基于MATLAB软件的数字图像增强处理_任美臣.pdf

工业控制计算机2023年第36卷第1期*安徽省2020年教学示范课“量子力学”（2020SJJXSFK2202）；省级大学生创新训练项目“基于光电检测的一种智能垃圾桶”（S20211038101）视觉是人类的获取外界信息的重要途径之一，但是受到视觉系统生理结构和拍摄条件、拍摄设备硬件条件等影响，有些亮度过低、对比度差或者边缘模糊的图像信息不能完全被人眼捕捉。例如有些图像如老照片或污损图片，由于历史原因，其曝光量和图片清晰度都明显较低。另外，在一些特殊情况下，如高空无人机探测地形、预防森林火灾、大雾天气辨认道路和在劣质天气中军事侦察等，为了更好地完成这些复杂的任务，除了提升摄像器件硬件性能外，利用软件进行图片质量增强也是很实用的方法1-2。通过对原始图像的成像质量进行增强，不仅符合人们对图像的审美需求，而且可以更直观地获取所需信息，实现高性能的分辨图像能力。通过图像质量增强可以突出图像的部分特征，忽略背景噪声和外界干扰，便于快捷地筛选出关键信息，从而节省时间和加快图像处理、存储和传输速度3-4。1图像增强原理图像实际是由无数个像素点组成，每个像素点对应不同的灰度值。为了快速对图像进行处理，通常算法中，往往把彩色图像转换为灰度图像，常用转换公式为：Gray（i，j）=0.3*R（i，j）+0.6*G（i，j）+0.1*B（i，j）（1）其中i、j代表像素点的坐标位置，R、G、B分别表示红绿蓝三基色。对图像增强处理一般按照空间和频率两种方法进行分析。空间域计算就是对图像自身空间坐标进行处理分析，其运算方法常分为如表1的四类5-6：表1图像空间域方法另外，频率域方法是从频率的角度分析图像函数。频率域按照时间为自变量，振幅为因变量，对图像信号进行频域分析，常以滤波方式过滤无关频域，从而实现图像增强。2图像增强方法2.1提高图像亮度在数字图像处理中，亮度是单种颜色的相对明暗程度，通常使用从0%（黑色）至100%（白色）的百分比来度量。对于MATLAB图像处理中，imadjust函数可以用来改变图像亮度。其基本原理是原图像亮度信息映射到新图像中去，其命令参数为imadjust（(原图)，low_in;high_in，low high，F），其中F描述原图灰度值与新图灰度值的关系，如小于1，图像会变亮，反之变暗。2.2提高图像对比度图像对比度就是将某个图像最亮与最暗之间的区域按照不同亮度等级进行测量，差异越大，对比度越高，图像层次感越强。一般对比度达到120:1就可以显示出不同色彩差异，如果达到300:1，便可以分析不同颜色的色阶。提高图像对比度目前常用的方法是灰度直方图均衡化，其基本思想是将原图像中图像灰度分布进行非线性处理，实现全灰度范围的均匀分布，从而有效提高图像局部对比度。2.3提高图像边缘锐度图像锐度主要是图像边缘灰度的区分度，如果区分度过低，图像就显得模糊不清晰，甚至出现失真现象。利用不同的图像算子来提高图像锐度是目前常用边缘锐化方法之一7-8。2.3.1 Sobel算子Sobel算子是通过分析数字图像灰度分布的一阶梯度来获取边缘信息，即对边缘灰度进行加权取差。在计算机视觉处理系统中，常见的离散计算方法是在水平方向和垂直方向，分别如式（2）、式（3）所示：iG（i，j）=G（i-1，j+1）+2G（i，j+1）+G（i+1，i+1）-f（i-1，j-1）+2f（i，j-1）+f（i+1，j-1）（2）iG（i，j）=G（i-1，j-1）+2G（i-1，j）+G（i-1，j+1）-G（i+1，j-1）+2G（i+1，j）+G（i+1，j+1）（3）基于 MATLAB 软件的数字图像增强处理*Digital Image Enhancement Based on MATLAB任美臣（上海海洋大学信息学院，上海201306）刘忠义孙尚乾任刚（淮南师范学院电子工程学院，安徽 淮南232000）摘要：在分析数字图像成像质量增强基础理论研究上，提出了更加高效图像质量增强算法，使图像更完整、更快速地呈现。通过MATLAB软件编辑相关仿真代码，利用空间域法和频率域法对图像进行增强处理，从而提高图像的亮度、对比度及边缘锐度。软件运行结果表明，该方法可以简洁而准确地实现图像增强处理，具有较高的实用价值。关键词：图像亮度；图像对比度；图像锐化；MATLABAbstract:Based on analyzing the theoretical research of digital image imaging quality enhancement,a more efficientimage quality enhancement algorithm is proposed to make the image more complete and faster in this paper.By using theMATLAB simulation software,this paper edits the relevant code,and use the spatial domain method and the frequency do-main method to enhance the image,so as to improve the brightness,contrast and edge sharpness of the image.The re-sults of software operation show that this method can realize image enhancement processing concisely and accurately,andmay have strong practical value.Keywords:image brightness,image contrast,image sharpening,MATLAB105基于MATLAB软件的数字图像增强处理2.3.2 