图像增强的毕业设计

XX大学2009届毕业论文第1页共38页1引言1.1课题的研究背景及意义数字图像处理(DigitalImageProcessing)是利用计算机对图像进行去除噪声、增强、复原、分割、提取特征等相关理论、方法和技术的总称。因为通常图像处理是用计算机和实时硬件实现的，因此也称之为计算机图像处理(ComputerImageProcessing)。一般而言，数字图像处理的主要内容包括图像获取、图像复原、图像增强、图像分割、图像分析、图像重建、图像压缩编码等等]2,1[。20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。直到20世纪50年代数字计算机发展到一定水平后，数字图像处理才真正引起人们的兴趣。目前数字图像处理技术已经成为计算机科学、信息科学、生物学、军事、通信、工业、医学等学科研究的热点。在日常生活中，图像处理也得到广泛应用。例如电脑人像艺术、电视中的特殊效果、自动售货机钞票的识别、邮政编码的自动识别、交通车辆车牌识别、医学成像设备图像处理和利用指纹、虹膜、面部等特征而进行的身份识别等等]13[。图像增强是图像处理的一项重要内容，其目的是将图像中感兴趣的部分尽可能地突现出来。在一个图像系统中，图像的获取、发送、传输、接收、输出、复制等等，每一个环节都会产生干扰，都会使图像质量降低。因此，如何对这些“降质”图像进行处理使其达到我们的要求已受到研究人员的高度重视。传统的图像增强算法在改善图像的对比度和增强图像的细节的同时也放大了噪声,这是传统算法的缺点和不足之处]2[。图像增强对于物体的特征提取及其识别是非常重要的，主要有以下几个原因：第一，图像增强的好坏直接关系到后续的图像处理（比如图像的分割，边缘检测，特征提取等方面）的好坏；第二，图像增强是图像预处理中非常关键的一环，人们从传感器获得的图像不可能是完美无缺的，不是拍摄的光线不好造成背景黑细节不明显，就是夹杂着各种各样的噪声，这都降低了图像的质量，影响了人们的感官效果；第三，传统的单尺度图像增强存在诸如增强图像的细节方面不突出，不能对图XX大学2009届毕业论文第2页共38页像进行分层处理等等，在处理效果上就没有多尺度处理的效果好，正因为如此基于多尺度分析的图像增强正受到研究人员的重视。多尺度图像增强具有良好的空间域局部化特性，对高频采用逐渐精细的时域或空域步长，可以聚焦到分析对象的任意细节。因此，特别适合于图像信号这一类非平稳信源的处理，已成为一种图像处理的新手段。因此对多尺度对比增强的研究是很有必要和重大意义的]6[。1.2图像多尺度对比增强的发展及现状图像增强是改善图像视觉质量的一类技术，同时也是数字图像处理中的重要内容。图像增强的首要目标是处理图像，使其比原始更适合特定应用。随着计算机技术的不断发展以及图像增强方法的不断成熟，图像增强算法的研究也变得越来越灵活和多样化。图像增强领域发展至今已经有很多算法，通常分为两大类:空间域法和频率域法。例如空域中的直方图均衡，对比度拉伸，灰度变换等，频域中的如傅立叶变换，中值滤波，高通滤波，小波变换等等。直方图均衡是一种借助于直方图变换实现灰度映射从而达到图像增强目的的方法。直方图表示数字图像中每一灰度级与其出现的频数(具有该灰度级的像素数目)间的统计关系。直方图能给出图像整体分布描述，如图像的灰度范围、灰度级的大致分布情况等，但是不能增强图像的细节部分。灰度变换法比较简单，常用的增强图像对比度的方法，也称对比度变换、点运算或点处理。常用的直接灰度变换法又包括灰度级线性拉伸和灰度级非线性拉伸，这些方法使整幅图像或图像中某一区域里的各像素点的灰度级，都按某一规律进行变换，由此可改变图像的对比度。对比度增强是图像增强中最普遍的增强方法。当图像成像不足或过度曝光，图像记录设备范围太窄等，都会产生对比不足的问题，使图像的细节分辨不清。