1、大連海事大學裝訂線畢 業 論 文二一四年六月基于Visual C+的數字圖像處理專業班級： 通信4班 姓 名： 劉萬程 指導教師： 劉劍橋 信息科學技術學院摘 要圖像增強是圖像處理的重要方面。它是指依據圖像所存在的問題，按特定的需要突出一幅圖像中的某些信息，同時，削弱或去除某些冗余信息的處理方法。其主要目的是使得處理后的圖像對給定的應用比原來的圖像更加有效同時可以有效的改善圖像質量。圖像增強技術主要包含直方圖修改處理、圖像平滑化處理、圖像尖銳化處理和彩色處理技術等。圖像增強單純從技術上可分成兩大類：一類是頻域處理法；一類是空域處理法。頻域處理法的采用的是卷積定理，它利用修改圖像傅立葉變換的方法

2、實現對圖像的增強處理；空域處理法則是對圖像中的像素進行直接的處理，大多數是以灰度映射變換為基礎的，所用的映射變換取決于增強的目的。本文針對數字圖像文件，進行數字圖像處理。本文采用了灰度增強、直方圖增強、圖像平滑、圖像銳化等多種方法對數字圖像文件進行處理。本文圍繞圖像處理的算法而展開，在闡明圖像處理基本方法的基礎上，就幾種有代表性的圖像處理算法, 進行了研究、比較，分析了各自的優缺點并指明了其最佳適用場景，以期從中總結出一套行之有效的圖像增強算法的應用指導規則。本文在Microsoft Visual Studio 2008開發環境下，借助于Cimage類，設計并實現了基于Visual C+的數字

3、圖像處理系統，得到了較好的處理效果。關鍵詞：圖像增強；圖像平滑；圖像銳化；算法IABSTRACTThe image intensification is refers according to specific needs to highlight in an image certain information, simultaneously, weakens the information processing method which or removes certain does not need. Its main purpose is the processing image is

4、more effective than to certain specific applications the original image. The image intensification technology mainly contains histogram revision processing, image smooth processing, image intensification processing and the colored processing technology and so on.The image intensification technology

5、basically separable becomes two big kinds: One kind is the frequency range processing , one kind is the air zone processing law. The frequency range processing method foundation convolutes the theorem. It uses the revision image Fourier transformation the method realization to image enhancement proc

6、essing.In this paper, we do digital image processing to digital image files. We use gray scale enhancement, histogram enhancement, image smoothing, image sharpening to do image processing.This paper focuses on the algorithms of image processing. On the basis of the basic methods of image processing

7、on enunciated, we study and compare the advantage and disadvantage of some weighted algorithms in order to explanation the best application scenarios of them. So as to summary some rules of digital image processing.In the development environment of Microsoft Visual Studio 2008, according to the clas

8、s of Cimage, this paper designs and achieve a system of digital image processing based on Visual C+ and gets good treatment effect .Keywords: image enhancement, image smoothing ,image smoothing, algorithmsIV目 錄摘 要I第1章 緒論11.1 課題研究的背景及意義11.2 圖像增強的研究及發展現狀21.3 論文內容3第2章 圖像增強的基本理論12.1 數字圖像的基本理論12.1.1 數字圖像

9、的表示12.1.2 圖像的灰度12.1.3 灰度直方圖12.2 數字圖像增強概述22.3 圖像增強概述32.3.1 圖像增強的定義32.3.2 常用的圖像增強方法42.4 本章小結5第3章 數字圖像增強的方法與原理63.1 灰度變換增強63.1.1 線性灰度增強63.2.2 分段線性灰度增強63.2.3 非線性灰度增強73.3 直方圖增強83.3.1 直方圖修正基礎83.3.2 直方圖均衡化93.3.3 直方圖規定化103.4 圖像平滑113.4.1 鄰域平均法113.4.2 加權平均法113.4.3 中值濾波法123.5 圖像銳化123.5.1 梯度銳化123.5.2 拉普拉斯銳化133.6

10、 本章小結13第4章 數字圖像增強的算法與實現144.1 線性灰度增強的算法與實現144.1.1 基本原理144.1.2 算法描述144.1.3 編程實現144.1.4 效果演示154.2 分段線性灰度增強的算法與實現154.2.1 基本原理154.2.3 編程實現164.2.4 效果演示184.3 非線性灰度增強的算法與實現184.3.1 基本原理184.3.2 算法描述184.3.3 編程實現194.3.4 效果演示194.4 直方圖均衡化的算法與實現204.4.1 基本原理204.4.2 算法描述204.4.3 編程實現204.4.4 效果演示224.5 鄰域平均法平滑的算法與實現234

