導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇直方圖均衡化的基本原理，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：圖像增強(qiáng) 灰度級(jí) 直方圖均衡化 Matlab

中圖分類(lèi)號(hào)：TP751 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416(2012)01-0174-02

枷裨鑾考際跏鞘滯枷翊硌芯康幕徑韻籩弧T鑾康鬧饕康氖鞘雇枷癜刺囟ǖ男枰懷鐾枷裰械哪承┬畔保魅躉虺鋈ツ承┎恍枰男畔1]。圖像空間域增強(qiáng)技術(shù)是數(shù)字圖像增強(qiáng)的一個(gè)重要應(yīng)用，是以對(duì)圖像像素的直接處理為基礎(chǔ)，通過(guò)線性或非線性變換來(lái)增強(qiáng)構(gòu)成圖像像素的一種技術(shù)。本文所討論的直方圖均衡化增強(qiáng)方法便屬于這種方法。

1、直方圖處理

灰度級(jí)直方圖是灰度級(jí)的函數(shù)，是描述一幅圖像中灰度級(jí)與出現(xiàn)這種灰度的概率之間的關(guān)系的圖形，是圖像最基本得統(tǒng)計(jì)特性。直方圖是多種空間域處理技術(shù)的基礎(chǔ)，直方圖操作能有效地用于圖像增強(qiáng)。

為了便于數(shù)字圖像處理，圖像的直方圖須引入離散形式?；叶燃?jí)為[0,L-1]范圍的數(shù)字圖像的直方圖的離散函數(shù)為：

h(rk)=nk (1)

其中rk是第k級(jí)灰度，nk是圖像中灰度級(jí)rk的像素個(gè)數(shù)。在圖像中，像素的灰度級(jí)要作歸一化處理一遍計(jì)算機(jī)進(jìn)行處理，用圖像中像素的總數(shù)n來(lái)除它的每個(gè)值，得到歸一化直方圖:

環(huán)枷竦幕葉燃被歸一化到區(qū)間[0,1]，且r=0代表黑色，r=1代表白色。對(duì)于一幅給定的圖像，每一個(gè)像素取得[0,1]區(qū)間內(nèi)的灰度級(jí)是隨機(jī)的，那么圖像灰度級(jí)r可被看作為區(qū)間[0,1]的隨機(jī)變量[2]，就可以用概率密度函數(shù)pr(r)來(lái)表示原始圖像的灰度分布。令s為增強(qiáng)后的圖像灰度級(jí)像素值，相應(yīng)可以用概率密度函數(shù)ps(s)來(lái)表示增強(qiáng)后的圖像灰度分布。

可以對(duì)[0,1]區(qū)間內(nèi)原始圖像的任意一個(gè)灰度級(jí)r值進(jìn)行如下變換，得到輸出灰度級(jí)s：

s=T(r) (3)

通過(guò)上述變換，每個(gè)原始圖像的灰度值r都對(duì)應(yīng)產(chǎn)生一個(gè)增強(qiáng)后圖像的灰度級(jí)s值。

變換函數(shù)T(r)滿足兩個(gè)條件：(1)T(r)在區(qū)間0≤r≤1中為單值且單調(diào)遞增；(2)當(dāng)0≤r≤1時(shí)，0≤T(r)≤1。條件(1)中單值是為了保證反變換的存在，單調(diào)條件保持圖像從黑到白的順序；條件(2)保證輸出灰度級(jí)與輸入灰度級(jí)有同樣的范圍。從s到r的反變換函數(shù)可以表示為：

r=T-1(s) 0≤s≤1 (4)

由基本概率理論可知：如果pr(r)和T(r)已知，且T-1(s)滿足條件(1),則有：

因此，直方圖技術(shù)的基礎(chǔ)就是通過(guò)變換函數(shù)T(r)控制輸入圖像灰度級(jí)的概率密度函數(shù)，改變輸出圖像的灰度層次，從而達(dá)到增強(qiáng)圖像的目的。

2、直方圖均衡化

直方圖均衡化處理是以累積分布函數(shù)變換法為基礎(chǔ)的。對(duì)于連續(xù)圖像，變換函數(shù)為：

由此可見(jiàn)，用r的累積分布函數(shù)作為變換函數(shù)可產(chǎn)生一幅灰度級(jí)分布具有均勻概率密度函數(shù)的圖像，該圖像的灰度級(jí)較為均勻化[3]，且覆蓋了整個(gè)范圍[0,1]?；叶燃?jí)均衡化的最終處理結(jié)果是擴(kuò)展了圖像像素取值的動(dòng)態(tài)范圍，具有較高的對(duì)比度。

3、Matlab實(shí)現(xiàn)

利用Matlab實(shí)現(xiàn)直方圖均衡化技術(shù)對(duì)圖像進(jìn)行處理函數(shù)格式如下：

(1)h=imhist(f,b)

(2)g=histeq(f,n)

說(shuō)明：對(duì)于格式(1)，顯示圖像f的直方圖，b為用于形成直方圖的灰度級(jí)的個(gè)數(shù)，默認(rèn)值為256；格式(2)對(duì)圖像f進(jìn)行均衡化處理，n為輸出圖像指定的灰度級(jí)數(shù)，默認(rèn)值為64。

舉例說(shuō)明直方圖均衡化處理：

f=imread('pout.tif'); %讀入圖像

figure,imshow(f); %顯示圖像

title('原始圖像')

figure,imhist(f) %原始圖像直方圖

title('原始圖像直方圖')

g=histeq(f,256); %均衡化處理

figure,imshow(g);

title('均衡化處理結(jié)果')

figure,imhist(g); %均衡化后的直方圖

title('均衡化后的直方圖')

程序?qū)崿F(xiàn)的圖像為圖(a)和(b),從中可以看出，原圖像(a)的灰度級(jí)動(dòng)態(tài)范圍窄而集中于灰度級(jí)的中部，導(dǎo)致了圖像的對(duì)比度低而使整幅圖像模糊不清。經(jīng)過(guò)直方圖均衡化處理后，直方圖的成分覆蓋了灰度級(jí)很寬的范圍，而且像素的分布沒(méi)有太不均勻，處理后的圖像(b)變的清晰了，圖像中的許多細(xì)節(jié)被突出了。

4、結(jié)語(yǔ)

直方圖是多種圖像空間域處理技術(shù)的基礎(chǔ)，能有效地用于圖像增強(qiáng)，直方圖均衡化是圖像增強(qiáng)的基本技術(shù)。本文分析了直方圖均衡化處理方法的基本理論，并用Matlab進(jìn)行了實(shí)驗(yàn)。結(jié)果表明，直方圖均衡化方法并不能生成平坦的直方圖，但它具有能增強(qiáng)圖像灰度級(jí)的動(dòng)態(tài)范圍的特性。

參考文獻(xiàn)

[1](美)岡薩雷斯等著，阮秋琦等譯.數(shù)字圖像處理[M].2版.北京：電子工業(yè)出版社，2007:70―81.

[2]阮秋琦.數(shù)字圖像處理學(xué)[M].北京：電子工業(yè)出版社,2001:181―195.

[3](美)岡薩雷斯等著,阮秋琦等譯.數(shù)字圖像處理(Matlab版)[M].北京:電子工業(yè)出版社，2005:54―61

[4]李耀輝,劉保軍.基于直方圖的圖像增強(qiáng)[J].華北科技學(xué)院學(xué)報(bào),2003,5(2):65-66.

