基于MATLAB的低分辨率图像增强处理

2012-06-15孙殿臣

中国刑警学院学报 2012年3期

关键词：数字图像图像增强直方图

孙殿臣

（丹东市公安局刑侦支队辽宁丹东 118000）

基于MATLAB的低分辨率图像增强处理

孙殿臣

（丹东市公安局刑侦支队辽宁丹东 118000）

在阐明图像增强处理基本方法的基础上，利用MATLAB编程实现图像直方图增强、图像平滑、图像锐化这几种有代表性的图像增强方法，并对这些图像增强方法进行研究比较，分析了各自的优缺点并指明其最佳适用场景，以期从中总结出一套行之有效的图像增强方法的应用指导规则，为实际应用提供一定的依据。

图像增强 MATLAB 分辨率图像平滑图像锐化直方图

现代社会信息技术的飞速发展，数码设备的广泛应用和数字图像处理技术的普及，给人们日常生活带来了极大的方便，也对社会的发展产生了极大的影响。数字图像属于视听资料的重要内容之一，是一种新型的诉讼证据。随着视听资料在我国各个领域的广泛使用，它已在民事、刑事的各类案件中频繁地出现。与模拟图像相比，数字图像具有显著优点，即精度高、处理方便、重复性好，但是受到各种不利的客观条件影响，办案民警往往会得到一些低分辨率数字图像。低分辨率图像模糊不清，不利于分析，对案件的侦破有很大的影响，为了便于对比和鉴定，必须对图像进行增强处理以获得较好的、能反映出客观物体具体特征的图像。

目前，对低分辨率图像处理的研究已经非常广泛，PHOTOSHOP、ACDSEE等常见图像处理软件都可以对低分辨率数字图像进行处理。但是，这些方法在对一些特别图像去噪、突出细节等方面不能取得理想效果。MATLAB是一种直译式语言，主要功能是做矩阵的数字运算，它的数值分析、模拟与运算功能也非常强大，而且程序结构完整，又具有很强的平行移植性，目前已广泛应用于图像增强处理的领域。基于MATLAB对低分辨率数字图像进行增强处理针技术是对传统图像增强技术存在的一些缺陷而提出的，其具有效率高、操作方便、增强处理效果好等优点，这项技术引起了人们对它的广泛关注和研究。同样，在公安领域实践中，它也有着广泛的应用潜力和重要价值，应用前景十分广阔。

1 数字图像处理概述

图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用于人眼而产生视觉的实体。“图像是对客观对象的一种相似性的、生动性的描述或写真。”

图像的种类很多，按图像空间坐标和亮度或色彩的连续性可分为模拟图像和数字图像。模拟图像是指空间坐标和亮度都是连续变化的图像。数字图像就是经过采样和量化后的图像，是空间坐标和灰度均不连续的、用离散数字（一般用整数）表示的图像。可定义为一个二维函数f（x，y），这里x和y是空间坐标，而在任何一对空间坐标（x，y）上的幅值f称为该点图像的强度或灰度。当x,y和幅值f为有限的、离散的数值时，称该图像为数字图像。描述数字图像的基本参数有3个，即图像分辨率、图像深度和图像数据容量。

数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对图像进行去除噪声、增强、复原、分割、特征提取、图像重建等处理的理论、方法和技术，是一门新兴的、发展迅速的科学技术学科。

2 低分辨率图像

图像分辨率是一个表示平面图像精细程度的概念，是指对原始图像的采样分辨率，也就是指图像水平或垂直方向单位长度上所包含的采样点数。在一个固定的平面内，分辨率越高，意味着可使用的点越多，图像越细致。单位是“像素点/单位长度”，例如：像素点 /毫米(pixel/mm)、像素点 /英寸(pixel/inch或PPI)。

实际应用中，在描述显示器的图像分辨率时，往往简单地以显示屏的有效范围内水平方向扫描线上的像素点总数和垂直方向上的扫描线总数的乘积来界定。例如，640×480的VGA显示器的分辨率在水平方向为640个像素点，垂直方向为480个像素点。

3 图像增强理论及方法

图像增强是数字处理的基本内容之一，是突出一幅给定的图像中的某些信息、削弱或去除某些不需要的信息的处理方法，目的是使处理后的结果对某种特定的应用来说比原始图像更适用。应该明确的是,增强处理是为了特定的目的去改善图像的质量，它并不能增加原始图像的信息，有时甚至会损失一些信息。

图像增强的两大应用：一是加强对特定信息的识别能力，改善图像的视觉效果；二是突出图像特征，便于计算机处理。

图像增强处理技术基本上可以分成两大类：

（1）频域处理法：以卷积定理为基础，采用修改图像傅立叶变换增强其频率分量的方法实现对图像的增强处理。

（2）空域处理法：直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。

图像增强主要内容包括直方图修改处理、图像平滑、图像锐化等，此外有关数学形态学的方法也能起到一些特定的图像增强作用，在实际应用中必须根据具体的情况而选用其中一种或多种方法对图像进行针对性处理。