11、.5.1 基本原理234.5.2 算法描述234.5.3 編程實現234.5.4 效果演示244.6 加權平均法平滑的算法與實現254.6.1 基本原理254.6.2 基本算法254.6.3 編程實現254.6.4 效果演示274.7 中值濾波法平滑的算法與實現274.7.1 基本原理274.7.2 基本算法274.7.3 編程實現274.7.4 效果演示304.8 梯度銳化的算法與實現304.8.1 基本原理304.8.2 算法描述314.8.3 編程實現314.8.4 效果演示34第5章 總結35參 考 文 獻36致 謝37基于Visual C+的數字圖像處理基于Visual C+的數字圖

12、像處理第1章 緒論圖像是人類從外界獲取的主要信息來源之一。隨著計算機科學的發展，圖像處理的方法也得到了促進與增強。如今圖像處理已成為數字信號處理中極為重要的領域之一。1.1 課題研究的背景及意義數字圖像處理技術是20世紀60年代隨著計算機技術和VLSI（Very Large Scale Integrator）的發展而產生、發展和不斷成熟起來的一個新興技術領域，它在理論上和實際應用中都取得了巨大的成就1。視覺是人類最重要的感知手段，圖像又是視覺的基礎。早期圖像處理的目的是改善圖像質暈，它以人為對象，以改善人的視覺效果為目的。圖像處理中輸入的是質量低的圖像，輸出的是改善質量后的圖像。常用的圖像處理

13、方法有圖像增強、復原、編碼、壓縮等。首次獲得成功應用的是美國噴氣推進實驗室（JPL）。他們對航天探測器徘徊者7號在1964年發回的幾千張月球照片進行圖像處理，如：幾何校正、灰度變換、去除噪聲，并考慮了太陽位和月球環境的影響，由計算機成功地繪出月球表面地圖，獲得了巨大的成功。隨后又對探測飛船發回的近十萬張照片進行更為復雜的圖像處理，獲得月球的地形圖、彩色圖及全景鑲嵌圖，為人類登月創舉奠定了堅實的基礎，也推動了數字圖像處理這門學科的誕生。在以后的宇航空間技術探測研究中，數字圖像處理技術都發揮巨大的作用2。數字圖像處理技術取得的另一個巨大成就是在醫學上。1972年英國EMI公司工程師Housfiel

14、d發明了用于頭顱診斷的X射線計算機斷層攝影裝置，也就是我們通常所說的CT（Computer Tomograph）,CT的基本方法是根據人的頭部截面的投影，經計算機處理來重建截面圖像，稱為圖像重建。1975年EMI公司又成功研制出全身用的CT裝置，獲得了人體各個部位鮮明清晰的斷層圖像。1979年，這項無損傷診斷技術被授予諾貝爾獎，以表彰它對人類做出的劃時代貢獻。從20世紀70年代中期開始，隨著計算機技術和人工智能、思維科學研究的迅速發展，數字圖像處理技術向更高、更深層次發展。人們已開始研究如何用計算機系統解釋圖像，類似人類視覺系統理解外部世界，這被稱為圖像理解或計算機視覺。很多國家，特別是發達國

15、家投入更多的人力、物力到這項研究，取得了不少的重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的視覺計算理淪，這個理論成為計算機視覺領域其后十多年的主導思想3。20世紀80年代末期，人們開始將其應用于地理信息系統，研究海圖的自動讀入、自動生成方法。數字圖像處理技術的應用領域不斷拓展。數字圖像處理技術的大發展是從20世紀90年代初開始的。自1986年以來，小波理論和變換方法迅速發展，它克服傅里葉分析不能用于局部分析等方面的不足之處，被認為是調和分析半個世紀以來工作之結晶。Mallat于1988年有效地將小波分析應用于圖像分解和重構。小波分析被認為是信號，圖像分析在數學方法上的重大

16、突破。隨后數字圖像處理技術迅猛發展，到目前為止，圖像處理在圖像通訊、辦公自動化系統、地理信息系統、醫療設備、衛星照片傳輸及分析和工業自動化領域的應用越來越多。進入21世紀，隨著計算機技術的迅猛發展和相關理論的不斷完善，數字圖像處理技術在許多應用領域受到廣泛重視并取得了重大的開拓性成就。屬于這些領域的有航空航天、生物醫學、機器人視覺、公安司法、軍事制導、文化藝術等。該技術成為一門引人注目、前景遠大的新學科。1.2 圖像增強的研究及發展現狀圖像增強是指根據特定的需要突出圖像中的重要信息，同時減弱或去除不需要的信息。從不同的途徑獲取的圖像，通過進行適當的增強處理，可以將原本模糊不清甚至根本無法分辨的

17、原始圖像處理成清晰的富含大量有用信息的可使用圖像，有效地去除圖像中的噪聲、增強圖像中的邊緣或其他感興趣的區域，從而更加容易對圖像中感興趣的目標進行檢測和測量4。處理后的圖像是否保持原狀已經是無關緊要的了，不會因為考慮到圖像的一些理想形式而去有意識的努力重現圖像的真實度。圖像增強的目的是增強圖像的視覺效果，將原圖像轉換成一種更適合于人眼觀察和計算機分析處理的形式。它一般要借助人眼的視覺特性，以取得看起來較好地視覺效果，很少涉及客觀和統一的評價標準。增強的效果通常都與具體的圖像有關系，靠人的主觀感覺加以評價5。圖像增強處理的應用已經滲透到醫學診斷、航空航天、軍事偵察、指紋識別、無損探傷、衛星圖片的

