[通信工程电子信息工程信息工程论文]图像处理增强技术

[通信工程电子信息工程信息工程论文]图像处理增强技术内容摘要：

t)] (21) 式中， g[ ]表示由物质能量到记录数值的映射，实际中这种物质能量的记录数值往往用亮度值表示。 如果辐射源是单一波段或某一已 知的波段范围，成像 是在瞬间完成或各像点记录的时间有一定规律，则 式 21 可化简为 式 22。 f(x， y)=g[E(x， y)] (22) 式中 x、 y为像平面中的点坐标。 图像的数学模型是一个二元函数 f(x， y)。 它反映了图像上点坐标（ x， y）与该点的能量值之间的对应关系。 对于一幅灰度照片，它上面各点明暗程度需用不同的数值来代表。 图像在某点处的函数值称为图像在该点的灰度或亮度。 图像的数字化 从广义上说，图像是自然界景物的客观反映。 以照片形式或初级记录介质保存的图像是连续的，计算机无法接收和处理这种空间分布和亮度取值均连续分布的图像。 因此若要用计算机来处理图像信息就需要将一幅模拟图像 f(x， y)进行数字化，图像数字化就是将连续图像离散化。 数字化的过程主要包括两个方面： 10 采样和量化。 被 数字化后 的图像 称为数字图像。 对图像 f(x， y)的空间位置坐标 (x，y)的离散化以获取离散点的函数值的过程称为图像的 采样，各离散点又称为样本点，离散点的函数值称为样本。 对离散点上图像的亮度幅值 f进行离散化，称为量化。 在图像的采样和量化过程中，采样密度（频率）和 采样样本的亮度 量化等级是两个重要的参数，选择合适的参数将能保证离散图像保持连续图像的信息。 采样 图像的采样是将在空间上连续的图像转换成离散的采样 点（即像素）集的操作，就是把一幅连续图像在空间上分割成 M N 个网格，每个网格对应为一个像素点，用一亮度值来表示。 由于结果是一个样点值阵列，故又叫点阵取样。 根据采样定义，每个网格上只能用一个确定的亮度值表示。 采样定理： 若函数 f(x,y)的傅立叶变换 F(u,v)在频域中的一个有限区域外处处为零，设 uc 和 vc 为其频谱宽度，只要采样间隔满足条件△ x≤uc21，△ y≤vc21，就能由 f(x， y)的采样值 ),( yxfs 精确的、无失真的重建 f(x， y)。 通常称△ x≤uc21，△ y≤vc21为奈奎斯特条件。 采样定理反映了图像的频谱与采样间隔（频率）之间的关系。 一个连续图像经过采样以后变成离散形式的图像，采样点成为像素，各像素排列成 M N的阵列。 对于同一图像而言， x、 y 方向上的采样间隔△ x、△ y越小，M、 N就越大，由采样图像 ),( yxfs 重建图像 f(x， y)的失真就越小，采样图像的分辨率就越高。 量化 经采样后图像被分割成空间上离散的 像素 ，但其灰度是连续的，还不能用计算机进行处理。 将 像 素灰度转换成离散的整数值的过程叫量化。 图像量化分为两种方 法：一类是等间隔量化，即将采样值的灰度范围进行等 11 间隔分割，对于 像 素灰度值在黑－白范围内均匀分布的图像，其量化误差可变得最小，故又称为均匀量化（ Uniform Quantization）或线性量化（ Linear Quantization）；另一类是非等间隔量化，主要有： (1)将小 的灰度值的级别间隔细分，而将大的灰度值的级别间隔粗分的方法，如对数量化； (2)使用 像 素灰度值的概率密度函数，使输入灰度值和量化级的均方误差最小的方法，如 Max 量化； (3)在灰度值频繁产 生的区域进行细量化，而在其它灰度值几乎不产生的范围，进行粗量化。 这种方法，其量化级数不变，又能降低量化误差亦称锥形量化（ Tapered Quantization）。 数字图像的描述 计算机中描述和表示数字图像和计算机生成的图形图像有两种表示方法：一种叫矢量图法，另一种叫点位图法。 矢量图是用一系列 计算机指令来表示 和描述一幅图，如画点、画线、画曲线、画圆、画矩形等。 但用这种方法却很难描述一幅复杂的彩色照片。 点位图法是把一幅图像分成许许多多的像素，每个像素用若干个二进制位来指定该像素的颜色、亮度和属性。 