搜索
目录第一章绪论.............................................................11.1图像与数字图像........................................................11.2选题背景及目的........................................................11.3图像增强技术的发展现状................................................21.4本文的主要内容安排....................................................3第二章灰度直方图.........................................................42.1图像的像素分类........................................................42.2灰度直方图的基本原理..................................................42.3彩色图像的灰度直方图原理..............................................52.3.1彩色图像............................................................52.3.2RGB色彩模式及其直方图..............................................62.3.3HSI色彩模式........................................................72.4本章小结..............................................................7第三章图像的直方图匹配增强...............................................83.1直方图均衡化..........................................................83.2直方图匹配............................................................93.3直方图匹配常见映射规则...............................................103.3.1单映射规则（singlemappinglaw，SML）..............................103.3.2组映射规则（groupmappinglaw，GML）...............................113.3.3两种映射关系举例比较...............................................113.4本章小结.............................................................12第四章彩色图像直方图匹配仿真............................................134.1RGB图像色彩分离......................................................134.2RGB图像直方图均衡化..................................................144.3RGB图像直方图匹配....................................................144.3.1规定8个灰度级.....................................................144.3.2规定256个灰度级...................................................164.3.3单映射（SML）与组映射（GML）效果比较...............................17结论.....................................................................21谢辞......................................................错误!未定义书签。参考文献.................................................................221第一章绪论1.1图像与数字图像21世纪是一个信息的时代，信息在人们的日常生活、生产和科学研究中起着日趋重要的作用，相关的统计数据已经表明，在人类所能获得的信息中，75%来自于视觉图像，因此，图像是人类最主要的信息来源。图像是客观事物在人类眼中所形成的影像，是对于客观事物的一种图形化的描述，它所包含是与描述对象所相关的信息，按照不同的标准，可以对图像进行多种的分类。但是，从根本上说，通常可将图像分类为模拟图像和数字图像两大类。模拟图像的自身特点决定了它不可以在计算机上直接进行处理，这给图像处理带来了极大的限制，这一问题的解决方式是把模拟图像转换为可以在计算机上直接进行处理的图像形式，即数字图像。数字图像就是将连续的模拟图像进行处理后，用一个矩阵所表示的可以被计算机识别的图像，相比于模拟图像，数字图像存在以下的优点：1.处理精度高。根据实际的需要，数字图像的像素数可以变化很大，从几十到几百万都可以。而灰度等级量化也可以达到16，甚至更高。也就是说，图像的像素数和灰度级亮化等方面，图像数字化的精度可以适用于更多的领域，满足更多的应用需求。