18、處理等領域。如對x射線圖片、CT影像、內窺鏡圖像進行增強，使醫生更容易從中確定病變區域，從圖像細節區域中發現問題；對不同時間拍攝的同一地區的遙感圖片進行增強處理，偵查是否有敵人軍事調動或軍事裝備及建筑出現；在煤礦工業電視系統中采用增強處理來提高工業電視圖像的清晰度，克服因光線不足、灰塵等原因帶來的圖像模糊、偏差等現象，減少電視系統維護的工作量。圖像增強技術的快速發展同它的廣泛應用是分不開的，發展的動力來自穩定涌現的新的應用，我們可以預料，在未來社會中圖像增強技術將會發揮更為重要的作用6。數字圖象處理技術的研究和應用離不開程序設計，Visual C+則是最強大，最常用的的數字圖象處理開發工具之一

19、7。在圖像處理過程中，圖像增強是十分重要的一個環節。本文的主要內容就是圍繞圖像增強部分的一些基本理論和算法而展開。基于Visual C+的圖像增強算法研究。1.3 論文內容傳統的圖像增強算法在確定轉換函數時常是圖像變換、灰度變換、直方圖變換、圖像平滑與銳化、色彩增強等。常用的一些圖像增強方法是學習圖像增強的基礎，至今它們對于改善圖像質量仍發揮著重要的作用。本文著重研究了這些增強方法對圖像進行增強處理，針對圖像增強的普遍性問題，研究和實現常用的圖像增強方法及其算法，討論不同的增強算法的適用場合，并對其圖像增強方法進行性能評價。全文共分六章，具體安排如下。第一章引言。介紹圖像增強技術的課題背景和意

20、義、本文的研究內容。第二章圖像處理的基本理論。闡述圖像增強中用到的有關數字圖像的一些基本概念；概述常用的一些圖像增強方法及其特點，如灰度變換、直方圖均衡化。第三章圖像處理具體實現及算法。第四章圖像增強的結果與分析。最后是總結與致謝，論文的結尾附有源程序代碼。38基于Visual C+的數字圖像處理第2章 圖像增強的基本理論圖像增強通過有選擇地突出便于人或機器分析的某些感興趣的信息，抑制一些無用的信息，以提高圖像的使用價值。本文運用圖像增強的方法對數字圖像進行處理，灰度變換，銳化以及平滑等常用圖像增強的方法。2.1 數字圖像的基本理論2.1.1 數字圖像的表示圖像并不能直接用計算機來處理，處理前

21、必須先轉化成數字圖像。早期一般用picture代表圖像，隨著數字技術的發展，現在都用image代表離散化了的數字圖像。由于從外界得到的圖像多是二維（2-D）的，一幅圖像可以用一個2-D數組表示。這里x和y表示二維空間X、Y中一個坐標點的位置，而f則代表圖像在點的某種性質數值。為了能夠用計算機對圖像進行處理，需要坐標空間和性質空間都離散化。這種離散化了的圖像都是數字圖像，即都在整數集合中取值。圖像中的每個基本單元稱為圖像的元素，簡稱像素。2.1.2 圖像的灰度常用的圖像一般是灰度圖，這時f表示灰度值，反映了圖像上對應點的亮度。亮度是觀察者對所看到的物體表面反射光強的量度。作為圖像灰度的量度函數應

22、大于零。人們日常看到的圖像一般是從目標上反射出來的光組成的，所以可看成由兩部分構成：入射到可見場景上光的量；場景中目標對反射光反射的比率。確切地說它們分別稱為照度成分和反射成分。與和都成正比，可表示成。將二維坐標位置函數稱為灰度。入射光照射到物體表面的能量是有限的，并且它永遠為正，即；反射系數為0時，表示光全部被物體吸收，反射系數為1時，表示光全部被物體反射，反射系數在全吸收和全反射之間，即。因此圖像的灰度值也是非負有界的8。2.1.3 灰度直方圖灰度直方圖是數字圖像處理中一個最簡單、最有用的工具，它反映了數字圖像中每一灰度級與其出現頻率之間的統計關系。可以有針對性地通過改變直方圖的灰度分布狀

