灰度图像二值化处理
内蒙古科技大学本科毕业论文
二〇一二年四月
摘要
本文介绍了图像及数字图像处理技术的一些概念和相关知识；还介绍了灰度图像和图像二值化的概念及其表示形式；对图像灰度化和图像二值化的优缺点作了简单的的介绍；重点介绍了灰度图像的二值化方法研究，其包括的内容有二值化研究动态和研究方法；对全局阈值法；局部阈值法这两种方法进行了研究讨论。关键字：图像处理、二值化、图像、阈值
Abstract
This paper introduces the image and digital image processing technology of some concepts and related knowledge; also introduced the gray-scale image and the images of the two values of the concept and its representation; grayscale images and images of the two values of the advantages and disadvantages to make simple introduction; mainly introduces two gray image binarization method, its includes the contents of two values of research and research methods; the global threshold method; local threshold method, the two methods are discussed. Keywords:image processing, image, threshold value of two,
目录
引言 (5)
1.灰度图像与二值图像 (6)
1.1图像 (6)
1.2数字图像 (6)
1.2.1彩色图像 (6)
1.2.2灰度图像 (7)
1.2.3二值图像 (7)
2.灰度图像二值化方法研究 (8)
2.1全局阈值法 (8)
2.1.1全局阈值法的概念 (8)
2.1.2全局阈值法的方法 (9)
2.1.3全局阈值法的优缺点介绍及阈值选取 (11)
2.2局部阈值法 (11)
2.2.1局部阈值法的概念 (11)
2.2.2局部阈值法的方法 (12)
2.2.3局部阈值法的优缺点介绍 (12)
3.灰度图像二值化的应用 (12)
结束语 (14)
参考文献 (15)
致谢 (16)
引言
图像二值化是图像处理中的一项基本技术，也是很多图像处理技术的预处理过程。在颗粒分析、模式识别技术、光学字符识别(OCR)、医学数据可视化中的切片配准等应用中，图像二值化是它们进行数据预处理的重要技术。由于图像二值化过程将会损失原图像的许多有用信息，因此在进行二值化预处理过程中，能否保留原图的主要特征非常关键。在不同的应用中，图像二值化时阈值的选择是不同的。因此，自适应图像阈值的选取方法非常值得研究。研究者对图像二值化方法进行了讨论，在此基础上提出了一个新的图像二值化算法。该算法基于数学形态学理论，较好地保留了图像二值化时原图的边缘特征。本文主要研究二值化及灰度图像二值化方法。
1.灰度图像与二值图像
1.1图像
图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用于人眼而产生视觉的实体。
图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。但就其本质来说，可以将图像分为模拟图像和数字图像。
1.2数字图像
数字图像是将连续的模拟图像经过离散化处理后得到的计算机能够辨识的
点阵图像。在严格意义上讲，数字图像是经过等距离矩形网格采样，对幅度进行等间隔量化的二维函数。因此，数字图像实际上就是被量化的二维采样数组。
一幅数字图像都是由若干个数据点组成的，每个数据点称为像素(pixel)。比如一幅256×400，就是指该图像是由水平方向上256列像素和垂直方向上400行像素组成的矩形图。每一个像素具有自己的属性，如颜色(color)、灰度(grayscale)等，颜色和灰度是决定一幅图像表现里的关键因素。数字图像又可分为彩色图像、灰度图像、二值图像。
1.2.1彩色图像
彩色图像是多光谱图像的一种特殊情况，对应于人类视觉的三基色即红（R）、绿（G）、蓝（B）三个波段，是对人眼的光谱量化性质的近似。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255种值可取，这样一个像素点可以有1600多万的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，一个像素点的变化范围为255种。图1-1为彩色图像。
图1-1
1.2.2灰度图像
灰度图像是指只含亮度信息，不含色彩信息的图像。单纯的看，灰度图也是黑白的，就像黑白电视显示的图像一样，但是点与点之间黑的程度是不一样的、这就是深度。如果称不同深度的颜色为一色的话，灰度图像就不止只有黑色和白色两种颜色，一般使用的灰度图为256级灰度图，就是说图像由256种不同灰度级的颜色组成。图像灰度化的效果如图1-2。
图1-2
灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种。YUV是编译颜色空间的种类，“Y”表示明亮度“U”表示色度“V”表示浓度，根据YUV的颜色空间，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：
Y=0.3R+0.59G+0.11B (1-1)
以这个亮度值表达图像的灰度值。
1.2.3二值图像
二值图像就是指只有两个灰度级的图像，二值图像具有存储空间小，处理速度快，可以方便地对图像进行布尔逻辑运算等特点。更重要的是，在二值图像的基础上，还可以进一步对图像处理，获得该图像的一些几何特征或者其他更多特征。
在图像相关方面，用二值图像进行相关比用灰度级图像进行相关有更好的相关性能和去噪作用。在用硬件实现时可避免乘法运算，从而提高硬件系统的速度和降低成本。在图像的符号匹配方面，二值图像比灰度级图像更适合于用符号来表达。二值图既保留了原始图像的主要特征，又使信息量得到了极大的压缩。图1-3为二值图像。
图1-3
2.灰度图像二值化方法研究
图像二值化是图像处理中的一项基本技术，也是很多图像处理技术的预处理过程。
