百嘎力11电信01072023.docVIP

学校代码 10126 学号 本科期中论文 题 目 直方图均衡化的彩色图像增强 院 系 内蒙古大学鄂尔多斯学院 专业名称 电子信息科学与技术 年 级 2011 级 学生姓名 黄海涛 指导教师 尹玉忠 2014年12月10日 前言 在实际应用中，无论采用何种输入装置采集的图像，由于光照、噪声等原因，图像的质量往往不能令人满意。例如，检测对象物的边缘过于模糊；在比较满意的一幅图像上发现多了一些不知来源的黑点或白点；图像的失真、变形等等。所以图像往往需要采取一些手段进行改善以求达到较好的效果。图像增强技术正是在此基础上提出的。图像增强是图像分析与处理的一个重要的预处理过程，其主要有两个目的：一是运用一系列技术手段改善图像的视觉效果,提高图像的清晰度；二是将图像转化成一种更适合于人或计算机进行分析处理的形式。即改善图像质量是图像增强的根本目的。图像增强的意义一般可以理解为：按需要进行适当的变换，对图像的某些特征，如边缘、轮廓、对比度进行强调或锐化，突出某些有用的信息，去除或削弱无用的信息以便于显示、观察或进一步分析和处理。? 图像增强技术是一类基本的图像处理技术，是指有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统，包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。因此图像增强处理是图像分析和图像理解的前提和基础。在图像的获取过程中，特别是对于多媒体监控系统采集的图像，由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。加之摄像设备、传感器等因素引入的噪声，使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。因此，为得到一幅清晰的图像必须进行增强处理。传统的图像增强算法通常是基于整幅图像的统计量，这样在计算整幅图像的变换时，图像中的低频信息、高频信息以及含有的噪声，同时进行了变换，因而在增强图像的同时增强了噪声，导致信息熵下降，给监控图像的分析和后期处理带来了困难。针对此问题，提出一种新算法。? 图像增强处理方法根据图像增强处理所在的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法两类。空间域处理方法是在图像像素组成的二维空间里直接对每一个像素的灰度值进行处理，它可以是一幅图像内像素点之间的运算处理，也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进行间接处理。其特点是先将图像进行变换，在空间域对图像作傅里叶变换得到它的频谱按照某种变化模型（如傅里叶变换）变换到频率域，完成图像由空间域变换到频率域，然后在频率域内对图像进行低通或高通频率域滤波处理。处理完之后，再将其反变换到空间域。? 直方图均衡化算法是图像增强空域法中的最常用、最重要的算法之一。它以概率理论作基础，运用灰度点运算来实现直方图的变换，从而达到图像增强的目的。本文介绍一种基于累积分布函数变换法为基础的直方图修正法。它可以通过对直方图进行均匀化修正，可使图像的灰度间距增大或灰度均匀分布、增大反差，是图像的细节变得清晰。 直方图均衡化的彩色图像增强演示程序及效果 RGB=imread(134.jpg); %输入彩色图像，得到三维数组 R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量 G=RGB(:,:,2); %为R?G?B。 B=RGB(:,:,3); subplot(4,2,1),imshow(RGB); %绘制各分量的图像及其直方图 title(原始真彩色图像); subplot(4,2,3),imshow(R); title(真彩色图像的红色分量); subplot(4,2,4),imhist(R); title(真彩色图像的红色分量直方图); subplot(4,2,5),imshow(G); title(真彩色图像的绿色分量); subplot(4,2,6),imhist(G); title(真彩色图像的绿色分量直方图); subplot(4,2,7),imshow(B); title(真彩色图像的蓝色分量); subplot(4,2,8),imhist(B); title(真彩色图像的蓝色分量直方图); r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像 g=histeq(G); b=histeq(B); figure, subplot(3,2,1),imshow(r);