23、況，使灰度均勻地或按預期目標分布于整個灰度范圍空間，從而達到圖像增強的效果9。灰度直方圖是灰度值的函數，描述的是圖像中具有該灰度值的像素的個數，如圖2.1所示，（b）為圖像（a）的灰度直方圖，其橫坐標表示像素的灰度級別，縱坐標表示該灰度出現的頻率（像素的個數）。 a） 源圖像 b)源圖像的直方圖圖2.1 灰度直方圖2.2 數字圖像增強概述隨著數字技術的不斷發展和應用，現實生活中的許多信息都可以用數字形式的數據進行處理和存儲，數字圖像就是這種以數字形式進行存儲和處理的圖像。利用計算機可以對它進行常現圖像處理技術所不能實現的加工處理，還可以將它在網上傳輸，可以多次拷貝而不失真。數字圖像處理亦稱為計

24、算機圖像處理，指將圖像信號轉換成數字格式并利用計算機對其進行處理的過程。數字圖像處理系統主要由圖像采集系統、數字計算機及輸出設備組成10。如圖2. 2所示。圖像采集系統計算機圖像輸出設備模擬圖像圖2.2 數字圖像處理系統圖2.2僅僅是圖像處理的硬件設備構成，圖中并沒有顯示出軟件系統，在圖像處理系統中軟件系統同樣是非常重要的。在圖像獲取的過程中，由于設備的不完善及光照等條件的影響，不可避免地會產生圖像降質現象。影響圖像質量的幾個主要因素是：(1)隨機噪聲，主要是高斯噪聲和椒鹽噪聲，可以是由于相機或數字化設備產生，也可以是在圖像傳輸過程中造成的；(2)系統噪聲，由系統產生，具有可預測性質；(3)畸

25、變，主要是由于相機與物體相對位置、光學透鏡曲率等原因造成的，可以看作是真實圖像的幾何變換。數字圖像處理流程如圖2.3所示，從一幅或是一批圖像的最簡單的處理，如特征增強、去噪、平滑等基本的圖像處理技術，到圖像的特征分析和提取，進而產生對圖像的正確理解或者遙感圖像的解譯，最后的步驟可以是通過專家的視覺解譯，也可以是在圖像處理系統中通過一些知識庫而產生的對圖像的理解。原始圖像預處理特征分析圖像理解圖2.3 圖像處理流程圖數字圖像處理技術起源比較早，但真正發展是在八十年代后，隨著計算機技術的高速發展而迅猛發展起來。到目前為止，圖像處理在圖像通訊、辦公自動化系統、地理信息系統、醫療設備、衛星照片傳輸及分

26、析和工業自動化領域的應用越來越多。但就國內的情況而言，應用還是很不普遍，人們主要忙于從事于理論研究，諸如探索圖像壓縮編碼等，而對于將成熟技術轉化為生產力方面認識還遠遠不夠。California大學的Tony chen教授認為，目前國際上最常用的三種圖像處理框架是：基于變換的圖像處理框架；基于偏微分方程（PDE）的圖像處理框架；基于統計學的圖像處理框架。其中基于變換的圖像處理框架主要在實現圖像壓縮上有優勢，而基于偏微分方程（PDE）的圖像處理框架在圖像的噪聲去除、邊緣提取、圖像分割上有優勢。事實上，除了這三種工具以外，數學形態學、神經網絡等學科在圖像去噪及圖像分割方面也存在特有的優勢11。2.3

27、 圖像增強概述2.3.1 圖像增強的定義圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息的處理方法，也是提高圖像質量的過程9。圖像增強的目的是使圖像的某些特性方面更加鮮明、突出，使處理后的圖像更適合人眼視覺特性或機器分析，以便于實現對圖像的更高級的處理和分析。圖像增強的過程往往也是一個矛盾的過程：圖像增強希望既去除噪聲又增強邊緣。但是，增強邊緣的同時會同時增強噪聲，而濾去噪聲又會使邊緣在一定程度上模糊，因此，在圖像增強的時候，往往是將這兩部分進行折中，找到一個好的代價函數達到需要的增強目的。傳統的圖像增強算法在確定轉換函數時常是基于整個圖像的統計量，如：ST轉換

28、，直方圖均衡，中值濾波，微分銳化，高通濾波等等。這樣對應于某些局部區域的細節在計算整幅圖的變換時其影響因為其值較小而常常被忽略掉，從而局部區域的增強效果常常不夠理想，噪聲濾波和邊緣增強這兩者的矛盾較難得到解決12。2.3.2 常用的圖像增強方法圖像增強可分成兩大類：頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。 圖像增強的方法是通過

29、一定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應特性相匹配。在圖像增強過程中，不分析圖像降質的原因，處理后的圖像不一定逼近原始圖像13。圖像增強技術根據增強處理過程所在的空間不同，可分為基于空間域的算法和基于頻率域的算法兩大類。基于空間域的算法處理時直接對圖像灰度級做運算；基于頻率域的算法是在圖像的某種變換域內對圖像的變換系數值進行某種修正，是一種間接增強的算法。 基于空間域的算法分為點運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態范圍、擴展對比度。鄰域增