图像的预处理在进行图像二值化操作前要对图像进行预处理，包括彩色图像灰化和增强。由于选取阈值需要参照直方图，因此在图像进行处理后，我们再获取图像的直方图以帮助选取阈值。整个流程如下所示：
读取图像→灰度图像→图像增强→图像直方图→二值化处理
图像二值化是图像数据预处理的重要技术，如果二值化过程中阈值选取不当会损失原图像的许多有用信息。图像二值化处理的方法包括全局阈值法、局部阈值法。
2.1全局阈值法
2.1.1全局阈值法的概念
全局阈值法是指在二值化过程中只使用一个全局阈值T的方法。它将图像的每个像素的灰度值与T进行比较，若大于T，则取为前景色（白色）；否则，取为背景色。
根据文本图像的直方图或灰度空间分布确定一个阈值，以此实现灰度文本图像到二值图像的转化，其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法。阈值分割法的结果很大程度上依赖于对阈值的选择，因此该方法的关键是如何选择合适的阈值。
选择不同的初始灰度也会产生不一样的二值化图像，图2—1 所示3 幅图像则是分别采取T=109，T=127，T=155 三种初始值对Lena 进行基本全局门限二值化后的图像。可以看出效果都不一样。因此要获得最佳效果，必须要考虑选择一个好的初始T 值。另外使用迭代法虽然能得到很精确的阈值，但是也占用了大量的时间，即时间复杂度比较高，效率较其他算法低。
图2—1
2.1.2全局阈值法的方法
典型的全局阈值法包括Otsu 方法、最大熵方法等。全局阈值法算法简单，对于目标和背景明显分离、直方图分布呈双峰的图像效果良好，但对于由于光照不均匀、噪声干扰较大等原因使直方图分布不呈双峰的图像，二值化效果明显变差。下面重点介绍Otsu 方法：
Otsu 方法是一种全局化的动态二值化方法，又叫大津法，还称为最大类间差发，是基于整幅图像的统计征，实现阈值的自动选取。其原理是把图像直方图用某一灰度值分割成两类，分别计算这两类的像素点数和灰度平均值，然后计算它们的类间方差。当被分割成的两类间方差最大时，此灰度值就作为图像二值化处理的阈值。大津法的使用范围比较广，不论图像的直方图有无明显的双峰，都能得到较满意的结果，在很多领域得到了应用和发展。
对图像Image ，记t 为目标与背景的分割阈值，目标像素数占图像比例为0ω，平均灰度为0μ；背景像素数占图像比例为1ω，平均灰度为1μ。图像的总平均灰度为：)()()()(1100t t t t μωμωμ+=。从最小灰度值到最大灰度值遍历t ，当t 使得值211200)()(μμωμμω-+-=g 最大时t 即为分割的最佳阈值。对大津法可作如下理解：该式实际上就是类间方差值，阈值t 分割出的目标和背景两部分构成了整幅图像，而目标取值0μ，概率为 0ω，背景取值1μ，概率为1ω，总均值为μ，根据方差的定义即得该式。因方差是灰度分布均匀性的一种度量，方差值越大说明构成图像的两部分差别越大，当部分目标点错分为背景或部分背景点错分为目标点都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。
记),(j i f 为M N ?图像),(j i 点处的灰度值，灰度级为μ，不妨假设),(j i f 取值]1,0[-m 。记)(k p 为灰度值为k 的频率，则有： ∑==k j i f MN k p ),(11
)( (2-1)
假设用灰度值t 为阈值分割出的目标与背景分别为：}),({t j i f ≤和
}),({t j i f >，于是目标部分比例：∑≤≤=
t i i p t 00)()(ω， (2-2)
目标部分点数：∑≤≤=t
i i p MN t N 00)( )( (2-3)
背景部分比例：∑-≤<=
11)()(m i t i p t ω (2-4)
背景部分点数：∑-≤<=11)()(m i t i P MN
t N (2-5) 目标均值：∑≤≤=t i t i ip t 00
0)(/)()(ωμ (2-6)
背景均值：∑-≤<=11
1)(/)()(m i t t i ip t ωμ (2-7) 总均值：)()()()(1100t t t t μωμωμ+= (2-8) 大津法指出求图像最佳阈值g 的公式为：
]))(()())(()([ 2112001
-m t 0μμωμμω-+-=≤≤t t t t Max Arg g (2-9) 该式右边括号内实际上就是类间方差值，阈值g 分割出的目标和背景两部分构成了整幅图像，而目标值)(0t μ，概率为)(1t ω，背景取值)(1t μ，概率为)(0t ω，总均值为μ，根据方差的定义即得该式。因方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小，这便是大津法的真正含义。其实，换一种思想也能很好的理解大津方法。)(0t μ和)(1t μ，可以分别代表目标和背景的中心灰度，μ则代表整幅图像的中心灰度，要使目标和背景得到最好的分割，当然希望分割出的目标尽量远离图像中心，即20))((μμ-t 或|)(|0μμ-t 尽量大，背景也尽量远离中心，即21))((μμ-t 或|)(|1μμ-t 尽量大，由于希望两者都大，于是有：
(1) 两者之加权和最大：
]))(()())(()([ 2112001
-m t 0μμωμμω-+-=≤≤t t t t Max Arg g (2-10) (2) 两者之积最大：
]))(())(([ 21201
-m t 0μμμμ--=≤≤t t Max Arg g (2-11) 注意到有)()()()(1100t t t t μωμωμ+=，且)()(10t t μμμ≤≤，因此有：2120211200))(())(())(()())(()(μμμμμμωμμω--=-+-t t t t t t 。可见是二者等价的。图2-2为灰度图像由Otsu 方法得到的二值图像。
原图Otsu方法得到的二值图像
图2-2
2.1.3全局阈值法的优缺点介绍及阈值选取
全局阈值方法依然存在一些不足，主要表现在：若目标与背景之间灰度差不明显，可能出现大块黑色区域，甚至丢失整幅图像的信息；仅利用一维灰度直方图分布，没有结合图像的空间相关信息，处理效果不好；当图像中有断裂现象或者背景有一定噪声时，无法得到预期效果。
为了满足图像处理应用系统自动化及实时性要求，图像二值化的阈值的选择最好由计算机自动来完成。下面列举几个阈值的自动选择算法；
（1）平均灰度值法以图像中所有像素灰度值的平均值为阈值。
（2）大津法：又称最大类间差发，和上文中的Otsu方法相同。
