《圖像增強(qiáng)技術(shù)(共65頁(yè))》由會(huì)員分享，可在線閱讀，更多相關(guān)《圖像增強(qiáng)技術(shù)(共65頁(yè))（66頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、精選優(yōu)質(zhì)文檔-----傾情為你奉上 摘 要 圖像增強(qiáng)是指依據(jù)圖像所存在的問(wèn)題，按特定的需要突出一幅圖像中的某些信息，同時(shí)，削弱或去除某些冗余信息的處理方法。其主要目的是使得處理后的圖像對(duì)給定的應(yīng)用比原來(lái)的圖像更加有效同時(shí)可以有效的改善圖像質(zhì)量。圖像增強(qiáng)技術(shù)主要包含直方圖修改處理、圖像平滑化處理、圖像尖銳化處理和彩色處理技術(shù)等。 圖像增強(qiáng)單純從技術(shù)上可分成兩大類：一類是頻域處理法；一類是空域處理法。 空間域的算法分為點(diǎn)運(yùn)算算法和鄰域去噪算法。點(diǎn)運(yùn)算算法即灰度級(jí)校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴(kuò)大圖像動(dòng)態(tài)范圍，擴(kuò)展對(duì)比度。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種。平滑一般用

2、于消除圖像噪聲，但是也容易引起邊緣的模糊。銳化的目的在于突出物體的邊緣輪廓，便于目標(biāo)識(shí)別。本文先對(duì)圖像增強(qiáng)的原理進(jìn)行概述，然后對(duì)圖像增強(qiáng)的方法分類并給出直方圖增強(qiáng)、對(duì)比度增強(qiáng)，平滑和銳化等幾種常用的增強(qiáng)方法、彩色圖像增強(qiáng)的理論基礎(chǔ)，通過(guò)MATLAB實(shí)驗(yàn)得出的實(shí)際處理效果來(lái)對(duì)比各種算法的優(yōu)缺點(diǎn)，討論不同的增強(qiáng)算法的技術(shù)要點(diǎn)，并對(duì)其圖像增強(qiáng)方法進(jìn)行性能評(píng)價(jià)。 關(guān)鍵詞：圖像增強(qiáng)；直方圖；平滑；銳化 Abstract Image enhancement is based on the probl

3、ems existing in the images, according to the specific need to highlight some of the information in an image, at the same time, to weaken or remove some redundant information processing method. Its main purpose is to make the image after processing for a given application is more effective than the o

4、riginal image at the same time can effectively improve the image quality. Image enhancement technology mainly includes histogram modification, image smoothing processing, image intensification processing and color processing technology, etc. Image enhancement is pure from the technology can be d

5、ivided into two categories: one is frequency domain processing method; One kind is spatial processing method.Spatial domain algorithm is divided into the neighborhood denoising arithmetic algorithm and algorithm.Algorithm namely grayscale correction arithmetic, such as gray transform and histogram m

6、odification, purpose or for uniform image imaging, or expand the dynamic range image, expand the contrast.Neighborhood enhancement algorithm into image smoothing and sharpening two kinds.Smooth generally used to eliminate image noise, but also easy to cause the edge of the fuzzy.Sharpen the purpose

7、is to highlight the edge contour of the object, is advantageous for the target identification.This paper first summarized the principle of image enhancement, and image enhancement method of classification and histogram enhancement, contrast enhancement, such as smoothing and sharpening of several co

8、mmon enhancement method, the theoretical basis of color image enhancement, through practical processing effect of MATLAB experiment compared the advantages and disadvantages of various algorithms, discussed the main technical points of the different enhancement algorithm, and its image enhancement m

9、ethod for performance evaluation. Keywords： image enhancement ；histogram enhancement ；smoothing sharpening 專心---專注---專業(yè) 目 錄 1 緒 論 隨著人類社會(huì)的進(jìn)步和科學(xué)技術(shù)的發(fā)展，圖像增強(qiáng)技術(shù)的發(fā)展大致經(jīng)歷了初創(chuàng)期、發(fā)展期、普及期和應(yīng)用期4個(gè)階段。初創(chuàng)期開(kāi)始于20世紀(jì)60年代，當(dāng)時(shí)的圖像采用像素型光柵進(jìn)行

10、掃描顯示，大多采用中、大型機(jī)對(duì)其進(jìn)行處理。20世紀(jì)70年代進(jìn)入了發(fā)展期，開(kāi)始大量采用中、大型機(jī)進(jìn)行處理，圖像處理也逐漸改用光柵掃描顯示方式，特別是出現(xiàn)了CT和衛(wèi)星遙感圖像，對(duì)圖像增強(qiáng)處理提出了一個(gè)更高的要求。到了20世紀(jì)80年代，圖像增強(qiáng)技術(shù)進(jìn)入普及期，此時(shí)的計(jì)算機(jī)已經(jīng)能夠承擔(dān)起圖形圖像處理的任務(wù)。20世紀(jì)90年代進(jìn)入了應(yīng)用期，人們運(yùn)用數(shù)字圖像增強(qiáng)技術(shù)處理和分析遙感圖像，以有效地進(jìn)行資源和礦藏的勘探、調(diào)查、農(nóng)業(yè)和城市的土地規(guī)劃、作物估產(chǎn)、氣象預(yù)報(bào)、災(zāi)害及軍事目標(biāo)的監(jiān)視等。在生物醫(yī)學(xué)工程方面，運(yùn)用圖像增強(qiáng)技術(shù)對(duì)X射線圖像、超聲圖像和生物切片顯微圖像等進(jìn)行處理，提高圖像的清晰度和分辨率。在工業(yè)和工

11、程方面，主要應(yīng)用于無(wú)損探傷、質(zhì)量檢測(cè)和過(guò)程自動(dòng)控制等方面。在公共安全方面，人像、指紋及其他痕跡的處理和識(shí)別，以及交通監(jiān)控、事故分析等都在不同程度上使用了圖像增強(qiáng)技術(shù)。圖像增強(qiáng)是圖像處理的重要組成部分，傳統(tǒng)的圖像增強(qiáng)方法對(duì)于改善圖像質(zhì)量發(fā)揮了極其重要的作用。圖像增強(qiáng)是指根據(jù)特定的需要突出圖像中的重要信息，同時(shí)減弱或去除不需要的信息。從不同的途徑獲取的圖像，通過(guò)進(jìn)行適當(dāng)?shù)脑鰪?qiáng)處理，可以將原本模糊不清甚至根本無(wú)法分辨的原始圖像處理成清晰的富含大量有用信息的可使用圖像，有效地去除圖像中的噪聲、增強(qiáng)圖像中的邊緣或其他感興趣的區(qū)域，從而更加容易對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量。處理后的圖像是否保持原狀已

