基于直方图处理的图像的增强方法研究.docxVIP

基于直方图处理的图像的增强方法研究 中文摘要通过直方图均衡算法，使输出图像直方图近似服从均匀分布，在此算法基础上利用小波变换，对图像进行二维小波分解，突出图像中的有用信息，消减图像中的无用信息，使图像中特定信息得倒增强，并提高图像的对比度，提高图像质量。直方图规定化是基于自适应直方图规定化函数引导的动态分层图像增强算法，在对比指纹图像的灰度直方图增强的技术的基础上,针对均衡化算法的不足和现有直方图规定化算法中映射规则计算量大的情形,提出一种改进的规定化算法。直方图规定化可以将图像的直方图转化为需要的形状,有目的地增加某个灰度区间的图像,使用户获得感兴趣的信息。关键词：图像增强，直方图均衡化，小波变换，直方图规定化Abstract Through the histogram equalization algorithm, make the output image histogram approximation obey uniform distribution. Based on the algorithm,using the imagine of the two dimensional wavelet decomposition, highlight the useful information and cut the useless information in the imagine. The imagine of a specific information will be enhanced, and the contrast of imagine will be improved , then the imagine quality will be improved.Key words: imagine enhancement; histogram equalization; wavelet transform一：引言图像变换是数字图像处理中的一种综合变换，如直方图变换。使用C语言对位图文件的头信息进行读取，从而对图像进行直方图均衡化处理和灰度变换。大多数原始的遥感图像由于其灰度分布集中在较窄的范围内，使图像的细节不够清晰，对比度较低。为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化及直方图规定化两种变换。二：原理与方法直方图均衡化（Histogram Equalization）又称直方图平坦化，实质上是对图像进行非线性拉伸，重新分配图像象元值，使一定灰度范围内象元值的数量大致相等。这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一个较平的分段直方图：如果输出数据分段值较小的话，会产生粗略分类的视觉效果。直方图均衡化理论假设灰度级为归一化至范围[0,1]内的连续量，并令Pr (r)表示某给定图像中的灰度级的概率密度函数（PDF），其下标用来区分输入图像和输出图像的PDF。假设我们对输入灰度级执行如下变换，得到（处理后的）输出灰度级s：S=T(r)=∫0r Pr(w)dw式中w 是积分的哑变量。可以看出，输出灰度级的概率密度函数是均匀的，即a.当0≤s≤1 时，Ps(s)=1b.当s 为其他时，Ps(s)=0换言之，前述变换生成一幅图像，该图像的灰度级较为均衡化，且覆盖了整个范围[0,1]。灰度级均衡化处理的最终结果是一幅扩展了动态范围的图像，它具有较高的对比度。该变换函数只不过是一个累积分布函数（CDF）。直方图均衡化算法直方图均衡化算法将原图像的直方图改变为在整个灰度范围内基本均匀地分布的形式，由此扩大了像素灰度的动态范围，从而增强了图像的对比度。直方图均衡化算法步骤为：1) 给出原始图像的所有灰度级(k=0,1,…,L-1)。2) 统计原始图像各灰度级的像素数。3) 根据原图像，计算灰度直方图： (k=0,1,…,L-1)式中,为总像素数,为灰度级的像素数。4) 计算原始图像的累积直方图： (，k=0,1,…,L-1) 5) 取整计算： 6) 确定映射关系： 7) 统计新直方图各灰度级的像素数目。8) 计算新的直方图：可以用概率密度函数来表示一幅图象的灰度分布。其中，r为灰度值，的值为概率密度。实验要将原始图象R通过转换函数转换为具有规定概率密度函数最终增强图象G。设原图象的概率密度函数为。变换后的图象的概率密度函数=规定的概率密度函数。由随机变量函数的概率密度公式可以得到：设 , 则有 所求得的就是从原始图象到最终增强图象的转换函数。上述推导得到的的表达式适用于在灰度级和空间上