为此需对每一像素的灰度级进行变换，扩大图像灰度的范围，达到图像增强目的，但是使用这些方法增强时容易丢失背景信息]21,3[。中值滤波是1971年由J.W.Jukey首先提出并应用于一维信号处理技术中，后来被二维图像信号处理技术所引用。中值滤波的思想是对一个窗口内的所有像素灰度值进行排序，取排序结果的中间值作为原窗口中心点像素的灰度值，这种滤波也就是平滑操作，对干扰噪声的效果较好]15[，中值滤波的关键在于选择合适的窗口大小和形状，但一般很难事先确定窗口的尺寸，通常是从小到大进行多次尝试，这是XX大学2009届毕业论文第3页共38页中值滤波的不足之处。基于小波分析的图像增强是从当今一门新兴学科—小波分析理论的角度来探讨图像处理问题的。对小波分解后的不同子带进行不同的线性运算，使图像中原来对比度较差、模糊不清的细节得到了增强，按需要改变有关小波参数，并且它的多分辨率分析具有良好的空间域和频率域局部化特性，对高频采用逐渐精细的时域或空域步长，可以聚焦到分析对象的任意细节，由此可增强图像中感兴趣的部分，小波增强也是多尺度图像处理的范畴，是当前图像增强领域的研究热点]7[。由于传统单尺度图像增强存在着增强效果不明显，对图像的细节不能进行最大化增强等缺点，而多尺度处理是就可以克服传统图像增强算法的这些缺点，因此早在20世纪80年代美国Peter.J.Burt等人就已经开始对多尺度图像增强，编码等进行了研究]9[。随着计算机技术的快速发展，基于小波的图像多尺度研究是当今的研究方向。总体来说，以上方法都有各自的使用范围，传统图像增强方法在原理上容易理解，计算也简便，但是缺点也比较明显，如对细节不能最大化增强，对图像不能进行分层处理等，有很大的局限性，所以如何消除传统算法的这些缺点是一个很重要的问题。多尺度相比单尺度图像处理而言，可以对图像的细节进行最大化增强，可以分层处理图像等，由于多尺度图像增强具有上述优点，为此，本论文研究了一种新的图像增强算法—多尺度对比增强算法。这种方法不需要对图像中心尺寸进行选择，同时可以对不同密度区域进行不同程度增强，以达到突出显示重要图像细节，忽略次要细节，同时不产生伪影,处理的效果比用传统单尺度算法处理的效果要好许多。1.3论文主要工作本文首先阐述了课题的研究背景、意义以及该研究领域的发展现状，介绍了一些具有代表意义的传统单尺度图像增强方法，并且对这些传统增强方法的处理结果进行了相关的分析比较，接下来将重点论述多尺度对比增强算法。对传统图像增强算法的处理效果进行验证后，针对常见图像增强存在的缺陷，将图像的多尺度对比增强应用于图像处理，证明了该算法的有效性。论文具体工作安排如下:第1章为引言，介绍了什么是数字图像处理、多尺度对比图像增强的研究背XX大学2009届毕业论文第4页共38页景及意义，以及它的发展与现状，并详细介绍了几种传统单尺度图像增强算法的优缺点，最后介绍了本文所做的主要工作与安排。第2章研究和分析了一些具有代表意义的传统单尺度图像增强的理论以及各种算法的原理，给出了利用这些算法做图像增强处理所得到的结果，分析总结了各个算法的优缺点，重点说明了这些算法在图像增强处理中的缺点，从而得出传统图像增强处理效果不理想的问题。第3章针对传统单尺度图像增强方法处理效果不理想的缺点，本章重点介绍了多尺度对比增强算法理论，以及与单尺度图像增强相比它的优势。首先介绍了图像多尺度对比图像增强的理论，接着对拉普拉斯金字塔函数，F/E处理分层增强系数，以及应用分层增强系数等进行了详细介绍，最后对这一章进行了小结。第4章利用多尺度对比增强算法对所选图像进行处理，得到处理后的结果。根据处理的结果说明了多尺度对比图像增强算法克服了传统单尺度增强算法的的缺点，并能够得到清晰、细节图像的理想图像。最后对全文进行总结。XX大学2009届毕业论文第5页共38页2传统图像增强理论简介2.1传统图像增强概述图像增强领域发展至今已经有很多算法，通常分为两大类：空间域法和频率域法。