30、強算法分為圖像平滑和銳化兩種。平滑一般用于消除圖像噪聲，但是也容易引起邊緣的模糊14。常用算法有均值濾波、中值濾波。銳化的目的在于突出物體的邊緣輪廓，便于目標識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統計差值法等。(1)直方圖均衡化有些圖像在低值灰度區間上頻率較大，使得圖像中較暗區域中的細節看不清楚。這時可以通過直方圖均衡化將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級變大，通過調整圖像灰度值的動態范圍，自動地增加整個圖像的對比度，使圖像具有較大的反差，細節清晰15。(2)對比度增強法有些圖像的對比度比較低，從而使整個圖像模糊不清。這時可以按一定的規則修改原來圖像的每一個像素的灰度

31、，從而改變圖像灰度的動態范圍。(3)平滑噪聲有些圖像是通過掃描儀掃描輸入或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機產生的，因此具有分布和大小不規則性的特點。這些噪聲的存在直接影響著后續的處理過程，使圖像失真。圖像平滑就是針對圖像噪聲的操作，其主要作用是為了消除噪聲，圖像平滑的常用方法是采用均值濾波或中值濾波，均值濾波是一種線性空間濾波，它用一個有奇數點的掩模在圖像上滑動，將掩模中心對應像素點的灰度值用掩模內所有像素點灰度的平均值代替，如果規定了在取均值過程中掩模內各像素點所占的權重，即各像素點所乘系數，這時就稱為加權均值濾波；中值濾波是一種非線性空間濾波，其與均值

32、濾波的區別是掩模中心對應像素點的灰度值用掩模內所有像素點灰度值的中間值代替。(4)銳化平滑噪聲時經常會使圖像的邊緣變的模糊，針對平均和積分運算使圖像模糊，可對其進行反運算采取微分算子使用模板和統計差值的方法，使圖像增強銳化。圖像邊緣與高頻分量相對應，高通濾波器可以讓高頻分量暢通無阻，而對低頻分量則充分限制，通過高通濾波器去除低頻分量，也可以達到圖像銳化的目的10。2.4 本章小結本章對圖像增強基本理論進行了闡述，圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息的處理方法，也是提高圖像質量的過程。圖像增強可分成兩大類：頻率域法和空間域法。進而對圖像增強的基本理論進

33、行了逐步分析，闡明了圖像的增強方法的種類及常用的幾種方法。第3章 數字圖像增強的方法與原理3.1 灰度變換增強圖像的灰度變換增強處理技術中一種簡單、直接的基于空間域的圖像處理方法。在圖像處理中，空間域是指由像素組成的空間，空間域增強方法是指直接作用于圖像像素的增強方法。空間域處理可表示為其中，是增強前的圖像；是增強處理后的圖像；T是對f的一種操作，其定義在的鄰域上。如果T定義在每個點上，則T稱作點操作；如果T定義在的某個鄰域上，則T稱為模板操作。T操作最簡單的形式是鄰域為11的尺度（即單個像素），在這種情況下，的值僅僅依賴在點的值，T操作稱為灰度變換函數。灰度變換函數描述了輸入灰度值與輸出灰度

34、值之間的轉換關系。一旦灰度變換函數確定，則圖像中每一個點的運算就可以完全確定下來。灰度變換主要針對獨立的像素點進行處理，由輸入像素點的灰度值決定相應的輸出像素點的灰度值，通過改變原始圖像數據所占的灰度范圍而使圖像在視覺上得到改觀。灰度增強方法又分為線性灰度增強、分段線性灰度增強和非線性灰度增強。3.1.1 線性灰度增強假定原圖像的灰度范圍為，變換后的圖像的灰度范圍線性的擴展至，如圖3 .11所示。則對于圖像中的任一點的灰度值，變換后為，其數學表達式如下所示16。 (3.1)在曝光不足或過度的情況下，圖像的灰度可能會局限在一個很小的范圍內，這時得到的圖像可能是一個模糊不清、似乎沒有灰度層次的圖像

35、。采用線性變換對圖像中每一個像素灰度作線性拉伸，將有效改善圖像視覺效果。3.2.2 分段線性灰度增強為了突出圖像中感興趣的目標或灰度區間，相對抑制不感興趣的灰度區間，可采用分段線性變換，它將圖像灰度區間分成兩段乃至多段分別作線性變換。進行變換時，把0-255整個灰度值區間分為若干線段，每一個直線段都對應一個局部的線性變換關系。如圖3.1所示，為二段線性變換，(a)為高值區拉伸，(b)為低值區拉伸。00255255255圖3.1 二段線性變換3.2.3 非線性灰度增強非線性變換就是利用非線性變換函數對圖像進行灰度變換，主要有指數變換、對數變換等。指數變換，是指輸出圖像的像素點的灰度值與對應的輸入