篇2

圖2-6

原圖像

圖2-7

第4波段直方圖

SHAPE \* MERGEFORMAT

圖2-8

結(jié)合兩種方法檢測(cè)陰影流程圖

圖2-9

陰影檢測(cè)的結(jié)果

圖2-9 中： ，式中，rh 為DSM 數(shù)據(jù)分辨率；rl 為影像數(shù)據(jù)分辨率；k為像元寬度。

2.4 實(shí)際影響檢測(cè)效果

我們用2.1和2.2節(jié)中所提到的兩種方法分別對(duì)2-10圖內(nèi)的陰影檢測(cè)。

圖2-10 待檢測(cè)的原圖

檢測(cè)結(jié)果如下圖（圖中黑色為檢測(cè)出的陰影區(qū)域，白色為檢測(cè)的非陰影區(qū)域）：

(a) 基于亮度的雙峰法

(b) 歸一化互相關(guān)函數(shù)法

圖2-11

三種方法對(duì)陰影的檢測(cè)結(jié)果

可以看出前兩種方法對(duì)陰影的檢測(cè)結(jié)果差別，主要原因由于而歸一化互相關(guān)函數(shù)在檢測(cè)陰影時(shí)，利用了亮度近似線性變化這一特點(diǎn)，因此當(dāng)亮度有突然的明顯變化，都會(huì)被判為陰影。而雙峰法，當(dāng)我們選取了比較合適的閾值，就能把陰影和光照區(qū)進(jìn)行分割，對(duì)于絕大多數(shù)圖片，這種方法提取出的部分，幾乎都是陰影區(qū)域，只帶有少量的顏色較深的斑點(diǎn)。如圖(a)所示，圖中非常小且分布不規(guī)則的斑點(diǎn)有些是樹(shù)蔭，有些則是顏色較深的車(chē)輛的車(chē)頂，植被，屋頂?shù)取?a)和(b)圖其原理其實(shí)都是基于亮度變化進(jìn)行的檢測(cè)，所以對(duì)亮度變化對(duì)這兩種方法的影響起決定性的作用。對(duì)于亮度較低的實(shí)物卻容易被判為陰影而被錯(cuò)誤的檢測(cè)出來(lái)。如圖2-12，圖中的樹(shù)木由于自身色度等原因，即使在陽(yáng)光下，亮度仍然很低。同樣的情況還可能是顏色很深的房頂，這些比較深的顏色，在高分辨率遙感影像中，非常容易與影像自身的陰影相互混淆，因此在用雙峰法檢測(cè)時(shí)，造成很多不便。陰影的本質(zhì)屬性就是亮度很低，因此當(dāng)出現(xiàn)了顏色很深造成的影像中亮度值低的部分，容易造成誤檢。歸一化函數(shù)法要求稍多，計(jì)算兩相對(duì)較大，相比之下，雙峰法簡(jiǎn)單實(shí)用。但是目前還沒(méi)有比較成熟的方法，能夠精確的檢測(cè)出陰影的全部區(qū)域而不發(fā)生誤檢。

圖2-12

帶有大量樹(shù)陰的遙感影像及其陰影檢測(cè)結(jié)果

第三章

陰影的補(bǔ)償

3.1 灰度線性映射的陰影補(bǔ)償

3.1.1　灰度級(jí)線性變換圖像增強(qiáng)原理

圖像增強(qiáng)處理在數(shù)字圖像處理中占有很大的比例，一些灰度圖像在退化后進(jìn)行恢復(fù)主要采取增強(qiáng)手段。圖像增強(qiáng)的方法分為空間域方法和頻率域方法兩大類(lèi)，空間域增強(qiáng)是以對(duì)圖像的像素直接處理為基礎(chǔ)的增強(qiáng)?？臻g域處理可用下式表示：

g(x， y) =T [f (x， y)]

（3-1）

其中f(x， y)是輸入圖像，g(x， y)是處理后的圖像，T是對(duì)f一種操作，(x，y)是圖像像素點(diǎn)的位置。z操作最簡(jiǎn)單的形式是鄰域?yàn)?×1的尺度(即單個(gè)像素)。在這種情況下， g僅依賴(lài)于f在 (x， y)點(diǎn)的值，T操作成為灰度級(jí)變換函數(shù)，形式為

s = T (r)

（3-2）

其中s和r分別為g (x， y)和f(x， y)在任意點(diǎn)(x， y)的灰度級(jí)。

灰度級(jí)線性變換增強(qiáng)是空間域圖像在增強(qiáng)的一種，也就是通過(guò)分段線性變換函數(shù)來(lái)調(diào)整圖像灰度級(jí)的動(dòng)態(tài)范圍。通過(guò)點(diǎn)(r1， s2 )和點(diǎn)(r2，s2)的位置控制變換函數(shù)的形狀，(r1， s2 )和(r2，s2)的中間值將產(chǎn)生輸出圖像中灰度級(jí)不同程度的展開(kāi)，因而影響其對(duì)比度，以達(dá)到增強(qiáng)圖像之目的。

圖3-1

灰度變換

分段線性變換公式如下：

（3-3）

其中

（3-4）

（3-5）

（3-6）

由于陰影對(duì)遙感影像造成的影響主要是使該區(qū)域的亮度值大幅降低，該方法直接針對(duì)這一問(wèn)題，對(duì)遙感影像中的灰度進(jìn)行線性調(diào)整。從而使得陰影得到一定程度的補(bǔ)償。

3.1.2 圖像陰影補(bǔ)償處理

按照上述原理，現(xiàn)對(duì)一幅高分辨率遙感圖像的灰度圖像分析并在MATLAB軟件上進(jìn)行處理，其處理過(guò)程如下。首先打開(kāi)一幅遙感圖的灰度圖像（如圖3-2），由圖3-3可以看出，該圖像的陰影區(qū)域和圖像非陰影區(qū)域的灰度值比較接近，通過(guò)查看其灰度直方圖分布可以證實(shí)以上看法， 圖3-2所示為該圖像的灰度值直方圖分布。

圖3-2

原圖像

圖3-3

左圖的直方圖

從圖像的灰度值直方圖分布可以看出，該圖像的灰度值分布呈雙峰分布：其圖像部分的灰度值集中在左峰附近，左峰的灰度值分布大約為15±10；圖像的背景部分集中在右峰附近，右峰的灰度值分布大約為85±40。從二者的分布看，兩峰值基本上呈正態(tài)分布，中間有一定的灰度值交叉，且右峰范圍較大，使得圖像的整體亮度偏亮。

1．根據(jù)灰度分布的特點(diǎn)進(jìn)行灰度調(diào)整變換。

按照上述分析結(jié)果，要想使圖像部分和背景部分較好地分離，達(dá)到增強(qiáng)圖像的目的，可局部調(diào)整圖像的灰度值。采用對(duì)圖像的灰度級(jí)進(jìn)行變換，使圖像對(duì)比度得到調(diào)整，從而達(dá)到圖像增強(qiáng)的目的。這里筆者采用三段線性變換方法，調(diào)節(jié)中間交叉部分的灰度值，使灰度值直方圖上的雙峰分開(kāi)，進(jìn)而調(diào)節(jié)其灰度值，最理想的結(jié)果是將政府圖像的灰度值分布變成背景灰度和圖像灰度兩部分。具體的三段灰度根據(jù)灰度值分布分為：輸人圖像的灰度級(jí)三段是0～20、20～100、100～255，對(duì)應(yīng)輸出圖像的灰度級(jí)三段為0～100、100～180、180～255，經(jīng)過(guò)灰度級(jí)線性變換處理后，圖像的整體亮度增強(qiáng)了。

2．進(jìn)行對(duì)比度增強(qiáng)處理。

經(jīng)過(guò)上述灰度級(jí)線性變換圖像增強(qiáng)處理后，圖像的灰度值分布偏向于灰度值直方圖的右側(cè)，陰影部分減弱了，圖像部分也變暗了。再調(diào)節(jié)整幅圖像的對(duì)比度，可將背景和圖像對(duì)比度增強(qiáng)。將現(xiàn)有灰度值范圍均勻分布，使其對(duì)比度增強(qiáng)，得到對(duì)比度增強(qiáng)后的處理圖像。

3．用高帽、低帽方法進(jìn)一步處理

經(jīng)過(guò)亮度和對(duì)比度調(diào)整后，可以看出，陰影和圖像進(jìn)行了較為成功的分離，但在圖像的下方還存在一定的灰度交叉現(xiàn)象，應(yīng)再進(jìn)行相應(yīng)處理。采用高帽低帽處理可達(dá)到較為理想的效果。高帽低帽處理方法實(shí)際上是對(duì)灰度圖像進(jìn)行一定的加減法計(jì)算，去掉其中的某些部分，達(dá)到增強(qiáng)圖像的目的。

