基于灰度变换的图像伪彩色增强算法设计毕业设计(编辑修改稿)

基于灰度变换的图像伪彩色增强算法设计毕业设计(编辑修改稿)内容摘要：

这些方法从根本上说，可以归为三类 :基于图像分割的方法，基于灰度级一彩色变换的 方法，基于滤波的方法。 实际上，大多数新的处理方法都是以这三类方法为基础演变而来的。 本文的研究内容是基于第一种方法 — 基于图像分割的方法。 这种方法的原理图如下 : 这种方法的关键技术是对图像进行有效的分割。 因此本文把研究重点放在了对图像进行有效的分割上面。 伪彩色图像处理技术的来源和应用 伪彩色图像处理技术发展历史较早，源于美工与纺织，最初是通过涂抹，凭色感经验对黑白图像着色。 计算机图像处理技术发展以后，对黑白图像的数字化着色效率和着色质量大为提高，应用领域也越来越广。 目前在国内外都是发展较快的一项图像处理技术，但缺乏对伪彩色图像增强质量评价的国际通用标准，没有可靠的客观数学量度，伪彩色图像增强的方法和手段有待于更深入地研究。 对图像进行伪彩色处理属于图像增强 (Image Enhancement)方面的问题，在医学、遥感数字图像处理中受到广泛重视，主要目的是增强图像中的有用信息，扩大不同影像特征之间的差别，将感兴趣的特征有选择地突出，衰减不需要的特征，消除干 扰和噪声，使图像更加清晰，转换为更适合于人或机器判读的形式，从而提高对图像的解译与分析能力。 图像增强总是以对某一部分信息的强调和另一部分的损失为代价，不要求真实地反映原始图像，这一点和图像复原 (Image Restoration)恰恰相反。 在图像处理中，为了提高计算处理速度，往往把各种图像转换为灰度图像，采用灰度图像进行操作。 处理方法主要有以下三种： 最大值法： R=G=B=max(R， G， B) ，形成亮度很高的灰度图像。 平均值法： R=G=B=(R+G+B)/3 ，形成较柔和的灰度 图像。 加权平均值法： R=G=B=(Rr+Gg+Bb)/3 ，其中 r 为红色权值， g 为绿色权值， b为蓝色权值。 根据人眼对三色光的感知灵敏度不同，经实验和理论推导知 r=， g=， b= 时得到最合理的灰度图像，这时 R=G=B=Vgrey=++。 索引图像：也包括一个数据矩阵 I，一个颜色映像矩阵 map。 其中 map 是一个 m 3 的双 精度浮点型数据矩阵，它的每个元素值都在 [0， 1]之间，每行代表红色、绿色、蓝色的颜色值，像素矩阵中 的每个值作为索引值指向颜色表的对应行。 图像像素矩阵是双精度类型 时，像素值 1 将指向调色板的第一行，数值 2 指向第二行；像素矩阵是 unit6 或 unit16 无符号整数类型，则像素值 0 指向调色板的第一行， 1 指向第二行。 本文研究的伪彩色方案不仅处理黑白灰度图像，而且还能处理彩色图像，对伪彩色处理对象有所扩展，主要是面向 24 位高灰度分辨率图像。 所以这里不再区分假彩色与伪彩色，假彩色只是本文伪彩色处理的一个特例。 伪彩色处理技术不仅适用于航空摄影和遥感图片，也可以用于 X 光片及云 图判读等方面，为了实时观察，多采用专用硬件设备。 如美国 DIGICOL 电子观察仪 6010，日本PHOSDAC700， 1000， 1200，国产 NST1 密度分割伪彩色仪，能把不同灰度级的图像以 12 种彩色显示，并可求出某一彩色区域占全图的比例。 数字图像伪彩色增强处理技。 术在科学应用中的许多领域发挥着越来越重要的作用。 