12、經(jīng)是無(wú)關(guān)緊要的了，不會(huì)因?yàn)榭紤]到圖像的一些理想形式而去有意識(shí)的努力重現(xiàn)圖像的真實(shí)度，它一般要借助人眼的視覺(jué)特性，以取得看起來(lái)較好地視覺(jué)效果，很少涉及客觀和統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)。增強(qiáng)的效果通常都與具體的圖像有關(guān)系，靠人的主觀感覺(jué)加以評(píng)價(jià)。在圖像處理過(guò)程中，圖像增強(qiáng)是十分重要的一個(gè)環(huán)節(jié)。本文的主要內(nèi)容就是圍繞圖像增強(qiáng)部分的一些基本理論和算法而展開(kāi)?；贛ATLAB的圖像增強(qiáng)算法研究[1]。 2 數(shù)字圖像處理簡(jiǎn)介 2.1數(shù)字圖像處理概述 所謂數(shù)字圖像就是把傳統(tǒng)圖像的畫(huà)面分割成如圖2.1所示的被成為（picture element, 簡(jiǎn)稱pixel。有時(shí)候也用pel這一簡(jiǎn)寫(xiě)詞）的小的

13、離散各象素的灰度值也是用離散值即整數(shù)值來(lái)表示的。數(shù)字圖像（digital imagine）和傳統(tǒng)的圖像即模擬圖像(picture)是有差別的[2]。 灰度，亮度等的分布 像素（抽樣點(diǎn)）

14、 數(shù)字化 模擬圖像 數(shù)字圖像 圖2.1 數(shù)字圖像 為了把模擬圖像轉(zhuǎn)換成數(shù)字圖像，需要對(duì)傳統(tǒng)的模擬圖像進(jìn)行采樣與量化兩種操作（二者統(tǒng)稱為數(shù)字化）。采樣（sampling）就是把在時(shí)間上和空間上連續(xù)的圖像變成離散點(diǎn)（采樣點(diǎn)，即象素）的集合的一種操作。圖像基本上是在二維平面上連續(xù)分布的信息形式要把它輸入到計(jì)算機(jī)中，首先要把二維信號(hào)變成一維信號(hào)，因此要進(jìn)行掃描（scanning）。最常用的掃描方法是在二維平面上按一定間隔順序地從上方順序地沿水平方向的直線（掃描線）掃描，從而取出濃淡值（灰度值）的線掃描（Laste

15、r掃描）。對(duì)于由此得到的一維信號(hào)，通過(guò)求出每一特定間隔的值，可以得到離散的信號(hào)。對(duì)于運(yùn)動(dòng)圖像除進(jìn)行水平，垂直兩個(gè)方向的掃描以外，還有進(jìn)行時(shí)間軸上的掃描。經(jīng)過(guò)采樣，圖像被分解成在時(shí)間上和空間上離散分布的象素，但是象素的值（灰度值）還是連續(xù)值。象素的值，是指白色-灰色-黑色的濃淡值，有時(shí)候也指光的強(qiáng)度（亮度）值或灰度值。把這些連續(xù)的濃淡值或灰度值變?yōu)殡x散的值（整數(shù)值）的操作就是量化。在0-255的值對(duì)應(yīng)于白黑的時(shí)候，有以0為白，255為黑的方法，也有以0為黑，255為白的方法，這取決于圖像的輸入方法以及用什么樣的觀點(diǎn)對(duì)圖像進(jìn)行處理等，這是在編程時(shí)應(yīng)特別注意的問(wèn)題。但在只有黑白二值的二值圖像的情形，

16、一般設(shè)0為白，1為黑[3]。 數(shù)字圖像處理(Digital Image Processing)是通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個(gè)因素的影響：一是計(jì)算機(jī)的發(fā)展；二是數(shù)學(xué)的發(fā)展(特別是離散數(shù)學(xué)理論的創(chuàng)立和完善)；三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求的增長(zhǎng)。 綜上所述數(shù)字圖像處理是一門(mén)多元化學(xué)科而圖像增強(qiáng)技術(shù)是數(shù)字圖像處理的重要分支其應(yīng)用也非常的廣泛[4]。 在航空航天領(lǐng)域的應(yīng)用早在60年代初期，第3代計(jì)算機(jī)的研制成功和快速傅里葉變換的提出，使圖像增強(qiáng)技術(shù)可以在計(jì)算機(jī)上實(shí)現(xiàn)。1964美國(guó)

17、噴氣推進(jìn)實(shí)驗(yàn)室(JPL)的科研人員使用IBM7094計(jì)算機(jī)以及其它設(shè)備，采用集合校正、灰度變換、去噪聲、傅里葉變換以及二維濾波等方法對(duì)航天探測(cè)器“徘徊者7號(hào)”發(fā)回的幾千張?jiān)虑虺晒Φ倪M(jìn)行了處理。隨后他們又對(duì)“徘徊者8號(hào)”和“水手號(hào)”發(fā)回地球的幾萬(wàn)張進(jìn)行了較為復(fù)雜地?cái)?shù)字圖像處理，使得到進(jìn)一步的提高，從此圖像增強(qiáng)技術(shù)進(jìn)入了航空航天的研究與應(yīng)用。同時(shí)圖像增強(qiáng)技術(shù)的發(fā)展也推動(dòng)了硬件設(shè)備的提高，比如1983年LANDSAT-4的分辨率為30m，而如今發(fā)射的衛(wèi)星分辨率可達(dá)到3-5m的范圍內(nèi)。圖像采集設(shè)備性能的提高，使采集圖像的質(zhì)量和數(shù)據(jù)的準(zhǔn)確性和清晰度得到了極大地提高，生物醫(yī)學(xué)領(lǐng)域的應(yīng)用圖像增強(qiáng)技術(shù)在生物醫(yī)

18、學(xué)方面的應(yīng)用有兩類，其中一類是對(duì)生物醫(yī)學(xué)的顯微光學(xué)圖像進(jìn)行處理和分析，比如對(duì)紅細(xì)胞、白細(xì)胞、細(xì)菌、蟲(chóng)卵的分類計(jì)數(shù)以及染色體的分析；另一類應(yīng)用是對(duì)X射線圖像的處理，其中最為成功的是計(jì)算機(jī)斷層成像。1973年英國(guó)的EMI公司在制造出第一臺(tái)X射線斷層成像裝置。由于人體的某些組織，比如心臟、乳腺等軟組織對(duì)X射線的衰減變化不大，導(dǎo)致圖像靈敏度不強(qiáng)。由此圖像增強(qiáng)技術(shù)在生物醫(yī)學(xué)圖像中得到廣泛的應(yīng)用。圖像增強(qiáng)在工業(yè)生產(chǎn)的自動(dòng)化設(shè)計(jì)和產(chǎn)品質(zhì)量檢驗(yàn)中得到廣泛應(yīng)用，比如機(jī)械零部件的檢查和識(shí)別、印刷電路板的檢查、食品包裝出廠前的質(zhì)量檢查、工件尺寸測(cè)量、集成芯片內(nèi)部電路的檢測(cè)等等。此外計(jì)算機(jī)視覺(jué)也可以應(yīng)用到工業(yè)生產(chǎn)中，