4．再次調(diào)整圖像的灰度，完成圖像處理過(guò)程

經(jīng)過(guò)高帽、低帽處理的圖像其灰度值偏向灰度直方圖的左側(cè)，即圖像增強(qiáng)了，同時(shí)背景也增強(qiáng)了，且灰度值分布較為集中。再經(jīng)過(guò)灰度調(diào)整，使其均勻分布，得到最后的處理效果。

圖3-4

映射處理后的圖像

灰度級(jí)線性變換圖像增強(qiáng)技術(shù)在處理灰度值分布呈雙峰形態(tài)的退化圖像增強(qiáng)時(shí)較為理想，且操作簡(jiǎn)便、實(shí)用性很強(qiáng)的處理方法。

3.2 基于直方圖均衡的補(bǔ)償方法

圖像對(duì)比度增強(qiáng)的方法可以分成兩類(lèi)：一類(lèi)是直接對(duì)比度增強(qiáng)方法；另一類(lèi)是間接對(duì)比度增強(qiáng)方法。直方圖拉伸和直方圖均衡化是兩種最常見(jiàn)的間接對(duì)比度增強(qiáng)方法。直方圖拉伸是通過(guò)對(duì)比度拉伸對(duì)直方圖進(jìn)行調(diào)整，從而“擴(kuò)大”前景和背景灰度的差別，以達(dá)到增強(qiáng)對(duì)比度的目的，這種方法可以利用線性或非線性的方法來(lái)實(shí)現(xiàn)；直方圖均衡化則通過(guò)使用累積函數(shù)對(duì)灰度值進(jìn)行“調(diào)整”以實(shí)現(xiàn)對(duì)比度的增強(qiáng)。

基于直方圖的均衡處理正是基于直方圖的這一基本原理，具體方法如下。

定理：一維隨機(jī)變量a~F(x)，則F(a)~U[0，1]，a從負(fù)無(wú)窮到正無(wú)窮，U[0，1]是標(biāo)準(zhǔn)均勻分布。

證明：（相反的思路）設(shè)b~U[0，1]，由定義，

（3-7）

設(shè)某值域?yàn)閇0，1]的單調(diào)增函數(shù)F(x)的反函數(shù)是F-1(x)，則考察F-1(b)的分布情況，由定義P{F-1(b)

這個(gè)定理說(shuō)明了均勻分布的隨機(jī)變量的地位，對(duì)于任意分布的隨機(jī)變量，只要給出分布函數(shù)的反函數(shù)，就可能直接構(gòu)造出來(lái)（不過(guò)大部分是很難有簡(jiǎn)單形式的）。

一張圖片，可以看成是對(duì)現(xiàn)實(shí)景物的一次抽樣，就是一個(gè)樣本，樣本有二重性，可以看成是隨機(jī)變量，就某個(gè)特征，比如灰度，它有一定的分布，而直方圖就是它的密度函數(shù)，均衡化就是先求出F(x)，把密度函數(shù)逐段求和就行了，再用F(x)作用每一個(gè)像素，將原圖像的a，變換成F(a)，使直方圖變得相對(duì)均衡。

(a) 處理前的原圖

(b) 左圖的直方圖

(c) 補(bǔ)償處理后的圖像

圖3-5

基于直方圖均衡的補(bǔ)償方法結(jié)果

直方圖均衡化處理的“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，重新分配圖像像元值，是一定灰度范圍內(nèi)的像元數(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。

缺點(diǎn)：

1）變換后圖像的灰度級(jí)減少，某些細(xì)節(jié)消失；

2）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)。

又由于是離散的變換，所以結(jié)果不會(huì)絕對(duì)均衡，有時(shí)甚至?xí)?yán)重失真。

3.3 其它方法

3.3.1 一種IKONOS影像處理方法

在數(shù)字圖像處理中，一幅圖像至少要用64個(gè)灰度級(jí)別來(lái)表示，一般采用256個(gè)灰度級(jí)別。IKONOS影像具有11比特的亮度信息，即2 048個(gè)灰度級(jí)別，其陰影區(qū)域的亮度信息具有較多灰度級(jí)別，IKONOS影像的這個(gè)特點(diǎn)為再現(xiàn)陰影區(qū)域地物特征提供了可能性。在陰影檢測(cè)和分離之后，設(shè)R(x， y)為IKONOS影像陰影區(qū)域的影像，S(x， y)為一定灰度級(jí)別的影像。以下就是將陰影區(qū)域影像變換為一定灰度級(jí)別（本實(shí)驗(yàn)采用256個(gè)灰度級(jí)別）影像的算法和結(jié)果?？梢钥吹?，陰影區(qū)地物特征信息被清晰顯現(xiàn)出來(lái)。設(shè)圖像R(x， y)任一離散點(diǎn)的灰度值為rk，圖像S(x， y)對(duì)應(yīng)點(diǎn)的灰度值為Sk：

(3-8)

式中：Sk ∈[0，Ds]；Ds為影像S(x， y)的最大灰度值；rk ∈[rmin， rmax] 其中rmin， rmax分別為圖像R(x， y)最小、最大灰度值。

同理對(duì)非陰影區(qū)域進(jìn)行處理，也將非陰影區(qū)域影像變換為同樣灰度級(jí)別影像。通過(guò)灰度線性映射變換的陰影區(qū)域影像和非陰影區(qū)域影像具有相同的灰度級(jí)別，不同的灰度分布。為使整幅影像合成后有較好的視覺(jué)效果，將陰影區(qū)域影像與非陰影區(qū)域影像進(jìn)行直方圖匹配，消除視覺(jué)差別。影像的一個(gè)像元相當(dāng)于實(shí)際地面面積約為1m2，處于陰影區(qū)域邊界的像元和處于非陰影區(qū)域邊界的像元，由于既有陰影部分，又有非陰影部分，以及環(huán)境反射光的差異，形成陰影邊界的亮邊緣和非陰影邊界的暗邊緣。為消除這種邊緣效應(yīng)，分別追蹤陰影區(qū)域和非陰影區(qū)域的邊界線，對(duì)這兩條邊界線上像元進(jìn)行平滑化處理：

式中：f(x， y)為原影像灰度值；g(x， y)為處理后影像灰度值；S為兩條邊界線鄰域中點(diǎn)的集合；M為集合內(nèi)點(diǎn)像元的總數(shù)；T為規(guī)定的非負(fù)閾值。用以上方法對(duì)邊界線進(jìn)行處理，結(jié)果顯示：設(shè)定適當(dāng)?shù)腡值，能有效地消除邊緣效應(yīng)，而且沒(méi)有增加影像的模糊信息。

3.3.2 基于PCNN處理的新方法

PCNN(Pulse Coupled Neural Network)[5]有生物學(xué)的背景，它展示了貓、猴的大腦視覺(jué)皮層的同步脈沖發(fā)放現(xiàn)象，就目前的研究發(fā)現(xiàn)，PCNN可應(yīng)用于圖像分割、圖像識(shí)別、通訊、決策優(yōu)化等方面。目標(biāo)識(shí)別時(shí)，我們可以用訓(xùn)練圖像經(jīng)PCNN圖像陰影取出算法處理后得到的結(jié)果作為模板，將待識(shí)別圖像經(jīng)PCNN圖像陰影去處算法處理后與模板相比，從而得到目標(biāo)識(shí)別的結(jié)果。這樣，就消除了陰影對(duì)目標(biāo)識(shí)別的不利影響，從而達(dá)到正確識(shí)別目標(biāo)的目的。

圖像中陰影是由于圖像中一塊像素點(diǎn)的亮度值減小造成的。PCNN圖像陰影去除算法的基本思路是先用PCNN 對(duì)原始圖像進(jìn)行分割處理，然后用原始圖像除以分割后的圖像。這樣相除得到的結(jié)果中，既保存了原始圖像的信息，又消除了圖像中陰影的影響。

