基于hsi的彩色图像均衡【字数：8830】
摘 要当在现实生活遇到所照图片亮度不够,清晰度不好, 能变辨率低时，这样就需要将图像进行处理以得到清晰度和亮度更好的图像。本文首先介绍彩色图像和图像增强的定义与方法, 从人眼的视觉特性角度出发，利用一种适用于彩色图像处理的色空间转换模式即HSI模型。实现RGB到HSI彩色图像模型的相互转换。然后对直方图均衡化作出解释。 通过MATLAB平台仿真实验，快速处理彩色图像对比度偏低的问题，本文着重对彩色暗图进行处理。处理的方法是先将RGB转换为HSI图像, 紧接着直方图均衡化处理HSI彩图中I分量的灰度图像，最后将HSI图像转换为RGB图像，实现了通过直方图均衡化的处理得到彩色图像的增强，达到快速处理彩色图像对比度偏低的问题。
目 录
一 绪论 1
1.1课题的起源与应用意义 1
1.2国内外研究现状 2
二 基于HSI彩色图像均衡的原理分析 4
2.1 彩色基础 4
2.2彩色空间 4
2.2.1 RGB彩色空间 5
2.2.2 HSI彩色空间 6
2.3彩色均衡 7
2.4直方图均衡化的基本概念和原理 8
三 彩色图像均衡的数据计算与规律研究 9
3.1本课题的主要任务框架图 9
3.2图像均衡算法原理 9
3.3 RGB与HSI彩色图像的转换推导 11
3.3.1将颜色从RGB转换为HSI的理论推导 11
3.3.2将颜色从HSI转换为RGB的理论推导 11
四 基于MATLAB的彩色图像均衡的编程与分析 13
4.1彩色图像均衡的算法分析 13
4.1.1一个从RGB转换为HSI的M函数 13
4.1.2一个从HSI转换为RGB的M函数 13
4.2直方图均衡的模块 14
4.3图像直方图均衡后分析 17
4.4 均衡前后HSI彩色图像显示模块 18
五 总结与展望 19
5.1程序问题及解决 19
5.2结论 20
参考文献 21
致谢 23
*好棒文|www.hbsrm.com +Q: ^351916072*
程序附录 24
一 绪论
1.1课题的起源与应用意义
数字图像处理最早用于报纸业，它是用字符打印去模拟图像，虽然可以很快从伦敦传往纽约，但是从图片11(a)中可以看出它的效果是非常差的，人的脸部轮廓都不是很清晰。所以很快就被替代掉。紧接着用的是带孔的纸带去打印，因为一开始图像编码的灰度级只有五个灰度级，所以效果也是很差的[2]。
1929年，能够编码15个灰度级的图像，从图像11（b）上看有了明显的改观。包括图像中有了阴影，人眼的细节相对于图像(a)要清楚的多。但是这两幅图都是反映的早期的数字图像，从某种意义上来说和现在数字图像有很大的不同，因为它们虽然对图像做了一定的编码和传输，但是两幅图都没有使用到计算机，只是用电缆把它传递过去，再打印出来。现在的数字图像处理要使用计算机，介于图像处理与电脑的发展几乎是同步发展，对电脑的存储和计算能力要求也越来越高[2]。
（a）1921年5个灰度级编码图像 （b）1929年15个灰度级编码图像
图11 早期数字图像处理
在1960年早期制造了第一台关于图像处理的大型的计算机，如图12所示。
这种技术基于这一时期各种机器的使用和空间的开发。该图是旅行者七号穿回来的第一幅月球表面图像，图像的轮廓比较清晰，图片中的十字目的是为了纠正数字图像的几何畸变[2]。
图12 第一张月球照片
之后随之数字图像的发展以及数字图像理论的发展，数字图像处理进入了很多了应用领域，比如天文上拍摄蟹状星云的可见光照片和脉冲星的X射线波段图像，医学上的X光做透视，CT机器。在工业生产上，可以将数字图像系统装在摄像机上，来实现检测比如生产的电子产品是否合格。在遥感、遥测上，可以检测飓风发展的形式和移动的方向和速度，在遥测上进行地震的检测。在安全、身份识别上，比如指纹自动识别，伪钞识别等。关于数字图像处理方式中图像的增强，该算法原理简单，找到了变换函数，就可以推出原始的直方图。而且计算量较能够进行快速处理。所以本文为在较暗的彩色图像上，能够快读恢复主体图像可行性的方向上，基于MATLAB软件处理彩色暗图，通过图像增强技术中空间域增强，并利用灰度变换处理直方图使得彩色图像均衡，通过实验证明了程序可行性[3]。类似的热门处理还有人脸识别，车牌号码定位[3]。
1.2国内外研究现状
由于光线的问题，常常会导致图像发暗。整体看上去不清楚和不舒服，导致不能进行其他的操作。本文为了改善这类暗图，采用的方法是进行增强处理。目前采用的较多的是基于直方图的彩色增强、基于小波变换相结合的彩色增强，还有Retinex算法的彩色增强等等。三者各有优缺点。直方图处理彩图必须进行选择，因为直方图均衡化之后，对比度虽然增强了但是灰度级会减小，细节处理的不好。小波变换最明显的对比度的改变很低，而且该算法复杂，没有效率。但是在图像细节比如轮廓的描述上，操作效果好。Retinex算法分为单尺度、多尺度和带彩色恢复算法。滤波估计用的是单尺度算法，其效果不佳。多尺度算法会使得图像失真，但是它能提高图像的对比度。彩色恢复就是对多尺度的改进，有一定的效果，但是画面颜色偏亮[4]。