19、將攝像機(jī)拍攝圖片經(jīng)過(guò)增強(qiáng)處理、數(shù)據(jù)編碼、壓縮送入機(jī)器人中，通過(guò)一系列的控制和轉(zhuǎn)換可以確定目標(biāo)的位置、方向、屬性以及其它狀態(tài)等，最終實(shí)現(xiàn)機(jī)器人按照人的意志完成特殊的任務(wù)。在社會(huì)安全管理方面，圖像增強(qiáng)技術(shù)的應(yīng)用也十分廣泛，如無(wú)損安全檢查、指紋、虹膜、掌紋、人臉等生物特征的增強(qiáng)處理等等。圖像增強(qiáng)處理也應(yīng)用到交通監(jiān)控中，通過(guò)電視跟蹤技術(shù)鎖定目標(biāo)位置，比如對(duì)有霧圖像、夜視、交通事故的分析等等[5]。 2.2 圖像處理文件格式 2.2.1 MATLAB 圖像文件格式 MATLAB 支持以下幾種圖像文件格式： （1）PCX（Windows Paintbrush）格式?？商幚?，4，8，16，

20、24位等圖像數(shù)據(jù)。文件內(nèi)容包括：文件頭（128字節(jié)），圖像數(shù)據(jù)、擴(kuò)展顏色映射表數(shù)據(jù)。 （2） BMP（Windows Bitmap）格式。有1，4，8，24位非壓縮圖像，8位RLE（Run-length Encoded ）圖像。文件內(nèi)容包括：文件頭（一個(gè)BITMAP FILEHEADER數(shù)據(jù)結(jié)構(gòu)），位圖信息數(shù)據(jù)塊（位圖信息頭BITMAP INFOHEADER和一個(gè)顏色表）和圖像數(shù)據(jù)。 （3）HDF（Hierarchical Data Format）格式。有8位，24位光柵數(shù)據(jù)集。 （4）JPEG(Joint Photographic Experts Group)格式，是一種成為聯(lián)合圖像專

21、家組的圖像壓縮格式。 （5）TIFF（Tagged Image File Format）格式。處理1，4，8，24位非壓縮圖像，1，4，8，24位packbit壓縮圖像，一位CCITT壓縮圖像等。文件內(nèi)容包括：文件頭，參數(shù)指針表與參數(shù)域，參數(shù)數(shù)據(jù)表和圖像數(shù)據(jù)四部分。 （6）XWD(X Windows Dump)格式。1，8位Zpixmaps,XYbitmaps,1位XYpixmaps。 （7）PNG（Portable Network Graphics）格式[6]。 2.2.2 圖像類型 在MATLAB 中，一幅圖像可能包含一個(gè)數(shù)據(jù)矩陣，也可能包含一個(gè)顏色映射表矩陣。MATLAB 中有

22、四種基本的圖像類型： （1）索引圖像 索引圖像包括圖像矩陣與顏色圖數(shù)組，其中，顏色圖是按圖像中顏色值進(jìn)行排序后的數(shù)組。對(duì)于每個(gè)象素，圖像矩陣包含一個(gè)值，這個(gè)值就是顏色圖中的索引。顏色圖為m*3雙精度值矩陣，各行分別指定紅綠藍(lán)（RGB）單色值。Colormap=[R，G， B]，R，G，B為值域?yàn)閇0，1]的實(shí)數(shù)值。 圖像矩陣與顏色圖的關(guān)系依賴于圖像矩陣是雙精度型還是uint8（無(wú)符號(hào)8位整型）類型。如果圖像矩陣為雙精度類型，第一點(diǎn)的值對(duì)應(yīng)于顏色圖的第一行，第二點(diǎn)對(duì)應(yīng)于顏色圖的第二行，依次類推。如果圖像矩陣是uint8，有一個(gè)偏移量，第0點(diǎn)值對(duì)應(yīng)于顏色圖的第一行，第一點(diǎn)對(duì)應(yīng)于第二行，依次類

23、推；uint8長(zhǎng)用于圖形文件格式，它支持256色。 （2）灰度圖像 在MATLAB 中，灰度圖像是保存在一個(gè)矩陣中的，矩陣中的每一個(gè)元素代表一個(gè)象素點(diǎn)。矩陣可以是雙精度類型，其值域?yàn)閇0，1]；也可以為uint8類型，其數(shù)據(jù)范圍為[0，255]。矩陣的每個(gè)元素代表不同的亮度或灰度級(jí)。 （3）二進(jìn)制圖像 二進(jìn)制圖像中，每個(gè)點(diǎn)為兩離散值中的一個(gè)，這兩個(gè)值代表開(kāi)或關(guān)。二進(jìn)制圖像保存在一個(gè)由二維的由0（關(guān)）和1（開(kāi)）組成的矩陣中。從另一個(gè)角度講，二進(jìn)制圖像可以看成為一個(gè)僅包括黑與白的灰度圖像，也可以看作只有兩種顏色的索引圖像。 二進(jìn)制圖像可以保存為雙精度或uint8類型的雙精度數(shù)組，顯然使用

24、uint8類型更節(jié)省空間。在圖像處理工具箱中，任何一個(gè)返回二進(jìn)制圖像的函數(shù)都是以u(píng)int8類型邏輯數(shù)組來(lái)返回的。 （4）RGB圖像 與索引圖像一樣，RGB圖像分別用紅，綠，藍(lán)三個(gè)亮度值為一組，代表每個(gè)象素的顏色。與索引圖像不同的是，這些亮度值直接存在圖像數(shù)組中，而不是存放在顏色圖中。圖像數(shù)組為M*N*3，M，N表示圖像象素的行列數(shù)[7]。 3 MATLAB 基本知識(shí) 3.1 MATLAB簡(jiǎn)介 MATLAB是一個(gè)包含大量算法的集合。其可以快捷的實(shí)現(xiàn)用戶所需的各種計(jì)算功能。函數(shù)中所使用的算法都是科研和工程計(jì)算中的最新研究成果，而前經(jīng)過(guò)了各種優(yōu)化和差

25、錯(cuò)處理。在通常情況下，可以用它來(lái)代替底層編程語(yǔ)言，如C和C++ 。在計(jì)算要求相同的情況下，使用MATLAB的編程工作量會(huì)大大減少。MATLAB的這些函數(shù)集包括從最簡(jiǎn)單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。函數(shù)所能解決的問(wèn)題其大致包括矩陣運(yùn)算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號(hào)運(yùn)算、傅立葉變換和數(shù)據(jù)的統(tǒng)計(jì)分析、工程中的優(yōu)化問(wèn)題、稀疏矩陣運(yùn)算、復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以及建模動(dòng)態(tài)仿真等。 3.2 MATLAB 在圖像處理中的應(yīng)用 圖像處理工具包是由一系列支持圖像處理操作的函數(shù)組成的。所支持的圖像處理操作有:圖像的幾何操作

26、、鄰域和區(qū)域操作、圖像變換、圖像恢復(fù)與增強(qiáng)、線性濾波和濾波器設(shè)計(jì)、變換(DCT變換等) 、圖像分析和統(tǒng)計(jì)、二值圖像操作等。下面就MATLAB在圖像處理中各方面的應(yīng)用分別進(jìn)行介紹。 （1） 圖像文件格式的讀寫(xiě)和顯示。MATLAB提供了圖像文件讀入函數(shù)imread()，用來(lái)讀取如:bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式圖像文；圖像寫(xiě)出函數(shù)imwrite() ，還有圖像顯示函數(shù) image()、imshow()等等。 （2） 圖像處理的基本運(yùn)算。MATLAB提供了圖像的和、差等線性運(yùn)算，以及卷積、相關(guān)、濾波等非線性算。例如，conv2(I,J)實(shí)現(xiàn)了I，J兩幅圖像

