哈工大数学实验图像增强论文.docx
- 文档编号:13958733
- 上传时间:2023-06-19
- 格式:DOCX
- 页数:24
- 大小:861.42KB
哈工大数学实验图像增强论文.docx
《哈工大数学实验图像增强论文.docx》由会员分享,可在线阅读,更多相关《哈工大数学实验图像增强论文.docx(24页珍藏版)》请在冰点文库上搜索。
哈工大数学实验图像增强论文
数学实验大作业论文——图像增强
学院:
XX学院
专业:
机械设计制造及其自动化
班级:
XXXX
姓名:
XXXX
指导教师:
XXX
哈尔滨工业大学
2012/5/13
图像增强
摘要:
数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。
图像增强是数字图像处理的过程中经常采用的一种方法,它对提高图像质量起着重要的作用。
本文先对图像增强的原理进行概述,然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础,通过Matlab实验得出的实际处理效果来对比各种算法的优缺点,讨论不同的增强算法的技术要点,并对其图像增强方法进行性能评价。
关键词:
图像增强,MATLAB,图形界面
Abstract:
Digitalimageprocessingistheproceduresofconvertingimagesignalintodigitalformat,thenusingthecomputertoprocessit.Imageenhancementisdigitalimageprocessingprocessoftenuseamethodtoimproveimagequality,itplaysanimportantrole.Thisarticlefirstintroducestheprincipleofimageenhancementandclassification,andthenfocusonseveralmethodstostudysuchasandhistogramenhancement,contrastenhancement,smoothingandsharpening,andothercommonlyusedinlearningthebasicdigitalimageWiththeapproach,throughMatlabexperimentthattheactualeffectofvariousalgorithmstocomparetheadvantagesanddisadvantagestodiscussthedifferentenhancementalgorithm.Theapplicationofoccasions,anditsimageenhancementmethodofperformanceevaluation.
Keywords:
ImageEnhancement,MATLAB,GraphicInterface
1图像增强概述
1.1图像增强背景及意义
在一般情况下,经过图像的传送和转换,如成像、复制、扫描、传输和显示等,经常会造成图像质量的下降,即图像失真。
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,传输过程中会引入各种类型的噪声。
总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题,这类问题不妨统称为质量问题。
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。
处理后的图像是否保持原状已经是无关紧要的了,不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
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。
1.2图像增强的应用
目前图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。
如对x射线图片、CT影像、内窥镜图像进行增强,使医生更容易从中确定病变区域,从图像细节区域中发现问题;对不同时间拍摄的同一地区的遥感图片进行增强处理,侦查是否有敌人军事调动或军事装备及建筑出现;在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度,克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象,减少电视系统维护的工作量。
图像增强技术的快速发展同它的广泛应用是分不开的,发展的动力来自稳定涌现的新的应用,我们可以预料,在未来社会中图像增强技术将会发挥更为重要的作用。
2图像增强的基本理论
2.1图像增强的定义
为了改善视觉效果或者便于人和机器对图像的理解和分析,根据图像的特点或存在的问题采取的简单改善方法或者加强特征的措施称为图像增强。
一般情况下,图像增强是按特定的需要突出一幅图像中的某些信息,同时削弱或去除某些不需要的信息的处理方法,也是提高图像质量的过程。
图像增强的目的是使图像的某些特性方面更加鲜明、突出,使处理后的图像更适合人眼视觉特性或机器分析,以便于实现对图像的更高级的处理和分析。
图像增强的过程往往也是一个矛盾的过程:
图像增强希望既去除噪声又增强边缘。
