哈工大数学实验大作业

实验题目：图像增强

1.图像增强综述

1.1 图像增强的历史

20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。早期的图像增强技术往往涉及硬件参数的设置，如打印过程的选择和亮度等级的分布等问题。在1921年年底提出了一种基于光学还原的新技术。在这一时期由于引入了一种用编码图像纸带去调制光束达到调节底片感光程度的方法，使灰度等级从5个灰度级增加到15个灰度等级，这种方法明显改善了图像复原的效果。到20世纪60年代早期第一台可以执行数字图像处理任务的大型计算机制造出来了，这标志着利用计算机技术处理数字图像时代的到来。1964年，研究人员在美国喷气推进实验室(JPL)里使用计算机以及其它硬件设备，采用几何校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等增强方法对航天探测器“徘徊者7号”发回的几千张月球照片进行处理，同时他们也考虑太阳位置和月球环境的影响，最终成功地绘制出了月球表面地图。随后他们又对1965年“徘徊者8号”发回地球的几万张照片进行了较为复杂的数字图像处理，使图像质量进一步提高。这些成绩不仅引起世界许多有关方面的注意而且JPL本身也更加重视对数字图像处理地研究和设备的改进，并专门成立了图像处理实验室IPL。在IPL里成功的对后来探测飞船发回的几十万张照片进行了更为复杂的图像处理，最终获得了月球的地形图、彩色图以及全景镶嵌图。从此数字图像增强技术走进了航空航天领域。

20世纪60年代末和20世纪70年代初有学者开始将图像增强技术用于医学图像、地球遥感监测和天文学等领域。X射线是最早用于成像的电磁辐射源之一，在1895年X射线由伦琴发现。20世纪70年代Godfrey N. Hounsfield先生和Allan M. Cormack教授共同发明计算机轴向断层技术：一个检测器围绕病人，并用X射线源绕着物体旋转。X射线穿过身体并由位于对面环中的相应检测器收集起来。其原理是用感知的数据去重建切片图像。当物体沿垂直于检测器的方向运动时就产生一系列的切片，这些切片组成了物体内部的再现图像。到了20世纪80年代以后，各种硬件的发展使得人们不仅能够处理二维图像，而且开始处理三维图像。许多能获得三维图像的设备和分析处理三维图像的系统已经研制成功了，图像处理技术得到了广泛的应用。进入20世纪90年代，图像增强技术已经逐步涉及人类生活和社会发展的各个方面。计算机程序用于增强对比度或将亮度编码为彩色，以便解释X射线和用于工业、医学及生物科学等领域的其他图像。地理学用相同或相似的技术从航空和卫星图像中研究污染模式。在考古学领域中使用图像处理方法已成功地复原模糊图片。在物理学和相关领域中计算机技术能增强高能等离子和电子显微镜等领域的实验图片。直方图均衡处理是图像增强技术常用的方法之一。1997年Kim 提出如果要将图像增强技术运用到数码相机等电子产品中，那么算法一定要保持图像的亮度特性。在文章中Kim提出了保持亮度特性的直方图均衡算法(BBHE)。Kim的改进算法提出后，引起了许多学者的关注。在1999年Wan等人提出二维子图直方图均衡算法(DSIHE)。接着Chen和Ramli提出最小均方误差双直方图均衡算法(MMBEBHE)。为了保持图像亮度特性，许多学者转而研究局部增强处理技术，提出了许多新的算法：递归均值分层均衡处理(RMSHE)、递归子图均衡算法(RSIHE)、动态直方图均衡算法(DHE)、保持亮度特性动态直方图均衡算法(BPDHE)、多层直方图均衡算法(MHE)、亮度保持簇直方图均衡处理(BPWCHE)等等。

