數字圖像增強算法-資料下載頁

　　

【正文】 率平面原點的距離通常用下式來表示：Du,v=u2+v2理想低通濾波器的含義：以D0的大小為半徑畫圓，當頻率分量在圓內時，即頻率分量小于D0時，可以很順利地通過，當在圓外時，即頻率分量大于D0時，則都不能完好無損地通過。在對圖像進行平滑處理方面，理想低通濾波器的效果非常顯著但轉換具有陡峭的波形，它的逆變換H（X，Y），強烈性質振鈴，從而使濾光后的圖像模糊。因此，這種理想的低通濾波器不能實際使用。（Butterworth）低通濾波器Butterworth低通濾波器的表達式為：Hu,v=11+[D(u,v)D0]2n D0為截止頻率，n為函數的階。當H(u,v)取它最大值的一半時，D(u,v)為截止頻率D0當H=，階n=1時，Butterworth低通濾波器的剖面示意圖如下圖所示：實踐中，當D為D0時，其函數表達式為：Hu,v=121[D(u,v)D0]2nButterworth低通濾波器的特點：頻率與截止頻率一般都是連續的，不會出現“振鈴”現象，與理想低通濾波器相比，這是Butterworth低通濾波器的一大優點。高斯低通濾波器的函數為：Hu,v=eD2(u,v)2D02當D(u,v)=D0時，其圖像如圖所示用高斯低通濾波器進行逆傅里葉變換時，得到的圖像也是高斯的。其立體圖、圖像顯示和函數的垂直橫截面如圖所示：2．高通濾波圖像邊緣，最重要的高頻細節中，造成圖像模糊的主要原因是高頻成分弱化造成的。為了消除模糊，可以使用的突出邊緣，高通濾波處理，低頻分量被抑制，從而達到改進的高頻分量，圖像或邊緣線變得更清楚，以實現銳化圖像。轉移函數：Hu,v=0 D(u,v)≤D01 D(u,v)D0透視圖和剖面圖：N階高通具有截止頻率的巴特沃斯高通濾波器濾波函數表達式如下：Hu,v=1[1+(D0D(u,v))2n] 指數型濾波器的轉移函數定義為：Hu,v=exp?[(D0D(u,v))n] 梯形濾波器的函數定義為： Hu,v=0 Du,vD0 Hu,v=(D0D1)(Du,vD1) D1≤D(u,v)≤D0 Hu,v=1 D(u,v)D0四種高通濾波器的優缺點比較：l 理想高通濾波器有明顯振鈴，圖像的邊沿很模糊。l 巴特沃斯高通濾波器效果較好，無明顯振鈴，但計算困難。l 指數高通濾波器效果比巴特沃斯稍遜色一點，也無明顯振鈴。l 梯形高通濾波器的稍有振鈴、計算過程簡便，是最常用的一種。Butterworth高通濾波器——MATLAB應用實例clear all。I1=imread(‘.\image\)。f=double(I1)。figure,imshow(I1)。g=fft2(f)。g=fftshift(g)。[N1,N2]=size(g)。n=2。d0=5。n1=fix(N1/2)。n2=fix(N2/2)。for i=1:N1。 for j=1:N2d=sqrt((in1)^2+(jn2)^2)。if d==0 h=0。else h=1/(1+(d0/d)^(2*n))。 endresult(i,j)=h*g(i,j)。 end end result==ifftshift(result)。 x2=ifft2(result)。 x3=unit8(real(x2))。 figure,imshow(x3)。 %相比之下，處理后的圖像相對較暗，細節很模糊。這是因為，如上所述，大多數的圖像的能量集中在高頻濾波器后的低頻區域中，雖然每個區域的邊界增加，但下部鏡像頻率進行過濾，將原始圖像的灰度被壓縮，導致圖像變得很模糊。 總結這次的畢業設計題目是圖像增強算法研究，雖然設計的不是很深刻，但是在過程中我從中理解掌握了不少東西，在董勇老師的耐心指導與悉心教導下，我理解并掌握了很多數字圖像增強方面的知識，我想對我將來的工作和生活一定有很大的幫助。到底什么叫做圖像增強呢？在我的理解里就是給圖像“化妝”，按照人們的意愿和需要，將我們需要的信息進行選擇性地突出和增強，對于我們不需要的，或者用處不大的信息進行抑制或者徹底去除。在數字圖像處理領域中，數字圖像增強方法是其中的基本技術，數字圖像增強的最終結果就是對圖像中有用或者人們感興趣的部分進行增強突出處理，為之后的圖像識別、理解、輸出、顯示以及其他方法做鋪墊。圖像增強的方法當然不止一種，不同的情況采取不同的增強方法，使圖像最后呈現在人眼前的時候更加清晰、更容易讓人識別，這就是本課題研究的最主要目的，也是最終目的。雖然灰度變換增強和直方圖均衡化都各有其優點，但它們還是有一個共同的缺點——不能對圖像進行去噪處理，這時就需要另外一種方法來補充，空間平滑濾波增強可以有效地對圖像中孤立分布的噪聲點進行抑制或者去除。其中又包括線性平滑濾波和中值濾波。線性平滑濾波可以較好地去除噪聲，且算法簡便，但是不足之處就是在去噪的同時可能會使圖像邊緣位置的部分改變，或者細節部分變模糊，甚至使細節部分丟失；中值濾波是一種非線性濾波，它能夠較好地保持圖像邊緣和細節的完整度和清晰度，使圖像的邊緣輪廓比較清楚，但是其不足之處是相較與線性平滑濾波，中值濾波算法的實現較困難。圖像銳化就是使圖像灰度反差增強，從而增強圖像的邊緣信息。本文主要論述了空間域圖像增強和頻域圖像增強方法和一些基本原理。探究并理解四種高低濾波器的優點與不足，重點分析了幾種低通濾波器的設計原理。幾種濾波器相互對比，總結它們的優點與不足，根據它們的特點有效地進行完善和補充。另外在MATLAB方面，我也變得更加熟練，對其基本操作方法進行了簡單理解和掌握。參考文獻 [1] Rafael C. Gonzalez, et （MATLAB版）[M]. 阮秋琦 :電子工業出版社,2005：285320[2] 張志涌，[M].北京:北京航空航天大學出版社，2003:125169[3] 滿曉宇，[M].北京:北京大學出版社,2001:5896[4] Stephen J. Chapman， Programming for Engineers(Second Edition) [M].北京:科學出版社，2003:265348[5] [M].北京:科學出版社,2005:95152[6] MariaPetrou，PanagiotaBosdogianni，彼得魯，Petrou，Bosdogianni [M].北京:機械工業出版社，2001:5365[7][J].《伺服控制》，2011，45期:321[8] 王冬星，許有軍，[N]. 《大慶師范學院學報》,,13期:三版[9] 馬琳，[J].《交通科技與經濟》,2011,32期:612[10][M].北京:郵電大學出版社，2002:56123[11] [M]. 北京:清華大學出版社，1999:89145[12][N].佳木斯大學學報，,47期：七版[13] [N].肇慶學院學報，26期：二版[14] [D].重慶：重慶大學，2007[15] [D].北京：北京大學，2007[16] 汪志云，[D].南京：東南大學，2006