27、的卷積。 （3） 圖像變換。MATLAB提供了一維和二維離散傅立葉變換(DFT) 、快速傅立葉變換(FFT) 、離散余弦變換 (DCT) 及其反變換函數(shù)，以及連續(xù)小波變換(CWT)、離散小波變換(DWT)及其反變換。 （4） 圖像的分析和增強(qiáng)。針對(duì)圖像的統(tǒng)計(jì)計(jì)算MATLAB提供了校正、直方圖均衡、中值濾波、對(duì)比度調(diào)整、自適應(yīng)濾波等對(duì)圖像進(jìn)行的處理。 （5） 圖像的數(shù)學(xué)形態(tài)學(xué)處理。針對(duì)二值圖像，MATLAB提供了數(shù)學(xué)形態(tài)學(xué)運(yùn)算函數(shù)；腐蝕(Erode)、膨脹(Dilate)算子，以及在此基礎(chǔ)上的開(kāi) (Open)、閉(Close)算子、厚化 (Thicken) 、薄化 (Thin) 算子等豐富

28、的數(shù)學(xué)形態(tài)學(xué)運(yùn)算。 以上所提到的 MATLAB 在圖像中的應(yīng)用都是由相應(yīng)的MATLAB 函數(shù)來(lái)實(shí)現(xiàn)的，使用時(shí)，只需按照函數(shù)的調(diào)用語(yǔ)法正確輸入?yún)?shù)即可。具體的用法可參考MATLAB 豐富的幫助文檔。圖像邊緣對(duì)圖像識(shí)別和計(jì)算機(jī)分析十分有用，在MATLAB 中，函數(shù) edge()用于灰度圖像邊緣的提取，它支持六種不同的邊緣提取方法，即Sobel方法、Prewitt 方法、Robert 方法，Laplacian2Gaussian方法[8]。 4 圖像增強(qiáng)方法及仿真實(shí)現(xiàn) 圖像增強(qiáng)是按特定的需要突出一幅圖像中的某些信息，同時(shí)，消弱或

29、去除某些信息使得圖像更加實(shí)用。圖像增強(qiáng)技術(shù)主要包含直方圖修改處理、圖像平滑處理、圖像尖銳化處理和彩色技術(shù)等。圖像增強(qiáng)單純從技術(shù)上可分成兩大類：一類是頻域處理法；一類是空域處理法。頻域法是把圖像看成一種二維信號(hào)，對(duì)其進(jìn)行基于二維傅里葉變換的信號(hào)增強(qiáng)。采用低通濾波（即只讓低頻信號(hào)通過(guò)）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號(hào)，使模糊的圖片變得清晰。 空間域的算法分為點(diǎn)運(yùn)算算法和鄰域去噪算法。點(diǎn)運(yùn)算算法即灰度級(jí)校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴(kuò)大圖像動(dòng)態(tài)范圍，擴(kuò)展對(duì)比度。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種。平滑一般用于消除圖像噪聲，但是也容易引起邊緣的模糊[

30、9]。銳化的目的在于突出物體的邊緣輪廓，便于目標(biāo)識(shí)別。本文整體研究?jī)?nèi)容概述如下圖4所示： 圖4概述圖 4.1直方圖增強(qiáng) 灰度變換是圖像增強(qiáng)的一種重要手段，使圖像對(duì)比度擴(kuò)展，圖像更加清晰，特征更加明顯?；叶燃?jí)的直方圖給出了一幅圖像概貌的描述，通過(guò)修改灰度直方圖來(lái)得到圖像增強(qiáng)。 4.1.1直方圖 圖像的直方圖是圖像的重要統(tǒng)計(jì)特征，它可以認(rèn)為是圖像灰度密度函數(shù)的近似。圖像的灰度直方圖是反映一幅圖像的灰度級(jí)與出現(xiàn)這種灰度級(jí)的概率之間的關(guān)系的圖形。 灰度直方圖是離散函數(shù)，一般的來(lái)講，要精確的得到圖像的灰度密度函數(shù)是比較困難的，在實(shí)際中，可以使數(shù)字圖像灰度直方圖來(lái)代替。

31、歸納起來(lái)，直方圖主要有以下幾點(diǎn)性質(zhì)： （1）直方圖中不包含位置信息。直方圖只是反應(yīng)了圖像灰度分布的特性，和灰度所在的位置沒(méi)有關(guān)系，不同的圖像可能具有相近或者完全相同的直方圖分布。 （2）直方圖反應(yīng)了圖像的整體灰度。直方圖反應(yīng)了圖像的整體灰度分布情況，對(duì)于暗色圖像，直方圖的組成集中在灰度級(jí)低（暗）的一側(cè)，相反，明亮圖像的直方圖則傾向于灰度級(jí)高的一側(cè)。直觀上講，可以得出這樣的結(jié)論，若一幅圖像其象素占有全部可能的灰度級(jí)并且分布均勻，這樣的圖像有高對(duì)比度和多變的灰度色調(diào)。 （3）直方圖的可疊加性。一幅圖像的直方圖等于它各個(gè)部分直方圖的和。 （4）直方圖具有統(tǒng)計(jì)特性。從直方圖的定義可知，連續(xù)圖像

32、的直方圖是一位連續(xù)函數(shù)，它具有統(tǒng)計(jì)特征，例如矩、絕對(duì)矩、中心矩、絕對(duì)中心矩、熵。 （5）直方圖的動(dòng)態(tài)范圍。直方圖的動(dòng)態(tài)范圍是由計(jì)算機(jī)圖像處理系統(tǒng)的模數(shù)轉(zhuǎn)換器的灰度級(jí)決定。 MATLAB 圖像處理工具箱提供了imhist函數(shù)來(lái)計(jì)算和顯示圖像的直方圖，灰度直方圖是灰度值的函數(shù)，描述的是圖像中具有該灰度值的象素的個(gè)數(shù)，如圖4.1所示，（b）為圖像（a）的灰度直方圖，其橫坐標(biāo)表示象素的灰度級(jí)別，縱坐標(biāo)表示該灰度出現(xiàn)的頻率（象素的個(gè)數(shù)）。 圖4.1 灰度直方圖實(shí)現(xiàn) 當(dāng)圖像對(duì)比度較小時(shí)，它的灰度直方圖只在灰度軸上較小的一段區(qū)間上非零，較暗的圖像由于較多的象素灰度值低，

33、因此它的直方圖的主體出現(xiàn)在低值灰度區(qū)間上，其在高值灰度區(qū)間上的幅度較小或?yàn)榱悖^亮的圖像情況正好相反[10]。 4.1.2直方圖均衡化 把原始圖的直方圖變換為均勻分布的形式，增加象素灰度值的動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。通過(guò)灰度變換將一幅圖像轉(zhuǎn)換為另一幅具有均衡直方圖的圖像，即在一定灰度范圍內(nèi)具有相同的象素點(diǎn)數(shù)的圖像的過(guò)程。其“中心思想”是把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。直方圖均衡化就是對(duì)圖像進(jìn)行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素?cái)?shù)量大致相同。直方圖均衡化就是把給定圖像的直方圖分布改變成“均勻”分布直方圖分布

