图像处理结课论文

计算机图像处理——直方图变换

一、图像处理基本理论准备

数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的发展，已经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。

在图像处理中，图像增强技术对于提高图像的质量起着重要的作用，在改善图像的质量时经常用到图像增强技术。所谓图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法，也是提高图像质量的过程。图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。

图像增强的过程往往是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等。这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。

常用的图像增强方法介绍：

（1）直方图均衡化

有些图像在低值灰度区间上频率较大，使得图像中较暗区域中的细节看不清楚。这时可以通过直方图均衡化将图像的灰度范围分开，并且让灰度频率较小的灰度级变大，通过调整图像灰度值的动态范围，自动地增加整个图像的对比度，使图像具有较大的反差，细节清晰。

（2） 对比度增强法

有些图像的对比度比较低，从而使整个图像模糊不清。这时可以按一定的规则修改原来图像的每一个象素的灰度，从而改变图像灰度的动态范围。

（3） 平滑噪声

有些图像是通过扫描仪扫描输入、或传输通道传输过来的。图像中往往包含有各种各样的噪声。这些噪声一般是随机产生的，因此具有分布和大小不规则性的特点。这些噪声的存在直接影响着后续的处理过程，使图像失真。图像平滑就是针对图像噪声的操作，其主要作用是为了消除噪声，图像平滑的常用方法是采用均值滤波或中值滤波，均值滤波是一种线性空间滤波，它用一个有奇数点的掩模在图像上滑动，将掩模中心对应像素点的灰度值用掩模内所有像素点灰度的平均值代替，如果规定了在取均值过程中掩模内各像素点所占的权重，即各像素点所乘系数，这时就称为加权均值滤波；中值滤波是一种非线性空间滤波，其与均值滤波的区别是掩模中心对应像素点的灰度值用掩模内所有像素点灰度值的中间值代替。

（4） 锐化

平滑噪声时经常会使图像的边缘变的模糊，针对平均和积分运算使图像模糊，可对其进行反运算采取微分算子使用模板和统计差值的方法，使图像增强锐化。图像边缘与高频分量相对应，高通滤波器可以让高频分量畅通无阻，而对低频分量则充分限制，通过高通滤波器去除低频分量，也可以达到图像锐化的目的。

这里我主要选取图像增强中的直方图变换来进行图像处理的学习。

二、 直方图变换概念

2.1直方图修正基础

图像的灰度直方图是反映一幅图像的灰度级与出现这种灰度级的概率之间的关系的图形。灰度级为[0,L-1]范围的数字图像的直方图是离散函数h(k r )=k n ，这里k r 是第k 级灰度，k n 是图像中灰度级为k r 的像素个数。通常以图像中像素数目的总和n 去除他的每一个值，以得到归一化的直方图，公示如下：

n n r P k k /)(= k=0,1,2,…,L-1 (2.1)

且∑-==1

11)(L K k r P

因此)(k r P 给出了灰度级为k r 发生的概率估计值。归纳起来，直方图主要有一下几点性质：

（1）直方图中不包含位置信息

直方图只是反应了图像灰度分布的特性，和灰度所在的位置没有关系，不同的图像可能具有相近或者完全相同的直方图分布。

（2）直方图反应了图像的整体灰度

直方图反应了图像的整体灰度分布情况，对于暗色图像，直方图的组成集中在灰度级低（暗）的一侧，相反，明亮图像的直方图则倾向于灰度级高的一侧。直观上讲，可以得出这样的结论，若一幅图像其像素占有全部可能的灰度级并且分布均匀，这样的图像有高对比度和多变的灰度色调。

（3）直方图的可叠加性

一幅图像的直方图等于它各个部分直方图的和。

（4）直方图具有统计特性

从直方图的定义可知，连续图像的直方图是一位连续函数，它具有统计特征，例如矩、绝对矩、中心矩、绝对中心矩、熵。

（5）直方图的动态范围

直方图的动态范围是由计算机图像处理系统的模数转换器的灰度级决定。 由于图像的视觉效果不好或者特殊需要，常常要对图像的灰度进行修正，以达到理想的效果，即对原始图像的直方图进行转换（修正）：

一幅给定的图像的灰度级分布在0≤r ≤1范围内。可以对[0,1]区间内的任何一个r 进行如下的变换：

s=T(r) (2.2)

变换函数T 应满足以下条件：

a.在0≤r ≤1区间内，)(r T 单值单调增加；

b.对于0≤r ≤1，有0≤)(r T ≤1。

这里的第一个条件保证了图像的灰度级从白到黑的次序不变。第二个条件则保证了映射变换后的像素灰度值在允许的范围内。满足这两个条件，就保证了转换函数的可逆。

2.2直方图均衡化

直方图均衡化方法是图像增强中最常用、最重要的方法之一。直方图均衡化是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像。它以概率论为基础，运用灰度点运算来实现，从而达到增强的目的。它的变换函数取决于图像灰度直方图的累积分布函数。概括的说，就是把一已知灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀概率分布的新图像。有些图像在低值灰度区间上频率较大，使得图像中较暗区域中的细节看不清楚。这时可以将图像的灰度范围分开，并且让灰度频率较小的灰度级变大。当图像的直方图为一均匀分布时，图像的信息熵最大，此时图像包含的信息量最大，图像看起来就显得清晰。

直方图均衡化变换函数如图2.1所示，设r，s分别表示原图像和增强后图像的灰度。为了简单，假定所有像素的灰度已被归一化。当r=s=0时，表示黑色；当r=s=1时，表示白色；当r，s在[0,1]之间时，表示像素灰度在黑白之间变化。灰度变换函数为：s=T(r)。

图2.1 直方图均衡化变换函数

实际上，由于直方图是近似的概率密度函数，用离散灰度级作变换时很少能够得到完全平坦的结果，而且，变换后往往会出现灰度级减少的现象，这种现象