4 实验研究

4.1 实验方案设计

4.1.1 实验设备及图像处理软件

数码相机（NIKON D—80，800万像素）；计算机（Acer5572，酷睿2双核T2250处理器，Geforce 7300独显）；编程运算使用的是MATLAB6.5软件。

4.1.2 实验过程

（1）拍摄原始样本图像。为了便于在MATLAB中进行矩阵减法运算，拍摄出符合本文相关要求的实验图像。

（2）将图像存于相关文件夹。MATLAB支持五种图像类型：索引图像、灰度图像、二值图像、RGB图像和多帧图像阵列；支持BMP，GIF，HDF，JPEG，PCX，PNG，TIFF，XWD，CUR，ICO等图像文件格式的读、写和显示。在实验前，先把相关图像存于MATLAB文件夹里的Work文件夹里，这样便于调出图像进行处理。

（3）在MATLAB中进行编程运算(具体编码见附录)：

使用函数imread读取图像，并用函数imshow显示。

用MATLAB中提供的专门绘制直方图的函数imhist()、调整对比度函数imadjust()和直方图均衡化函数histeq()进行编程，绘制出图像的灰度直方图、灰度级调整后的直方图和均衡化的直方图，以及相应的图像。

利用MATLAB编程，针对含有不同噪声类型的图像，分别采取均值滤波、中值滤波、自适应滤波3种滤波方法对图像去噪进行平滑处理。

利用MATLAB编程，运用Sobel算子法和拉普拉斯算子法、Prewitt算子法以及高通滤波器法对图像进行锐化处理。

4.2 实验内容和结果

4.2.1 灰度调整及直方图均衡

图像直方图是图像处理中一种十分重要的图像分析工具，它描述了一幅图像的灰度级内容，统计一幅图像中各个灰度级出现的次数或概率。光照度不够均匀就会造成图像灰度过于集中，图像质量不可避免的降低，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。

MATLAB中提供了专门绘制直方图的函数imhist ()、调整灰度函数imadjust()和直方图均衡化函数histeq()。用它们可以很简单地绘制出图像的灰度直方图、灰度级调整后的直方图和均衡化的直方图。

灰度调整及直方图均衡结果如图1～6所示。

图1 人物原图

图2 原图直方图

图3 灰度级调整后

图4 调整后直方图

图5 直方图均衡后

图6 均衡后直方图

从效果图可以看出，经过图像灰度调整，图像变亮，而且可以看到更多的细节；经过直方图均衡化处理后，图像变的清晰，处理后的图像直方图分布更均匀，在每个灰度级上图像都有像素点。

4.2.2 图像平滑处理

（1）首先，用MATLAB6.5进行编程模拟常见噪声：高斯噪声、椒盐噪声、乘性噪声和加性噪声，如图7～11所示。函数格式如下：imnoise(I，'gaussian'，0，0.005)；imnoise(I，'salt&pepper'，0.005)；imnoise(I，'speckle'，0.02)；imnoise(I，'localvar'，N)。

图7 风景原始图像

图8 高斯噪声

图9 椒盐噪声

图10 乘性噪声

图11 加性噪声

（2）均值滤波。均值滤波是简单的空域处理方法，均值滤波的过程是使一个窗口在图像上滑动，窗中心位置的值用窗内各点值的平均值来代替，在MATLAB里可以用函数conv2（）实现均值滤波。

均值滤波结果如图12～17所示。

图12 高斯噪声均值滤波

图13 椒盐噪声均值滤波

图14 乘性噪声均值滤波

图15 加性噪声均值滤波

图16 3×3滤波

图17 9×9滤波

从实验结果可以看出，采用邻域平均法的均值滤波器对消除高斯噪声和乘性噪声有着不错的效果。但是，邻域平均法在消除噪声的同时也平滑了图像信号，使图像变得模糊。9×9滤波后图像比3×3滤波后图像模糊很多。

（3）中值滤波。二维中值滤波器的函数格式如下：①B=Medfilt2(A，[m n])；②B=Medfilt2(A)；③B=Medfilt2(A,'indexed'，…)。

说明：对于格式①，Medfilt2对矩阵进行二维中值滤波。中值滤波所用的窗口大小为m×n，即以输入图像各点为中心的m×n邻域作为输出图像该点处的像素值，[m n]的缺省值为[3 3]。对于格式②，Medfilt2使用[3 3]窗口对A进行二维中值滤波。对于格式③，Medfilt2可将A当作索引图像处理，如A为uint 8类，填补0；如A为双精度类，则填补1。

