基于Matlab的图像增强技术研究!.doc

基于Matlab的图像增强技术研究 摘　要：图像增强是图像处理的一个重要分支，是图像边缘提取、图像分割等的基础。文章介绍了常用的图像增强技术，并且以Matlab为工具完成图像的直方图均衡化、小波变换图像增强、布特沃斯低通滤波器的示例，给出了处理前后的对照图像。 关键词：Matlab；数字图像处理；图像增强；直方图均衡化；小波变换；布特沃斯低通滤波器 在图像的形成、传输或变换过程中，由于受到多种因素的影响，如光学系统失真、系统噪声、曝光不足或过量、相对运动等，图像往往与原始景物之间或图像与原始图像之间产生某种差异。 降质或退化的图像通常模糊不清，使人观察起来不满意，或者使机器从中提取的信息减少甚至错误。因此，在对图像进行分析前，必须先对图像质量进行改善。 数字图像增强处理技术一直是图像处理领域一类非常重要的基本图像处理技术。 图像增强是采用一些技术手段，有选择地突出图像中感兴趣的特征或抑制图像中某些不需要的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果。 图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，而衰减不需要的特征，它的目的主要是提高图像的视觉质量或凸现某些特征信息，使得处理后的图像对某些特定的应用比原来的图像更加有效。 因此此类图像处理技术在医学、遥感、微生物、刑侦以及军事等诸多科研和应用领域对原始图像的模式识别、目标检测等起着重要作用。 1　图像增强技术 ⑴空域增强技术 空域法是在原图像上直接进行数据运算，主要是对图像中的各个像素点进行操作。典型的空域处理图像方法是灰度直方图处理技术以及直方图均衡化处理技术。它的主要原理是对一幅图像的直方图，经过一定的变换，使其成为均匀或者基本均匀。但是由于灰度直方图实施近似概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。 ⑵频域增强技术 频域法是从另外一个角度来分析图像信号的特性。即首先将图像从空间域变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。通常采用的变化方法有傅立叶变换、DCT变换、沃尔什- 哈达玛变换、小波变换等。 图像增强方法应用比较 ⑴空域增强技术 采用直方图均衡化技术,通过Matlab工具箱中的imhist函数以及figure命令可以看出原始图像的直方图灰度范围较窄,并且图像中灰度值的高低区分不明显. 为了获得较好的增强效果,为此调用histep 函数将图像的灰度值扩展到整个灰度范围中,故像素能够分布在与图像类型有关的整个取值范围内,图像有了一定的改善. 关键代码： %直方图均衡化 I=imread(ae.bmp); %读入图像文件 K=histeq(I,64); %对图像进行直方图均衡化, 指定均衡化后的灰度级数为64 subplot(2,2,1), imshow(I),title( 原始图像); %显示原始图像 subplot(2,2,2), imhist(I,64),title( 原始直方图); %显示原始直方图 subplot(2,2,3), imshow(K),title( 直方图均衡化后的图像); subplot(2,2,4), imhist(K,64),title( 直方图均衡化后的直方图); %直方图均衡化 I=imread(BK.bmp); %读入图像文件 K=histeq(I,64); %对图像进行直方图均衡化, 指定均衡化后的灰度级数为64 subplot(2,2,1), imshow(I),title( 原始图像); %显示原始图像 subplot(2,2,2), imhist(I,64),title( 原始直方图); %显示原始直方图 subplot(2,2,3), imshow(K),title( 直方图均衡化后的图像); subplot(2,2,4), imhist(K,64),title( 直方图均衡化后的直方图); ⑵频域增强技术 小波变换： 采用小波变换获得图像增强. 利用小波变换对图像进行二尺度分解,对感兴趣的部分进行增强. 对低频系数进行放大,对高频系数进行缩小,可以有效去除图像的噪声、增强图像轮廓. 关键代码： %小波增强 [I,map]=imread(ae.bmp); %读入图像文件 %subplot(121);image(X);colormap(map);title(原始图像);%画出原图像 subplot(2,2,1), image(I),colormap(map),title( 原始图像); %显示原始图像 subplot(2,2,2), imhist(I,map),title( 原始直方图); %显示原始直方图 [c,s]=wavedec2(I,2,sym4); %进行二层小波分解 len=length(c);%