数字图像处理课程设计-图像去雾.doc

数字图像处理课程设计_图像去雾 作者： 日期：2 个人收集整理 勿做商业用途课程设计报告课设题目:图像去雾学 院：电子与信息工程学院专 业：10城建电子班 级： 1姓 名：王鑫鑫学 号：10205900119指导教师：宋杨 徐荃 汪莉丽 朱徐来安徽建筑大学2013年12月8日1. 不要删除行尾的分节符,此行不会被打印目 录一。 课程设计任务1二。 课程设计原理及设计方案2三. 课程设计的步骤和结果3四。 课程设计总结4五。 设计体会5六。 参考文献6 - 12 -一. 课程设计任务由于大气的散射作用,雾天的大气退化图像具有对比度低、景物不清晰的特点，给交通系统及户外视觉系统的应用带来严重的影响.但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境,使得最终获取的图像往往无法使用。为了解决这一问题，设计图像复原处理软件.要求完成功能：1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图；2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像;3、设计软件界面二. 课程设计原理及设计方案2。设计原理由于图像中存在噪声等干扰，使得图像模糊不清。可以采用图像增强的方法对原图像处理，使图像变得清晰。而直方图均衡化是一种常用的图像增强的方法。图像模糊，其图像的像素分布不均匀，采用直方图均衡化的方法使其图像像素分布均匀，从而达到均衡像素分布增强图像的目的。2.。1直方图均衡化对于连续图像，设r和s分别表示被增强图像和变换后图像的灰度.为了简单,在下面的讨论中，假定所有像素的灰度已被归一化了，就是说，当 时,表示黑色；当 时，表示白色；变换函数 与原图像概率密度函数 之间的关系为: (1)式中：r为积分变量。式（1）的右边可以看作是r的累积分布函数（CDF）,因为CDF是r的函数,并单调地从0增加到1，所以这一变换函数满足了前面所述的关于 在 内单值单调增加，对于 ，有 的两个条件。由于累积分布函数是r的函数，并且单调的从0增加到1，所以这个变换函数满足对式（1）中的r求导，则： (2）再把结果带入式：则得（3)由以上推到可见，变换后的变量s的定义域内的概率密度是均匀分布的。由此可见，用r累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。其结果扩展了像素取值的动态范围。上面的修正方法是以连续随机变量为基础进行讨论的.为了对图像进行数字处理，必须引入离散形式的公式.当灰度级是离散值的时候，可用频数近似代替概率值,即： （4）式中，L是灰度级数； 是取第k级灰度值的概率； 是在图像中出现第k级灰度的次数；N是图像中像素数.通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理。式（1）的直方图均衡化累积分布函数的离散形式可由式（5）表示： ，（5)其反变换为 (6)2。2 HIS彩色模型下的图像增强在图像处理及显示的过程中，为了能正确的使用颜色模型，需要建立颜色模型.颜色模型是三维颜色空间中的一个可见光集，它包含某个颜色域的所有模型。常见的颜色模型有RGB，HSV，NTSC，HISr等，各颜色模型之间可通过公式进行相互转换。HSIHueSaturation-Intensity（Lightness)，HSI或HSL颜色模型用H、S、I三参数描述颜色特性，其中H定义颜色的波长，称为色调；S表示颜色的深浅程度，称为饱和度；I表示强度或亮度 当人观察一个彩色物体时，用色调、饱和度、亮度来描述物体的颜色.色调是描述纯色的属性(纯黄色、橘黄或者红色）；饱和度给出一种纯色被白光稀释的程度的度量；亮度是一个主观的描述，实际上，它是不可以测量的,体现了无色的强度概念，并且是描述彩色感觉的关键参数.而强度（灰度)是单色图像最有用的描述子,这个量是可以测量且很容易解释。则将提出的这个模型称作为HSI(色调、饱和度、强度)彩色模型，该模型可在彩色图像中从携带的彩色信息（色调和饱和度)里消去强度分量的影响，使得HSI模型成为开发基于彩色描述的图像处理方法的良好工具，而这种彩色描述对人来说是自然而直观的。HSI模型基于两个重要的事实:其一，I分量与图象的彩色信息无关;其二，H和S分量与人感受颜色的方式是紧密相连的。HSI模型中的各分量可定义在如图1(a)中所示的双棱锥中，其中每个横截面如图1（b)所示。对其中的任1个色点P，其H的值对应指向该点的矢量与R轴的夹角。这个点的S与指向该点的矢量长成正比,越长越饱和。利用由RGB转换成HIS的公式进行模型转换:2.2设计方案无雾图像和有雾图像相比对比度较高，因此可以考虑增强局部对比度方法进行去雾：1、对彩色图像RGB模型转换为HSI，对I分量分析图像直方图；2、设置适合尺寸模版，对I分量进行局部直方图均衡化增强，分析增强前后的图像和直方图,讨论该方法去雾存在的问题。