基于MATLAB GUI的空域图像增强系统设计

2022-04-29 03:51许锐陈初侠乔涛李承铭柯骏王佳欣
电脑知识与技术 2022年4期
关键词:图像增强

许锐 陈初侠 乔涛 李承铭 柯骏 王佳欣

摘要:现实生活中由于光照、天气等原因,所获取的图像都在一定程度上出现了质量低下的情况,严重影响人们的视觉效果,因此有必要对此类图像进行增强。该文基于MATLAB图形界面GUI开发工具设计了一款空域图像增强系统,该系统嵌入了分段线性变换、直方图均衡化、指数变换和对数变换四种图像增强算法。所设计的系统操作简单,界面友好,能同时展示四种算法的增强结果,可以帮助图像爱好者更切实地掌握有关图像增强的内容。

关键词:空间域;图像增强;对比度;GUI

中图分类号:TN391.9   文献标识码:A

文章编号:1009-3044(2022)04-0077-03

1  引言

人类获取信息的一个重要手段是通过图像来实现,据统计,人类从自然界获取的信息中,图像信息占75%—85%[1]。而图像在生成、传递、压缩、储存、变换等一系列过程中,会受各种因素的影响,如光照、天气、光学系统失真等[2],因此必须对质量低下的图像进行增强处理,以改善人们的视觉效果。本文对四种典型的空域图像增强算法进行介绍和分析,并通过MATLAB图形界面GUI开发工具设计了一款空域图像增强系统,该系统可以同时对四种图像增强算法进行实现和显示,用户在使用的过程中,不需要了解回调程序的编写过程,只需要掌握简单的图像选取操作就可以看到四种图像增强算法的增强效果。

2典型空域图像增强算法

图像增强技术根据增强处理时所处的空间不同,分为空间域法和频域法[3]。典型的空域圖像增强算法有灰度变换(包含线性变换和非线性变换)、直方图处理(包含直方图均衡化和直方图规定化)和伪彩色处理;典型的频域图像增强算法有低通滤波、高通滤波和同态滤波,如图1所示。本文只对典型的四种空域增强算法进行介绍和实现,它们是分段线性变换、指数变换(又称伽马校正)、对数变换和直方图均衡化。

2.1分段线性变换

线性变换包含灰度线性变换和分段线性变换[1]。分段线性变换是将图像的灰度范围分为多段(如三段),然后对每个线段的灰度进行线性变换处理,以突出图像中感兴趣的目标。设原始图像的灰度值为f(i, j),分段线性变换后图像的灰度值为g(i, j),则分段线性变换的输入输出映射关系如图2所示[4]。

在图2中,感兴趣目标的灰度范围[fa, fb]被拉伸到[ga, gb],其他线段的灰度被压缩,即有α<1、β&gt;1、γ<1。分段线性变换的数学函数表达式为:

式(1)中,α=ga/fa,β=(gb-ga)/(fb-fa),γ=(255-gb)/(255-fb),i=1,2,…,m,j=1,2,…,n,图像的大小为m×n。从映射关系和表达式可以看出,分段线性变换的优点是变换函数较简单,所需计算量较少;缺点是技术参数需要人为选取,如fa、fb、ga和gb。

2.2指数变换

指数变换又称伽马校正或幂律变换[5],它属于非线性变换,其数学函数表达式为:

式(2)中,α、γ均为正数。α为缩放系数,是一个常数,通常取1;γ为伽马系数,其值的选取决定了输入图像和输出图像的映射关系。当γ<1时,把输入的窄带暗值映射到输出宽带亮值;当γ>1时,把输入的宽带亮值映射到输出窄带暗值;当γ=1时,相当于正比变换。指数变换输入输出映射关系如图3所示。

使用指数变换进行图像增强时,要想得到较理想的增强效果,γ取值应遵循以下规律:当输入图像比较亮时γ应大于1;当输入图像比较暗时γ应小于1。与分段线性变换相比,指数变换的计算量会大一些。

2.3对数变换

对数变换也属于非线性变换,其数学函数表达式为:

式(3)中,c为增益常数,lg(x)为以10为底的对数,1+f(i, j)是为了避免对零取对数。对数变换输入输出映射关系如图4所示。

从图4可以看出,对数变换将输入范围较窄的低灰度值变换为输出范围较宽的高灰度值,将输入范围较宽的高灰度值变换为输出范围较窄的高灰度值,即对输入图像的低灰度值进行拉伸,高灰度值进行压缩,特别适用于对较暗的图像进行增强,与γ小于1时的指数变换类似。

2.4直方图均衡化

直方图均衡化的基本思想是对处于某一灰度值的像素个数进行重新分配,以实现最大程度上的均匀分布。即对图像中像素个数较多的灰度值(图像中感兴趣的目标)进行展宽,而对像素个数较少的灰度值进行压缩。设输入图像和直方图均衡化后图像的灰度值分别为f(i, j)和g(i, j),i=1,2,…,m,j=1,2,…,n。则直方图均衡化的具体操作步骤如下。

1)求输入图像各灰度值的像素个数,即灰度直方图;

2)求各灰度值的灰度分布概率,即各灰度值像素个数与总像素个数的比值;

3)求各灰度值的累计分布概率;