34、。直方圖均衡化過(guò)程如下： （1）計(jì)算原圖像的灰度直方圖； （2）計(jì)算原圖像的灰度累積分布函數(shù)，進(jìn)一步求出灰度變換表； （3）根據(jù)灰度變換表，將原圖像各灰度級(jí)映射為新的灰度級(jí)。 主要缺點(diǎn)：變換后圖像的灰度級(jí)減少，某些細(xì)節(jié)消失，某些圖像，如直方圖有高峰，經(jīng)處理后對(duì)比度不自然的過(guò)分增強(qiáng)。算法如下： 為討論方便，以r和s分別表示歸一化了的原圖像灰度和經(jīng)直方圖修正后的圖像灰度。即 在[0,1]內(nèi)設(shè)有變換 (4.1) 且該函數(shù)單調(diào)遞增，,于是有反變換

35、 有概率論知，如果已知隨即變量r的概率密度,而隨機(jī)變量s是r的函數(shù)。則s的概率密度可以有求出。 （4.2） 可見(jiàn)均衡后的各像素的灰度值可直接由原圖像的直方圖算出。在實(shí)際處理變換時(shí)，一般先對(duì)原始圖像的灰度情況進(jìn)行統(tǒng)計(jì)分析，并計(jì)算出原始直方圖分布，然后根據(jù)計(jì)算出的累計(jì)直方圖分布求出到的灰度映射關(guān)系。在重復(fù)上述步驟得到源圖像所有灰度級(jí)到目標(biāo)圖像灰度級(jí)的映射關(guān)系后，按照這個(gè)映射關(guān)系對(duì)源圖像各點(diǎn)像素進(jìn)行灰度轉(zhuǎn)換，即可完成對(duì)源圖的直方圖均衡化[11]。

36、 （4.3） 在MATLAB 中，histeq函數(shù)可以實(shí)現(xiàn)直方圖均衡化。該命令對(duì)灰度圖像I進(jìn)行變換，返回有N級(jí)灰度的圖像J，J中的每個(gè)灰度級(jí)具有大致相同的象素點(diǎn)，所以圖像J的直方圖較為平坦，當(dāng)N小于I中灰度級(jí)數(shù)時(shí)，J的直方圖更為平坦，缺省的N值為64。把原始圖的直方圖變換為均勻分布的形式，增加象素灰度值的動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。 MATLAB 中部分源代碼如下： I=imread('D:\360\xh.

37、bmp');%讀取圖像 imhist(I);%繪制圖像的灰度直方圖 title('原圖的灰度直方圖'); subplot(2,2,3); J=histeq(I,64);%對(duì)圖像進(jìn)行均衡化處理，返回有64級(jí)灰度的圖像J Imshow(J);%顯示圖像 title('原圖直方圖均衡化'); subplot(2,2,4); imhist(J);%繪制圖像的灰度直方圖 title('均衡后的灰度直方圖'); 以下展示了直方圖均衡化的效果： 圖4.2 圖像直方圖均衡化實(shí)現(xiàn) 從直方圖統(tǒng)計(jì)可以看出，原始圖的

38、灰度范圍大約是110到250之間，灰度分布的范圍比較狹窄，所以整體上看對(duì)比度比較差，而直方圖均衡化后，灰度幾乎是均勻的分布在0到255的范圍內(nèi)，圖像明暗分明，對(duì)比度很大，圖像比較清晰明亮，很好的改善了原始圖的視覺(jué)效果，直方圖均衡化的特點(diǎn)是計(jì)算相對(duì)簡(jiǎn)單，能自動(dòng)的增強(qiáng)整個(gè)圖像的對(duì)比度，但具體的增強(qiáng)效果不易控制，處理的結(jié)果也是得到全局均衡化的直方圖[12]。 優(yōu)勢(shì)：能夠使得處理后圖像的概率密度函數(shù)近似服從均勻分布，其結(jié)果有效的擴(kuò)張了象素值的動(dòng)態(tài)范圍，是一種常用的圖像增強(qiáng)算法。 不足：不能有效抑制噪聲。 4.1.3圖像二值化 圖像的二值化處理就是將圖像上的象素點(diǎn)的灰度值設(shè)置為0或255，也就是

39、講整個(gè)圖像呈現(xiàn)出明顯的黑白效果。 將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。所有灰度大于或等于閥值的象素被判定為屬于特定元素，其灰度值為255表示，否則這些象素點(diǎn)被排除在元素區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。 在MATLAB 中部分源程序如下 I=imread('D:\360\11.tif'); bw=im2bw(I,0.5);%選取閾值為0.5 subplot(2,2,1); imshow(I); subplot(2,2,2); imshow(bw);

40、 …… J=find(I<150); I(J)=0; J=find(I>=150); I(J)=255; subplot(2,2,3); imshow(I); 下圖為圖像二值化的效果實(shí)現(xiàn)： 圖4.3 圖像二值化的實(shí)現(xiàn) 分析實(shí)現(xiàn)效果圖容易看出圖像的二值化有利于圖像的進(jìn)一步處理，使圖像變得簡(jiǎn)單，能凸顯出感興趣的目標(biāo)的輪廓。但是使處理后的變得與原圖相差很大，有的甚至不可辨認(rèn)，在數(shù)字圖像處理中，二值圖像占有非常重要的地位。 4.2對(duì)比度增強(qiáng) 對(duì)比度增強(qiáng)是圖像增強(qiáng)技術(shù)中一種比較簡(jiǎn)單但又十分重要的方法。這種方法是按一定的

41、規(guī)則修改輸入圖像每一個(gè)象素的灰度，從而改變圖像灰度的動(dòng)態(tài)范圍。它可以是灰度動(dòng)態(tài)范圍擴(kuò)展，也可以使其壓縮，或者是對(duì)灰度進(jìn)行分段處理，根據(jù)圖像特點(diǎn)和要求在某段區(qū)間中進(jìn)行壓縮在另外區(qū)間進(jìn)行擴(kuò)展，增強(qiáng)對(duì)比度－增強(qiáng)圖像各部分的反差，實(shí)際中增加圖像中某兩個(gè)灰度值間的動(dòng)態(tài)范圍來(lái)實(shí)現(xiàn)[13]。 設(shè)輸入圖像為f(x,y)，處理后的圖像為g(x,y)，則對(duì)比度增強(qiáng)可以表示為下面的數(shù)學(xué)變幻式： （4.4） 其中T表示輸入圖像和輸出圖像對(duì)應(yīng)點(diǎn)的灰度映射關(guān)系，實(shí)際中由于曝光不足或成像系統(tǒng)非線性的影響，通常照片或電子系統(tǒng)生成圖像對(duì)比對(duì)不良，利用對(duì)比度增強(qiáng)變換可以有效地改