下面具體給出PCNN圖像陰影去除算法。首先介紹算法中用到的符號(hào)。F，原始圖像矩陣，矩陣中各個(gè)元素為原始圖像中各個(gè)元素的亮度值；L，聯(lián)接矩陣，矩陣中各個(gè)元素為圖像中各個(gè)像素點(diǎn)的Lj信號(hào)；U，調(diào)制矩陣，矩陣中各個(gè)元素為圖像中各個(gè)像素點(diǎn)的調(diào)制信號(hào)Uj；Y神經(jīng)元輸出矩陣，矩陣中各個(gè)元素為圖像中各個(gè)像素點(diǎn)對(duì)應(yīng)神經(jīng)元的輸出，0或1；θ，閾值矩陣中各個(gè)元素為圖像中各個(gè)像素點(diǎn)對(duì)應(yīng)神經(jīng)元的閾值；Fac(1)，F(xiàn)ac(2)，...，F(xiàn)ac(N)，圖像因子矩陣，它們?yōu)樗惴ㄖ忻看蔚鷰н\(yùn)算得到的結(jié)果，其中，F(xiàn)ac(2)，...，F(xiàn)ac(N)，為去除陰影后得到的結(jié)果，Inter，Temp，Yout為算法中用到的中間矩陣。Δ為閾值調(diào)整常量，Δ，閾值調(diào)整矩陣，各個(gè)元素為閾值調(diào)整常量Δ，矩陣F，L，U，θ，F(xiàn)ac(1)，F(xiàn)ac(2)，…， Fac(N) ，Inter，Temp，Yout，Δ的維數(shù)均為h×ω， 其中h為圖像的高度，ω為圖像的寬度，β為聯(lián)接強(qiáng)度，該算法中，每個(gè)神經(jīng)元的β均相同。α為聯(lián)接強(qiáng)度的衰減因子，‘ ’表示相同維數(shù)的矩陣中對(duì)應(yīng)元素進(jìn)行相乘。‘’表示卷積，K 是3×3運(yùn)算核矩陣，計(jì)算L時(shí)用到，

PCNN圖像陰影去除算法描述如下：

(1) 原始圖像F規(guī)整到min到1 之間，min=0.04>Δ。L=U=0，θ=1；同時(shí)，令所有神經(jīng)元均處于熄火狀態(tài)，Y=0。給出循環(huán)次數(shù)N；令n=1，優(yōu)選參數(shù)，β=0.8，α=0.2，Δ=0.02。

(2) L=Step(Y*K)；U=F (1+βL)；Y=Step(U-θ)。

(3)令θ=1。

(4) L=Step(Y*K)。

(5) Inter=Y，U=F (1+βL)，Y=Step（U-θ）。

(6) If Y=Inter，go to (7)；else L=Step(Y*K)，go back to (5)。

(7) If Y(i， j)=1，Yout(i，j)= θ(i， j)，Temp(i，j)=F(i， j)/Yout(i，j)， (i=1，...，h；j=1，...， ω)；Y(i， j)，Yout(i， j)，θ(i， j)，Temp(i， j)，F(xiàn)(i， j)分別為矩陣Y，Yout，θ，Temp，F(xiàn)中對(duì)應(yīng)的元素。

(8) 調(diào)整閾值，θ=θ-Δ+100*Y。一方面，隨著時(shí)間的增加減小閾值；另一方面，若神經(jīng)元已經(jīng)點(diǎn)火，則升高閾值，是該神經(jīng)元不再點(diǎn)火。

(9) 如果所有神經(jīng)元均已點(diǎn)火，即矩陣θ中的每一個(gè)元素均大于1，執(zhí)行(10)；否則回到(4)。

(10) F=Temp；β=α*β；

圖像因子 Fac(n)=Yout；n=n+1。

(11) N=N-1。If N 0，go back to (2)；else end。

原始圖像經(jīng)過(guò)PCNN去陰影處理后，本分解成了多個(gè)圖像因子Fac(1)， Fac(2)，...， Fac(N) ，算法中每一次循環(huán)就給出一個(gè)圖像因子，由算法可知，當(dāng)n≥2時(shí)，圖像中的陰影就給有效的去除了。

計(jì)算機(jī)仿真結(jié)果表明，當(dāng)n≥2時(shí)，沒(méi)有陰影的圖像的圖像因子Fac(n)與該圖像加陰影后的圖像因子Fac(n)幾乎一樣，因此，目標(biāo)識(shí)別時(shí)，可以用訓(xùn)練圖像的Fac(n)(n≥2)作為模板，將待識(shí)別圖像的Fac(n)(n≥2)與之相比，從而得到目標(biāo)識(shí)別的結(jié)果。這樣，即使有陰影出現(xiàn)，也可消除其對(duì)目標(biāo)識(shí)別的不利影響。從而達(dá)到正確識(shí)別目標(biāo)的目的。隨著n的增加，F(xiàn)ac(n)越來(lái)越淺，最后變?yōu)槿?，這可從算法中看出，實(shí)驗(yàn)也證明了這一點(diǎn)，實(shí)際應(yīng)用中，可用Fac(2)作為模板。

因此，基于貓眼為生物學(xué)背景的PCNN的陰影去除算法，是從仿生的角度，對(duì)陰影實(shí)施處理的新拓展。

3.4 實(shí)際影像陰影補(bǔ)償效果

以下是我們分別采用灰度級(jí)線性變換和基于直方圖均衡處理后的圖像：

圖3-12 待補(bǔ)償?shù)倪b感影像

(a) 直方圖均衡法的補(bǔ)償結(jié)果

(b) 灰度線性變換的補(bǔ)償結(jié)果

圖3-13

實(shí)際影像陰影補(bǔ)償效果

從上圖可以看出，二者都能夠把原本陰影所造成的影響很大程度上的補(bǔ)償?shù)?，讓我們可以看到陰影區(qū)域內(nèi)部的景物。但是基于直方圖均衡的補(bǔ)償方法由于是離散的變換，所以結(jié)果不會(huì)絕對(duì)均衡，有時(shí)甚至?xí)?yán)重失真。從圖(a)中我們也可以看出有模糊失真的效果。而相比之下灰度級(jí)線性變換圖像增強(qiáng)技術(shù)在處理灰度值分布呈雙峰形態(tài)的退化圖像增強(qiáng)時(shí)較為理想，是一種比較實(shí)用的方法。

參考文獻(xiàn)

[1] Ralph Highnam， Michael Brady. Model-Based Image Enhancement of Far Infrared Images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1997，19(4):410-415.

[2] Voicu L I， Myler H R and Weeks A R. Practical considerations on color image enhancement using homomorhpic filering [J]. Journal of Electronic Imaging， 1997，1 (3):108-113.

[3] Zamudio J A， Atkison W.W. 1990“Analysis of AVIRIS Data for Spectral discrimination of Geologic Materials in the Dally Varden Mountains” [J]. Proceed-dings of the Second AVIRIS Conference JPL Pub 1993:54-162.

[4] 許妙忠，余志惠. 高分辨率衛(wèi)星影像中陰影的自動(dòng)提取與處理 [J]. 繪信息與工程，2003，28(1):20-22.

[5] 唐亮，謝維信，黃建軍. 城市彩色航空影像中的陰影檢測(cè). 中國(guó)體視學(xué)與影像分析 [J]，2003，8 (3): 12-134.

[6] 高龍華. 高分辨率影像陰影校正模型研究. 計(jì)算機(jī)工程與應(yīng)用 [J]，2005，11:39-43.

[7] 楊益軍，趙榮椿，汪文秉. 航空影像中陰影區(qū)域的檢測(cè).信號(hào)處理 [J]，2002，18(3):228-232.

[8] 王樹(shù)根，王軍利，郭麗艷. 基于K-L變換的彩色航空影像陰影檢測(cè) [J]. 測(cè)繪信息與工程，2004， 29(2):21-23.

[9] 虢建宏，田慶永. 一種IKONOS影像陰影檢測(cè)與去除的方法 [J]. 應(yīng)用技術(shù)，2004， 4:32-35.

[10]S Vassilopoulou. Orthophoto generation using IKONOS imagery and high-resolution DEM: a case study on volcanic hazard monitoring of Nisyros Island (Greece) [J]. ISPRS Journal of photogrammetry & Remote Sensing， 2002， (57):24-38.