36、圖像的像素灰度值之間滿足指數關系，其一般公式為： (3.2)其中為底數。為了增加變換的動態范圍，在上述一般公式中可以加入一些調制參數，以改變變換曲線的初始位置和曲線的變化速率。這時的變換公式為： (3.3)式中，都是可以選擇的參數，當時，此時指數曲線交于軸，由此可見參數決定了指數變換曲線的初始位置參數決定了變換曲線的陡度，即決定曲線的變化速率。指數變換用于擴展高灰度區，一般適于過亮的圖像。對數變換，是指輸出圖像的像素點的灰度值與對應的輸入圖像的像素灰度值之間為對數關系，其一般公式為： (3.4)其中表示以10為底，也可以選用自然對數。為了增加變換的動態范圍，在上述一般公式中可以加入一些調制參數

37、，這時的變換公式為： (3.5) 式中，都是可以選擇的參數，式中是為了避免對0求對數，確保。當時，則，則為軸上的截距，確定了變換曲線的初始位置的變換關系，、兩個參數確定變換曲線的變化速率。對數變換用于擴展低灰度區，一般適用于過暗的圖像17。3.3 直方圖增強3.3.1 直方圖修正基礎圖像的灰度直方圖是反映一幅圖像的灰度級與出現這種灰度級的概率之間的關系的圖形。灰度級為范圍的數字圖像的直方圖是離散函數，這里是第級灰度，是圖像中灰度級為的像素個數。通常以圖像中像素數目的總和去除他的每一個值，以得到歸一化的直方圖，公示如下： 且因此給出了灰度級為發生的概率估計值。歸納起來，直方圖主要有一下幾點性質：

38、（1）直方圖中不包含位置信息。直方圖只是反應了圖像灰度分布的特性，和灰度所在的位置沒有關系，不同的圖像可能具有相近或者完全相同的直方圖分布。（2）直方圖反應了圖像的整體灰度。直方圖反應了圖像的整體灰度分布情況，對于暗色圖像，直方圖的組成集中在灰度級低（暗）的一側，相反，明亮圖像的直方圖則傾向于灰度級高的一側。直觀上講，可以得出這樣的結論，若一幅圖像其像素占有全部可能的灰度級并且分布均勻，這樣的圖像有高對比度和多變的灰度色調。（3）直方圖的可疊加性。一幅圖像的直方圖等于它各個部分直方圖的和。（4）直方圖具有統計特性。從直方圖的定義可知，連續圖像的直方圖是一位連續函數，它具有統計特征，例如矩、絕對

39、矩、中心矩、絕對中心矩、熵。（5）直方圖的動態范圍。直方圖的動態范圍是由計算機圖像處理系統的模數轉換器的灰度級決定。由于圖像的視覺效果不好或者特殊需要，常常要對圖像的灰度進行修正，以達到理想的效果，即對原始圖像的直方圖進行轉換（修正）：一幅給定的圖像的灰度級分布在范圍內。可以對0,1區間內的任何一個進行如下的變換： (3.6)變換函數T應滿足以下條件：a.在區間內，單值單調增加；b.對于，有。這里的第一個條件保證了圖像的灰度級從白到黑的次序不變。第二個條件則保證了映射變換后的像素灰度值在允許的范圍內。滿足這兩個條件，就保證了轉換函數的可逆。3.3.2 直方圖均衡化直方圖均衡化方法是圖像增強中最

40、常用、最重要的方法之一。直方圖均衡化是把原圖像的直方圖通過灰度變換函數修正為灰度均勻分布的直方圖，然后按均衡直方圖修正原圖像。它以概率論為基礎，運用灰度點運算來實現，從而達到增強的目的。它的變換函數取決于圖像灰度直方圖的累積分布函數。概括的說，就是把一已知灰度概率分布的圖像，經過一種變換，使之演變成一幅具有均勻概率分布的新圖像。有些圖像在低值灰度區間上頻率較大，使得圖像中較暗區域中的細節看不清楚。這時可以將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級變大。當圖像的直方圖為一均勻分布時，圖像的信息熵最大，此時圖像包含的信息量最大，圖像看起來就顯得清晰。直方圖均衡化變換函數如圖3.2所示，設，分

41、別表示原圖像和增強后圖像的灰度。為了簡單，假定所有像素的灰度已被歸一化。當時，表示黑色；當時，表示白色；當，在0,1之間時，表示像素灰度在黑白之間變化。灰度變換函數為： 。011圖3.2 直方圖均衡化變換函數實際上，由于直方圖是近似的概率密度函數，用離散灰度級作變換時很少能夠得到完全平坦的結果，而且，變換后往往會出現灰度級減少的現象，這種現象被稱為“簡并”現象。這是像素灰度有限的必然結果。由于上述原因，數字圖像的直方圖均衡只能是近似的。直方圖均衡化處理可大大改善圖像灰度的動態范圍。減少簡并現象通常可采用兩種方法：一種簡單的方法是增加像素的比特數。比如，通常用8比特來代表一個像素，而現在用12比