中值滤波结果如图18～21所示。

图18 高斯噪声中值滤波

图19 椒盐噪声中值滤波

图20 乘性噪声中值滤波

图21 加性噪声中值滤波

从图中可以看出，中值滤波对于滤除图像的椒盐噪声非常有效，在噪声图像上的椒盐噪声斑点全部被去除。

（4）自适应滤波。MATLAB7.0图像处理工具箱中的wiener2函数可以实现对图像噪声的自适应滤除。自适应滤波结果如图22～25所示。

图22 高斯噪声自适应滤波

图23 椒盐噪声自适应滤波

图24 乘性噪声自适应滤波

图25 加性噪声自适应滤波

从效果图可以看到，自适应滤波更好地保存图像的边缘和高频细节信息，对高斯噪声、盐椒噪声处理效果很好。

4.2.3 图像锐化处理

（1）微分法。BW=eg((I，'laplacian')，BW=eg((I，'sobel')，BW=eg((I，'prewitt')。

图26 房屋原始图像

图27 拉普拉斯算子

图28 Sobel算子

图29 Prewitt算子

从图中我们可以发现，比较模糊的原始图像和经过各种算子运算后的图像，图像模糊的部分得到锐化，特别是模糊的边缘部分得到增强，边界更加明显。但是，图像显示清楚的地方，经过滤波发生了失真，这也是运用算子进行图像增强的一大缺点。

（2）Butterworth高通滤波器

图30 房屋原始图像

图31 Butterworth滤波

图32 对比度调整

图33 对比度最大化

从效果图中我们可以看出，高频增强后图像偏暗，对比度差，需要对图像进行对比度增强处理。

5 结果分析

运用MATLAB编程实现低分辨率图像增强处理，分析对比结果如下。

（1）用直方图修改技术实现图像增强，总结分析如下。

①对比度较低，画面较暗的图像，灰度级集中在暗区[0，120]范围内，如果只取这个范围内的灰度，并扩展到[0，255]，则会明显增强图像对比度。经灰度级调整，使灰度级分布在人眼合适的亮度区域，图像变亮，而且可以看到更多的细节。

②经过直方图均衡化处理后，图像直方图分布更为均匀，图像在每个灰度级上都有像素点，扩展了像素取值的动态范围，图像变得清晰。

（2）针对含有噪声的图像进行平滑处理，总结分析如下。

图像经过均值滤波后，噪声得到抑制，图像也得到平滑，但同时也使图像边缘变得模糊。邻域越大，像素点越多，则信噪比提高越大，平滑效果越好，但是图像模糊也越严重。从实验效果图可以看出，采用邻域平均法的均值滤波器非常适用于高斯噪声和乘性噪声。

中值滤波方法简单，易于实现，而且能较好地保护边界，但对图像中的细节处理不理想，有时会失掉图像中的细线和小块目标区域。中值滤波器对于滤除图像中的椒盐噪声非常有效，基本可以把椒盐噪声去除。

自适应滤波具有更好的选择性，它不但使噪声得到了抑制，且更好地保存图像的边缘和高频细节信息，使得目标比经均值滤波和中值滤波处理的更清晰。自适应滤波对于消除高斯噪声效果好。

均值滤波、中值滤波和自适应滤波去除加性噪声的效果均不理想。

（3）针对模糊图像进行锐化处理，总结分析如下。

运用微分法的Sobel算子法和Prewitt算子以及拉氏算子可以使图像模糊的边缘得到增强，但是图像显示清楚的地方也发生了失真，这是一大缺点。在这三种算子算法锐化边缘时，拉氏算子的效果比较好，边缘清晰；Sobel算子和Prewitt算子对图像锐化后边缘得到加强，但是分界点不明确，效果不如拉氏算子。

运用Butterworth高通滤波器对模糊图像进行锐化后图像偏暗，对比度差，经过对比度增强处理后可以得到理想的锐化效果。

6 结论

本文就MATLAB在数字图像增强处理方面进行了阐述、讨论，重点研究了直方图增强、平滑滤波、锐化等图像增强方法的MATLAB实现。实验结果表明，应用MATLAB进行图像增强处理可以得到理想的效果，直方图增强法适用于对比度较低、画面较暗的图像，可以使图像变得清晰；平滑滤波能较好地消除图像在传输和转换过程中产生的噪声，改善图像的质量；锐化处理能突出模糊图像的边缘，使图像利于分析。MATLAB具有编程简单直观、用户界面友善、开放性强等优点，为公安领域实际办案中遇到的图像增强问题提供了一种简单、快捷而又有效的解决方法。

1.贾永红.数字图像处理［M］.武汉：武汉大学出版社，2004

2.阮秋琦.数字图像处理学[M].第二版.北京：电子工业出版社，2007

3.郝文化.MATLAB图形图像处理应用教程［M］.北京：中国水利水电出版社，2005

4.张志涌.精通MATLAB6.5版［M］.北京:北京航空航天大学出版社，2003

5.景晓军.图像处理技术及其应用[M].北京：国防工业出版社，2005

6.罗君辉，冯平，哈利旦·A.MATLAB7.0在图像处理中的应用［M］.北京：机械工业出版社，2005

7.苏金明.MATLAB图形图像处理［M］.北京：电子工业出版社，2005

8.余成波.数字图像处理 MATLAB实现［M］.重庆：重庆大学出版社，2003

9.朱宝礼.刑事图像技术［M］.北京：中国人民公安大学出版社，2002

10.耿生玲.图像的平滑和锐化［J］.青海师范大学学报，2003，（8）

11.杨威明.图像增强处理方法［J］.北京理工大学学报，2005，（3）

12.邹艳碧.自适应滤波算法综述［J］.广州大学学报，2002，（3）