[11] 梅安新，等.遙感導(dǎo)論 [M]. 北京:高等教育出版社，2001， 29-30.

[12] 阮秋琦.數(shù)字圖像處理學(xué) [M]. 北京:電子工業(yè)出版社，2001.

[13] 黃浩，張友靜，馬雪梅. 基于影像融合的IKONOS影像陰影信息自動(dòng)提取方法 [J]. 遙感信息. 應(yīng)用技術(shù)，2004，04:29-32.

[14] 王軍利，王樹(shù)根. 一種基于RGB彩色空間的影像陰影檢測(cè)方法 [J]. 信息技術(shù)，2002，26(12):7- 8.

[15] Horn B K P， Shape form shading: A method of obtaining the shape of a smooth opaque object from one view [D] Ph D. dissertation， Massachusetts Inst of Technology， 1970.

[16] Horn B K P， Brooks M J. The variational approach to shape from shading [J]， CVGIP， 1986， 33:174-208.

[17] Zhang R， Tsai P S. Criers J E et al Shape from shading: A survey [J]. In the proceedings of IEEE Trans Pattern Analysis and Machine Intelligence， 1993， 21(8):690-750.

[18] Pentalnd A P. Local Shading Analysis [J]. IEEE Trans Pattern　Analysis and Machine Intelligence， 1984， 6(2):170-187.

[19] Szeliski R， Terzopouls D. Form splices to fractal [J]. Computer Grapghics， 1989， 23(3):51-60.

[20] Lee K M， Kuo C C J. Shape from shading with a linear triangular element surface model [J]. IEEE Trans Pattern Analysis and Machine Intelligence， 1993， 15(8):815-822.

[21] B. Klinkenberg. 陰影區(qū)和太陽(yáng)照射區(qū)的分形分析（楊澤元 譯） [M]. 世界地質(zhì)，1995，4 (3):82-87.

[22] Guoqing Zhou，Weirong Chen，et al. A comprehensive study on urban true orthorectification [J]. IEEE Transactions on Geosciences and Remote Sensing， 2005， 43(09).

[23] Guoqing Zhou， C.Song， et al. Urban 3D GIS from LIDAR and digital image [J]. ISPRS， 2005.

[24] Guoqing Zhou， W.Schickler. True orthoimage generation in extremely tall building urban area [J]. Remote Sensing， 2004， 25(00):1-18.

[25] 李艷，宮鵬. 基于DSM陰影仿真和高度場(chǎng)光線跟蹤的影像陰影檢測(cè) [J]. 遙感學(xué)報(bào)，2005，9(4):357-362.

[26] Shettigara V K，　Sumtrling GM. Height determination of extended objects using shadows in SPOT images [J]. PE&RS.1998， 64(1):35-44.

[27] 梅雪良，張祖勛，張劍清. 基于約束滿足網(wǎng)絡(luò)的建筑物陰影結(jié)構(gòu)提取 [J]. 武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1996，21(3):265-268.

[28] Ralph Highnam， Michael Brady. Model-Based image enhancement of far infrared images [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， Volume 19 Issue 4， April 1997:410-415.

篇3

關(guān)鍵詞:識(shí)別;圖象處理;去噪;增強(qiáng);復(fù)原;分割

A Survey of the Basic Principles in Digital Image Processing Technology

PAN Zhen-gan1,2, GONG Sheng-rong1

(1.School of Computer Scinence & Technology, Soochow University, Suzhou 215006, China; 2.Certer of Network, Suzhou University of Scinence & Technology, Suzhou 215009, China)

Abstract: If the corresponding contents of blurry source materials are difficult for naked eye to identify, it is feasible to preserve the materials and carry out history research by inputting the digital images of source materials into a computer, disposing the images with the technology of noise removal, enhancement, restoration, segmentation and reverting them to the effect of visibility.

Key words: identify; image processing; noise removal; enhancement; restoration; segmentation

一些歷史檔案和資料具有很高的研究?jī)r(jià)值,對(duì)于研究該地區(qū)當(dāng)時(shí)的經(jīng)濟(jì)和文化背景有很大的作用,但是因?yàn)槟甏眠h(yuǎn),其紙質(zhì)或布質(zhì)的材質(zhì)因?yàn)闀r(shí)間原因,使得寫(xiě)在上面的圖案和文字資料都模糊不清,有些肉眼已經(jīng)很難分辨出具體內(nèi)容,對(duì)于歷史和研究都是很大的損失,用數(shù)碼相機(jī)將這些紙質(zhì)或布質(zhì)材質(zhì)的資料拍攝下來(lái)輸入計(jì)算機(jī),將原始的資料變?yōu)閿?shù)字圖象,再用數(shù)字圖象處理的方法將其處理還原,以達(dá)到人眼可以看清內(nèi)容,進(jìn)行研究的效果。

用計(jì)算機(jī)進(jìn)行圖像處理的前提是圖像必須以數(shù)字格式存儲(chǔ)到計(jì)算機(jī)中,以數(shù)字格式存放的圖像稱(chēng)為數(shù)字圖像(digital image)。數(shù)字圖像處理(digital image processing),就是利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、特征提取等理論、方法和技術(shù),將原始資料清晰化,改善圖象的質(zhì)量,使人的肉眼可以看清這些圖象,從而得以保存和研究的目的。由于圖像處理是利用計(jì)算機(jī)硬件和軟件實(shí)現(xiàn)的,因此也被稱(chēng)為計(jì)算機(jī)圖像處理(computer image processing)。

數(shù)字圖象處理一般有兩種基本的方法:一種方法是在圖象的空間域中處理,即在圖象空間中對(duì)圖象本身直接進(jìn)行各種處理優(yōu)化,達(dá)到改善圖象質(zhì)量的目的;另一種方法是把空間圖象進(jìn)行某些轉(zhuǎn)化,從空間域轉(zhuǎn)到頻率域中,再在頻率域中進(jìn)行各種處理,然后再變回到圖象的空間域,形成處理后的圖象,從而達(dá)到改善圖象質(zhì)量的目的。

1 去除噪聲

原始實(shí)體資料變?yōu)閿?shù)字圖象在計(jì)算機(jī)中進(jìn)行處理的時(shí)候,可能會(huì)產(chǎn)生各種各樣的噪聲,這些噪聲可能是在進(jìn)行數(shù)字轉(zhuǎn)換過(guò)程中,因?yàn)檩斎朐O(shè)備的原因產(chǎn)生,也可能在對(duì)數(shù)字圖象的處理中產(chǎn)生,噪聲不一定是真實(shí)的聲音,可以理解為影響人的視覺(jué)器官或系統(tǒng)傳感器對(duì)所接收?qǐng)D象源信息進(jìn)行理解或分析的各種因素。不同原因產(chǎn)生的噪聲,其分布特性也不完全相同,根據(jù)噪聲和信號(hào)的關(guān)系可將其分為兩種形式:1)加性噪聲,此類(lèi)噪聲與輸入圖象信號(hào)無(wú)關(guān),含噪圖象表示為f(x,y)=g(x,y)+n(x,y);2)乘性噪聲,此類(lèi)噪聲與圖象信號(hào)有關(guān),含噪圖象表示為f(x,y)=g(x,y)+n(x,y)g(x,y)。噪聲對(duì)圖象處理十分重要,如果圖象伴有較大噪聲,它會(huì)直接影響到圖象處理的輸入、采集、處理的各個(gè)環(huán)節(jié)以及輸出的全過(guò)程甚至輸出結(jié)果,因此,在進(jìn)行數(shù)字圖象處理的時(shí)候,首先需要對(duì)目標(biāo)圖象進(jìn)行去除噪聲的工作。

1.1 均值濾波器

采用鄰域平均法的均值濾波器適用于去除通過(guò)掃描得到的圖象中的顆粒噪聲。鄰域平均法是空間域平滑技術(shù)。對(duì)于給定的圖象f(x,y)中的每個(gè)像點(diǎn)(x,y),取其鄰域Sxy,設(shè)Sxy含有M個(gè)像素,取其平均值作為處理后所得圖像像點(diǎn)(x,y)處的灰度。