42、善圖像的質(zhì)量。 4.2.1灰度調(diào)整 （1）imadjust函數(shù) MATLAB 軟件中，imadjust函數(shù)可以實(shí)現(xiàn)圖像的灰度變換，通過(guò)直方圖變換調(diào)整圖像的對(duì)比度。 其中，gamma為校正量r，為原圖像中要變換的灰度范圍，指定了變換后的灰度范圍。 在MATLAB關(guān)于imadjust函數(shù)的部分源程序如下： I=imread('D:\360\123.bmp');%讀取圖像 …… subplot(2,2,3); J=imadjust(I,[0.3 0.7],[]);%對(duì)圖像進(jìn)行灰度變換 Imshow(J

43、);%顯示圖像 subplot(2,2,4); imhist(J);%繪制圖像的灰度直方圖 以下展示了常用對(duì)比度擴(kuò)展法的結(jié)果： 圖4.4 直方圖灰度調(diào)整的實(shí)現(xiàn) 從圖4.4原圖可以看出原始圖像動(dòng)態(tài)范圍較小，整體較暗，反映在直方圖上象素主要集中在低灰度的一側(cè)，如原圖的灰度直方圖所示。經(jīng)過(guò)對(duì)比度調(diào)整，圖像變亮，可以看到更多的細(xì)節(jié)如圖原圖直方圖均衡化和均衡后的灰度直方圖所示。 優(yōu)勢(shì)：可以充分利用圖像中的亮度信息，明顯改善圖像質(zhì)量，是一種常用的圖像增強(qiáng)算法。 不足：對(duì)于受噪聲影響明顯的圖像，該算法增強(qiáng)效果不明顯。即不能有效地抑制噪聲。而且，僅僅

44、利用了圖像中的局部信息。 從原理上講，我們也可以用一些數(shù)學(xué)上的非線性函數(shù)進(jìn)行變換，如平方、指數(shù)、對(duì)數(shù)等，但其中有實(shí)際意義的還是對(duì)數(shù)變換。 （2）對(duì)數(shù)變換 對(duì)數(shù)變化常用來(lái)擴(kuò)展低值灰度，壓縮高值灰度，這樣可以使低值灰度的圖像細(xì)節(jié)更容易看清。要消除這種因動(dòng)態(tài)范圍太大而引起的失真，一種有效的方法是對(duì)原圖像的動(dòng)態(tài)范圍進(jìn)行壓縮，最常用的是借助對(duì)數(shù)形式對(duì)動(dòng)態(tài)范圍進(jìn)行調(diào)整，對(duì)數(shù)變換的表達(dá)式為： （4.5）

45、 在MATLAB關(guān)于對(duì)數(shù)變換的部分源程序如下： I=imread('D:\360\123.tif

46、');%讀取圖像 I=mat2gray(I);%對(duì)數(shù)變換不支持uint8類型數(shù)據(jù)，將一個(gè)矩陣轉(zhuǎn)化為灰度圖像的數(shù)據(jù)格式(double) J=log(I+1); subplot(1,2,1); subplot(1,2,2); Imshow(J); 運(yùn)用對(duì)數(shù)變換的結(jié)果如圖4.5: 圖 4.5 對(duì)數(shù)變換的實(shí)現(xiàn) 從圖像對(duì)數(shù)變換前后的實(shí)現(xiàn)效果圖比較可以知道，變換后的圖像明顯變暗直觀的辨別出，對(duì)數(shù)變換確實(shí)能夠擴(kuò)展低值灰度，而壓縮高值灰度，使低值灰度的圖像細(xì)節(jié)更容易看清[14]。 4.2.2Gamma校正 Gamma校正也是數(shù)字圖像處理中

47、常用的圖像增強(qiáng)技術(shù)。Imadjust函數(shù)中的gamma因子即是這里所說(shuō)的Gamma校正的參數(shù)。Gamma因子的取值決定了輸入圖像到輸出圖像的灰度映射方式，即決定了增強(qiáng)低灰度還是增強(qiáng)高灰度。當(dāng)Gamma等于1時(shí)，為線性變換[15]。 圖4.6 圖像Gamma校正的實(shí)現(xiàn) 分析矯正之后的效果圖可知校正Gamma校正后，可以實(shí)現(xiàn)如下目的：圖像整體變亮，暗場(chǎng)灰階的顏色明顯改善，各灰階的顏色誤差明顯減少，暗場(chǎng)顏色細(xì)節(jié)分明，圖像亮度顏色一致，透亮度好，對(duì)比明顯。 4.3平滑濾波 獲得的圖像可能會(huì)因?yàn)楦鞣N原因而被污染，產(chǎn)生噪聲。常見(jiàn)的圖像噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。

48、噪聲并不僅限于人眼所見(jiàn)的失真，有些噪聲只針對(duì)某些具體的圖像處理過(guò)程產(chǎn)生影響。圖像中的噪聲往往和正常信號(hào)交織在一起，尤其是乘性噪聲，如果處理不當(dāng)，就會(huì)破壞圖像本身的細(xì)節(jié)，如會(huì)使線條、邊界等變得模糊不清。有些圖像是通過(guò)掃描儀掃描輸入或傳輸通道傳輸過(guò)來(lái)的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機(jī)產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點(diǎn)。圖像平滑就是針對(duì)圖像噪聲的操作，其主要作用是為了消除噪聲。如何既平滑掉噪聲又盡量保持圖像細(xì)節(jié)，是圖像平滑的主要研究任務(wù)。這些噪聲的存在直接影響著后續(xù)的處理過(guò)程，使圖像失真。這時(shí)可以采用線性濾波和中值濾波的方法。 4.3.1線性平滑濾波 輸出圖像的

49、值等于輸入圖像濾波后值的局部平均，各個(gè)項(xiàng)具有相同的權(quán)。下面是平滑窗口分別為矩形和圓形的情況。 （4.6） 對(duì)一些圖像進(jìn)行線性濾波可以去除圖像中某些類型的噪聲，如采用鄰域平均法的均值濾波器就非常適用于去除通過(guò)掃描得到的圖像中的顆粒噪聲。 鄰域平均法是空間域平滑噪聲技術(shù)。用一像素鄰域內(nèi)各像素灰度平均值來(lái)代替該像素原來(lái)的灰度，即是鄰域平均技術(shù)。 另外，頻域處理的基礎(chǔ)是頻域?yàn)V波，例如，理想的低通濾波器： （4.7） 其中 如圖4.7為線性（均值）平滑濾波的例子： 圖4.7 均值

50、濾波仿真實(shí)現(xiàn) 如圖4.8為利用低通鄰域平均模板進(jìn)行平滑的例子： 圖4.8 低通濾波 鄰域平均處理減少了相鄰像素值的差別，或者說(shuō)“扯平”了像素值的波動(dòng)，而像素值的波動(dòng)蘊(yùn)含著較多的噪聲和高頻分量，在減少噪聲影響的同時(shí)，也削弱了圖像的高頻分量，因此圖像的鄰域平均處理在本質(zhì)上是一種低通濾波的處理方法。 優(yōu)勢(shì)：實(shí)現(xiàn)簡(jiǎn)單，去噪效果明顯。 不足：去噪的同時(shí)會(huì)導(dǎo)致結(jié)果圖像邊緣位置的改變和細(xì)節(jié)模糊甚至丟失。 4.3.2非線性平滑濾波器 中值濾波是一種非線性濾波，由于它在實(shí)際運(yùn)算過(guò)程中并不需要利用圖像的統(tǒng)計(jì)特性，所以比較方便。中值濾波首先是被應(yīng)用在一維信號(hào)處理技術(shù)中，后來(lái)被二維