空间域法主要是在空间域中对图像像素灰度值直接进行运算处理，“空间域”是指图像平面本身，这类方法是以对图像的像素直接处理为基础的。例如:将包含某点的一个小区域内各点灰度值进行平均计算，用所得的平均值来代替该点的灰度值。主要算法包括直方图修正、对比度增强和灰度级校正等。“频域”处理技术是以修改图像的傅氏变换为基础的。频率域法是在图像的某种变换域中(通常是频率域)对图像的变换值进行某种运算处理，然后变换回空间域。例如：先对图像进行傅立叶变换，然后对图像的频谱进行滤波等操作，最后把修正后的图像再次进行傅立叶反变换回到空间域中。它是一种间接图像增强方法，主要包括中值滤波、低通滤波、高通滤波、小波变换等。2.2传统图像增强的基本方法2.2.1基本的灰度变换实践证明，灰度变换技术是一种简便而有效的提高图像对比度的方法。灰度变换也叫点运算，它不改变像素的位置，只改变像素的灰度。设输入图像为),(yxf，输出图像为),(yxg，则灰度变换的数学表达式可表示为：)],([),(yxfTyxg(式2.1)这里T为灰度变换的具体映射关系。经常出现这样的情况，图像的灰度范围],[ba没有充分利用显示装置所允许的最大灰度范围max][min,从而导致图像的对比度太低，使一些细节不易被观察到。比如：摄影过程中如果曝光过度，就会出现这样的缺陷。解决上述问题的最简单方法是进行灰度的线性变换，其数学表达式如下：min]),([minmax)],([),(ayxfabyxfTyxg(式2.2)对灰度做这样线性变换以后，把原始图像),(yxf的灰度范围],[ba强行扩展为显示XX大学2009届毕业论文第6页共38页装置所允许的最大灰度范围max][min,，从而提高了整幅图像的对比度，原来观察不到的一些图像细节可能更加突出了，图2.1给出了这种线性灰度变换关系：图2.1灰度范围的线性变换如果在图像处理过程中，需要突出图像中某些灰度范围内的图像的细节，同时又允许适当损失另外灰度范围内的图像处理细节，可以采用线性灰度变换的另一种形式，即分段线性变换。经过这种变换以后，可以使所关心的图像细节的灰度范围得以扩展，增强其对比度；同时又使的所不关心的图像细节所处的灰度范围得以压缩，降低其对比度。值得注意，这种分段线性变换，变换前后整幅图像总的灰度范围不变的。三段线性变换的数学表达式可写成：),(yxg=232312121),(),(),(fkgyxfkfkgyxfkyxfk)),(()),(()),(0(2211Mfyxfffyxfffyxf(式2.3)式中111fgk，)()(12122ffggk，)()(223ffggkMM在实际的处理过程中，如果图像上灰度范围的两端区域上有噪声，比如感光胶片上有划伤和黑色感光颗粒，则可以用这种变换把灰度范围的两端区域压缩，使人眼视觉对噪声的感受不明显，而对有用细节所占据的灰度区域给予线性扩展，提高这部分的对比度。如果图像上绝大部分的像素的灰度级集中在],[ba范围内，比较少的像素的灰度级超出此范围，则可用以下变换增强原图像上的],[ba范围的对比度：XX大学2009届毕业论文第7页共38页),(yxg=)),(max()),(min()),((min)),((minmaxMfyxfayxfbyxfaayxfab(式2.4)图2.2表示了这种变换关系。值得注意，扩展原图像灰度范围],[ba是以完全损失灰度小于a和灰度大于b的图像节为代价的。这种变换与分段线性变换实际上都是非线性变换。实际上，可能利用一些数学函数进行灰度变换，如平方、对数、指数等但这种变换必须满足以下条件，即：如果max),(minyxf，则需有max),(minyxg，也就是说，灰度变换前后的灰度范围必须在显示装置所允许的最大灰度范围之内。下面介绍以下常用的几种变换。（1）图像反转：对图像适用于求反是将原图灰度值反转，简单来说就是把黑的变百，白的变黑。嵌入于图像暗色区域的白色或者灰色细节，特别当黑色面积占主导地位时，进行图像反转是比较理想的。