1.2 图像增强的应用

数字图像处理在40多年的时间里，迅速发展成一门独立的有强大生命力的学科，图像

增强技术已逐步涉及人类生活和社会生产的各个方面，下面我们仅就几个方面的应用举些例子。

●航空航天领域的应用

早在60年代初期，第3代计算机的研制成功和快速傅里叶变换的提出，使图像增强技术可以在计算机上实现。1964美国喷气推进实验室(JPL)的科研人员使用IBM7094计算机以及其它设备，采用集合校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等方法对航天探测器“徘徊者7号”发回的几千张月球照片成功的进行了处理。随后他们又对“徘徊者8号”和“水手号”发回地球的几万张照片进行了较为复杂地数字图像处理，使图像质量得到进一步的提高，从此图像增强技术进入了航空航天邻域的研究与应用。同时图像增强技术的发展也推动了硬件设备的提高，比如1983年LANDSAT-4的分辨率为30m，而如今发射的卫星分辨率可达到3-5m的范围内。图像采集设备性能的提高，使采集图像的质量和数据的准确性和清晰度得到了极大地提高。

●生物医学领域的应用

图像增强技术在生物医学方面的应用有两类，其中一类是对生物医学的显微光学图像进行处理和分析，比如对红细胞、白细胞、细菌、虫卵的分类计数以及染色体的分析；另一类应用是对X射线图像的处理，其中最为成功的是计算机断层成像。1973年英国的EMI公司在制造出第一台X射线断层成像装置。由于人体的某些组织，比如心脏、乳腺等软组织对X射线的衰减变化不大，导致图像灵敏度不强。由此图像增强技术在生物医学图像中得到广泛的应用。

●工业生产领域的应用

图像增强在工业生产的自动化设计和产品质量检验中得到广泛应用，比如机械零部件的检查和识别、印刷电路板的检查、食品包装出厂前的质量检查、工件尺寸测量、集成芯片内部电路的检测等等。此外计算机视觉也可以应用到工业生产中，将摄像机拍摄图片经过增强处理、数据编码、压缩送入机器人中，通过一系列的控制和转换可以确定目标的位置、方向、属性以及其它状态等，最终实现机器人按照人的意志完成特殊的任务。

●公共安全领域的应用

在社会安全管理方面，图像增强技术的应用也十分广泛，如无损安全检查、指纹、虹膜、掌纹、人脸等生物特征的增强处理等等。图像增强处理也应用到交通监控中，通过电视跟踪技术锁定目标位置，比如对有雾图像、夜视红外图像、交通事故的分析等等。

1.3 图像增强的待解问题

目前，数字图像处理研究的内容主要集中在以下几个方向：

1)图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，因此如何利用小波变换的技术改善图像增强的效果是目前研究的一个热点。

2)图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，于是如何改善现有编码或者提出更优秀的编码算法便成为了提高大规模图像处理效率的关键。

3)图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、

分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

4)图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。但是更深入、系统的研究仍然还在进行中。

5)图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。如何利用图像增强技术改善图像分类（识别）的正确率与速度是目前研究人员关心的重要问题。

2.课后思考题解答

1)通过图像的具体性质说明索引图像与RGB图像间的区别和联系，灰度图像与二值图像

的区别和联系。

索引图像与RGB图像间的区别与联系

下面以'rgb.bmp'为例进行说明。

在Matlab中用img = imread('rgb.bmp')读入该图像并查看该图片信息：

Filename: 'rgb.bmp'

FileModDate: '10-Apr-2008 01:16:52'

FileSize: 1620056

Format: 'bmp'

FormatVersion: 'Version 3 (Microsoft Windows 3.x)'

Width: 900

Height: 600

BitDepth: 24

ColorType: 'truecolor'

FormatSignature: 'BM'

NumColormapEntries: 0

Colormap: []

RedMask: []

GreenMask: []

BlueMask: []

ImageDataOffset: 54

BitmapHeaderSize: 40

NumPlanes: 1

CompressionType: 'none'

BitmapSize: 1620002

HorzResolution: 9447

VertResolution: 9447

NumColorsUsed: 0

NumImportantColors: 0

信息显示该文件ColorType为'truecolor'，即RGB图像。在Matlab中输入whos img得：Name Size Bytes Class

img 600x900x3 1620000 uint8 array

Grand total is 1620000 elements using 1620000 bytes

由此可以看出RGB图像在Matlab中相当于一个n*m*3的数据矩阵，矩阵中的元素定义了图像中每一个像素的红、绿、蓝颜色值。利用im(:,:,1),im(:,:,2),im(:,:,3)可以提取出RGB图像的三个分量图像。

