基于直方图变换实现的图像增强的课程设计说明书(编辑修改稿)

基于直方图变换实现的图像增强的课程设计说明书(编辑修改稿)内容摘要：

模内所有像素点灰度的平均值代替，如果规定了在取均值过程中掩模内各像素点所占的权重，即各像素点所乘系数，这时就称为加权均值滤波；中值滤波是一种非线性空间滤波，其与均值滤波的区别是掩模中心对应像素点的灰度值用掩模内所有像素点灰度值的中间值代替。 锐化 平滑噪声时经常会使图像的边缘变的模糊，针对平均和积分运算使图像模糊，可对其进行反运算采取微分算子使用模板和统计差值的方法，使图像增强锐化。 图像边缘与高频分量相对应，高通滤波器可以让高频分量畅通 无阻，而对低频分量则充分限制，通过高通滤波器去除低频分量，也可以达到图像锐化的目的。 各种图像增强技术方法的优缺点 （ 1） 灰度变换 优势：可以充分利用图像中的亮度信息，明显改善图像质量，是一种常用的图像增强算法。 不足：对于受噪声影响明显的图像，该算法增强效果不明显。 即不能有效地抑制噪声。 而且，仅仅利用了图像中的局部信息。 （ 2） 直方图均衡化 优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩张了像素值的动态范围，是一种常用的图像增强算法。 不足：不能抑制噪声。 数字图像处理课程设计 第 5 页 共 13 页 （ 3）平滑算法 优势：去噪效 果明显，并且能够较好的保持图像边缘位置和细节。 不足：非线性滤波算法的实现相对线性滤波比较困难。 （ 3） 锐化 优势：图像模糊的部分得到了锐化，特别是模糊的边缘部分得到了增强，边界更加明显。 不足：图像显示清楚的地方，经过滤波发生了失真。 第四章 直方图增强及 matlab实现 直方图均衡化 直方图均衡化是一种最常用的直方图修正。 它是把给定图象的直方图分布改造成均匀直方图分布。 是间接对比度增强的方法。 由信息学的理论来解释，具有最大熵 (信息量 )的图象为均衡化图象。 直观地讲，直方图均衡化导致图象的对比度增 加。 从原理上讲，直方图均衡化则通过使用累计函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化基本做法是将每个灰度区间等概率分布代替了原来的随机分布，即增强后的图象中每一灰度级的像元数目大致相同。 直方图均衡化可使得面积最大的地物细节得以增强，而面积小的地物与其灰度接近的地物进行合并，形成综合地物。 减少灰度等级换取对比度的增大 要注意的是，均衡化处理后的图象只能是近似均匀分布。 均衡化图象的动态范围扩大了，但其本质是扩大了量化间隔，而量化级别反而减少了，因此，原来灰度不同的象素经处理后可能变的相同，形成了一片的相同灰度的区域，各区域之间有明显的边界，从而出现了伪轮廓。 直方图进行均衡化变换后得到一幅灰度直方图为均匀分布的新图像 数字图像处理课程设计 第 6 页 共 13 页 变换前图像的直方图 均衡化后图像的直方图 （ 1）对于连续的数字图像所用直方图均衡化公式为  r r dr)r(p)r(Ts 0 当变换函数为 r 的累积直方图函数时 ，能达到直方图均衡化的目的 （ 2）对于灰度级为离散的数字图像，用频率；来代替概率，则所用直方图公式为 公式中， T(rk)来表示原图像的第 k 个灰度级的转换函数。 ∑ 表示总和。 ∑nj/N 表示 0~j个灰度级的像素数量总和与像素总数的比值，也就是前面讲过的百分位 (当前色阶与前面色阶的所有像素数量 247。 总像素数量 )。 ∑Pr(rk )表示第 0~k 的灰度级出现概率累积相加。 因为 s 是归一化的数值 (s∈[0,1]) ，要转换为 0~255的颜色值，需要再乘上 255，即S=∑Pr(rk)*255。 matlab 的实现 .matlab 直方图均衡化的函数 是 histeq， I = imread(39。 39。 )。 [J,T] = histeq(I)。 Figure,plot((0:255)/255,T)。 下面给出直方图均衡化的源程序： 数字图像处理课程设计 第 7 页 共 13 页 Yuantu=imread(39。 D:\39。 )。 %读 取原图象 [m,n,o]=size( Yuantu)。 %读取原图象的大小尺寸。