51、圖像信號(hào)處理所引用。在一定的條件下，可以克服線性濾波器（如鄰域平均運(yùn)算）所帶來(lái)的圖像細(xì)節(jié)模糊的弊端，而且對(duì)濾除脈沖干擾及圖像掃描噪聲最為有效。但是對(duì)一些細(xì)節(jié)多，特別是點(diǎn)、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法[16]。 中值濾波也是一種工作在空域的鄰域?yàn)V波器，但和鄰域平均濾波器不同，它的輸出不是這個(gè)鄰域中所有像素的平均值，而是“中值”。所謂的“中值”是指將一個(gè)鄰域中的灰度值按照從大到?。ɑ蛘呦喾矗┑捻樞蚺帕谐梢恍蛄?，則排在中間的那個(gè)數(shù)就是此序列的中值（如序列長(zhǎng)度為偶數(shù)，則為處于中間兩個(gè)數(shù)的平均數(shù)）。因此，中值濾波最簡(jiǎn)單的辦法就是用一個(gè)含有奇數(shù)點(diǎn)的條形或方形滑動(dòng)窗口在被處理的圖像上逐點(diǎn)滑動(dòng)

52、，將窗口正中那點(diǎn)的值用窗口內(nèi)各點(diǎn)灰度的中值代替。 在一般情況下，可以這樣定義二維中值濾波：設(shè)有一個(gè)的二維中值濾波窗口（為奇數(shù)），被濾波的圖像為，在點(diǎn)處的中值濾波就是從輸入圖像中抽出以為中心的濾波窗口中的個(gè)如下： 其中，再將這個(gè)點(diǎn)按其灰度數(shù)值大小排列，取其序號(hào)為正中間的那個(gè)數(shù)作為濾波輸出。用數(shù)學(xué)公式表示為 (4.8) 式中， 為取括號(hào)中按數(shù)值大小排列在中間的那個(gè)數(shù)[9]。具體步驟如下： (1) 將模板在圖像中移動(dòng)，并將模板中心

53、與圖像中某個(gè)像素的位置重合； (2) 讀取模板中下一個(gè)對(duì)應(yīng)像素的灰度值； (3) 將這些灰度值從小到大排成一列； (4) 找出這些值中排在中間的一個(gè)； (5) 將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。 由此看出，中值濾波器的主要作用就是讓與周圍像素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而消除孤立的噪點(diǎn)。 中值濾波器去噪的效果依賴于兩個(gè)因素：鄰域的空間范圍和中值計(jì)算中所涉及的像素?cái)?shù)。一般來(lái)說(shuō)，小于中值濾波器面積一半的亮或暗的物體基本上會(huì)被濾掉，而較大的物體則幾乎會(huì)原封不動(dòng)地保存下來(lái)。 在MATLAB中，中值濾波函數(shù)為B=medfilt2(A,[m,n])，二維統(tǒng)計(jì)順序

54、濾波函數(shù)為ordfilt2函數(shù)。二維統(tǒng)計(jì)順序?yàn)V波是中值濾波的推廣，對(duì)于給定的n個(gè)數(shù)值｛al ,a2,...,an｝，將它們按大小順序排列，將處于第k個(gè)位置的元素作為圖像濾波輸出，即序號(hào)為k的二維統(tǒng)計(jì)濾波。ordfilt2函數(shù)語(yǔ)法格式為： Y=ordfilt2(X,order,domain) Y=ordfilt2(X,order,domain,S) 其功能是：對(duì)圖像X作順序統(tǒng)計(jì)濾波，order為濾波器輸出的順序值，domain為濾波窗口。S是與domain大小相同的矩陣，它是對(duì)應(yīng)domain中非零值位置的輸出偏置，這在圖形形態(tài)學(xué)中是很有用的。例如： Y=ordfi

55、lt2(X,5,ones(3,3))，相當(dāng)于3×3的中值濾波 Y=ordfilt2(X,1,ones(3,3))，相當(dāng)于3×3的最小值濾波 Y=ordfilt2(X,9,ones(3,3))，相當(dāng)于3×3的最大值濾波 Y=ordfilt2(X,1,[0 1 0;1 0 1;0 1 0])，輸出的是每個(gè)像素的東、西、南、北四個(gè)方向相鄰像素灰度的最小值[10]。 在MATLAB中，實(shí)現(xiàn)中值濾波的部分程序如下： J=imnoise(l,'salt & pepper',0.02);%加入噪聲密度為0.02的椒鹽噪聲 K=imnoise(l,'gaussian',0,0.0

56、5);%添加高斯噪聲，均值為0，方差為0.05 … G1=medfilt2(J); G2=medfilt2(K); … 仿真結(jié)果如圖4.9所示： 圖4.9中值濾波 綜上所述中值濾波和均值濾波方式各有各的優(yōu)勢(shì)，下面我們對(duì)兩種平滑濾波方式在MATLAB中進(jìn)行一個(gè)對(duì)比： 在MATLAB中，實(shí)現(xiàn)中值濾波與均值濾波的部分源程序如下： I=imread('D:\360\tsj.bmp'); I=rgb2gray(I); J=imnoise(I,'salt & pepper',0.05); J=imnoise(I,'gaussian

57、',0,0.1); …… J=double(J); K=ones(3)/9; K1=conv2(J,K,'same'); subplot(2,2,3); imshow(K1,[]); title('平均濾波'); L=medfilt2(J); subplot(2,2,4); imshow(L,[]); title('中值濾波'); x1=double(I); x2=double(K1); [mse,psnr]=suanzi(x1,x2); x2=

58、double(L); [mse,psnr]=suanzi(x1,x2); 下圖是加高斯噪聲后，中值濾波和平均濾波的濾波效果對(duì)比： 圖4.10 加入高斯噪聲后的中值與均值濾波的比較 下圖是加椒鹽噪聲后，中值濾波和平均濾波的濾波效果對(duì)比： 圖4.11 加入椒鹽噪聲后的中值與均值濾波的比較 我們可以從主觀上對(duì)兩種算法做出了初步的評(píng)價(jià)，主觀上的判斷存在誤差，并且缺乏數(shù)值的說(shuō)明，因此接下來(lái)統(tǒng)計(jì)兩種去噪算法的峰值信噪比（）和均方誤差（）值來(lái)對(duì)每種算法的去噪效果提供客觀直觀的判斷。峰值信噪比（）的值越大，說(shuō)明濾波效果越好，抑制噪聲能力越強(qiáng)；均方誤差（）值越大，表明