1.2 自適應(yīng)維納濾波器

它能根據(jù)圖象的局部方差來(lái)調(diào)整濾波器的輸出,局部方差越大,濾波器的平滑作用越強(qiáng)。它的最終目標(biāo)是使恢復(fù)圖像f^(x,y)與原始圖像f(x,y)的均方誤差e2=E[(f(x,y)- f^(x,y))2]最小。

1.3 中值濾波器

基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)領(lǐng)域中各點(diǎn)值的中值代換。其主要功能是讓周?chē)笏鼗叶戎档牟畋容^大的像素改取與周?chē)南袼刂到咏闹?從而可以消除孤立的噪聲點(diǎn),對(duì)于濾除圖像的椒鹽噪聲非常有效。

1.4 小波去噪

小波變化具有高斯分布的特性,根據(jù)信號(hào)小波分界的特點(diǎn),對(duì)信號(hào)的小波系數(shù)設(shè)置一個(gè)閾值,大于這個(gè)閾值的小波系數(shù)由信號(hào)變換得來(lái),同時(shí)含有信號(hào)和噪聲的變換結(jié)果,而小于這個(gè)閾值的小波系數(shù)則完全由噪聲變換而來(lái),應(yīng)該去掉這些系數(shù)。這樣就可以達(dá)到降低噪聲的目的。同時(shí)由于這種方法保留了大部分包含信號(hào)的小波系數(shù),因此可以較好地保持圖象細(xì)節(jié)。利用小波分析的理論可以構(gòu)造一種既能夠降低圖象噪聲,又能保持圖象細(xì)節(jié)信息的方法。

2 圖象增強(qiáng)

很多歷史資料由于材質(zhì)和時(shí)間的原因,整幅圖片色澤偏暗,亮度范圍不足或非線性等因素造成對(duì)比度不足,影響觀看效果,結(jié)合人眼對(duì)灰度的感覺(jué),如果相鄰兩個(gè)物體目標(biāo)灰度相差比較小,超過(guò)人眼對(duì)灰度差的感知能力,人眼就無(wú)法區(qū)分這不同的兩個(gè)物體,從而導(dǎo)致無(wú)法看清楚圖片,這就需要對(duì)圖片做出一些處理,使圖片的灰度差和整體色澤有所改善,以達(dá)到人眼觀看的效果。圖象處理的原始目的就是改善圖象,使看不清的目標(biāo)能夠看得清楚,因此,對(duì)數(shù)字圖象識(shí)別分析的全過(guò)程,都要求圖象得到改善以適應(yīng)人的肉眼,為了達(dá)到這個(gè)目的,除了首先需要去除噪聲之外,還需要分辨灰度細(xì)節(jié),解決灰度的擴(kuò)展和圖象鮮明化問(wèn)題。

圖象改善最常用的方法是圖象增強(qiáng),圖象增強(qiáng)要改善圖象的視覺(jué)效果,把圖象處理成為適用于計(jì)算機(jī)分析或控制的某種形式,圖像增強(qiáng)按特定的需要突出一幅圖像的某些信息,同時(shí),削弱或除去某些不需要的信息的處理方法,以達(dá)到改善圖象的目的。圖象增強(qiáng)并不能完全滿足原始圖象的一些視覺(jué)特性,為了達(dá)到圖象增強(qiáng)的效果,圖象往往會(huì)發(fā)生變化,產(chǎn)生畸變,但是對(duì)人的肉眼的感覺(jué)而言,畸變后的圖象反而比原始圖象更加清晰,觀感也更舒服,因此,圖象增強(qiáng)不顧及原始圖象是否發(fā)生了畸變,只以符合肉眼觀感和找出特征為條件,圖象增強(qiáng)內(nèi)容包括:去除圖象噪聲,抽取圖象中某些目標(biāo)輪廓,圖象的勾邊處理,提取圖象中的特征等技術(shù),通過(guò)直方圖均衡化技術(shù)來(lái)實(shí)現(xiàn)圖像增強(qiáng),首先就是對(duì)原圖像通過(guò)離散函數(shù)進(jìn)行直方圖處理。得到原圖像的直方圖后,根據(jù)均衡化的變換函數(shù)通過(guò)計(jì)算得到所需要的增強(qiáng)效果的圖像的直方圖,分析圖像增強(qiáng)的點(diǎn)處理、空間域?yàn)V波、頻域?yàn)V波、代數(shù)運(yùn)算。用直方圖均衡化的算法增強(qiáng)灰度圖像,達(dá)到了圖象增強(qiáng)的目的。

3 圖象復(fù)原

有些圖象因?yàn)橘|(zhì)量變壞,導(dǎo)致圖象模糊不清,或圖象有干擾等現(xiàn)象,這種情況叫做圖象退化,根據(jù)圖象退化的原因建立一個(gè)退化模型,以該模型為基礎(chǔ)依據(jù),運(yùn)動(dòng)各種反退化處理方法,使復(fù)原后的圖象符合某些要求和條件,圖象的質(zhì)量得到改善,這樣的方法叫做圖象復(fù)原。圖象復(fù)原和圖象增強(qiáng)的目的相似,都是為了改善圖象的視覺(jué)效果,令其符合人肉眼的視覺(jué)要求,但二者并不等同,圖象增強(qiáng)不用考慮圖象畸變或退化的原因,更多的依據(jù)主觀判斷利用各種技術(shù)進(jìn)行處理,達(dá)到增強(qiáng)圖象的視覺(jué)效果,滿足人視覺(jué)系統(tǒng)的要求,不用考慮增強(qiáng)后的圖象是否失真,只要滿足肉眼觀感就可以,而圖象復(fù)原是根據(jù)圖象產(chǎn)生畸變或退化的原因,建立相應(yīng)的數(shù)學(xué)模型,從畸變或退化的圖像信號(hào)中提取所需的相關(guān)信息,并找出一種相應(yīng)的逆過(guò)程處理方法,從而恢復(fù)圖象的本來(lái)面貌。圖像復(fù)員的過(guò)程實(shí)際是設(shè)計(jì)一個(gè)濾波器,從已經(jīng)退化的圖像中計(jì)算得到真實(shí)圖像的估計(jì)值,并國(guó)際預(yù)先規(guī)定的誤差準(zhǔn)則,使其最大程度的接近物體的原始真實(shí)圖像

圖象復(fù)原是根據(jù)退化原因,建立相應(yīng)的數(shù)學(xué)模型,從被污染或畸變的圖象信號(hào)中提取所需要的信息,沿著使圖象降質(zhì)的逆過(guò)程恢復(fù)圖象本來(lái)面貌。實(shí)際的復(fù)原過(guò)程是設(shè)計(jì)一個(gè)濾波器,使其能從降質(zhì)圖象g(x,y)中計(jì)算得到真實(shí)圖象的估值f(x,y),使其根據(jù)預(yù)先規(guī)定的誤差準(zhǔn)則,最大程度地接近真實(shí)圖象f(x,y)。

象平面所得圖像為H[f(x,y)],加性噪聲n(x,y),實(shí)際所得的退化圖象g(x,y)模型函數(shù)是g(x,y)=H[f(x,y)]+n(x,y),其中H[?]是綜合所有退化因素的函數(shù)。

4 圖象分割

圖像作為一個(gè)整體,有豐富的內(nèi)容和色彩,我們所需要的目標(biāo)和背景與整幅圖像融為一體,不利于進(jìn)行圖像處理,因此,先將圖象劃分成若干個(gè)與物體目標(biāo)相對(duì)應(yīng)的區(qū)域,根據(jù)目標(biāo)和背景的先驗(yàn)知識(shí),對(duì)圖象中的目標(biāo)與背景進(jìn)行標(biāo)識(shí)、定位,將目標(biāo)從背景或其他偽目標(biāo)中分離出來(lái),這種方法稱(chēng)為圖象分割。