（3）边缘算子法；采用Laplace算子、Robert算子、Sober算子等对像素点进行灰度级增强或减弱的变换。对于灰度均匀分布的区域内的像素点，这些算子对其进行灰度减弱；对于在边缘附近的像素点，这些算子对其进行灰度增强。
2.2局部阈值法
2.2.1局部阈值法的概念
局部阈值法是用像素灰度值和此像素邻域的局部灰度特性来确定该像素的阈值的，当照明不均匀，有突发噪声，或者背景灰度变化较大时，局部阈值确定技术必须根据像素的坐标位置关系自动确定不同阈值，实施动态的自适应二值化处理。
局部阈值选取一般将图像划分为若干子图像，在每个子图像区域上使用整体阈值法，从而可以构成是整幅图像的局部阈值法（根据每个子图像确定相应的阈值，，具体的阈值确定方法同全局阈值的确定类似）。用这种方法分割后的图像在不同的子图像的边界处有灰度的不连续分布，因此必须采用平滑技术来消除灰度的不连续性。
2.2.2局部阈值法的方法
比较典型的局部二值化算法有Bernsen 方法、多阈值的梯度强度法、基于纹理图像的方法、最大方差法等。下面着重介绍Bernsen 方法
局部阈值法把灰度阈值选取为随像素位置变化而变化的函数，它是一种动态选择阈值的自适应方法。
设图像在像素点),(j i 处的灰度值为),(j i f ，考虑以像素点),(j i 为中心的)12()12(+?+ωω窗口，（12+ω表示窗口的边长），则Bernsen 算法可以描述如下： 计算图像中各个像素点),(j i 的阈值),(j i T
)),(min ),(max (5.0),(n j m i f n j m i f j i T n m n m +++++?=≤≤-≤≤-≤≤-≤≤-ωωωωωωωω (2-12)
对图像中各像素点),(j i 用),(j i b 值逐点进行二值化。
???≥<=)
,(),(1),(),(0),(j i T j i f j i T j i f j i b (2-13) 用I 存储灰度图像的值，设I 为M N ?，把I 边界扩展成()()22+?+M N extend 矩阵。
2.2.3局部阈值法的优缺点介绍
局部阈值法一般用于识别干扰比较严重、品质较差的图像，相对整体阈值方法有更广泛的应用，但也存在缺点和问题，如实现速度慢、不能保证图像连通性以及容易出现伪装现象等。图2-3为灰度图像由Bernsen 方法得到的二值图像。
原图 Bernsen 二值图像
图2-3
3.灰度图像二值化的应用
图像二值化是图像处理中一个非常活跃的分支， 其应用领域非常广泛，作为一种高效智能的人机交互手段，身份证的快速识别技术可以广泛的应用于公民
身份核查、暂住人口调查、旅店业登记核查、犯罪追逃等公安业务当中，大大提高了工作效率。由于身份证图像背景复杂，由激光防伪阴影网格线及各种版面噪声构成:且因激光防伪标志和打印条件的千差万别，再加上身份证的字符识别带来了很大的困难。必须经过预处理，除去大量的噪声信号，才能更好的进行字符的定位、分割，以及识别。而二值化是，预处理中非常重要的一步也是最为关键的一步，他直接影响到OCR系统的性能。
在传真技术领域里，文件传真机是具有黑白二值信息的文字和图表。在颗粒分析、模式识别技术、光学字符识别（OCR）、医学数据可视化中的切片配准等应用中，图像二值化是它们进行数据预处理的重要技术。
激光雕刻中图像处理的二值化处理激光雕刻是近十几年随着激光技术的发展而产生的一种新的雕刻技术，它与计算器图形学、图像处理等学科的结合，应用在各种材料上进行文字、图像加工。如何能得到光滑且能真实反映原图像的雕刻图像是其中的主要问题，但是激光器的开关只有两种状态，因此，图像的二值化处理就成为了关键性技术，其中阈值的选取是决定二值化图像好坏的因素。现实世界中黑白二值图像很少用，大多数图像都是灰度图像或是彩色图像。要使这些图像适用于激光雕刻中，就需要对其进行二值化处，研究者针对激光雕刻总结了适用于雕刻的二值化方法，使得得到的二值图像效果最好。
在信息社会中人的身份识别得到广泛关注。指纹识别技术除了在传统的法律公安上得到应用之外，还有更广阔的应用前景，如计算器用户的确认、访问网络资源的口令、银行ATM机和信用卡的使用、各类智能IC卡的双重确认，以及雇员证明、海关身份鉴定、家用电子门锁等一个完整的自动指纹识别系统（AFIS）包括指纹采集、指纹图像预处理、指纹特征提取和比对等几个模块。在自动指纹识别系统中，指纹图像的预处理是正确进行特征提取、比对等操作的基础，而二值化是指纹图像预处理中必不可少的一步。
结束语
在两个多月的毕业设计中，通过广泛查阅与课题有关的内容，我掌握了许多图像信息，更重要的是我对灰度图像二值化方法有了更深的了解。同时也了解到数字图像处理在模式识别，医学，军事等方面都有广泛应用，我受益匪浅。
在图像处理方面也积累了不少的经验，特别是在图像灰度化和图像处理不熟悉的情况下，通过自己学习和导师的指导完成了设计任务。并在设计过程中，自己分析问题和解决问题的能力都得到了锻炼和提高，完善自己的知识结构，加深对知识的理解。
这次毕业设计完成后，体会颇多，在学与做的过程中，取长补短，不断学习新的知识，吸取经验，达到进步的目的。在学与做的过程中老师的指导以及相关图书资料的帮助，我顺利完成了这次论文。但是由于自己的理论知识水平有限，实践知识和设计经验不足，在设计过程中难免存在一些不足，甚至错误，恳请老师批评指正，致使我在以后的工作和实践中加以改进和提高。
参考文献
[1]潘梅森，荣求生。SOFM神经网络的图像融合的二值化方法【J】。光学精密工程，2007，
15（3）：99——104.
[2]潘梅森，易明.一种基于人类是觉得自适应均值滤波算法【J】.计算机工程与应用，2006，
42（10）：62——64.
[3]王建卫.彩色图像的中值滤波算法的改进与应用[J].哈尔滨商业大学大学报：自然科学
版.2006，22（4）：67——69.
[4]李文举，梁德群，王新年.质量退化的车牌字符分割方法【J】.计算机辅助设计与图形学
学报，2004，16（5）：697——700.
[5]郝永杰，刘文耀，路烁。畸变汽车牌照图像的空间校正[J].西南交通大学学报，2002，4 （37）：417——420.
[6]陈丹，张峰，贺贵明.一种改进的文体图像二值化算法【J】.计算机工程，2003，29（13）：
85——860.
[7]黄志斌.面向车辆牌照的L快递二值化算法【J】.华侨大学学报（自然科学版），2002，
23（4）：427——430.
[8]郑咸义，张颖豪.一个改进的LBG算法【J】.J计算机辅助设计与图形学学报，1997.9（4）：
335——338.