因此一幅图像由许许多多描述每个像素的数据组成，这些数据通常称为图像数据，而这些数据通常是作为一个文件来存储的，这种文件又称为图像文件。 点位图文件占据的存储空间比较大。 影响点位图文件大小的因素主要有两个：图像分辨率和像素深度。 分辨率越高，就是组成一幅图像 像素越多，则图像文件越大；像素深度越深，就是表达单个像素的颜色和亮 度的位数越多，图像文件就越大。 点位图有多种表示和描述的模式，但从大的方面来说主要可分为黑白图像、灰度图像、彩色图像。 黑白图像 只有黑白两种颜色的图像称为黑白图像或单色图像，是指图像的每个像素只能是黑或者白，没有中间的过渡，故又称为二值图像。 二值图像的像素只能为 0 12 和 1，图像中的每个像素值用 1位存储。 灰度图像 灰度图像指每个像素的信 息由一个量化的灰度级来描述的图像，它只有亮度信息，没有颜色信息。 彩色图像 彩色图像除有亮度信息外，还包含有颜色信息。 彩色图像的表示与 所采用的彩色空间，即彩色的表示模型有关。 彩色空间（模型）包括 RGB 彩色空间和 HIS彩色空间。 真彩色、 假 彩色 和 伪 彩色 真彩色 能真实反映自然界物体本来颜色的图像叫真彩色 (TrueColor)图像。 真彩色图像的每个像素值中，有 R、 G、 B 三个基色分量，每个基色分量直接决定显示设备的基色强度，这样产生的彩色称为真彩色。 一般可用红、绿、蓝三种滤色片把一幅真彩色图像分离为红、绿、蓝三幅图像；也可以把红、绿、蓝三幅图像再合成，即恢复为原来的真彩色图像。 假彩色 假彩色 (ShamColor)有三种。 第一种是把真实景物图像的像素逐个地映射为另一种颜色，使目标在 原图像中更突出。 例如蓝天上有银灰色飞机，蓝天可映射为红色，飞机、草地可映射为蓝色，只要对突出飞机有利就行。 这种映射可以是一一对应的，也可以是非一一对应的，因此又叫做假彩色指定。 第二种是把多光谱图像中任意三个光谱图像映射为可见光红、绿、蓝三种可见光谱段的信号，再合成为一幅彩色图像。 通常这种映射的图像有接近于自然光彩色的效果。 例如遥感卫星将不在可见光光谱段的波段映射到可见光波段去模拟 13 自然彩色以便于观看。 第三种是把黑白图像 用灰 度级映射或频谱映射而成为类似真实彩色的处理，相当于黑白照片的人工着色方法。 伪彩色 伪彩色 (PseudoColor)相当于假彩色的一个特例，也就是指定某灰度为某种彩色。 伪彩色图像是由灰度图像经过伪彩色处理后得到的，其目的是为了增强图像的视觉效果。 伪彩色处理是用彩色来代替像素灰度值的一种技术。 由于人眼对彩色的分辨率远高于对灰度差的分辨率，所以这种技术可用来识别灰度差较小的像素。 这是一种视觉效果明显而技术又不是很复杂的图像增强技术，其目的是为了提高图像的分辨率。 这种变换是输入和输出图像对应像素 间的一对一的映射，不涉及其他像素及空间位置的改变，所得的伪彩色图像的颜色也与原始景物的自然颜色无一致关系。 14 第三章 图像增强 概述 图像增强目 的 图像增强即 增强图 像 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， 改善图像质量、丰富 图像 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。 图像增强方法 图 像增强按所用方法可分成 空间域 法和 频率域 法。 空间域法 空间域法指在空间域内直接对像素灰度值进行运算处理，理论框图如图 所示。 常用的空间域法有图像的灰度变换、直方图修正、图像空域平滑和锐化处理、伪彩色处理等。 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。 频率域法 频率域法就是在图像的某种变换域内，对图像的变换值进行运算，然后通过逆变换获得图像增强的效果。 这是一种间接处理的方法，其过程如图。 其 中， f(x,y)是输入图像函数， F(u,v)是 f(x,y)经变换后的频域函数（这里的变换并不一定是傅立叶变换，也可能是其他变换）， G(u,v)是经过频域处理后的函数， g(x,y)是 G(u,v)经反变换后得到的空域函数。 