其主要应用领域如下： 物理、化学：晶体分析，谱分析 生物、医学：细胞分析，染色体分类，血球分类， X 光片分析， CT 环境保护：水质及大气污染调查 地质：资源勘探，地图绘制 农林：植被分布调查，农作物估产 海洋：鱼群探查水利：河流分布，水利及水害调查 气象：云图分析，灾害性监测等 通信：传真，电视，可视电话，图像通讯 工业：工业探伤，计算机视觉，自动控制，机器人 法律、公安：指纹识别，人像鉴定 交通：铁路选线，交通指挥，汽车识别 军事：侦察，成像制导，图像融合 宇航：星际探险照片处理等 文化：多媒体，动画特技 第三章 伪彩色图像处理的方法和研究 色彩基础 色度学 色度学是为了进行图像的彩色计量 分析建立的学科，它是研究人眼彩色视觉的定 性和定量规律及其应用的学科，其研究范围包括人眼觉察彩色的生理和心理现象、彩色的合成分解实验以及相应理论的建立。 事实上除自己能发光的物体（光源）具有一定的彩色称为光源色外，一般物体本身并不发光，而是在光源的照射下呈现彩色，称为物体色。 物体色并不是物体本身的性质，物体呈现彩色是由于物体反射或透射了照射光谱的一部分而吸收了其余部分。 1854 年发表的格拉斯曼 ()定律，从视觉的角度认为颜色包含三个要素：色调（ hue）、饱和度 (saturation )、亮度 (lightness Brightness or Intensity)，人眼对彩 色的感知是色调、饱和度及亮度共同作用引起的视觉总效果。 色调由可见光光谱中各成分 的波长来度量，是彩色光的基本特征，人眼的彩色感知即是以到达人眼的各波长分量综合 形成的，红色往往是红光附近一些波长分量的组合对人眼的综合效应，因此人眼感到的 红色光可有不同组合，不是唯一的。 非单波长连续光谱日光的白色可由红、橙、黄、绿、蓝、青、紫组成，也可由红、绿、蓝 3 种单色光形成 ，两种方案的彩色形成，对于人眼都是同一种感觉，即同样的彩色感觉可以由另外相应的光谱段组成，据此形成了图像处理中各种类型的彩色分析法。 色调和饱和度统称色度，以表明彩色光的波长分布及这种彩色光的深浅（白光量的多少）。 亮度则指彩色光对人眼引起的光刺激强度，与光的能量有关，对应该彩色的明亮程度。 下面是从色度学的研究得出的彩色匹配原理，色度学的定量计算符合此原理，彩色图像处理只是利用了这些结论。 3 种的基色配成。 2．混合色的光亮度等于各分量亮度的叠加。 3．人眼不能分解混合彩色光的各个分量。 4．在某一亮度等级上的彩色匹配可适于较宽光度范围。 5． 彩色相加定律：若彩色 c1 与彩色 c2 相匹配（同样彩色感觉），而彩色 c3 与彩色 c4 相匹配，那么 c1 与 c3 相混的彩色与 c2 和 c4 相混的颜色相匹配。 6．彩色相拆定律：当 c c2 混合色与 c c4 混合色相匹配时，若 c1 与 c3 相匹配，则 c2 与 c4 相匹配。 7．转移定律：若 c1 与 c2 匹配， c2 又与 c3 匹配，则 c1 与 c3 匹配。 8．匹配 (Grassman)定律：在亮度适中的条件下，有 3 种配色方法 : s[C]=a[C1]+b[C2]+c[C3]； s[C]+a[C1]=b[C2]+c[C3]； s[C]+a[C1]+b[C2]=c[C3]。 颜色的实质是一种光波。 下图和表以纳米为单位表示了可见光波段的色彩分布及变化情况。 颜色的存在依托三个实体：光线、观察者以及被观察的对象。 人眼是把颜色当作由被观察对象吸收或者反射不同波长的光波形成的。 人眼最为敏感的光是黄绿光 ，即 555nm 附近，例如，当在一个晴朗的日子里，我们看到阳光下的某物体呈现红色时，那是因为该物体吸收了其它波长的光，而把红色波长的光反射到我们人眼里的缘故。 当然，我们人眼所能感受到的只是波长在可见光范围内的光波信号。 当各种不同波长的光信号一同进入我们的眼睛的某一点时，视觉器官将它们混合后作为一种颜色接受下来。 为了科学定量地描述和使用颜色，人们提出了各种颜色空间模型。 目前常用的颜色 模型按用途可分为两类，一类面向硬件设备，如视频监视器、彩色摄像机或打印机等。 