2.灵活性高。数字图像实质上是一组数据，可以利用计算机对其进行线性的或者非线性的运算，可以采用一切通过程序来实现的信息处理方法对图像进行处理。3.再现性能好。理论上，数字图像的本质决定了对其进行存储、传输或者复制等操作不会对图像的质量产生影响。实际中，只要图像数字化的过程中保证足够的处理精度，图像就可以被很好的再现。1.2选题背景及目的图像处理技术随着计算机的发展得到了迅速的发展，图像处理科学对于我们的生活和生产有着重要的意义，在工程领域、工业生产、军事、医学以及科学研究等领域中的应用已经十分普遍。图像增强处理技术是图像处理领域中一项基本的技术，也是很重要的技术，一直是图像处理领域长期的、不可回避的研究课题。由于摄影时的光线，距离等场景条件因素的限制，导致所拍摄的图像常常不够清晰，所需要的图像信息不够明确，此时，就需要通过图像增强技术对其进行处理。图像增强的主要目的是改善图像的视觉效果，过去曾用光学和电子技术增强图像，并取得了不错的效果。如今各行各业对图像增强提出了更好高的要求，为了适应这些要求，图像增强需要采取更多的技术手段。针对不同的用途，处理手段也大相径庭。由于图像处理领域目前还没有统一的图像质量标准，对图像处理的效果主要是出于对其使用效果的考量。直方图匹配是常用的图像增强方法，它是基于直方图均衡化改进而来。直方图均衡2化是指让灰度级覆盖整个灰度范围，并且每一个灰度级都具有相同的像素点数。由于其使灰度级满足均匀分布，因而图像的信息熵最大，具有较好的对比度。直方图匹配又叫直方图规定化，是指一类图像变换，目的是得到希望的直方图图形，这是对直方图均衡化的一种推广。直方图匹配可以作为一个最优化问题来直接处理，给定原始图像直方图和希望图像直方图，找一个灰度级映射关系得到所需直方图的最佳近似。1.3图像增强技术的发展现状图像增强是根据特定的需要突出图中的有用信息，减少甚至去除不需要的信息的一个处理过程，它有目的的强调了图像的整体或者局部的特征。图像增强是为了改善图像的质量，从而让观察者可以更直观、清晰、方便的分析图像的信息。图像增强作为图像处理的重要组成部分，对于改善图像质量发挥了重要的作用，目前，图像增强算法主要分为以下的几类：（1）传统的图像增强方法：传统的图像增强方法基本可以分为空域图像增强和频域图像增强两大类[2]。空域是指组成图像的像素的集合，空域图像增强直接对图像的灰度值进行运算及处理，如灰度变换、直方图均衡化、锐化，伪色彩处理等等。频域法图像灰度增强首先对图像进行频域变换，然后对各频谱成分进行相应操作，最后经过频域逆变换从而获得所需的结果。任何一种图像灰度增强算法都只是在特定的场合下才可以达到较为满意的增强效果的。为了适应不同的特点的图像，图像灰度增强又出现的很多种衍生的算法,如：局部直方图均衡化[3]、平台直方图均衡化、直方图匹配等。(2)基于多尺度分析的图像增强方法：多尺度分析又称为多分辨率分析，它是由Mallat于1989年首先提出的。以小波变换为代表的多尺度分析方法，被认为是分析工具及方法上的重大突破。小波分析在时域或频域上都具有良好的局部特性，而且由于对高频信号采取逐步精细的时域或空域步长，从而可以聚焦到分析对象的任意细节。因此，出现了一些基于小波变换的图像增强算法，如基于脊小波变换域模糊自适应图像增强算法，利用小波变换，较好地突出了图像边缘，并抑制了噪声(3)数学形态学增强方法：数学形态学是用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到对图像分析和识别的目的。它的数学基础是集合论，最基本的形态学算子有腐蚀、膨胀、开和闭。应用数学形态学技术进行图像灰度增强时，可以利用数学形态学算子有效的去除噪声，同时又可以增强图像中原有信息，如基于数字图像边缘特性的形态学滤波取证技术，用同态滤波和形态学滤波的方法增强了图像的边缘信息。(4)模糊增强方法：近年来不少学者致力于把模糊集理论引入图像处理和识别技术的研究。由于图像本身的复杂性，多灰度分布所带来的不确定性和不精确(即模糊性)，使得用模糊集合理论进行图像处理成为可能。例如模糊熵增强算法的提出，较好地解决了增强算法中映射函数选择问题，在增强效果方面明显优于传统方法。另外，随着应用范围的扩大，图像增强技术出现了一些新的要求，提出了许多新的3算法，例如提出了基于亮度保持的图像增强算法，基于方向特征、低对比度小目标特征和视觉模型的图像增强算法。并且随着交互式图像增强技术的应用，可以主观控制图像增强效果，使得图像增强技术有了更为广阔的应用前景。然而，由于还没有一种通用的衡量图像质量的指标能够用来评价图像灰度增强方法的优劣，图像灰度增强理论有待进一步完善。因此，图像灰度增强技术的探索具有试验性和多样性，灰度增强的方法往往具有针对性，以至于对某类图像效果较好的增强方法未必一定适用于另一类图像。在实际情况中，要找到一种有效的方法常常必须广泛的进行实验，在没有给定图像怎样被降低质量的先验知识时，要预测某种具体方法的效果是很困难的。经常采用的方法是，使用几种灰度增强技术的组合或使用调节参量的方法。要取得对一幅图像较好的改善效果，有时要综合运用多种灰度增强方法，发挥每种方法的特长，这就要求我们了解各种图像灰度增强方法的特点。要依据图像结构的特点和图像处理的要求，选用相应的增强方法。对于某种具体的图像灰度增强方法，观看增强图像的效果，分析取得较好效果的图像的特点，这样可以加快对图像灰度增强方法的选取。调节参量是图像增强时经常使用到的一种方法，如何确定参量最佳数值，是取得较好图像效果的关键因素。因而图像增强的最大困难是，很难对增强结果加以量化描述，只能靠经验、人的主观感觉加以评价。同时，要获得一个满意的增强效果，往往需要人机的交互作用。1.4本文的主要内容安排在本文中，对数字图像的灰度直方图进行了描述，并将灰度直方图推广到了彩色图像中，进而通过彩色图像的灰度直方图完成了对彩色图像的直方图均衡化以及直方图匹配的图像增强