输 入 f(x,y) 空 域 处 理 输 出 g(x,y) 图 图像增强的空间域法 15 根据图像的频率特性分析，一般认为整个图像的对比度和动态范围取决于图像信息的低频部分。 而图像中的边缘轮廓及局部细节取决于高频部分。 因此可以采用二维数字滤波方法来进行图像处理。 如采用高通滤波器，有助于突出边缘轮廓和图像细节部分，而用低通滤波器可以减少图像噪声。 当前图像增强 技术中的不足 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。 可以总结归纳出当前图像增强技术中的不足有： ① 图像增强缺乏统一的理论 ② 图像增强方法具有针对性 ③ 难以建立客观标准来 衡量图像的质量 ④ 缺乏先验知识来支持系统 f(x,y) 正变换 F（ u,v） 频 域 处 理 G(u,v) 反变换 g(x,y) 图 图像增强的频率域法 16 第四章 经典的图像增强算法 灰度变换 一般的成像系统只具有一定的亮度范围，亮度的最大值与最小值之比称为对 比度。 灰度变换分为线性变换和非线性变换，它可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。 线性变换 线性变换分为全域线性变换和分段线性变换 ◆ 全域 线性变换 令图像 f(i， j)的灰度范围为 [a,b]， 线性变换后图像 g(i， j)的范围为 [a39。 ，b39。 ]， 如图 所示。 g(i， j)与 f(i， j)的关系 如式 41： g(i， j)=a39。 + ab ab39。 39。 (f(i， j)a) (41) ◆ 分段线性变换 为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。 设原图像 f(x， y)灰度范围 在 [0， M]，感兴趣目标的灰度范围在 [a， b]，欲0 g(i,j) b39。 g a39。 f(i,j) f b a 图 全域线性变换示意图 17 使其灰度范围拉伸到 [c， d]，则对应的分段线性变换表达式如式 42所示。 (42) 分段 线性变换示意图如图 所示 : 在曝光不足或过度的情况下，图像灰度可 能会局限在一个很小的范围内。 这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。 采用线性变换对图像每一个像素灰度作线性拉伸，可有效地改善图像视觉效果。 利用分段线性变换可以 通过细心调整折线拐点的位置及控制分段直线的 斜率，来达到 对 任一灰度区间进行拉伸或压缩 的目的。 非线性变换 当用某些非线性函数如对数函数、指数函数等，作为 映射函数时 ，可实现图像灰度的非线性变换。 ◆ 对数变换 对数变换的一般表达式 如式 43。 0 f(x,y) Mf b a g(x,y) Mg d c 图 分段线性变换示意图 g(x， y) = ac f(x， y) 0≤ f(x， y)＜ a ab cd [f(x， y)a]+c a≤ f(x， y)＜ b bM dMfg [f(x， y)b]+d b≤ f(x， y)≤ Mf 18 (43) 示意图如图 所示。 表达式中的参数 a， b， c 是为了调整曲 线的位置和形状而引入的参数。 当希望对图像的低灰度区 进行 较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配。 ◆ 指数变换 指数变换的一般 表达式 如式 44。 (44) 示意图如图。 表达式中的参数 a， b， c用来调整曲线的位置和形状。 这种变换能对图像的高灰度区给予较大的拉伸。 直方图修整法 灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系 ,它能描述该图像的概貌。 通过修改直方图的方法 增强图像是一种实用而有效的 处理技术。 直方图修整 法包。