致谢
毕业论文即将完成，本次毕业论文我最想感谢，最应该感谢的人是王芳老师。在修改论文的过程中看到王老师的认真负责耐心、专业强势。反观自己大学四年又做或学了些什么呢？什么都没有，似乎大学四年虚度光阴了，宁愿相信自己比人笨，也不愿一步一步地积累知识的。逝者已矣，不想去追悔什么。
从王老师身上学到的更是一种对生活对工作的态度，令我受益非浅。
感谢王老师！感谢和我一起共同走过大学四年的同学，老师！
彩色图像的灰度化处理
第1章绪论 1.1数字图像 数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用计算机或数字电路存储和处理的图像。 像素（或像元，Pixel）是数字图像的基本元素，像素是在模拟图像数字化时对连续空间进行离散化得到的。每个像素具有整数行（高）和列（宽）位置坐标，同时每个像素都具有整数灰度值或颜色值。 通常，像素在计算机中保存为二维整数数阻的光栅图像，这些值经常用压缩格式进行传输和储存。数字图像可以许多不同的输入设备和技术生成，例如数码相机、扫描仪、坐标测量机、seismographic profiling、airborne radar等等，也可以从任意的非图像数据合成得到，例如数学函数或者三维几何模型，三维几何模型是计算机图形学的一个主要分支。数字图像处理领域就是研究它们的变换算法。 1.2设计平台 本次设计采用的平台是MATLAB 7.0。MATLAB编程语言被业界称为第四代计算机语言，它允许按照数学推导的习惯编写程序。MATLAB7.0的工作环境包括当前工作窗口、命令历史记录窗口、命令控制窗口、图形处理窗口、当前路径选择菜单、程序编辑器、变量查看器、模型编辑器、GUI编辑器以及丰富的函数库和MATLAB附带的大量M文件。 MATLAB是由美国Math Works公司生产的一个为科学和工程计算专门设计的交互式大型软件，是一个可以完成各种计算和数据处理的、可视化的、强大的计算工具。它集图示和精确计算于一身，在应用数学、物理、化工、机电工程、医药、金融和其他需要进行复杂计算的领域得到了广泛应用。MATLAB作为一种科学计算的高级语言之所以受欢迎，就是因为它有丰富的函数资源和工具箱资源，编程人员可以根据自己的需要选择函数，而无需再去编写大量繁琐的程序代码，从而减轻了编程人员的工作负担，被称为第四代编程语言。 在MATLAB设计环境中，图像处理工具箱提供一套全方位的参照标准算法
数字图像的灰度处理简述
数字图像的灰度处理 数字图像处理的目的和意义： 图象处理着重强调的是在图象之间进行的各种变换，对图象进行各种加工以改善图象的视觉效果。在图象的灰度处理中，增强操作、直方图及图象间的变换是实现点操作的增强方式，又被称作灰度变换。本文主要介绍了一些数字图像灰度处理的方法，其中图象取反是实现图象灰度值翻转的最直接的方法；灰度切分可实现强化某一灰度值的目的。对直方图进行均衡化修正，可使图象的灰度间距增大或灰度均匀分布、增大反差，使图象的细节变得清晰。 数字图像处理是20世纪60年代初期所形成的一门涉及多领域的交叉学科。所谓数字图像处理，又称为计算机图像处理，就是指用数字计算机及其它有关的数字硬件技术，对图像施加某种应算和处理，从而达到某种预期的目的。在大多数情况下，计算机采用离散的技术来处理来自连续世界的图像。实际上图像是连续的，计算机只能处理离散的数字图像，所以要要对连续图像经过采样和量化以获得离散的数字图像。 数字图像处理中图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。而通过改变图像的灰度以期达到一种很好的视觉效果是图像增强的一种手段。灰度变换的目的是为了改善画质，使图像显示效果更加清晰。 图像的点应算是一种既简单又重要的技术，它能让用户改变图像数据占据的灰度范围。一幅输入图像经过点应算后将产生一幅新的输出图像，由输入像素点的灰度值决定相应的输出像素点的灰度值。图像的点应算可以有效的改变图像的直方图分布，以提高图像的分辨率和图像的均衡。点应算可以按照预定的方式改变一幅图像的灰度直方图。除了灰度级的改变是根据某种特定的灰度变换函数进行之外，点应算可以看作是“从像素到像素”的复制操作。如果输入图像为A（x,y）,
利用DSP实现图像的灰度处理
实验17、利用DSP实现图像的灰度处理 一、实验目的 1.了解图像灰度处理基本原理和方法。 2.熟悉视频采集与显示的运行过程。 3.掌握图像数据在内存中的存储方式，掌握内存地址与屏幕坐标的对应关系。 4.掌握利用DM642实现图像的灰度处理的方法。 二、实验内容 在实验16的基础上，自行设计图像灰度处理的算法程序，加入到视频显示程序中。要求实现灰度显示的区域为一个带黑框的矩形部分，该矩形在显示器屏幕中的位置为：X坐标范围（190~530），Y坐标范围（118~458）；黑色边框为6个像素宽度。如图1所示。 Y 图1 视频显示示意图 三、实验原理 1.灰度处理算法 灰度图（Gray-scale Image）是指将图像按照灰度等级的数目来划分后形成的图像。灰度模式最多使用256级灰度来表现图像，图像中的每一个像素有一个0~255之间的亮度值，0表示黑色，255表示白色。 在RGB色彩空间中，当R、G、B各分量相等时，即呈现为灰度图。 对YUV编码的图像来说，转换为RGB的表达式如下： R=Y+1.370705*(V-0.5) G=Y-0.698001*(V-0.5)-0.337633*(U-0.5)
B=Y+1.732446*(U-0.5) 从上式可以很容易得到，当V=U=0.5时，R=G=B。由于本实验中Y、U、V采用8位无符号数格式，所以0.5转换为8位无符号数格式即为128（0x80）。 因此，对YUV图像来说，将Cb、Cr分量设置为0x80，Y分量保留，即能实现灰度图。 2.数据在内存中的存放 为了保证DSP的数据处理速度，我们应在内存中开辟三个数据缓冲区：采集缓冲区、数据处理缓冲区、显示缓冲区。 我们在主程序中已经定义了这三个数据缓冲区，每个缓冲区的大小均为一帧图像的大小（720*576，每帧576行，每行720个像素）。 其中，采集缓冲区为：capChaAYSpace[720*576]、capChaACbSpace[360*576]、capChaACrSpace[360*576] 数据处理缓冲区为： tempYbuffer[720*576]、tempCbbuffer[360*576]、tempCrbuffer[360*576] 显示缓冲区为： disChaAYSpace[720*576]、disChaACbSpace[360*576]、disChaACrSpace[360*576] 从以上定义可以看出，每个数据缓冲区都包含了3个子缓冲区，分别存放Y、Cr、Cb，这是因为VP口自动地将解码器中的BT.656数据流分解为了Y、Cr、Cb三个单独数据流。同时，由于解码器中BT.656数据流采用了YUV4:2:2格式，数据流顺序为Cb-Y-Cr-Y-Cb-Y-Cr-Y-…，即每两个Y分量公用一个Cb和Cr分量。所以，Cb和Cr的缓冲区大小是Y的一半。 此外，还要特别提醒的是，图像的采集是分奇偶场采集的，即一帧图像包含两场数据。采集时，先采集奇场，奇场的数据存放在数据缓冲区的前半部，接下来采集的偶场数据存放在缓冲区的后半部。 3.屏幕坐标与内存地址的对应关系 在数据处理时，应特别注意数据显示在屏幕上的坐标与它们在内存中的地址之间的关系。 由于图像的采集分为奇偶场采集，因此对像素处理时一般需要分奇行和偶数行处理。注意：采集奇场图像时，对应的是偶数行；采集偶场图像时，对应的是奇数行。 假设某个数据显示在屏幕上的坐标为（PosX，PosY），其在某个数据缓冲区的地址为
基于MATLAB的彩色图像灰度化处理
基于MATLAB的彩色图像灰度处理 成绩 数字图像处理期末考试 题目基于Matlab的彩色图像灰度化处理 专业、班级11电信一班 姓名钱叶辉 学号 1109121025