42、特來表示一個像素，這樣就可以減少簡并現象發生的機會，從而減少灰度層次的損失。另外，采用灰度間隔放大理論的直方圖修正方法也可以減少簡并現象。這種灰度間隔放大可以按照眼睛的對比度靈敏特性和成像系統的動態范圍進行放大。一般實現方法采用如下幾步：（1）統計原始圖像的直方圖；（2）根據給定的成像系統的最大動態范圍和原始圖像的灰度級來確定處理后的灰度級間隔；（3）根據求得的步長來求變換后的新灰度；（4）用處理后的新灰度代替處理前的灰度。3.3.3 直方圖規定化直方圖均衡化是以累計分布函數變換法為基礎的直方圖修正技術，使得變換后的灰度概率密度函數是均勻分布的，因此，它不能控制變換后的直方圖而交互性差。這樣，

43、在很多特殊的情況下，需要變換后圖像的直方圖具有某種特定的曲線，例如對數和指數等，直方圖規定化可以解決這一問題。直方圖規定化方法如下：假設是原始圖像分布的概率密度函數，是希望得到的圖像的概率密度函數。先對原始圖像進行直方圖均衡化處理，即： (3.6)假定已經得到了所希望的圖像，并且它的概率密度函數是。對該圖像也做均衡化處理，即： (3.7)由于對于這兩幅圖像，同樣作了均衡化處理，所以他們具有同樣的均勻密度。其中（3.9）的逆過程為，則如果用從原始圖像中得到的均勻灰度級來代替逆過程中的，其結果灰度級將是所要求的概率密度函數的灰度級： (3.8)根據以上思路，可以總結出直方圖規定化增強處理的步驟如下

44、：（1）將原始圖像進行均衡化處理；（2）規定希望的灰度概率密度函數，用（3.22）式計算它的累計分布函數；（3）將逆變換函數用到步驟（1）中所得的灰度級。上述三步得到了原始圖像的一種處理方法，只要求G(s)是可逆的即可進行。但是，對于離散圖像，由于是一個離散的階梯函數，不可能有逆函數存在，對此，只能進行截斷處理，必將不可避免的導致變換后圖像的直方圖一般不能與目標直方圖嚴格的匹配。3.4 圖像平滑獲得的圖像可能會因為各種原因而被污染，產生噪聲。常見的圖像噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。噪聲并不僅限于人眼所見的失真，有些噪聲只針對某些具體的圖像處理過程產生影響。圖像中的噪聲往往和正常信號

45、交織在一起，尤其是乘性噪聲，如果處理不當，就會破壞圖像本身的細節，如會使線條、邊界等變得模糊不清。有些圖像是通過掃描儀掃描輸入或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機產生的，因此具有分布和大小不規則性的特點。圖像平滑就是針對圖像噪聲的操作，其主要作用是為了消除噪聲。如何既平滑掉噪聲又盡量保持圖像細節，是圖像平滑的主要研究任務。這些噪聲的存在直接影響著后續的處理過程，使圖像失真。這時可以采用線性濾波和中值濾波的方法。3.4.1 鄰域平均法噪聲像素的灰度與其臨近像素的灰度顯著不同，根據噪聲點這一特性，可以使用鄰域平均法。鄰域平均法采用模板計算的思想，模板操作實現了一

46、種鄰域運算，用模板確定的鄰域內的像素值去代替圖像中每一個像素點的值。對于給定的圖像中的每一個點，取其領域。設含有個像素，取其平均值作為處理后所得圖像像素點處的灰度。設是的正方形鄰域，點位于中心，則： (3.9)3.4.2 加權平均法鄰域平均處理方法是以圖像模糊為代價來減少噪聲。有時為了突出源圖像中的點(i,j)本身的重要性，對于同一尺寸的模板，不同位置的系數采用不同的數值就可以采用加權平均法實現。一般認為離對應模板中心像素近的像素對平滑結果有較大的影響，所以接近模板中心的系數應較大，而模板邊界附近的系數應較小。3.4.3 中值濾波法中值濾波是一種非線性平滑濾波，在一定條件下可以克服線性濾波帶來

47、的圖像細節模糊問題，而且對濾除噪聲干擾及圖像掃描噪聲非常有效。中值濾波就是輸出圖像的某點象素等于該象素鄰域中各象素灰度的中間值。給定的圖像中的每一個點，取其領域。設含有個像素，將其按大小排序，若是奇數時，則位于中間的那個象素值就是修改后圖像在點處的像素值；若是偶數則取中間兩個象素的平均值作為修改后圖像在點處的像素值。3.5 圖像銳化圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，這就需要利用圖像銳化技術，使圖像邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節變得清晰，經過平滑的圖像變得模糊的根本原因是圖像受到了平均或積分運算，因此可以對其進行逆運算