59、去噪前后圖像變化越大大，圖像就越模糊，效果就越差。如下表所示： 領(lǐng)域均值法 中值濾波 /dB 23.1203 30.2222 316.9959 61.7824 表4.1 椒鹽噪聲去噪后圖峰值信噪比（）和均方誤差（）值 領(lǐng)域均值法 中值濾波 /dB 18.228 17.9424 977.8694 1044.3364 表4.2 高斯噪聲去噪圖峰值信噪比（）和均方誤差（）值 對(duì)于含椒鹽噪聲的圖像來(lái)說(shuō)，由表4.1可以看到抑制椒鹽噪聲最有效的方法是中值濾波法，并且在保持圖像的清晰度方面有著明顯的優(yōu)勢(shì)。它可以克服線性濾波器給圖像帶來(lái)的

60、模糊，在有效清除顆粒噪聲的同時(shí)，又能保持良好的邊緣特性，從而獲得較滿意的濾波效果，特別適合于去除圖像的椒鹽噪聲。對(duì)中值濾波法來(lái)說(shuō)，窗口增大，圖像越來(lái)越模糊[17]。 而對(duì)于含高斯噪聲的圖像來(lái)說(shuō)，由表4.2可以看到在去除椒鹽噪聲表現(xiàn)優(yōu)異的中值濾波卻表現(xiàn)很差，抑制高斯噪聲效果不大，而且圖像特別模糊，只有在模板增大的條件下，才能提升抑制噪聲效果和圖像清晰度。 綜上所述比較均值與中值濾波可知:圖像經(jīng)中值濾波后，能有效的削弱椒鹽噪聲，而且比超限象素平均法更有效。但是在抑制隨機(jī)噪聲方面，中值濾波要要比均值濾波稍差。均值濾波把每個(gè)象素都用周圍的8個(gè)象素來(lái)做均值操作?？梢云交瑘D像，速度快，算法簡(jiǎn)

61、單。但是無(wú)法去掉噪聲，這能微弱的減弱它。均值濾波是對(duì)是對(duì)信號(hào)進(jìn)行局部平均, 以平均值來(lái)代表該象素點(diǎn)的灰度值。矩形濾波器(Averaging Box Filter)對(duì)這個(gè)二維矢量的每一個(gè)分量進(jìn)行獨(dú)立的平滑處理。通過(guò)計(jì)算和轉(zhuǎn)化 ,得到一幅單位矢量圖。這個(gè) 512×512的矢量圖被劃分成一個(gè) 8×8的小區(qū)域 ,再在每一個(gè)小區(qū)域中 ,統(tǒng)計(jì)這個(gè)區(qū)域內(nèi)的主要方向 ,亦即將對(duì)該區(qū)域內(nèi)點(diǎn)方向數(shù)進(jìn)行統(tǒng)計(jì),最多的方向作為區(qū)域的主方向。于是就得到了一個(gè)新的64×64的矢量圖。這個(gè)新的矢量圖還可以采用一個(gè) 3×3模板進(jìn)行進(jìn)一步的平滑。 4.4銳化 圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影

62、響，這就需要利用圖像銳化技術(shù)，使圖像邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細(xì)節(jié)變得清晰，經(jīng)過(guò)平滑的圖像變得模糊的根本原因是圖像受到了平均或積分運(yùn)算，因此可以對(duì)其進(jìn)行逆運(yùn)算（如微分運(yùn)算）就可以使圖像變得清晰。數(shù)字圖像處理中圖像銳化的目的是提取目標(biāo)物體的邊界，對(duì)圖像進(jìn)行分割，便于目標(biāo)區(qū)域的識(shí)別等。通過(guò)圖像的銳化，使得圖像的質(zhì)量有所改變，產(chǎn)生更適合人觀察和識(shí)別的圖像。但是要注意的是，能夠進(jìn)行銳化處理的圖像必須要求有較高的信噪比；否則，圖像銳化后信噪比更低。因?yàn)樵肼曂蔷植?、陡變、高頻成分豐富的部分，銳化將有可能使噪聲受到比信號(hào)還強(qiáng)的增強(qiáng)。所以，一般是先去除或減輕干擾噪

63、聲后才能進(jìn)行銳化處理[18]。 4.4.1線性銳化濾波器 最常見(jiàn)的線性銳化是拉普拉斯算子。拉普拉斯算子是各向同性的二階導(dǎo)數(shù)，也是常用的邊緣增強(qiáng)處理算子。連續(xù)圖像函數(shù)的拉普拉斯算子為 （4.9） 如果圖像的模糊是由擴(kuò)散現(xiàn)象引起的（如膠片顆?；瘜W(xué)擴(kuò)散、光點(diǎn)散射），則銳化后的圖像為 （4.10） 式中、分別為銳化前后的圖像；為與擴(kuò)散效應(yīng)有關(guān)的系

64、數(shù)。式（4.10）表示模糊圖像經(jīng)過(guò)拉普拉斯算子銳化后得到的不模糊圖像為。這里對(duì)的選擇要合理，太大會(huì)使圖像中的輪廓邊緣產(chǎn)生過(guò)沖，太小則對(duì)銳化作用不明顯[13]。 對(duì)數(shù)字圖像，的二階偏導(dǎo)數(shù)可近似用二階差分表示為： （4.11） 同理可得：

65、 （4.12） 根據(jù)公式（4.9）得： （4.13） 得到該算子的模板如下： （4.14） 這是拉普拉斯算子，所以系數(shù)之和為0。當(dāng)這樣的模板放在圖像中灰度值是常數(shù)或變換很小的區(qū)域時(shí)，其輸出為0或很小。這個(gè)濾波器將原來(lái)圖像中的零頻率分量去除，也就是將輸出圖像的平均灰度值變?yōu)?，這樣就會(huì)有一部分像素灰度值小于0。在圖像處理中，

66、我們一般只考慮正的灰度值，所以還要將輸出圖像的灰度值范圍通過(guò)尺度變換變回到所要求的范圍。 在MATLAB中可通過(guò)調(diào)用filter2函數(shù)和fspecial函數(shù)來(lái)實(shí)現(xiàn)，代碼如下： h=fspecial('laplacian'); K=filter2(h,I); 原始圖像和處理后的圖像如圖4.12所示 圖4.12 拉普拉斯算子銳化效果 由拉普拉斯銳化仿真圖可以看出，圖像的邊緣得到了增強(qiáng)，使人物的輪廓更加清晰，便于進(jìn)一步對(duì)圖像邊緣進(jìn)行操作，但是會(huì)摻雜更多的噪聲，圖像模糊近乎成虛像的形式，邊緣信息大量丟失。 4.4.2非線性銳化濾波器 采用梯度微分銳化圖像時(shí)，不可避免地會(huì)使噪聲、條紋等干擾信息得到增強(qiáng)，這里介紹的Sobel算子可在一定程度上克服這個(gè)問(wèn)題。Sobel算子法的基本方法如圖2.13所示，分別經(jīng)過(guò)兩個(gè)算子的模板濾波，左邊的模板得到像素處水平方向的梯度，即 （4.15） 右邊的模板得到垂直方向的梯度，即 （4.16） 將所得到的兩個(gè)結(jié)果綜合，獲得Sobel算子的梯度值（銳化圖像）為