基于Matlab的彩色图像灰度化处理 摘要 在计算机领域中，灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗的黑色到最亮的白色的灰度，尽管理论上这个采样可以是任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑色与白色两种颜色；灰度图像在黑色与白色之间还有许多级的颜色深度。但是，在数字图像领域之外，“黑白图像”也表示“灰度图像”，例如灰度的照片通常叫做“黑白照片”。在一些关于数字图像的文章中单色图像等同于灰度图像，在另外一些文章中又等同于黑白图像[1]。 彩色图像的灰度化技术在现代科技中应用越来越广泛, 例如人脸目标的检测与匹配 以及运动物体目标的监测等等, 在系统预处理阶段, 都要把采集来的彩色图像进行灰度化处理, 这样既可以提高后续算法速度, 而且可以提高系统综合应用实效, 达到更为理想的要求。因此研究图像灰度化技术具有重要意义。 关键词：灰度化；灰度数字图像；单色图像
一、设计原理 将彩色图转化成为灰度图的过程称为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255个中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征[2]。 在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。本设计采用三种方法对图像进行灰度化处理。 加权平均法；平均值法；最大值法。 二、彩色图像的灰度化处理 2.1加权平均法 根据重要性及其它指标，将R、G、B三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感度最高，对蓝色敏感度最低。因此，在MATLAB中我们可以按下式系统函数对RGB三分量进行加权平均能得到较合理的灰度图像。 f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)) （2-1）程序首先读取一个RGB格式的图象,然后调用已有的函数rgb2gray()来实现彩色图像灰度化。 图2.1加权平均法的图像灰度处理 2.2平均值法[3] 将彩色图像中的R、G、B三个分量的亮度求简单的平均值，将得到均值作为灰度值
基于MATLAB的图像伪彩色处理
图像伪彩色处理 近几年来,随着多媒体技术和因特网的迅速发展和普及,数字图像处理技术受到了前所未有的广泛重视,出现了许多新的应用领域。最显著的是数字图像处理技术已经从工业领域、实验室走入了商业领域及办公室,甚至走入了人们的日常生活。由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。 伪彩色处理是根据特定的准则对灰度值赋以彩色的处理。由于人眼对彩色的分辨率远高于对灰度差的分辨率，所以这种技术可用来识别灰度差较小的像素。这是一种视觉效果明显而技术又不是很复杂的图像增强技术。灰度图像中，如果相邻像素点的灰度相差大，人眼将无法从图像中提取相应的信息，因为人眼分辨灰度的能力很差，一般只有几十个数量级，但是人眼对彩色信号的分辨率却很强，这样将黑白图像转换为彩色图像后，人眼可以提取更多的信息量。同时MATLAB 技术对于我们实现数字图像处理是一种非常有效的实用工具。 1.引言 进入21世纪以来，随着微电子技术、计算机技术、现代通信技术的飞速发展，人类社会正健步迈入信息化时代。在人类所接收到的全部信息中，70%以上的通过视觉得到的。因此对数字图像进行有效地处理变换十分重要，而且彩色图像占很大的比例，所以，对彩色图像的处理显得尤为重要。其中伪彩色处理技术就是一项很重要的图像处理技术。 伪彩色处理是指将黑白图像转化为彩色图像，或者是将单色图像变换成给定彩色分布的图像。由于人眼对彩色的分辨率远高于对灰度差的分辨率，所以这种技术可用来识别灰度差较小的像素。这是一种视觉效果明显而技术又不是很复杂的图像增强技术。灰度图像中，如果相邻像素点的灰度相差大，人眼将无法从图像中提取相应的信息，因为人眼分辨灰度的能力很差，一般只有几十个数量级，但是人眼对彩色信号的分辨率却很强，这样将黑白图像转换为彩色图像后，人眼就可以提高对图像细节的辨别力，提取更多的信息量。因此，伪彩色处理的主要目的是为了提高人眼对图像的细节的分辨能力，以达到图像增强的目的。 伪彩色图像处理技术已经被广泛应用于遥感和医学图像处理中，适用于航摄、遥感图片和云图判读、X光片等方面。 基本原理是将黑白图像或者单色图像的各个灰度级匹配到彩色空间中的一点，从而使单色图像映射成彩色图像。黑白图像中不同的灰度级赋予不同的彩色。
基于MATLAB的彩色图像灰度化处理
目录 第1章绪论............................................................................................................................ - 1 - 第2章设计原理.................................................................................................................... - 2 - 第3章彩色图像的灰度化处理............................................................................................ - 3 - 3.1加权平均法 .. (3) 3.2平均值法 (3) 3.3最大值法 (4) 3.4举例对比 (5) 3.5结果分析 (6) 第4章结论.......................................................................................................................... - 8 - 参考文献....................................................................................................... 错误！未定义书签。附录............................................................................................................................................ - 9 -
图像灰度化
图像灰度化 颜色可分为黑白色和彩色。黑白色指颜色中不包含任何的色彩成分，仅由黑色和白色组成。在RGB颜色模型中，如果R=G=B，则颜色（R, G, B）表示一种黑白颜色；其中R=G=B的值叫做灰度值，所以黑白色又叫做灰度颜色。彩色和灰度之间可以互相转化，由彩色转化为灰度的过程叫做灰度化处理；由灰度化转为彩色的过程称为伪彩色处理。 相应地，数字图像可分为灰度图像和彩色图像。通过灰度化处理和伪彩色处理，可以使伪彩色图像与灰度图像相互转化。 灰度化就是使彩色的R，G，B分量值相等的过程。由于R，G，B的取值范围是0 ~ 255，所以灰度的级别只有256级，即灰度图像仅能表现256种颜色（灰度）。 灰度化的处理方法主要有如下3种[6]： （1）最大值法：使R，G，B的值等于3值中最大的一个，即 R=G=B=max(R，G,，B) (2-3 ) 最大值法会形成亮度很高的灰度图像。 （2）平均值法：使R，G，B的值求出平均值，即 R=G=B=(R+G+B)/3 (2-4 )平均值法会形成比较柔和的灰度图像。 （3）加权平均值法：根据重要性或其他指标给R，G，B赋予不同的权值，并使R，G，B的值加权平均，即 R=G=B=（W r R + W g G + W b B）/3 (2-5 )其中W r，W g，W b分别为R，G，B的权值。W r，W g，W b取不同的值，加权平均值法就形成不同的灰度图像。由于人眼对绿色的敏感度最高，红色次之，对蓝色最低，因此使W g>W r>W b将得到比较合理的灰度图像。实验和理论推导证明，但W r= 0.30，W g =0.59，W b=0.11时，即当 V gray=0.30R + 0.59G + 0.11B R=G=B= V gray(2-6 )时，能得到最合理的灰度图像。 本文采用方法(3)实现灰度转化，有比较好的效果，结果如图所示。