4)以累计分布概率为变换函数进行直方图均衡化计算,得到输出图像。

直方图均衡化对动态范围较小的图像增强效果特别明显,其优点是它能够自动调整图像的灰度分布,缺点是增强效果不好控制,容易造成图像灰度级减少,从而导致图像细节消失。

3空域图像增强系统的设计

3.1设计思路

在进行空域图像增强系统的设计过程中,主要有五个环节。

1)确定空域图像增强算法。通过综合考察,本文所设计的空域图像增强系统主要包含四种图像增强算法,分别是分段线性变换、指数变换、对数变换和直方图均衡化。

2)利用MATLAB实现四种图像增强算法。这里需要对每种算法分别进行实现,并写成函数(function)的形式,以便后续调用。这是本系统设计的最核心部分。

3)设计GUI界面。通过MATLAB图形界面GUI开发工具进行设计,所设计的界面除了显示原始图像外,还应显示四种增强算法的仿真结果,这便于对每种算法的优劣进行直观视觉比较。

4)添加回调函数。所设计的系统界面有两个按钮,一个是图像导入按钮,另外一个是图像增强按钮,需要在所设计的系统(m文件)里对这两个按钮分别添加一些函数,以保证系统能运行。

5)生成独立可执行的EXE文件。将所设计的系统(m文件)打包生成独立可执行的EXE文件,形成一个独立的图像增强软件,此软件移植到别的计算机也能方便使用。

3.2设计结果

为了说明所设计空域图像增强系统的有效性,我们选取了两幅效果不太好的图像进行实验验证,它们分别是“boy”和“night”。图5为四种空域图像增强算法对boy图像的处理结果。其中分段线性变换图像增强处理时[fa, fb]为[0, 160],[ga, gb]为[0, 255];指数变换图像增强处理时γ为0.95;对数变换图像增强处理时c为105。

图6为四种空域图像增强算法对night圖像的处理结果。其中分段线性变换图像增强处理时[fa, fb]为[0, 30],[ga, gb]为[0, 255];指数变换图像增强处理时γ为0.75;对数变换图像增强处理时c为110。

3.3实验结果分析

1)主观视觉评价

由图5、图6可以看出,四种空域图像增强算法都对原始图像进行了一定程度的增强。对于分段线性变换、指数变换和对数变换,都需要人为设置参数,而且参数的选取对图像的增强效果有很大影响。分段线性变换和指数变换都能比较好地突出图像中感兴趣的目标,相比于其他两种算法,图像增强后的效果视觉上更加优越;直方图均衡化增强后的图像虽然灰度分布较均匀,从黑到白都有涉及,但因为减少了一些灰度级别,导致了图像细节消失(图6更加明显);对数变换增强后的图像其灰度集中在一个较小的区域,层次感弱,给人灰蒙蒙的感觉。

2)客观评价

本文采用图像对比度来客观衡量图像增强的效果。一般来说,对比度大的图像比对比度小的图像有更高的清晰度和更强的层次感[4]。图像对比度计算公式如下

式(4)中,δ(i, j)=|i- j|,为相邻像素的灰度差;Pδ(i, j)为相邻像素灰度差为δ的像素分布概率。表1为boy和night图像增强前和增强后的图像对比度,从数据可以看出,增强后的图像其对比度都要比增强前大,说明四种空域图像增强算法都对原始图像进行了不同程度的增强。

4  结束语

在众多的图像增强算法中,本文选取了四种空域图像增强算法进行分析研究,设计了一款空域图像增强系统,该系统包含的四种增强算法分别为分段线性变换、直方图均衡化、指数变换和对数变换。所设计的增强系统操作简单,界面友好,能同时展示四种算法的增强结果。不足之处是在分段线性变换、指数变换和对数变换算法设计上不能进行自适应增强,需要人为选择参数,这导致对不同的图像其增强效果会有很大的不同,甚至达不到增强的目的,这是今后笔者需要重点研究的地方。

参考文献:

[1] 杨杰.数字图像处理及MATLAB实现[M].3版.北京:电子工业出版社,2019.

[2] 王蓉.图像增强算法实现[D].荆州:长江大学,2014.

[3] 刘国华.HALCON数字图像处理[M].西安:西安电子科技大学出版社,2018.

[4] 朱虹.数字图像处理基础[M].北京:科学出版社,2005.

[5] 胡学龙.数字图像处理[M].4版.北京:电子工业出版社,2020.

收稿日期:2021-06-25

基金项目:巢湖学院2021年度校级大学生创新创业训练计划项目(项目编号:X202110380002)

作者简介:许锐(1999—),男,安徽亳州人,本科在读,主要研究方向为数字图像处理;陈初侠(1984—),男,江西乐安人,通信作者,实验师,硕士,主要研究方向为数字图像处理、EDA技术等。

猜你喜欢
图像增强
一种基于轻量级深度网络的无参考光学遥感图像增强算法
图像增强技术在超跨声叶栅纹影试验中的应用
水下视觉SLAM图像增强研究
虚拟内窥镜图像增强膝关节镜手术导航系统
基于图像增强的无人机侦察图像去雾方法
基于梯度信息的多尺度Retinex图像增强方法及应用