利用直方图均衡化和规定化进行图像增强的算法设计 数字图像处理--毕业论文精选.doc

目 录 第1章 绪论 1 1.1 数字图像处理的研究背景 1 1.2 数字图像处理的研究内容 1 1.3 DSP系统简介 2 1.4 图像增强简介 4 第2章 DSP系统 5 2.1 DSP芯片 5 2.1.1 DSP芯片的特点 6 2.1.2 图像处理系统中DSP芯片的选择 7 2.2 基于DSP的图像处理系统 8 第3章 图像增强 9 3.1 图像增强的基本概念 9 3.2 图像增强的方法 9 3.2.1 图像锐化 10 3.2.1.1 图像锐化原理 10 3.2.1.2 拉普拉斯算子 11 3.2.1.3 基于DSP的算法实现 12 3.2.1.4 图片锐化效果比较 14 3.2.2 Sobel边缘检测算法 16 3.2.2.1 Sobel边缘检测算法原理 16 3.2.2.2 Sobel边缘检测算法的变异及实现 16 3.2.3 直方图均衡化算法 20 3.2.3.1 直方图均衡化 20 3.2.3.2 直方图规定化 21 3.2.3.3实验结果及分析 23 第4章 直方图均衡化和规定化算法的DSP实现 25 4.1 算法的DSP实现与优化 25 4.1.1 算法开发硬件平台选择 25 4.1.2 算法的实现与优化 26 4.2 实验及结果分析 27 结 论 31 致 谢 32 参考文献 33 第1章 绪论 1.1 数字图像处理的研究背景 数字图像处理又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。图像处理的基本目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。 随着数字多媒体技术的不断发展，数字图像处理技术被广泛应用于可视电话、电视会议、监控系统、智能交通监控、目标跟踪、机器人导航等各种民用、商用及工业生产领域中。但在这些数字图像处理系统中，一个突出的问题就是数据量庞大，数据处理相关性高，实现实时比较困难。因此图像处理速度成为实时性的主要因素，这就要求实时图像处理系统必须具有强大的运算能力。高性能 DSP 的发展为实时的图像处理提供了一个解决途径。高速DSP不仅可以满足在运算性能方面的需要，而且由于DSP的可编程性，还可以在硬件一级获得系统设计的极大灵活性。 1.2 数字图像处理的研究内容 数字图像处理技术，主要研究的内容:图像变换、图像编码压缩、图像增强和复原、图像分割、图像分类(识别)等。 (1) 图像变换。由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效地处理 (如傅立叶变换可在频域中进行数字滤波处理)。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 (2)图像编码压缩。图像编码压缩技术可减少描述图像的数据量(即比特数)，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。 (3)图像增强和复原。图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显：如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。 (4)图像分割。图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来 ，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。 (5)图像描述。图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维