欢迎来到天天文库
浏览记录
ID:38282818
大小:254.88 KB
页数:3页
时间:2019-05-29
《数字图像光照不均匀校正及Matlab实现》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、万方数据匿亘垂噩雯夔雯受垂亘圈图像处理文章编号:1008-0570(2008)04-3-0313-02数字图像光照不均匀校正及Matlab实现ReduceNon—-uniformIlluminationAchievedbyMatlab(聊城大学数学科学学院)孑jj、忠贵SUNZhong-gui摘要:为了更好地进行光照不均匀图像校正.提出了一种在Matlab平台上实现基于概率的光照不均匀图像校正算法。实验结果分析表明,本文算法与经典算法相比,具有更强的抗噪能力,得到了更好的校正效果。关键词:Matlab;数字图像
2、:光照不均匀中图分类号:TP391文献标识码:BAbstract:Inthispaper,amethodbasedonprobabilityforreducingnon-uniformilluminationofimagewaspmposedonMatlabplatform.Experimentalresultsshowthatthis$chemeisnotonlyeffectiveforreducingnon—uniformilluminationoftheoriginalimagewell,butalsor
3、obustfornoisepollution.KeyWords:Probability;Digitalimage;Non-uniformillumination1引言近年来.随着信息技术的发展.图像资源日益丰富,图像增强在信息处理中占据了越来越重要的位置。一方面,在图像产生过程中.由于图像是由光的反射形成的,常出现光源在景物上照射不均匀的现象,至使光照强的部分较亮,光照弱的部分较暗;另一方面。在图像生成和传输的过程中,经常会引起脉冲噪声.从而导致图像呈现出随机分布的黑白相间的噪声点。上述两种现象的存在。不仅破坏
4、了图像的真实信息,还严重影响了图像的视觉效果。对后续的边缘检测、模式识别等工作也会造成较大影响。因此如何在噪声环境下对数字图像的光照不均匀校正具有重要意义。科学研究中的图像处理公式较多。要求也很严谨,以往采用FORTRAN语言和c等高级语言编程实现,具有难度大、耗时多的缺陷。Matlab的出现则简化了这部分工作,它由主程序及功能丰富的工具箱组成。Matlab图像处理工具箱提供了强大的图像处理、图形界面设计的功能。采用Matlab编程能够节省图像处理工作者的时间和精力,提高图像处理并行率。本文在分析光照不均匀现象
5、和脉冲噪声的基础上,提出了一种基于概率的数字图像光照不均匀校正算法.并借助Matlab图像处理工具箱进行了仿真,同时对本文算法和经典算法的处理效果进行了比较和评价。2用图像处理工具箱实现数字图像光照不均匀校正工具箱是Matlab软件的特色,具有功能强大,编制严谨的特点。且工具箱中的算法随Matlab不同版本进行更新,包含了相应领域内的比较新的和成熟的算法。使用专业工具箱进行编程。用户无需编写自己学科范围内的基础程序,而直接进行前孙忠贵:讲师硕士基金项目:聊城大学青年教师科研基金资助项[](x061028)沿性学
6、术研究。Matlab工具箱给用户提供了一个快捷方便的算法研究平台。让用户把更多的精力集中在算法而不是编程上,极大地方便了问题的研究。Matlab图像处理工具箱提供了实现图像处理的一些函数.下面仅介绍程序中涉及的几个主要函数,如表1所示。表1图像处理及小波变换函数函数功能读取图像文件.A爿m删Id(61蜘amc,向呻显示图像数字矩阵,in-,show(A)给图像添加噪声-I=imnoisc(A,type.parameters)调整图像大小.J=imresiz爿^size.method)n∞dfilt2对图像实现中
7、值滤波,medfilt2(A,[m,n])blkpr∞对图像进行块操作,K=bI坤m“ADn'n】'fun)2.1基于概率的数字图像光照不均匀校正算法在光照不均匀校正算法中较经典的top—hat算法[4】和文献【5】提供的算法,都是先对光照不均匀背景进行提取,然后通过图像减运算去除光照不均匀的影响。然而进进行背景提取时。上述两种算法都是通过取最小值来实现的,对于一幅受脉冲噪声污染的图像.在一个区域中的最小值往往表现为污染点。其亮度并不能代表背景亮度。本文算法在对一个区域中的背景进行提取时。采取统计的方法,先计算
8、该区域中像素亮度的均值和标准差。然后依统计值进行背景灰度计算。这样有利于排除噪声点的干扰,鲁棒性更强。基于概率的数字图像光照不均匀校正算法.具体步骤如下:(1)估计图像背景的灰度。选取适当大小的图像区域,计算该区域内的像素灰度均值p和标准差o,然后以max(min.#一3cr)作为该区域的背景灰度;其中min为该区域像素的最小灰度值。(2)然后将粗略估计出的背景灰度矩阵扩展在和原始图像
此文档下载收益归作者所有