但是,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一定程度上模糊,因此,在图像增强的时候,往往是将这两部分进行折中,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定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。
这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉,从而局部区域的增强效果常常不够理想,噪声滤波和边缘增强这两者的矛盾较难得到解决。
2.2图像增强的分类及方法
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。
2.3常用的图像增强方法
(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。
这时可以通过直方图均衡化将图像的灰度范围分开,并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比度,使图像具有较大的反差,细节清晰。
(2)对比度增强法
有些图像的对比度比较低,从而使整个图像模糊不清。
这时可以按一定的规则修改原来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)平滑噪声
有些图像是通过扫描仪扫描输入、或传输通道传输过来的。
图像中往往包含有各种各样的噪声。
这些噪声一般是随机产生的,因此具有分布和大小不规则性的特点。
这些噪声的存在直接影响着后续的处理过程,使图像失真。
图像平滑就是针对图像噪声的操作,其主要作用是为了消除噪声,图像平滑的常用方法是采用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,如果规定了在取均值过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
平滑噪声时经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使用模板和统计差值的方法,使图像增强锐化。
图像边缘与高频分量相对应,高通滤波器可以让高频分量畅通无阻,而对低频分量则充分限制,通过高通滤波器去除低频分量,也可以达到图像锐化的目的。
3课后思考题
(1)通过图像的具体性质如size(I),I(m1:
m2,c1:
c2)等,说明索引图像与RGB图像之间的区别和联系,灰度图像与二值图像之间的区别和联系。
答:
索引图像与RGB图像的联系:
数组中的元素定义了图像中每一个像素的红、绿、蓝颜色值;区别:
索引图像包括一个数据矩阵X,一个颜色映像矩阵Map,其中Map是一个包含m*3的数据阵列,其每一个元素的值均为[0,1]之间的双精度浮点型数据。
而RGB图像在MATLAB中存储为n*m*3的数据矩阵。
灰度图像与二值图像的联系:
都需要一个数据矩阵;区别:
灰度图像数据矩阵中的数据代表了一定范围内的亮度值,而二值图像数据矩阵中的只代表两个灰度值。
(2)对上面所举得例子中选择不同的图像和不同的函数完成对应的功能。
答:
原图像:
索引图像:
真彩图像:
灰度图像:
二值图像:
(3)对上面所举的例子中选择不同的图像和不同的空间变换函数体会roicolor和roifill的意义并进行图像局部增强的操作。
答:
函数roicolor可以返回二值图像
局部增强前:
局部增强后:
函数roifill可以篡改图像任意位置的部分
局部增强前:
局部增强后:
(4)对上面所举的例子中选择不同的图像和roipoly函数完成对图像的多边形区域进行图像局部增强操作。
答:
函数roipoly可以选择图像的一个多边形区域与区域外的部分进行二值化操作
操作前:
操作后:
(5)对图像tire.tif使用imadjust函数进行灰度调节。
答:
调节前:
调节后:
(6)对图像tire.tif,pout.tif使用直方图处理进行灰度增强。
答:
对图像tire.tif
增强前:
增强后:
对图像pout.tif
增强前:
增强后:
(7)关于适用大小不同的窗的滤波器处理效果你会得出什么结论,通过选择不同的图像证实你的结论。
答:
结论:
实现简单,去噪效果明显。
但去噪的同时会导致结果图像边缘位置的改变和细节模糊甚至丢失。
(8)在函数imnoise中除salt&pepper外,还有其他的选项,请选择不同的其它选项验证不同图像对不同平滑滤波器的效果。
答:
(9)对不同的空域微分算子,不同的图像的效果是不同的,选择不同的图像验证你的想法。
(10)高通滤波器处理后,图像变得昏暗,想一想这是为什么。
答:
图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。
从物理效果看,傅立叶变换是将图像从空间域转换到频率域,其逆变换是将图像从频率域转换到空间域。
换句话说,傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数,傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数傅立叶变换以前,图像(未压缩的位图)是由对在连续空间(现实空间)上的采样得到一系列点的集合,我们习惯用一个二维矩阵表示空间上各点,则图像可由z=f(x,y)来表示。
由于空间是三维的,图像是二维的,因此空间中物体在另一个维度上的关系就由梯度来表示,这样我们可以通过观察图像得知物体在三维空间中的对应关系。
为什么要提梯度?
