始图像和变换图像的灰度级。若 ，T(

40、r)已知，则 （4.7） 变换函数为 （4.8） 则 （4.9） （4.10） 因为所有灰度出现概率相等的图像包含的信息量最大, 满足此要求.因计算机所处理的图像是数字信号 ,所以各灰度级是离散的. 设图象共有n级灰度 ,概率密度值分别为,k=0,1,2n。均衡化后 ,灰度图象的直方图分布. 首先统计出各灰度级的概率,设 分别为：，变换函数： （4.11） 故数字图像的变换函数表达式为： （4.12） 其中，。假设灰度等级的量化为m bit，范围为，则变换函数的非归一化形式 （4.13）其中。 直方图均衡处理就是把原始的直方图近似地变换为具有均匀密度分布的直方图，增加动态范围。以下是直方图均衡

41、化的住程序和处理的图像。figure,imhist(I); J,T=histeq(I,64); 图像灰度扩展到0255，有64个灰度级figure,imshow(J);figure,imhist(J);y=myhisteq(f)M,N=size(f);s=zeros(1,256);for m=1:Mfor n=1:Nfor k=0:255if f(m,n)=ks(k+1)=s(k+1)+1;endendendend （a）原图像 （b）原图像的直方图 （c）直方图均衡化后的图像 （d）直方图均衡化后图像的直方图4.12 原图像及直方图均衡化的处理结果从经过直方图均衡化处理后的红外图像直方图可以

42、发现以下特点：1)像素分布稀疏，原来像素集中的灰度范围被拉开，图像对比度得到提高。2)像素的动态范围变宽，虽然灰度级没有充满整个区域，但是在整个区域内的间隔还是比较均匀，图像的亮度得到提升。3)直方图内没有明显的尖峰，大致趋于平坦。从图4.1中可以看出，图像质量有了相对的改善，图中稍白的部分变得更亮，而黑色的背景则是比原来更暗，图像的对比度得到了很大的提高，但是有的部分的细节被忽略，显得比较模糊。基于直方图的方法广泛运用于数字图像的实时增强领域中，但是对于红外图像来说，单单用直方图均衡方法起不到很好的增强图像的效果。因为直方图均衡处理存在相邻灰度级合并，即原来直方图频数较少的灰度级被合并某个灰度级内，因此它克服了极少的像素占用较大灰度区域，但是在灰度级重新分配中，正是由于灰度级之间的合并致使图像细节信息严重损失；均衡处理后的直方图近似平坦把直方图的峰值区域的灰度级拉开，表面上提高了图像的对比度，但图像目标内容的对比度却降低。直方图均衡扩大了图像的动态范围和增加了图像的对比度，然而这种处理是把图像的整体当成了处理对象，而没有区分各部分之间的关系，所以这种处理往往把背景和