Prewitt算子Prewitt算子也是基于一阶微分算子的边缘检测，但是其没有加权处理，因此边缘锐化效果比Sobel算子稍差，其水平方向和垂直方向边界点离散计算如下：G（i）=G（i-1，j-1）+G（i-1，j）+G（i-1，j+1）-G（i+1，j-1）+G（i+1，j）+G（i+1，j+1）（4）G（j）=G（i-1，j+1）+G（i，j+1）+G（i+1，j+1）-G（i-1，j-1）+G（i，j-1）+G（i+1，j-1）（5）2.3.3拉普拉斯算子拉普拉斯算子是二阶微分算子，其数学定义是：2f=2x2+2y2()f（6）其离散形式为：2i2=G（i+1，j）+G（i-1，j）-2G（i，j）（7）2j2=G（i，j+1）+G（i，j-1）-2G（i，j）（8）3图像增强代码设计3.1提高图像亮度代码及效果对比利用imadjust函数调整图像亮度的程序代码如下：close all;%清理内存A=imread(C:Fig.1.tiff);%读取一幅图像信息，并存入变量A中B=imadjust(A，0.1 0.9，0 1，0.4)；%将A获得像素亮度值映射至B中值，即将0.1至0.9之间的值映射到0至1之间的值。A中亮度值小于0.1与高于0.9的值被剪切掉，映射比例0.4，图像变亮。figure，subplot(1，2，1)，imshow(A);subplot(1，2，2)，imshow(B).%显示原始图片A与亮度提升图片B。代码运行效果如图1所示：图1提高图像亮度的对比效果3.2提高图像对比度代码及效果对比为了便于对比分析，本文设计代码提取了图像灰度直方图，并对其进行均衡化处理，具体程序代码如下：clc，clear;%清屏，清内存PS=imread(C:/Fig2.tiff);%读取图像信息，并存入PSimshow(P);titile(输入原图像)%显示原图像，并加标题“输入原图像”m，n=size(P);GP=zeros(1，256);%图片灰度范围for k=0:255GP(k+1)=length(find(PS=k)/(m*n);endfigure;bar(0.255，GP，g)title(“原图直方图”)xlabel（“灰度值”）ylabel（“出现概率”）S1=zeros（1，256）for i=1:256for j=1:iS1(i)=GP(j)+S1(i);endendS2=round(S1*256)+0.5)for i=1:256Gpeq(i)=sum(GP(find(S2=i)endfigure，bar(0:255，GPeq，b)title(“均衡化后直方图”)xlabel（“灰度值”）ylabel（“出现概率”）PA=PS；for i=0:255PA=(fin(PS=i)=S2(i+1);endfigure，imshow(PA)title(“均衡化后图像”)代码运行效果如图2所示：图2提高图像对比度效果对比图3.3提高图像锐度代码及效果对比本程序代码主要是从两个一阶算子（Sobel算子、Prewitt算子）和二阶算子（拉普拉斯算子）角度对图像边缘进行锐化处理。Matlab程序代码如下：Cle，clear;A=imread(C:Fig3.tiff);I=rgb2gray(A);FP，thresh1=edge(I，prewitt);FS，thresh2=edge(I，sobel);FL，thresh3=edge(I，log);subplot(2，2，1);imshow(I);title(“原图像”)subplot(2，2，2);imshow(FP);title(“prewitt算子”)subplot(2，2，3);imshow(FS);title(“sobel算子”)subplot(2，2，4);imshow(FL);title(“拉普拉斯算子”)代码运行效果，如图3所示。4结束语本文以数字图像中每个像素灰度值为基础，从亮度、对比度、锐度“三度”的角度进行图像增强，并通过MATLAB软件设计仿真代码，对比展示图像增强的效果。该图像增强技术可以选择图像中感兴趣的信息或者需要掩盖信息，使关键信息与人眼视觉响应相匹配，从而满足特殊图像处理和人们对图像审美的（下转第108页）106基于Mean Teacher的半监督腹部多器官CT影像分割方法（上接第106页）需求。另外，该图像增强技术也可广泛应用机器人视觉和工业测量领域，便于自动化控制和复杂目标识别。参考文献1严正国，雷宇，王浩然，等.数字图像水印研究J.工业控制计算机，2020，33（11）：100-1022胡林林，关健，付龙.MATLAB软件在电路教学中的应用J.工业控制计算机，2022，35（3）：59-613陈汗青，万艳玲，王国刚.数字图像处理技术研究进展J.工业控制计算机，2013，26（1）：72-744唐志文.浅析数字图像处理技术的研究现状及其发展方向J.硅谷，2010（5）：305杨佳宇，李奇，杨小琴，等.基于Matlab的数字图像边缘检测研究J.现代传输，2022（3）：54-566沈洁，杜宇人，高浩军.图像边缘检测技术研究J.信息技术，2005，（12）：32-347王慧琴.基于MATLAB的图像分割算法分析J.中国新技术新产品，2021（19）：1-38马启周.数字图像处理技术的发展现状及趋势J.电脑迷，2018，（31）：183收稿日期：2022-07-09尺度变化等常见的图像变换的随机仿射变换。完整的框架如图3所示，模型的训练包含了两个部分，其一是在标记数据上，以随机仿射变换作为数据增强的监督学习，采用交叉损失作为监督损失；其二是使用无标记数据的无监督学习，在学生模型上将随机仿射变换施加在输入的图像上，而在教师模型上将随机仿射变换施加在输出的结果上，通过优化MSE损失使两者的多尺度预测结果保持一致，从而提升了分割模型各网络阶段对于数据绕动的抵抗能力。图3结合多尺度预测的Mean Teacher框架在训练学生模型时