下面利用[x, map] = rgb2ind(img, 128)将RGB图像转化为索引图像。

>> [x,map]=rgb2ind(img, 128);

>> whos x

Name Size Bytes Class

x 600x900 540000 uint8 array

Grand total is 540000 elements using 540000 bytes

>> whos map

Name Size Bytes Class

map 128x3 3072 double array

Grand total is 384 elements using 3072 bytes

这张索引图像包括一个数据矩阵x，一个颜色映射矩阵map，其中map是一个128*3的数据阵列。128指的是这张图像的不同颜色种类数。而x是一个600*900的数据矩阵，其中每一个元素表示该像素颜色的索引值。

将RGB图像转化为索引图像可以极大地减少图像颜色的种类，从而减少图像的大小（从上面显示出的数据很容易进行对比）。在解决某些问题时这样的转换可以加快处理速度，节省存储空间。

灰度图像与二值图像的区别与联系

用img = imread('gray.jpg')读入灰度图并查看文件信息。

>> imfinfo 'gray.jpg'

ans =

Filename: 'gray.jpg'

FileModDate: '10-May-2011 23:04:39'

FileSize: 40796

Format: 'jpg'

FormatVersion: ''

Width: 900

Height: 600

BitDepth: 8

ColorType: 'grayscale'

FormatSignature: ''

NumberOfSamples: 1

CodingMethod: 'Huffman'

CodingProcess: 'Sequential'

Comment: {}

>> whos img

Name Size Bytes Class

img 600x900 540000 uint8 array

Grand total is 540000 elements using 540000 bytes

利用bw = im2bw(img)将灰度图转化为二值图像。

>> whos bw

Name Size Bytes Class

bw 600x900 540000 logical array

Grand total is 540000 elements using 540000 bytes

对比两者的信息可知，在Matlab中灰度图与二值图像都是n*m的数据矩阵，区别在于前者的每个元素表示该像素的灰度值，而后者的每个元素均为logical类型（只有0、1两种取值）对应像素非黑即白。显然二值图像比灰度图占用空间少。

2)对书中所举的例子中选择不同的图像和不同的函数完成对应的功能。

例10.1 应用变换曲线增强对比度

应用如下变换曲线增强对比度

例10.2 利用imadjust进行灰度调整

●例10.3 图像求反

●例10.4 动态范围压缩

●例10.5 显示图像直方图

●例10.6 直方图规定化

例10.7 实现均值滤波器

为原图像加入椒盐噪声

从左到右分别为3*3,5*5,7*7的均值滤波器

●例10.8 使用稀疏分布的模板实现中值滤波

●例10.9 使用unsharp算子实现对比度增强滤波

例10.10 各种空域微分算子的效果

以下图像分别为sobel卷积（左上），sobel滤波（右上），prewitt滤波（左下）及log滤波（右下）的结果：

●例10.11 实现Butterworth低通滤波器

对加噪图像运用Butterworth低通滤波器去噪

●例10.12 实现Butterworth高通滤波器

3)对书中所举的例子中选择不同的图像和不同的空间变换函数体会roicolor和roifill的意

义并进行图像局部增强的操作。

答：（1）roicolor对应软件滤波(P)—选择滤波区域—按颜色选取操作。

它实现的是根据颜色选定感兴趣的区域的功能。

1-1）图示如下：

原图1：按颜色选取的图片1

1-2）不同函数处理

原图2

按颜色选取的图片2

不同函数处理

（2）roifill对应软件图像(I)—区域插值操作。

它实现的是对图中待指定区域进行涂改修复的功能。图示如下：

原图：

修改后：

4)对书中所举的例子中选择不同的图像和roipoly函数完成对图像的多边形区域进行图像

局部增强的操作。

答：reipoly对应软件滤波(P)—选择滤波区域—手工选取操作。

它可实现按多边形选取的功能。

图示如下：

原图：

局部选取的图片：

滤波增强：