基于直方圖處理的圖像的增強(qiáng)方法研究

《基于直方圖處理的圖像的增強(qiáng)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、基于直方圖處理的圖像的增強(qiáng)方法研究中文摘要通過直方圖均衡算法，使輸出圖像直方圖近似服從均勻分布，在此算法基礎(chǔ)上利用小波變換，對圖像進(jìn)行二維小波分解，突出圖像中的有用信息，消減圖像中的無用信息，使圖像中特定信息得倒增強(qiáng)，并提高圖像的對比度，提高圖像質(zhì)量。直方圖規(guī)定化是基于自適應(yīng)直方圖規(guī)定化函數(shù)引導(dǎo)的動(dòng)態(tài)分層圖像增強(qiáng)算法，在對比指紋圖像的灰度直方圖增強(qiáng)的技術(shù)的基礎(chǔ)上,針對均衡化算法的不足和現(xiàn)有直方圖規(guī)定化算法中映射規(guī)則計(jì)算量大的情形,提出一種改進(jìn)的規(guī)定化算法。直方圖規(guī)定化可以將圖像的直方圖轉(zhuǎn)化為需要的形狀,有目的地增加某個(gè)灰度區(qū)間的圖像

2、,使用戶獲得感興趣的信息。關(guān)鍵詞：圖像增強(qiáng)，直方圖均衡化，小波變換，直方圖規(guī)定化AbstractThroughthehistogramequalizationalgorithm,maketheoutputimagehistogramapproximationobeyuniformdistribution.Basedonthealgorithm,usingtheimagineofthetwodimensionalwaveletdecomposition,highlighttheusefulinformationandcuttheuse

3、lessinformationintheimagine.Theimagineofaspecificinformationwillbeenhanced,andthecontrastofimaginewillbeimproved,thentheimaginequalitywillbeimproved.Keywords:imagineenhancement;histogramequalization;wavelettransform一：引言圖像變換是數(shù)字圖像處理中的一種綜合變換，如直方圖變換。使用C語言對位圖文件的頭信息進(jìn)行讀取，從而對圖

4、像進(jìn)行直方圖均衡化處理和灰度變換。大多數(shù)原始的遙感圖像由于其灰度分布集中在較窄的范圍內(nèi)，使圖像的細(xì)節(jié)不夠清晰，對比度較低。為了使圖像的灰度范圍拉開或使灰度均勻分布，從而增大反差，使圖像細(xì)節(jié)清晰，以達(dá)到增強(qiáng)的目的，通常采用直方圖均衡化及直方圖規(guī)定化兩種變換。二：原理與方法直方圖均衡化（HistogramEqualization）又稱直方圖平坦化，實(shí)質(zhì)上是對圖像進(jìn)行非線性拉伸，重新分配圖像象元值，使一定灰度范圍內(nèi)象元值的數(shù)量大致相等。這樣，原來直方圖中間的峰頂部分對比度得到增強(qiáng)，而兩側(cè)的谷底部分對比度降低，輸出圖像的直方圖是一個(gè)較平的分

5、段直方圖：如果輸出數(shù)據(jù)分段值較小的話，會(huì)產(chǎn)生粗略分類的視覺效果。直方圖均衡化理論假設(shè)灰度級為歸一化至范圍[0,1]內(nèi)的連續(xù)量，并令Pr(r)表示某給定圖像中的灰度級的概率密度函數(shù)（PDF），其下標(biāo)用來區(qū)分輸入圖像和輸出圖像的PDF。假設(shè)我們對輸入灰度級執(zhí)行如下變換，得到（處理后的）輸出灰度級s：S=T(r)=∫0rPr(w)dw式中w是積分的啞變量?？梢钥闯觯敵龌叶燃壍母怕拭芏群瘮?shù)是均勻的，即a.當(dāng)0≤s≤1時(shí)，Ps(s)=1b.當(dāng)s為其他時(shí)，Ps(s)=0換言之，前述變換生成一幅圖像，該圖像的灰度級較為均衡化，且覆蓋了整個(gè)范圍[

6、0,1]。灰度級均衡化處理的最終結(jié)果是一幅擴(kuò)展了動(dòng)態(tài)范圍的圖像，它具有較高的對比度。該變換函數(shù)只不過是一個(gè)累積分布函數(shù)（CDF）。直方圖均衡化算法直方圖均衡化算法將原圖像的直方圖改變?yōu)樵谡麄€(gè)灰度范圍內(nèi)基本均勻地分布的形式，由此擴(kuò)大了像素灰度的動(dòng)態(tài)范圍，從而增強(qiáng)了圖像的對比度。直方圖均衡化算法步驟為：1)給出原始圖像的所有灰度級(k=0,1,…,L-1)。2)統(tǒng)計(jì)原始圖像各灰度級的像素?cái)?shù)。3)根據(jù)原圖像，計(jì)算灰度直方圖：(k=0,1,…,L-1)式中,為總像素?cái)?shù),為灰度級的像素?cái)?shù)。4)計(jì)算原始圖像的累積直方圖：(，k=0,1,…,L-

7、1)5)取整計(jì)算：6)確定映射關(guān)系：7)統(tǒng)計(jì)新直方圖各灰度級的像素?cái)?shù)目。8)計(jì)算新的直方圖：可以用概率密度函數(shù)來表示一幅圖象的灰度分布。其中，r為灰度值，的值為概率密度。實(shí)驗(yàn)要將原始圖象R通過轉(zhuǎn)換函數(shù)轉(zhuǎn)換為具有規(guī)定概率密度函數(shù)最終增強(qiáng)圖象G。設(shè)原圖象的概率密度函數(shù)為。變換后的圖象的概率密度函數(shù)=規(guī)定的概率密度函數(shù)。由隨機(jī)變量函數(shù)的概率密度公式可以得到：設(shè),則有所求得的就是從原始圖象到最終增強(qiáng)圖象的轉(zhuǎn)換函數(shù)。上述推導(dǎo)得到的的表達(dá)式適用于在灰度級和空間上都連續(xù)的圖象。為達(dá)到數(shù)字圖象處理的目的，必須對上述表達(dá)式進(jìn)行近似，這種離散形式的近似

8、可以導(dǎo)致圖象灰度級的丟失。設(shè)圖象有256灰度級，該近似方法如下：，其中，為灰度值為r的像素總數(shù)，n為總像素?cái)?shù)。r=1,2,…,255。的計(jì)算方法相同。在附錄所給出的源代碼中，轉(zhuǎn)換函數(shù)由數(shù)組SG[256]實(shí)現(xiàn)。PSNR值，即峰值信噪比，