数字图像---基于分断线性变换的图像增强(2)

图3.5

比较变换前后的图像，变换后可以看清目标区域更多的细节信息；比较变换前后的直方图，可见拉伸了目标对应的灰度区间，压缩了背景对应的灰度区间。虽然损失了背景的一些信息，但目标得到了增强，变得清晰可见。图3.5中多个目标被同时增强，有些增强效果并不明显，可以用类似的方法，确定单个目标较精确的灰度范围，进行变换增强，以察看它们包含的细节信息。

4 结论

分段线性灰度变换是一种非常灵活的图像增强方法，在图像处理领域有很

大的应用空间。其中基于区域分割的分段线性变换关于确定灰度变换区间的三个方面：显示图像的变换区域、显示图像的像素灰度值和显示图像的灰度直方图是该方法的关键。实验结果表明，基于区域分割的分段线性变换提供了一种划分灰度区间的方法，可以较快的确定图像中增强目标的灰度范围，然后变换到所需的灰度范围，拉伸系数的选取对图像增强的效果影响较大，分断线性灰度变换的图像增强效果较为明显。

研究生数字图像的课程论文设计

5 总结

通常情况下，对于目标和背景灰度可明确区分的图像，经常应用分段线性变换进行处理。这时图像的直方图明显有双峰，一般取两峰之间的谷点作为分界点，就可以较好地确定灰度区间的范围。事实上，许多根据人眼主观判断可划分为目标和背景的图像，其灰度直方图并不具备上述特点，可能的情况是灰度直方图的谷点并不十分明显或者存在多个谷，只能确定目标的大致灰度范围。对于含有多个目标的图像，更难确定每个目标所对应的灰度范围。总之，这些方法对目标的大致灰度范围直接进行灰度变换。当划分的灰度区间不合适时，为达到较好的增强效果，需要反复进行调整。应用基于区域分割的分段线性变换，可以很好的解决这些问题。通过调节直方图的大小，在谷点附近取值，确定目标的大致灰度范围；通过显示图像中像素的灰度值，可以确定多个增强目标对应的大致灰度范围；通过改变灰度区间对应的图像区域的颜色和显示像素的灰度值来对灰度区间进行调整，可以察看灰度区间对应的图像区域是否合乎要求，减少了调整灰度区间的次数，并获得了要增强目标的较精确的灰度范围。实验证明，基于区域分割的分段线性变换一定程度上解决了划分灰度区间这一问题，是一种行之有效的方法。

参考文献：

[1]数字图像处理（第二版） 冈萨雷斯 电子工业出版社2009. [2]数字图像处理初探 张东仓

[3]基于MATLAB的数字图像处理 王磊 苏州市职业大学学报2009.

[4]基于MATLAB的系统分析与设计—图像处理[M] 王晓丹、吴崇明 西安电子科技大学出版社 2000.

[5]基于MATLAB的X线医学图像增强与直方图处理方法 袁丽婷、邱力军 [6]Matlab 6.0图形图像处理函数详细列表

研究生数字图像的课程论文设计

附录：

线性变换的函数实现：

function out = imgrayscaling(varargin)

[A, map, x1 , x2, y1, y2] = parse_inputs(varargin{:}); range = getrangefromclass(A); range = range(2);

% 如果输入图像不是灰度图，则需要执行转换 if ndims(A)==3,% A矩阵为3维，RGB图像 A = rgb2gray(A);

elseif ~isempty(map),% MAP变量为非空，索引图像 A = ind2gray(A,map); end % 对灰度图像则不需要转换

% 读取原始图像的大小并初始化输出图像 [M,N] = size(A); I = im2double(A); out = zeros(M,N);

