数字图像处理课程设计报告 题目：图像增强 指 导 老师：董学励 设 计 者：尤 伟 学校及院系：哈尔滨工业大学（威海） 通信工程系 班 级：通信工程3班（0902403） 学 号：090240328 日 期：2012-10-20一 、图像增强概念图像增强是通过处理设法有选择的突出便于人或计算机分析感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。图像增强的过程本身并没有增加原来资料所含的信息，它只是更加强调图像某些部分的特性。图像恢复和图像增强两者的目的都是为了改善图像的质量，但图像增强不考虑图像是如何退化的，只通过试用各种技术来增强图像的视觉效果。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。二、图像增强技术分类图像增强技术可分为两大类：一类是频域处理法、一类是空域处理法。空域图像增强是指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。其主要目的是处理后图像对某些特定的应用比原来的图像更加有效，从而达到改善图像质量的目的。空域处理法是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。所用的映射变换取决于增强的目的，例如增加图像的对比度，改善图像的灰度层次等处理均属于空域处理法。频域增强是利用图像变换方法将原来的图像空间中的图像空间中的图像以某种形式转换到其它空间中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。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。三、本文实现方法方法一：灰度变换增强设变量r代表图像中像素灰度级。把像素灰度级归一化处理，那么0r1，其中r=0表示黑，r=1表示白。对于一幅给定的图像来说，每个像素取值在0，1的灰度级是随机的。用概率密度函数Pr(r)来表示图像灰度级的分布3。当大部分像素集中在低灰度级区域，图像呈现暗的特性，而当大部分像素集中在高灰度级区域，图像呈现亮的特性。调用MATLAB工具箱中的imadjust函数来实现对比度增强。具体的实现程序如下：仿真对比图如图(1)所示。具体的实现程序如下：clear allclose all clcimage_hit=imread(2008092616022955054.jpg);%image_hit=rgb2gray(image_hit);%image_hit_grey=imadjust(image_hit,70/255 165/255,0 1);%subplot(2,2,1);imshow(image_hit);title();%subplot(2,2,2);imshow(image_hit_grey);title();%subplot(2,2,3);imhist(image_hit);title();%subplot(2,2,4);imhist(image_hit_grey);title();% 由图可以看出，原图像的灰度范围比较小，而且多集中在中间位置。将灰度范围从70/255 165/255映射到0 1，图像的对比度显著增强，亮度也增加；变换前得直方图分布比较集中，而变换后的直方图分布比较扩散。方法二：线性平滑滤波一般情况下，像素的邻域比该像素要大，也就是说这个像素的邻域中除了本身以外还包括其他像素。在此情况下，g(x,y)在(x,y)位置处的值不仅取决于f(x,y)在以(x,y)为中心的邻域内所有的像素的值。如仍以s和t分别表示f(x,y)在(x,y)位置处的灰度值，并以n(s)代表f(x,y)在(x,y)邻域内像素的灰度值，则 t=EAs,n(s)为在邻域内实现增强操作，常可利用模板与图像进行卷积。每个模板实际上是一个二维数组，其中各个元素的取值定了模板的功能，这种模板操作也称为空域滤波。 空域滤波分为线性滤波和非线性滤波两类。空域滤波器都是利用模板卷积，主要步骤如下：（1）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；（2）将模板上的系数与模板下对应的像素相乘；（3）将所有的乘积相加；（4）将和（模板的输出响应）赋给图中对应的模板中心位置像素。本文采用线性平滑滤波，下面给予单独介绍：线性低通滤波器是最常用的线性平滑滤波器。这种滤波器的所有系数都是正的。对3*3的模板来说，最简单的操作是取所有系数都为1。为保证输出图像仍在原来的灰度范围内，在计算R后要将其除以9再进行赋值。这种方法称为邻域平均法。MATLAB实现均值过滤器的代码所示：clear allclose all clcimage_hit=imread(2008092616022955054.jpg);%image_hit=rgb2gray(image_hit);%image_hit_grey=imnoise(image_hit,salt & pepper,0.02);image_hit_filter=filter2(fspecial(average,3),image_hit_grey)/255;figure subplot(2,2,1);imshow(image_hit);title()subplot(2,2,2);imshow(image_hit_grey);title()subplot(2,2,3);imshow(image_hit_filter);title(3*3)原图像，加入椒盐噪声的图像和均值滤波的图像分别如图：由图像可以看出，图像噪声的灰度值与他们相邻像素的灰度值明显不同，表现为黑区域上的白点和白区域上的黑点，因此用邻域平均滤波器来判断图像中个像素点是否还有噪声，并消除所发现的噪声。它的主要优点是算法简单，使用灵活，计算速度快，但其代价是会造成图像一定程度的模糊，特别是在边缘和细节处。方法三：低通滤波频域增强是利用图像变换方法将原来的图像空间中的图像空间中的图像以某种形式转换到其它空间中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。频域增强的主要步骤是：（1）技术所需增强图的傅立叶变换；（2）将其与一个（根据需要设计的）转移函数相乘；（3）再将结果进行傅立叶反变换以得到增强的图。本文采用低通滤波，下面给予单独介绍：图像的能量大部分集中在幅度谱的低频和中频度，而图像的边缘和噪声对应于高频部分。因此能降低高频成分幅度的滤波器就能减弱噪声的影响。Butterworth 低通滤波器是一种物理上可以实现的低通滤波器，n阶，截断频率为d0的Butterworth低通滤波器的转移函数为：用MATLAB实现Butterworth低通滤波器的代码所示：clear allclose all clcimage_hit=imread(2008092616022955054.jpg);image_hit=rgb2gray(image_hit);%image_hit_noise=imnoise(image_hit,salt);image_hit_noise_double=double(image_hit_noise);image_hit_noise_double_fft=fft2(image_hit_noise_double);image_hit_noise_double_fft=fftshift(image_hit_noise_double_fft);N1,N2=size(image_hit_noise_double_fft);n=2;d0=50;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1 for j=1:N2 d=sqrt(i-n1)2+(j-n2)2);image_hit_noise_double_dot=1/(1+0.414*(d/d0)(2*n); result(i,j)=image_hit_noise_double_dot*image_hit_noise_double_fft(i,j); endendresult=ifftshift(result);image_hit_noise_double_ifft=ifft2(result);image_hit_noise_double_ifft_uint=uint8(real(image_hit_noise_double_ifft);subplot(2,2,1);imshow(image_hit);title();subplot(2,2,2);imshow(image_hit_noise);title();subplot(2,2,3);imshow(image_hit_noise_double_ifft_uint);title(Butterworth);原图和处理结果如图：使用低通滤波可以使低频分量顺利通过而有效地阻止高频分量，可滤除频域噪声。四、总结在我们的实际生活、生产中，人们直接获得的原始图像并不能够直接运用到生活、生产中，因为原始图像在生成、传输和转换过程中可能会受到多种因素的影响，如各种各样的噪声、通道带宽等，往往会出现清晰度下降、对比度偏低等降质现象，为了使得处理后的图像对某种特定的应用比原始图像更合适，往往需要提高图像质量。因此研究图像增强有极为重要的现实意义。