48、（如微分運算）就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實質是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。為了要把圖像中間任何方向伸展的邊緣和輪廓變得清晰，我們希望對圖像的某種運算是各向同性的。3.5.1 梯度銳化梯度是圖像處理中最常用的一種一階微分方法。對圖像函數，其在點上的梯度定義為矢量，從梯度的性質可知，梯度的方向確定了圖像的最大變化率的方向，的幅度為下式： (3.10)對于數字圖像，用差分來近似微分。為了便于編程和提高運算速度，可以如下進行絕對值的運算： (3.11)一旦計算梯度的算法確立之后，就可以有很多方法來使圖像輪廓突出。最簡單的方法就是令點上銳化后的圖像函數值

49、等于原始圖像在該點上的梯度值，即： (3.12)此法的缺點是處理后的圖像僅顯示出輪廓，灰度平緩變化的部分由于梯度值較小而顯得很黑。3.5.2 拉普拉斯銳化拉普拉斯算子是線性二階微分算子，與梯度算子一樣，具有旋轉不變性，從而滿足不同走向的圖像邊界的銳化要求。拉普拉斯算子對圖像中的噪聲非常敏感，為了減少噪聲的影響，在做增強處理之前，先將待處理的圖像進行平滑，再做拉普拉斯運算。相對于梯度算子，拉普拉斯算子具有增強的邊緣精確定位的優點。因為梯度一階微分算子會在較大范圍內形成梯度值，差分的結果不適合精確定位。然后，二階差分算子的過零特性，可以使邊緣增強后精確定位。3.6 本章小結本章對圖像的增強與原理進

50、行了簡單的概述，對幾種常用的增強算法進行了分析研究。第4章 數字圖像增強的算法與實現4.1 線性灰度增強的算法與實現4.1.1 基本原理假設變換前圖像的灰度范圍為，希望變換后的圖像的灰度范圍擴展或壓縮至,則灰度線性變換函數的表達式為： (4.1)通過調整、的值控制線段的斜率，從而對圖像灰度區間進行擴展與壓縮。4.1.2 算法描述圖像的線性灰度變換算法實現的步驟描述如下：1獲得源圖像的首地址及圖像的寬和高。2開辟一塊內存緩沖區，用以暫存結果圖像，并初始化為0。3逐個掃描源圖像中的像素點，根據公式（4-1）求出線性變換后的圖像中與當前點對應的像素點的灰度值。4循環步驟3，直到處理完源圖像的全部像素

51、點。5將結果從緩沖區復制到源圖像的數據區中。4.1.3 編程實現 圖像的線性灰度變換算法的程序代碼如下：if(m_Image.IsNull() return; /直接修改像素顏色 int m_nHeight=m_Image.GetHeight(); int m_nWidth=m_Image.GetWidth(); /int pit=m_Image.GetPitch();/*int bitCount=m_Image.GetBPP()/8;*/for (int y=0; y<m_nHeight; y+)for (int x=0; x<m_nWidth; x+) byte pixel=m

52、_Image.GetPixel(x,y);BYTE gray =(byte)(double)(200-20)/255)*pixel+20+0.5);m_Image.SetPixel(x,y,RGB(gray,gray,gray); Invalidate();/強制調用OnDraw4.1.4 效果演示 圖像的線性灰度變換增強的效果如圖4.1所示。圖4-1a為源圖像，圖4-1b為將灰度區間壓縮至20,200的線性增強效果圖。 a)源圖像 b)線性灰度增強效果圖圖4.1 線性灰度變換增強效果演示4.2 分段線性灰度增強的算法與實現4.2.1 基本原理 假設輸入圖像的灰度為0級，增強后圖像的灰度級為0

53、級，區間、分別為原圖像與增強的某一灰度區間。分段線性變換函數為(4.1)實際上a，b，c，d可取不同的值進行組合，從而得到不同的效果。4.2.2 算法描述圖像的分段線性灰度變換算法實現的步驟描述如下：1獲得源圖像的首地址及圖像的寬和高。2開辟一塊內存緩沖區，用以暫存結果圖像，并初始化為0。3逐個掃描源圖像中的像素點，如果當前點的像素值在內，則根據公式（4-2）等號右邊上式求出目標圖像中與當前點對應的像素點的灰度值；如果當前點的像素值在內，則根據公式（4-2）等號右邊中式求出目標圖像中與當前點對應的像素點的灰度值；如果當前點的像素值在內，則根據公式（4-2）等號右邊下式求出目標圖像中與當前點對應的像素點的灰度值。4循環步驟3，直到處理完源圖像的全部像素點。5將結果從緩沖區復制到源圖像的數據區中。4.2.3 編程實現圖像的分段線性變換算法的實現的程序代碼如下：if(m_Image.IsNull() return; /直接修改像素顏色 int m_nHeight=m_Image.GetHeight(); int m_nWidth=m_Image.GetWidth(); /int pit=m_Image.GetPitch();/*int bitCount=m_Image.GetBPP()/8;*/for (int y=0; y<m_nHeight; y+)for (int x