因为实际上对图像进行二维傅立叶变换得到频谱图,就是图像梯度的分布图,当然频谱图上的各点与图像上各点并不存在一一对应的关系,即使在不移频的情况下也是没有。
傅立叶频谱图上我们看到的明暗不一的亮点,实际上图像上某一点与邻域点差异的强弱,即梯度的大小,也即该点的频率的大小(可以这么理解,图像中的低频部分指低梯度的点,高频部分相反)。
一般来讲,梯度大则该点的亮度强,否则该点亮度弱。
这样通过观察傅立叶变换后的频谱图,也叫功率图,我们首先就可以看出,图像的能量分布,如果频谱图中暗的点数更多,那么实际图像是比较柔和的(因为各点与邻域差异都不大,梯度相对较小),反之,如果频谱图中亮的点数多,那么实际图像一定是尖锐的,边界分明且边界两边像素差异较大的。
4功能说明及使用方法
1.文件
打开:
点击文件菜单下的“打开”子菜单,便可以选择图片所在路径,然后双击,或者单击图片后选择确定键将图片载入到程序界面。
保存为:
点击该菜单后选择路径,便可以将处理过的照片保存到你想要保存的路径。
还原:
点击该菜单后可以将处理过的照片还原到初始载入状态。
退出:
选择该菜单后会让用户先进行保存图片,无论用户如何选择,下一步便会退出该程序。
2.编辑
直接灰度调整:
点击该键可以对图片进行灰度调整。
另外,在界面的左下方有两个可以调节灰度调整数值的滚动条,拉动滚动条即可实现灰度调整。
增强对比度:
该功能是先将图片进行灰度化,然后在利用函数将图片的对比度增强。
图像二值化:
该功能是可以实现将图片处理成二值图像。
在界面的右下角有一个滚动条,通过动滚动条,可以改变二值化的数值。
3.图像
大小:
点击该菜单后可以在界面中的图像大小显示框中显示出图片的高度和宽度。
旋转角度:
在界面中下方有一个旋转角度输入框,在框中输入角度后,点击菜单栏中图像——旋转角度一项,等候片刻便可得到图像旋转后的效果。
注意每次输入角度后都应点击菜单栏中旋转角度一项。
若未输入角度,则默认角度为0度。
图像求反:
点击该菜单可以实现图像的求反功能,无需输入参数。
动态压缩:
点击该菜单可以实现动态压缩后的效果图。
4.直方图
直方图计算:
可以得到灰度图以及图像的直方图。
直方规定化:
可以得到规定化的灰度图以及规定化的直方图。
直方均衡化:
可以得到直方均衡化的彩色图以及均衡化的直方图,但是该功能计算量大,等待结果需要稍长的时间。
5.滤波
均值滤波:
点击该菜单即可得到一幅灰度图,以及四幅图片,分别是:
加入椒盐噪声后图像、3×3的均值滤波器处理结果、5×5的均值滤波器处理结果、7×7的均值滤波器处理结果。
unsharp微分算子:
点击该菜单可以得到由unsharp微分算子处理的灰度图片,以及四幅分别由sobel卷积、sobel滤波、prewitt滤波、log滤波处理的图片。
中值滤波:
点击该菜单功能能够得到中值滤波处理后的图片。
高通滤波:
点击该菜单可以实现图片的高通滤波处理。
但是由于运算量大,等待时间会较长。
低通滤波:
点击该菜单可以实现图片的低通滤波处理。
但是运算量大,需要较长时间。
5运行实例
主界面
打开
增强对比度
图像二值化
大小
图像求反
动态压缩
直方图计算
直方图规定化
直方图均衡化
空域滤波-均值滤波
空域滤波-unsharp微分算子
高通滤波
低通滤波
帮助
另存为
还原
6意见与建议(小结)
应对程序进行优化,使不同的处理结果可以在同一张图像内叠加,另外优化子程序的处理结果,使处理时间缩短。
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。
7任务分工
王鼎汶(学号6100800524):
1.论文撰写;
2.图像求反,图像类型之间的转换;
3.低通滤波,高通滤波;
4.空域滤波;
5.帮助系统;
赖志锋(学号6100800542):
1.图形界面的建立;
2.文件菜单(包括打开、保存为、还原、退出);
3.编辑菜单中的直接灰度调整和图像二值化;
4.图像菜单中的大小、旋转角度和动态压缩;
5.直方图菜单(包括直方图计算、直方图规定化、直方图均衡化);
李文鹏(学号6100800532):
1.思考题后三道,意见与建议;
2.空域滤波增强;
3.对比度增强;
4.空域微分算子;
5.频域增强;
参考文献:
[1]数学实验.科学出版社.焦光虹主编.
[2]MATLAB科学图形构建基础与应用(6X).科学出版社.周露主编.
[3]MATLAB语言与数学建模.安徽大学出版社.曾建军主编.
[4]MATLAB入门与实战.人民邮电出版社.郭仕剑主编.
- 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:
- 哈工大 数学 实验 图像 增强 论文