% 主体部分，双级嵌套循环和选择结构 for i=1:M for j=1:N if I(i,j)<x1

out(i,j) = y1 * I(i,j) / x1; elseif I(i,j)>x2

out(i,j) = (I(i,j)-x2)*(range-y2)/(range-x2) + y2; else

% 将输入图像转换为双精度类型

研究生数字图像的课程论文设计

out(i,j) = (I(i,j)-x1)*(y2-y1)/(x2-x1) + y1; end end end

% 将输出图像的格式转化为与输入图像相同 if isa(A, 'uint8') % uint8 out = im2uint8(out); elseif isa(A, 'uint16') out = im2uint16(out); % 其它情况，输出双精度类型的图像 end % 输出:

if nargout==0 % 如果没有提供参数接受返回值 imshow(out); return; end

%-----------------------------------------------------------------------------

function [A, map, x1, x2, y1, y2] = parse_inputs(varargin); % 这就是用来分析输入参数个数和有效性的函数parse_inputs % A 输入图像，RGB图 (3D), 灰度图 (2D), 或者索引图 (X) % map 索引图调色板 (:,3)

% [x1,x2] 参数组 1，曲线中两个转折点的横坐标 % [y1,y2] 参数组 2，曲线中两个转折点的纵坐标

% 首先建立一个空的map变量，以免后面调用isempty(map)时出错 map = [];

研究生数字图像的课程论文设计

% IPTCHECKNARGIN(LOW,HIGH,NUM_INPUTS,FUNC_NAME) 检查输入参数的个数是否

% 符合要求，即NUM_INPUTS中包含的输入变量个数是否在LOW和HIGH所指定的范围

% 内。如果不在范围内，则此函数给出一个格式化的错误信息。 iptchecknargin(3,4,nargin,mfilename);

% IPTCHECKINPUT(A,CLASSES,ATTRIBUTES,FUNC_NAME,VAR_NAME, ARG_POS) 检查给定

% 矩阵A中的元素是否属于给定的类型列表。如果存在元素不属于给定的类型，则给出

% 一个格式化的错误信息。 iptcheckinput(varargin{1},...

{'uint8','uint16','int16','double'}, ...

{'real', 'nonsparse'},mfilename,'I, X or RGB',1);

switch nargin

case 3 % 可能是imgrayscaling(I, [x1,x2], [y1,y2]) 或 imgrayscaling(RGB, [x1,x2], [y1,y2]) A = varargin{1}; x1 = varargin{2}(1); x2 = varargin{2}(2); y1 = varargin{3}(1); y2 = varargin{3}(2); case 4

A = varargin{1};% imgrayscaling(X, map, [x1,x2], [y1,y2])

map = varargin{2}; x1 = varargin{2}(1);

研究生数字图像的课程论文设计

x2 = varargin{2}(2); y1 = varargin{3}(1); y2 = varargin{3}(2); end

% 检测输入参数的有效性 % 检查RGB数组

if (ndims(A)==3) && (size(A,3)~=3)

msg = sprintf('%s: 真彩色图像应当使用一个M-N-3维度的数组', ... upper(mfilename)); eid =

sprintf('Images:%s:trueColorRgbImageMustBeMbyNby3',mfilename); error(eid,'%s',msg); end

if ~isempty(map) % 检查调色板

if (size(map,2) ~= 3) || ndims(map)>2

msg1 = sprintf('%s: 输入的调色板应当是一个矩阵', ... upper(mfilename)); msg2 = '并拥有三列';

eid = sprintf('Images:%s:inColormapMustBe2Dwith3Cols',mfilename); error(eid,'%s %s',msg1,msg2);

elseif (min(map(:))<0) || (max(map(:))>1)

msg1 = sprintf('%s: 调色板中各个分量的强度 ',upper(mfilename)); msg2 = '应当在0和1之间';

eid = sprintf('Images:%s:colormapValsMustBe0to1',mfilename); error(eid,'%s %s',msg1,msg2);

研究生数字图像的课程论文设计

end end

% 将int16类型的 …… 此处隐藏：2128字，全部文档内容请下载后查看。喜欢就下载吧 ……