图像处理灰度变换实验
一. 实验名称：空间图像增强（一） 一．实验目的 1．熟悉和掌握利用matlab工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。 2．熟练掌握各种空间域图像增强的基本原理及方法。 3．熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。 4．熟悉直方图均衡化的基本原理、方法和实现。 二．实验原理 （一）数字图像的灰度变换 灰度变换是图像增强的一种经典而有效的方法。灰度变换的原理是将图像的每一个像素的灰度值通过一个函数，对应到另一个灰度值上去从而实现灰度的变换。常见的灰度变换有线性灰度变换和非线性灰度变换，其中非线性灰度变换包括对数变换和幂律（伽马）变换等。 1、线性灰度变换 1）当图像成像过程曝光不足或过度，或由于成像设备的非线性和图像记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图像中的细节分辨不清，图像缺少层次。这时，可将灰度范围进行线性的扩展或压缩，这种处理过程被称为图像的线性灰度变换。对灰度图像进行线性灰度变换能将输入图像的灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围。 2）令原图像f(x,y)的灰度范围为[a,b]，线性变换后得到图像g(x,y)，其灰度范围为[c,d]，则线性灰度变换公式可表示为
a y x f b y x f a b y x f c c a y x f a b c d d y x g <≤≤>?????+---=),(),(),(, ,]),([,),( (1) 由(1)式可知，对于介于原图像f (x,y )的最大和最小灰度值之间的灰度值，可通过线性变换公式，一一对应到灰度范围[c,d]之间，其斜率为(d-c)/(b-a)；对于小于原图像的最小灰度值或大于原图像的最大灰度值的灰度值，令其分别恒等于变换后的最小和最大灰度值。变换示意图如图1所示。 图1 线性灰度变换示意图 当斜率大于一时，变换后的灰度值范围得到拉伸，图像对比度得到提高；当斜率小于一时，变换后的灰度值范围被压缩，最小与最大灰度值的差变小，图像对比度降低；当斜率等于一时，相当于对图像不做变换。 3）由上述性质可知，线性灰度变换能选择性地加强或降低特定灰度值范围内的对比度，故线性灰度变换同样也可做分段处理：对于有价值的灰度范围，将斜率调整为大于一，用于图像细节；对于不重要的灰度范围，将图像压缩，降低对比度，减轻无用信息的干扰。最常用的分段线性变换的方法是分三段进行线性变换。 在原图像灰度值的最大值和最小值之间设置两个拐点，在拐点处，原图像的灰度值分别为r 1，r 2，该拐点对应的变换后的图像的灰度值分别为s 1，s 2，另外，取原图像灰度的最小值为r 0,最大值为r m ，对应的变换后的灰度值分别为s 0，s m 。
图像灰度化
图像灰度化 图像灰度化原理：关于YUV空间的彩色图像，其Y的分量的物理意义本身就是像素点的亮度，由该值反映亮度等级，因此可根据RGB和YUV颜色空间的变化关系建立亮度Y与R、G、B三个颜色分量的对应：Y=0.299R+0.587G+0.114B，以这个亮度值表达图像的灰度值 图像处理结果： 程序代码： char *pmydata; //定义一个指针用来指向位图图像数据在内存中的存储区域
//long wide, high; BITMAP bm; pbmp->GetBitmap(&bm); pmydata=new char[bm.bmWidthBytes*bm.bmHeight]; //根据位图的高度 宽度初始化一下 pbmp->GetBitmapBits(bm.bmWidthBytes*bm.bmHeight,pmydata); //将位 图对象的数据COPY到pmydata指向的区域，m_bm是位图对象，bm是位图结构， 可参考上一篇文章的定义 for(int i=0;i
数字图像处理知
数字图像处理知识点总结
数字图像处理知识点总结 第一章导论 1.图像：对客观对象的一种相似性的生动性的描述或写真。 2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段）， 按空间坐标和亮度的连续性（模拟和数字）。3.图像处理：对图像进行一系列操作，以到达预期目的的技术。 4.图像处理三个层次：狭义图像处理、图像分析和图像理解。 5.图像处理五个模块：采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0 称为采样。采样间隔和采样孔径的大小是两个 很重要的参数。采样方式:有缝、无缝和重叠。 9.将像素灰度转换成离散的整数值的过程叫量化。 10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。 11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。 12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分 辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图 像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。 数字图像处理之灰度化处理程序 BOOL CDib::Blackwhite() { long int DataSizePerLine; DataSizePerLine =(m_pBIH->biWidth * m_pBIH->biBitCount /8+3)/4*4; if( m_pDib == NULL ) return( FALSE ); int temp; if(m_nPaletteEntries != 0) { for (int i=0; i 图像灰度化处理 彩色图像是由三个不同的分量组成，我们称之为三通道图像。对彩色图像进行处理时，我们往往需要对三个通道依次进行处理，时间开销将会很大。因此，为了达到提高整个应用系统的处理速度的目的，需要减少所需处理的数据量。在图像处理中，图像的灰度化的就是把由RGB 三通道的数据的彩色图像变为单通道的数据的灰度图像。在上述的RGB 模型中，如果R, G, B 他们的值相等，即使是三通道数据，也是表现中一种灰度颜色，灰度值就是R, G, B 的值。灰度图像中各个像素位置的灰度范围为0-255。可以发现，当R,G 和B 他们三者相等时，我们只需一个字节存放该灰度值即可，对于R, G, B 不同的三通道图像，也可以进行灰度化。 目前，最常用的是以下四种彩色图像灰度化方法： 1. 单分量法 三通道图像中R, G, B 三个分量的值可以分别作为灰度图像的灰度值。我们可 以根据实际应用的需要选择其中一个作为灰度图像即可。此时，灰度化公式如下： f ( x, y ) = R( x, y) f ( x, y ) =G ( x, y) f ( x, y )= B( x, y) 其中f ( x, y) 为灰度化后的灰度图像在位置(x, y)的像素值, R(x, y), G(x, y), B(x,y)分别表示三个分量的值。 2.最大值法：该方法首先计算各个像素位置的三个分量的最大值，然后将最大 者作为灰度化后的结果，即： f (x, y)= max ((R ( x, y ) , G ( x, y ) , B ( x, y )) 3.平均值法：对于彩色图像，该方法首先计算三个通道分量的平均值，然后将 该平均值作为图像的灰度值，即： f ( x, y ) = ( R( x, y ) +G ( x, y ) + B( x, y)) / 3 4.