图像以及 图像精度 图像 图像是人类获取视觉信息的主要途径，而视觉信息约占人类获取信息的 60%，是人类极为重要的信息源。 图像信息不仅包括光通量分布，而且还包括人类视觉的主观感受。 广义上说，图像是自然界景物的客观反映，是人类认识世界和人类本身的重要源泉。 “图”，英文 Picture，指图片、图画、各种照片以及光学影像，是采用绘画或者拍照的方法 获得的，是对人、物、景的模拟，代表了物体反射或透射光的分布，是客观存在的。 “像”， 英文 Image，是客观世界通过人的视觉系统在人脑中形成的印象或抽象认识。 图像主要包含以下几点内容。 视频 (Video)：视频图像又称为动态图像或运动图像。 它是一组图像在时间轴上的有序排列，是二维图像在一维时间域上构成的序列图像。 如 NTSC 制式电视是 30 帧 /秒（ fps,frame per second） ,PAL 制式是 25 帧 /秒，电影则是 24 帧 /秒。 图形 (Graphics)：图形图像被称为矢量图形、向量图，它与位图相区别对应，以数学解析的形式描述一幅图中所包含的直线、圆、弧线的形状和大小，甚至可以构造更复杂的形式表示图像中的曲面、光照、材质等。 主要优点是文件 所占容量小，图中的每个部分可以独立控制易于放大、缩小、旋转等操作而不会失真，精确度较高，可制作 3D 图像。 但随着图像复杂程度的增加，计算机着色所花的时间就大大增加，难以制成色调丰富或色彩变化太多的图像，绘制出的图形不很逼真，而且不易在各软件间交换，较适于存储各种图表和工程设计图。 动画 (Animation)：属于动态图像的一种。 它与视频的区别在于视频的采集来源于自然的真实图像，而动画则是利用计算机制作出来的图像或图形，是合成的动态图像。 动画包括二维动画、三维动画，真实感三维动画等多种形式。 符号 (Symbol)与文字 (Character)：符号包括各种描述量、数据、语言等，其中最重要的是数值它用特定值表示了比图形更高级的抽象，例如 ASCII 码、中文图标码等。 而文字则是具有一定结构的符号组合。 图像最终需要由人或机器来观察、辨别、理解。 浅层次的图像理解表示了人对图像的光强度、对比度、颜色等引起的光刺激感觉反应， 深层次的图像理解表示了人对图像内容、含义的识别理解，其结论往往参比以前积累的经验。 图像精度 平面数字图像是连续图像的一种近似表示，通常用离散采样点的值所组成的 n m 二维 矩阵 I[n, m]来表示，如 每一个采样单元叫做一个像素 (pixel)， n、 m 分别为数字图像矩阵在行列方向上的像素总数。 图像数字化的精度常采用分辨率和像素颜色深度来反映一幅图像的清晰逼真度。 分辨率 分辨率表示图像数字化的空间精细程度，包含显示分辨率 DPI(Dot Per Inch)、图像 分辨率 PPI(Pixel Per Inch)、像素分辨率 Pixel。 图像分辨率：以水平和垂直的像素点个数表示数字图像本身的实际精细度和大小，它指图像单位长度内的像素数。 对于同样大小的 两幅图，如果组成图像的像素数目越多，说明图像的分辨率越高，看起来就越逼真。 相反，图像显得越粗糙模糊。 在用扫描仪扫描彩色图像时，通常要指定图像的分辨率，用每英寸多少点 (dots per inch， DIP)表示。 如果用 300 DIP 来扫描一幅 8″ 10″的彩色图像，就得到一幅 2400 3000 个像素点的图像。 分辨率越高，像素就越多。 显示分辨率：指控制显示设备的每一屏幕能够显示出的像素点个数，一般由显卡决定。 例如，显示分辨率为 640 480 表示显示屏分成 480 行，每行显示 640 个像素，整 个显示屏就含有 640 480=307200 个显像点。 屏幕能够显示的像素越多，说明显示设备的分辨率越高，显示的图像质量也就越高。 现在越来越多。