圖象分割而成的區(qū)域所包含的信息包括了分區(qū)分割和對(duì)各分區(qū)的描述,利用這些區(qū)域中所包含的部分特征,例如灰度差別、局部紋理差別、彩色差別、局部統(tǒng)計(jì)特征或局部區(qū)域的頻譜特征的差別等,可以用來(lái)區(qū)分整幅圖象中不同的目標(biāo)物體,這些區(qū)域稱(chēng)為感興趣區(qū)。因?yàn)槲覀兪抢矛F(xiàn)有圖象信息中的部分特征去進(jìn)行區(qū)域分割,所以這樣的分割方法并不具有通用性。

理論上來(lái)說(shuō),圖象分割有兩個(gè)原理,一是在圖象中,找出有代表性的物體的邊緣,利用邊緣信息把整幅圖象分割為各個(gè)感興趣區(qū);二是從圖象中找出具有相似特征的物體區(qū),將這些物體區(qū)的外輪廓作為邊緣,根據(jù)特征相似度的準(zhǔn)則進(jìn)行劃分。

三種分割方法:

基于閾值的分割,這是一種最常用的區(qū)域分割技術(shù),閾值是用于區(qū)分不同目標(biāo)的灰度值。在圖象只有目標(biāo)和背景的情況下,只需選取單閾值分割,將圖象中每個(gè)象素的灰度值和閾值比較,灰度值大于閾值的象素和灰度值小于閾值的象素分別歸類(lèi)。如果圖象中有多個(gè)目標(biāo),就需要選取多個(gè)閾值將各個(gè)目標(biāo)分開(kāi),這種方法稱(chēng)為多閾值分割。閾值分割的結(jié)果依賴(lài)于閾值的選取,確定閾值是閾值分割的關(guān)鍵。

基于區(qū)域的分割,有兩種基本形式:區(qū)域生長(zhǎng)和分裂合并。前者是從單象素出發(fā),逐漸合并以形成所需的分割結(jié)果。后者是從整個(gè)圖象出發(fā),逐漸分裂或合并以形成所需要的分割結(jié)果。與閾值方法不同,這類(lèi)方法不但考慮了象素的相似性,還考慮了空間上的鄰接性,因此可以有效地消除孤立噪聲的干擾,具有很強(qiáng)的魯棒性。而且,無(wú)論是分裂還是合并,都能將分割深入達(dá)到象素級(jí),因此可以保證較高的分割精度

基于邊緣的分割,是利用不同區(qū)域間象素灰度不連續(xù)的特點(diǎn)檢測(cè)出區(qū)域間的邊緣,從而實(shí)現(xiàn)圖象分割。邊界的象素灰度值變化往往比較劇烈。首先檢測(cè)圖象中的邊緣點(diǎn),在按一定策略連接成輪廓,從而構(gòu)成分割區(qū)域。

5 結(jié)束語(yǔ)

很多文獻(xiàn)和資料因?yàn)槟甏眠h(yuǎn)導(dǎo)致字跡模糊,內(nèi)容無(wú)法識(shí)別而失去其歷史和研究?jī)r(jià)值,用數(shù)字圖象處理的方法將其處理還原,以達(dá)到人眼可以看清內(nèi)容,進(jìn)行研究的效果。因此可以看出,數(shù)字圖像處理技術(shù)更加普適、可靠和準(zhǔn)確。比起其它簡(jiǎn)單的模擬操作的方法,也更容易實(shí)現(xiàn)。

參考文獻(xiàn):

[1] 容觀澳.計(jì)算機(jī)圖像處理[M].北京:清華大學(xué)出版社,2000.

[2] 邊肇祺.模式識(shí)別[M].2版.北京:清華大學(xué)出版社,2000.

篇4

關(guān)鍵詞： 數(shù)字圖像處理； Matlab； GUI； 實(shí)驗(yàn)平臺(tái)

中圖分類(lèi)號(hào)： TN919?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）18?0006?03

Design digital image processing experimental platform based on Matlab GUI

ZHANG Xin， WU Yu， PING Zi?liang， DING Qi?lan， JIN Xiao?xi

（Century College， Beijing University of Posts and Telecommunications， Beijing 102101， China）

Abstract： According to the characteristics of digital image processing， the architecture of existing digital image processing experimental platform is too complex to be appropriate for abecedarian to learn. For lack of the experimental platform which is close to teaching material， students understand the theory of digital image processing hardly. A corresponding experimental platform was designed and developed by graphic user interface （GUI） of Matlab. It includes image geometric transformation， enhancement， smoothing， edge， segmentation and false color encoding in the process of digital image processing. This experimental platform has friendly interface， high portability and scalability， and can help students understand the content of the digital image processing profoundly.

Keywords： digital image processing； Matlab； GUI； experimental platform

0 引 言

《數(shù)字圖像處理》是電子信息類(lèi)專(zhuān)業(yè)非常重要的專(zhuān)業(yè)課[1]。目前對(duì)該門(mén)課程的安排，各院校一般都是理論教學(xué)與實(shí)驗(yàn)教學(xué)相結(jié)合[2]，學(xué)生通過(guò)上機(jī)實(shí)驗(yàn)，提高動(dòng)手編程能力，增進(jìn)對(duì)數(shù)字圖像處理流程的認(rèn)識(shí)，加深對(duì)數(shù)字圖像處理理論知識(shí)的理解。在實(shí)驗(yàn)教學(xué)中，各高校通常采用Matlab，VC++軟件等進(jìn)行編程，由于缺少緊扣教材的實(shí)驗(yàn)系統(tǒng)，學(xué)生很難深入理解數(shù)字圖像處理的技術(shù)原理[3]。

基于上述分析，為便于學(xué)生系統(tǒng)、全面的掌握該門(mén)課程的基本原理和經(jīng)典算法，本文利用Matlab軟件創(chuàng)建數(shù)字圖像處理實(shí)驗(yàn)教學(xué)平臺(tái)的用戶圖形界面（GUI），開(kāi)發(fā)了一個(gè)針對(duì)教學(xué)的可視化、系統(tǒng)化“數(shù)字圖像處理實(shí)驗(yàn)教學(xué)”軟件，為學(xué)生提供一個(gè)數(shù)字圖像處理技術(shù)的算法演示及模擬開(kāi)發(fā)的GUI平臺(tái)，幫助學(xué)生掌握數(shù)字圖像處理的基本原理和內(nèi)容，熟悉并消化圖像處理的技術(shù)方法，了解圖像處理的較新研究領(lǐng)域。利用軟件Matlab平臺(tái)建設(shè)了一個(gè)集良好的可視化、開(kāi)放性、交互性于一體的數(shù)字圖像處理實(shí)驗(yàn)教學(xué)平臺(tái)。

1 實(shí)驗(yàn)平臺(tái)的總體設(shè)計(jì)

本文利用Matlab的GUI來(lái)設(shè)計(jì)人機(jī)交互的圖形用戶界面[4]，設(shè)有圖像顯示坐標(biāo)軸、下拉菜單、按鈕等功能來(lái)完成不同功能模塊的實(shí)現(xiàn)和函數(shù)的調(diào)用。

1.1 實(shí)驗(yàn)平臺(tái)總體結(jié)構(gòu)

該實(shí)驗(yàn)平臺(tái)以北京郵電大學(xué)世紀(jì)學(xué)院《數(shù)字圖像處理》這門(mén)課程的內(nèi)容為基本點(diǎn)，結(jié)合實(shí)驗(yàn)教學(xué)的課時(shí)安排，按照?qǐng)D像處理技術(shù)實(shí)驗(yàn)教學(xué)的特點(diǎn)來(lái)設(shè)計(jì)該實(shí)驗(yàn)平臺(tái)系統(tǒng)的整體框架[5]。

該實(shí)驗(yàn)平臺(tái)具體框圖如圖1 所示。

圖1 基于Matlab GUI的數(shù)字圖像處理實(shí)驗(yàn)平臺(tái)系統(tǒng)結(jié)構(gòu)圖

此實(shí)驗(yàn)平臺(tái)的主界面采用Matlab GUI菜單項(xiàng)設(shè)計(jì)，在主界面中點(diǎn)擊任一子模塊，就可打開(kāi)相應(yīng)子模塊界面，具體界面實(shí)現(xiàn)如圖2所示。