加权平均法 上述三种方法实现简单，都是对三个分量做同等处理，然而并没有考虑不同分 量的重要性。根据三个分量的各自的重要性或者其他需要，可以对三个分量分配 不同的权值，然后计算加权结果，并将加权后的均值作灰度化的结果。即可以按 下式对输入的图像信号进行灰度化： f (x, y)= 0.30 R ( x, y )+ 0.59G ( x, y)+ 0.11B ( x, y ) 在图像灰度化时，加权平均法是目前最常用的方法。因为其灰度化结果更为 合理，更符合实际应用的需要。图 2.1.b 为对图 2.1.a 中的彩色图像，采用上述的 加权平均法进行灰度化后的结果。 function I = rgb2gray(varargin) threeD = (ndims(X)==3); T = inv([1.0 0.956 0.621; 1.0 -0.272 -0.647; 1.0 -1.106 1.703]); coef = T(1,:); if threeD if isa(X, 'double') || isa(X, 'single') X = reshape(X(:),origSize(1)*origSize(2),3); sizeOutput = [origSize(1), origSize(2)]; 重庆交通大学数字图像处理与通信课程实验报告 班级： 实验项目名称：图像的灰度化处理及亮度的调整实验项目性质：设计性实验 实验所属课程：数字图像处理与图像通信 实验室(中心)：网络实验中心 指导教师： 实验完成时间：2012年10月16日 教师评阅意见： 签名：年月日实验成绩： 一、实验目的: 1、熟悉matlab或者C#的编程环境，完成在相关环境下图像的读入、显示、 保存等操作； 2、完成图像的灰度化处理； 3、完成图像的亮度调整的模块编写； 4、完成图像的平移操作(选做)。 二、实验主要内容及要求： 1、熟悉matlab软件的工作窗口及命令； 2、通过matlab软件，对一幅图像进行读入，显示，保存，并对其做灰 度化处理； 3、对图像进行亮度调整以及图像的平移。 三、实验设备及软件： PC机一台，MATBLAB软件。 四、设计方案： 通过对图像灰度化处理的算法，将图像的像素值进行线性变换，以及将三维彩色图像转变为二维图像，即实现了将图像灰度化处理。以及增加（降低）像素的值，可以对图像进行亮度的增（减）。对图像进行平移时，可以利用一个生成的零矩阵，将需要平移的图像的像素值按其列或按其行进行递增赋值与零矩阵，即实现了对图像向左右或者向上下的平移。 五、主要代码及必要说明： 1、对图像灰度化 f=imread('Winter.jpg'); figure(1); imshow(f); for x=1:600 for y=1:800 g(x,y)=0.3*f(x,y,1)+0.59*f(x,y,2)+0.11*f(x,y,3); end; end; figure(2); imshow(g); 2、对图像进行平移 clc;clear; a=imread('house.jpg'); b=im2double(a); si=size(b);m=si(1);n=si(2); figure,imshow(b); g1=zeros(m,n); for x=m:-1:51 for y=n:-1:51 g1(x-50,y-50)=b(x,y); end end figure,imshow(g1); 六、测试结果及说明： 通过利用以上代码，对图像进行了灰度化处理，平移处理，其实验结果如下所示： 2007级“数字图像处理”试题及答案[原创2008-07-02 17:49:06] 一、填空题( 每小题2分,本题共20 分) 1. 图像与灰度直方图间的对应关系是多对一; 2. 下列算法中a.梯度锐化b.二值化c.傅立叶变换d.中值滤波，属于点处理的是b二值化; 3. 在彩色图像处理中，常使用HSI模型，它适于做图像处理的原因有:1、在HIS模型中亮度分量与色度分量是分开的；2、色调与饱和度的概念与人的感知联系紧密。; 4. 若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用相应的对应直方图中奇数项的像素灰度代替（设灰度级为256），所得到的图像将亮度增加，对比度减少; 5. MATLAB函数fspecial(type,parameters)常用类型有:average 、gaussian、laplacian、prewitt、sobel、unsharp; 6. 检测边缘的Sobel算子对应的模板形式为: -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 7. 写出4-链码10103322的形状数:03033133; 8. 源数据编码与解码的模型中量化器(Quantizer)的作用是减少心里视觉冗余; 9. MPEG4标准主要编码技术有DCT变换、小波变换等; 10. 图像复原和图像增强的主要区别是图像增强主要是一个主观过程，而图像复原主要是一个客观过程; 第１０题：图像增强不考虑图像是如何退化的,而图像复原需知道图像退化的机制和过程等先验知识 二、名词解释( 每小题5分,本题共20 分) 1、数字图像 数字图像是指由被称作像素的小块区域组成的二维矩阵。将物理图像行列划分后，每个小块区域称为像素（pixel）。 数字图像处理 指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术. 2、8-连通的定义 -对于具有值V的像素p和q ,如果q在集合N8(p)中,则称这两个像素是8-连通的。 3、灰度直方图 灰度直方图是指反映一幅图像各灰度级像元出现的频率。 4、中值滤波 中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值。 像素的邻域 邻域是指一个像元（x，y）的邻近（周围）形成的像元集合。即{（x=p,y=q）}p、q为任意整数。 像素的四邻域 像素p(x,y)的4-邻域是:(x+1,y),(x-1,y) ,(x,y+1), (x,y-1) 三、简答题( 每小题10分,本题共30 分)： 1. 举例说明直方图均衡化的基本步骤。 直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。 伪彩色图像处理 一、伪彩色处理的原理 伪彩色处理是指将黑白图像转化为彩色图像，或者是将单色图像变换成给定彩色分布图像。由于人眼对彩色的分辨能力远远高于对灰度的分辨能力，所以将灰度图像转化成彩色表示，就可以提高对图像细节的辨别力。因此，伪色彩处理的主要目的是为了提高人眼对图像细节的分辨能力，以达到图像增强的目的。 伪彩色处理的基本原理是将黑白图像或者单色图像的各个灰度级匹配到彩色空间中的一点，从而使单色图像映射成彩色图像。对黑白图像中不同的灰度赋予不同的彩色。 设f(x,y)为一幅黑白图像，R(x,y),G(x,y),B(x,y)为f 值得注意的是，伪彩色虽然能将黑白灰度转化为彩色，但这种彩色并不是真正表现图像的原始颜色，而仅仅是一种便于识别的伪彩色。 伪彩色处理技术的实现方法有多种，如密度分层法、灰度级-彩色变换法、频域滤波法等等。其中灰度级-彩色变换伪色彩处理技术可以将灰度图像变为具有多种颜色渐变的连续彩色图像。该方法先将灰度图像送入具有不同变换特性的红、绿、蓝三个变换器，然后再将三个变换器的不同输出分别送到彩色显像管的红、绿、蓝枪，再合成某种颜色。同一灰度由三个变换器对其实施不同变换，使三个变换器输出不同，从而不同大小灰度级可以合成不同颜色。这种方法变换后的图像视觉效果好。 二、伪彩色处理之灰度级-彩色变换法 以上是一组典型的灰度级-彩色变换的传递函数。其中图（a ）、（b ）、（c ）分别表示红色、绿色、蓝色的传递函数，图（d ）是三种彩色传递函数组合在一起的情况。由图（a ）可见，凡灰度级小于L/2 的像素将被转变为尽可能的暗红色，而灰度级位于L/2到3L/4之 间的像素则取红色从暗到亮的线性变换。凡灰度级大于3L/4的像素均被转变成最亮的红色。