3、查阅“基于暗原色先验的单一图像去雾方法，设计图像无雾算法.三. 课程设计的步骤和结果。3matlab源程序一、 选择图像并观察其直方图fname pname=uigetfile(*.png;*.jpg，select a image)；Im = imread(fname）；axes(handles.axes1）；imshow(Im);imwrite（Im,image1。tif）；axes（handles。axes2);Im_1=rgb2gray(Im）;imhist(Im_1,64)；二、 在RGB模型中对其进行直方图均衡化RGB=imread(image1.tif);R=RGB(：,:,1)；G=RGB(:，：，2)；B=RGB（：,:，3);r=histeq(R）；g=histeq(G）;b=histeq(B）；Im2=cat（3,r，g,b）；axes（handles.axes3）;imshow(Im2)；axes(handles。axes4）;Im_2=rgb2gray（Im2)；imhist（Im_2,64）；三、 在HIS模型中对亮度进行均衡化F=imread（image1.tif)；F=im2double(F)；r=F（:,:,1)；g=F（:，:，2）;b=F(：,:,3)；th=acos（0.5*（r-g)+（r-b)./(sqrt(（r-g）.2+(rb).(gb）)）+eps)；H=th;H（bg)=2piH（bg）；H=H/(2*pi)；S=1-3。（min（min(r，g)，b）)./（r+g+b+eps);I=（r+g+b)/3;hsi=cat(3，H,S，I); IE=histeq(I）；RV=cat（3,H，S,IE)； HV=RV(:，:，1)*2pi;SV=RV(:，:,2）;IV=RV(:,:,3);R=zeros（size（HV）)；G=zeros(size（HV）；B=zeros（size（HV);%RG Sector；判断H所在范围id=find(（0=HV)& （HV2pi/3）);B(id）=IV(id）.(1-SV（id）)；R（id）=IV（id).(1+SV（id)。*cos（HV（id)./cos（pi/3-HV(id）)；G（id)=3IV(id)(R（id)+B(id）)；BG Sectorid=find（2*pi/3=HV) (HV4pi/3）;R（id）=IV(id）.*（1SV(id);G（id)=IV(id）.*(1+SV（id）.*cos(HV（id）-2*pi/3)./cos(pi-HV(id）)；B(id)=3IV（id）-（R(id)+G(id);BR Sectorid=find（4pi/3=HV)& （HV2*pi)）;G(id)=IV（id)。*（1-SV（id)）；B(id）=IV（id）.*(1+SV(id）。cos（HV(id）4pi/3)./cos（5*pi/3HV（id)）);R(id）=3*IV(id)(G(id）+B(id）);Im3=cat(3,R,G,B)；Im3=max（min（Im3,1），0）; axes（handles。axes5)；imshow（Im3);axes（handles.axes6）;Im_3=rgb2gray(Im3)；imhist(Im_3,64)；其运行结果如图所示:四. 课程设计总结利用直方图均衡化的方法对图像进行增强，只是对像素分布进行的均衡处理.在均衡各色彩像素的同时，亦把图像中的各噪声分量也均衡化了，虽然实现了图像增强了作用,但不能很好的把图像中噪声分量完全消去。在HIS彩色模型中对图像的色调、色饱和度和亮度各个分量进行处理，能够很好的实现图像增强的目的。运用RGB模型与HIS模型之间的各个分量的相互转换的公式，可以很方便的对RGB彩色图像进行图像增强的操作，但是对单幅图像的增强操作，存在边缘和细节模糊的现象。五. 设计体会经过一周的时间，课设可以分为三个过程.首先，是对课题的分析并查找相关的资料。理解所要求要实现的功能模块,以及用在MATLAB中实现。其次,根据相关的资料，编写相关的功能模块,并把所编写的功能模块插入所设计的可视化软件的程序中。最后，根据所编写完成的软件和程序，写课设报告。此次课设，查询相关资料,自学了利用MATLAB制作可视化软件。了解了RGB彩色图像与HIS彩色图像相互转换和图像增强的处理.六. 参考文献1 Rafael C。 Gonzalez,Richard E。 Woods.数字图像处理。电子工业出版社，2008。112 何凯明，孙剑，汤晓鸥.基于暗原色先验的单一图像去雾方法。香港中文大学。3 王林方。MATLAB可视化界面设计。2010。44 MATLAB实现RGB与HIS的相互转换。5 何家峰，王华香，崔苗，朱铮涛。图像处理与分析实验指导.广东工业大学。2006.6