圖2 實(shí)驗(yàn)平臺(tái)主界面設(shè)計(jì)圖

該實(shí)驗(yàn)平臺(tái)主要包括圖像處理中的幾何變換、圖像增強(qiáng)、圖像平滑、邊緣與分割、假彩色編碼等模塊內(nèi)容，其中，幾何變換模塊主要包含了圖像平移、圖像鏡像、圖像旋轉(zhuǎn)、圖像錯(cuò)切、比例縮放、復(fù)合變換等功能；圖像增強(qiáng)由線性變換、行對(duì)數(shù)變換、直方圖均衡化、直方圖規(guī)定化、索引/二值圖像等5個(gè)功能塊組成；圖像平滑主要包括模擬噪聲生成、鄰域平均、中值濾波、巴特沃斯低通濾波、指數(shù)型低通濾波、梯形低通濾波、Sobel 算子濾波、空域高通濾波等功能模塊；邊緣與分割分為圖像分割、Hough變換、邊緣檢測(cè)等3個(gè)模塊；假彩色編碼包括RGB空間偽彩色編碼、灰度彩色變換法編碼和頻率偽彩色編碼等三個(gè)功能模塊。

1.2 功能設(shè)計(jì)

圖像的幾何變換是指圖像處理中對(duì)圖像平移、旋轉(zhuǎn)、放大和縮小[6]這些簡(jiǎn)單變換以及變換中灰度內(nèi)插處理等。圖3所示為在圖像幾何變換模塊中，對(duì)選定圖像進(jìn)行復(fù)合變換的效果圖。該復(fù)合變換式將原有圖像向下平移50像素，向右平移50像素，并用白色填充空白部分，再對(duì)其做垂直鏡像，然后旋轉(zhuǎn)30°。該變換的主要代碼如下：

B（50+1：H（1），50+1：H（2），1：H（3））=I（1：H（1）?50，

1：H（2）?50，1：H（3））；

C（1：H（1），1：H（2），1：H（3））=B（H（1）：?1：1，

1：H（2），1：H（3））；

D=imrotate（C，30，′nearest′）；

圖3 幾何變換中的復(fù)合變換效果圖

圖4所示為圖像增強(qiáng)功能模塊中的灰度圖像線性變換子模塊處理界面，該模塊不僅可以處理灰度圖像，還可處理彩色圖像。在選擇該算法時(shí)，實(shí)驗(yàn)平臺(tái)會(huì)先判斷輸圖像是否為灰度圖像，若是，則直接處理圖像，若不是，則會(huì)先彩色圖像轉(zhuǎn)換為灰度圖像，再做后續(xù)處理。其m文件部分代碼如下：

axes（handles.axes_dst） ；

d = length（size（img_src））；

if d==3

image=rgb2gray（img_src）；

elseif d==2

image=img_src；

end

J=imadjust（image，[0.15 0.5]，[0 1]）；

imshow（J）；title（′線性變換后的灰度圖′）；

axes（handles.axes_srcl） ；

imhist（image）；title（′原灰度直方圖′）；

axes（handles.axes_dstl） ；

imhist（J）；title（′線性變換后的灰度直方圖′）；

setappdata（handles.figure_zengqiang，′bChanged′，true）；

set（handles.srcl_save，′Enable′，′on′）；

set（handles.dstl_save，′Enable′，′on′）；

圖5所示為圖像邊緣檢測(cè)模塊界面，該界面可同時(shí)顯示三種不同算子實(shí)現(xiàn)圖像邊緣檢測(cè)的效果圖及原圖，以便學(xué)生在實(shí)驗(yàn)的過(guò)程中進(jìn)行直觀對(duì)比。其主要代碼如下：

BW1=edge（image，′sobel′，0.1）；

BW2=edge（image，′roberts′，0.1）；

BW4=edge（image，′log′，0.01）；

圖4 灰度圖像線性變換子模塊處理界面

圖5 圖像邊緣檢測(cè)模塊界面

2 實(shí)驗(yàn)平臺(tái)的特點(diǎn)

基于Matlab GUI數(shù)字圖像處理實(shí)驗(yàn)平臺(tái)具有以下特點(diǎn)：

（1） 內(nèi)容豐富，涵蓋圖像處理領(lǐng)域的大部分內(nèi)容，具有很強(qiáng)的可移植性和可擴(kuò)展性，可在教學(xué)的過(guò)程中有目的性的進(jìn)行更改，增刪不同的功能模塊，以便達(dá)到更好的教學(xué)效果。

（2） 界面友好，方便操作[7]，可在同一界面同時(shí)顯示處理前和處理后的圖像。對(duì)于某些需要確定參數(shù)的算法，該實(shí)驗(yàn)平臺(tái)上設(shè)置了不同的初始參數(shù)值，學(xué)生也可以自己動(dòng)手調(diào)節(jié)參數(shù)值。針對(duì)同一數(shù)字圖像處理算法，該實(shí)驗(yàn)平臺(tái)課可同時(shí)展示三種不同參數(shù)的處理效果，通過(guò)比較不同參數(shù)條件下的圖像處理效果，使學(xué)生理解有關(guān)參數(shù)變化對(duì)處理結(jié)果的影響。

（3） 教師在教學(xué)過(guò)程中，可以方便地演示圖像處理的某一內(nèi)容的處理結(jié)果，在進(jìn)行理論教學(xué)的同時(shí)使學(xué)生知道該處理對(duì)圖像的影響，從而加深學(xué)生對(duì)該理論和內(nèi)容的理解。

（4） 通過(guò)該實(shí)驗(yàn)平臺(tái)仿真試驗(yàn)可選出最佳的處理方法、步驟和參數(shù)設(shè)置，然后再編寫(xiě)程序，從而有針對(duì)性的對(duì)算法加以改進(jìn)，減少了學(xué)生對(duì)同一圖像處理過(guò)程的不同處理方法的重復(fù)編程時(shí)間，便于學(xué)生對(duì)有關(guān)算法進(jìn)行改進(jìn)或創(chuàng)新。

3 結(jié) 語(yǔ)

針對(duì)北京郵電大學(xué)世紀(jì)學(xué)院《數(shù)字圖像處理》實(shí)踐教學(xué)的現(xiàn)狀，設(shè)計(jì)實(shí)現(xiàn)了基于Matlab GUI的數(shù)字圖像處理實(shí)驗(yàn)平臺(tái)。該實(shí)驗(yàn)平臺(tái)用戶界面友好，交互性強(qiáng)，可拓展性好。根據(jù)我院信息類(lèi)不同專(zhuān)業(yè)的教學(xué)特點(diǎn)，在教學(xué)的過(guò)程中，可自行修改模塊設(shè)置，增刪特色模塊，使學(xué)生對(duì)數(shù)字圖像處理的相關(guān)理論有比較深刻的理解，從而提升《數(shù)字圖像處理》課程的實(shí)踐教學(xué)效果。

參考文獻(xiàn)

[1] 張穎穎，黃義定，王紅娟.關(guān)于“數(shù)字圖像處理”實(shí)驗(yàn)的任務(wù)模塊化教學(xué)模式的探索[J].實(shí)驗(yàn)室科學(xué)，2012（6）：52?54.

[2] 安平，王朔中.建立在Matlab平臺(tái)上的數(shù)字圖像處理教學(xué)實(shí)驗(yàn)系統(tǒng)[J].實(shí)驗(yàn)室研究與探索，2001（1）：61?62.

[3] 王帆，劉慧.基于Matlab GUI的數(shù)字圖像處理實(shí)驗(yàn)平臺(tái)設(shè)計(jì)[J].中國(guó)科技信息，2011（7）：124?125.

[4] 陳光.精通Matlab GUI設(shè)計(jì)[M].北京：電子工業(yè)出版社，2008.

[5] 楊順遼，李澤軍.基于Visual C++的數(shù)字圖像處理實(shí)驗(yàn)軟件開(kāi)發(fā)[J].國(guó)土資源高等職業(yè)教育研究，2011（7）：25?28.