其他的颜色以此类推。 三、灰度级-彩色变换法的Matlab 实现，其程序如下： I=imread(' F:\yyu\happy\DSC01015.jpeg'); %读入灰度图像image2g.jpg I=double(I); [M,N]=size(I); L=256; 数字图像处理 实验报告 实验二灰度图像的二值化处理 学号 姓名 日期 实验二灰度图像的二值化处理 一、实验目的 图像二值化是数字图像处理技术中的一项基本技术，二值化图像的显示与打印十分方便，存储与传输也非常容易，在目标识别、图像分析、文本增强、字符识别等领域得到广泛应用。图像二值化是将灰度图像转化为只有黑白两类像素的图像，大多采用阈值化算法处理。在不同的应用中，阈值的选取决定着图像特征信息的保留。因此，图像二值化技术的关键在于如何选取阈值。 二、实验内容 1、编程绘制数字图像的直方图。 2、灰度图像二值化处理。 三、实验要求 1、自己选择灰度图像。 2、选择多种阈值分割算法，并比较和分析图像二值化处理的结果。 3、使用VC++编程序。 四、设计思想（阈值选取算法） 灰度图像是指只含亮度信息，不含色彩信息的图像,将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。图像的二值化处理就是将图像上的点的灰度置为0或255，也就是使整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。阀值分割选取算法有:典型的全局阀值算法的Otsu 算法、局部阀值方法中的Bersen算法、灰度拉伸法、直方图方法等等。 1.Otsu算法的设计思想：设阀值将图像分割成两组，一组灰度对应目标， 另一组灰度对应背景，则这两组灰度值的类内方差最小，两组的类间方差最大。对图像设阈值将图像分割成两组，一组灰度对应目标，另一组灰度对应背景，则这两组灰度值的类内方差最小，两组的类间方差最大。 2.Bersen算法的设计思想：把灰度阈值选取为随像素位置变化而变化的 函数，它是一种动态选择阈值的自适应方法。 3.灰度拉伸算法设计思想：灰度拉伸又叫对比度拉伸，它是最基本的一 种灰度变换，使用的是最简单的分段线性变换函数，它的主要思想是提高图像处理时灰度级的动态范围。 4.直方图算法的设计思想：把原始图像的灰度直方图从比较集中的某个 灰度区间变成在全部灰度范围内的均匀分布。 五、源程序（附上注释） 1. OTSU算法代码： I=imread('2.jpg'); th=graythresh(I); J=im2bw(I,th); subplot(121) imshow(I); subplot(122) imshow(J); 数字图像处理实验报告 学生姓名王真颖 学生学号L01 指导教师梁毅雄 专业班级计算机科学与技术1501完成日期2017年10月30日 计算机科学与技术系 信息科学与工程学院 目录 实验一 ..................................................................................................... 错误!未定义书签。 一、实验目的............................................................................................... 错误!未定义书签。 二、实验基本原理....................................................................................... 错误!未定义书签。 三、实验内容与要求................................................................................... 错误!未定义书签。 四、实验结果与分析................................................................................... 错误!未定义书签。实验总结.................................................................................................. 错误!未定义书签。参考资料. (3) 实验一数字图像基本操作及灰度调整 一．实验目的 1.掌握读、写图像的基本方法； 2.掌握MATLAB语言中图像数据与信息的读取方法； 3.理解图像灰度变换处理在图像增强的作用； 4．掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。 二．实验基本原理 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 摘要： 图像处理，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。图像处理一般指数字图像处理。 数字图像处理的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。目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。 设计要求 可视化界面，采用多幅不同形式图像验证系统的正确性； 合理选择不同形式图像，反应各功能模块的效果及验证系统的正确性 对图像进行灰度级映射，对比分析变换前后的直方图变化； 1.课题目的与要求 目的： 基本功能：彩色图像转灰度图像 图像的几何空间变换：平移，旋转，剪切，缩放 图像的算术处理：加、减、乘 图像的灰度拉伸方法（包含参数设置）； 直方图的统计和绘制；直方图均衡化和规定化； 要求： 1、熟悉图像点运算、代数运算、几何运算的基本定 义和常见方法； 2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法 3、掌握在MATLAB中进行插值的方法 4、运用MATLAB语言进行图像的插值缩放和插值旋转等 5、学会运用图像的灰度拉伸方法 6、学会运用图像的直方图设计和绘制；以及均衡化和规定化 7、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际2.课题设计内容描述 1>彩色图像转化灰度图像： 大部分图像都是RGB格式。RGB是指红，绿，蓝三色。通常是每一色都是256个级。相当于过去摄影里提到了8级灰阶。 真彩色图像通常是就是指RGB。通常是三个8位，合起来是24位。不过每一个颜色并不一定是8位。比如有些显卡可以显示16位，或者是32位。所以就有16位真彩和32位真彩。 在一些特殊环境下需要将真彩色转换成灰度图像。 1单独处理每一个颜色分量。 2.处理图像的“灰度“，有时候又称为“高度”。边缘加强，平滑，去噪，加 锐度等。 3.当用黑白打印机打印照片时，通常也需要将彩色转成灰白，处理后再打印 4.摄影里，通过黑白照片体现“型体”与“线条”，“光线”。 2>图像的几何空间变化： 图像平移是将图像进行上下左右的等比例变化，不改变图像的特征，只改变位置。 图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，在y轴按比例缩放fy倍，从而获得一幅新的图像。如果fx=fy，即在x轴方向和y轴方向缩放的比率相同，称这样的比例缩放为图像的全比例缩放。如果fx≠fy，图像的比例缩放会改变原始图象的像素间的相对位置，产生几何畸变。 旋转。一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。图像的旋转变换也可以用矩阵变换来表示。数字图像处理之灰度化处理程序
(完整word版)图像灰度化
图像处理实验图像的灰度化处理及亮度的调整
数字图像处理期末考试试题
伪彩色图像处理
数字图像灰度图像二值化实验报告matlab实现
实验一 数字图像基本处理及灰度调整
图像处理实验报告