本文采用的是另一种算法即改变图像的色彩空间，在另一个空间进行增强，基于最符合人眼特征的HSI彩色空间，该空间各个颜色分量是独立的，所以我将采用保持饱（S）和度和色调（H）不变,调整亮度（I)达到增强的目的。
二 基于HSI彩色图像均衡的原理分析
早期处理的都是灰度图像，一方面是因为成像的采集设备有关，原来只能采集亮度采集不了彩色。另一方面是因为灰度图像处理比彩色图像处理相对来说简单，灰度图只需要处理亮度值，彩色处理不只一个量进而对计算机硬件的要求要高。但是现在硬件设备逐渐升级，计算机的速度也越来越快，而且彩色图像更有效的描述目标的特性，人眼对于灰度的区分有几千种，对于灰度的区分只有几十种，所以彩色图像处理逐渐受到关注。
目 录
一 绪论 1
1.1课题的起源与应用意义 1
1.2国内外研究现状 2
二 基于HSI彩色图像均衡的原理分析 4
2.1 彩色基础 4
2.2彩色空间 4
2.2.1 RGB彩色空间 5
2.2.2 HSI彩色空间 6
2.3彩色均衡 7
2.4直方图均衡化的基本概念和原理 8
三 彩色图像均衡的数据计算与规律研究 9
3.1本课题的主要任务框架图 9
3.2图像均衡算法原理 9
3.3 RGB与HSI彩色图像的转换推导 11
3.3.1将颜色从RGB转换为HSI的理论推导 11
3.3.2将颜色从HSI转换为RGB的理论推导 11
四 基于MATLAB的彩色图像均衡的编程与分析 13
4.1彩色图像均衡的算法分析 13
4.1.1一个从RGB转换为HSI的M函数 13
4.1.2一个从HSI转换为RGB的M函数 13
4.2直方图均衡的模块 14
4.3图像直方图均衡后分析 17
4.4 均衡前后HSI彩色图像显示模块 18
五 总结与展望 19
5.1程序问题及解决 19
5.2结论 20
参考文献 21
致谢 23
*好棒文|www.hbsrm.com +Q: ^351916072*
程序附录 24
一 绪论
1.1课题的起源与应用意义
数字图像处理最早用于报纸业，它是用字符打印去模拟图像，虽然可以很快从伦敦传往纽约，但是从图片11(a)中可以看出它的效果是非常差的，人的脸部轮廓都不是很清晰。所以很快就被替代掉。紧接着用的是带孔的纸带去打印，因为一开始图像编码的灰度级只有五个灰度级，所以效果也是很差的[2]。
1929年，能够编码15个灰度级的图像，从图像11（b）上看有了明显的改观。包括图像中有了阴影，人眼的细节相对于图像(a)要清楚的多。但是这两幅图都是反映的早期的数字图像，从某种意义上来说和现在数字图像有很大的不同，因为它们虽然对图像做了一定的编码和传输，但是两幅图都没有使用到计算机，只是用电缆把它传递过去，再打印出来。现在的数字图像处理要使用计算机，介于图像处理与电脑的发展几乎是同步发展，对电脑的存储和计算能力要求也越来越高[2]。
（a）1921年5个灰度级编码图像 （b）1929年15个灰度级编码图像
图11 早期数字图像处理
在1960年早期制造了第一台关于图像处理的大型的计算机，如图12所示。
这种技术基于这一时期各种机器的使用和空间的开发。该图是旅行者七号穿回来的第一幅月球表面图像，图像的轮廓比较清晰，图片中的十字目的是为了纠正数字图像的几何畸变[2]。
图12 第一张月球照片
之后随之数字图像的发展以及数字图像理论的发展，数字图像处理进入了很多了应用领域，比如天文上拍摄蟹状星云的可见光照片和脉冲星的X射线波段图像，医学上的X光做透视，CT机器。在工业生产上，可以将数字图像系统装在摄像机上，来实现检测比如生产的电子产品是否合格。在遥感、遥测上，可以检测飓风发展的形式和移动的方向和速度，在遥测上进行地震的检测。在安全、身份识别上，比如指纹自动识别，伪钞识别等。关于数字图像处理方式中图像的增强，该算法原理简单，找到了变换函数，就可以推出原始的直方图。而且计算量较能够进行快速处理。所以本文为在较暗的彩色图像上，能够快读恢复主体图像可行性的方向上，基于MATLAB软件处理彩色暗图，通过图像增强技术中空间域增强，并利用灰度变换处理直方图使得彩色图像均衡，通过实验证明了程序可行性[3]。类似的热门处理还有人脸识别，车牌号码定位[3]。
1.2国内外研究现状
由于光线的问题，常常会导致图像发暗。整体看上去不清楚和不舒服，导致不能进行其他的操作。本文为了改善这类暗图，采用的方法是进行增强处理。目前采用的较多的是基于直方图的彩色增强、基于小波变换相结合的彩色增强，还有Retinex算法的彩色增强等等。三者各有优缺点。直方图处理彩图必须进行选择，因为直方图均衡化之后，对比度虽然增强了但是灰度级会减小，细节处理的不好。小波变换最明显的对比度的改变很低，而且该算法复杂，没有效率。但是在图像细节比如轮廓的描述上，操作效果好。Retinex算法分为单尺度、多尺度和带彩色恢复算法。滤波估计用的是单尺度算法，其效果不佳。多尺度算法会使得图像失真，但是它能提高图像的对比度。彩色恢复就是对多尺度的改进，有一定的效果，但是画面颜色偏亮[4]。
本文采用的是另一种算法即改变图像的色彩空间，在另一个空间进行增强，基于最符合人眼特征的HSI彩色空间，该空间各个颜色分量是独立的，所以我将采用保持饱（S）和度和色调（H）不变,调整亮度（I)达到增强的目的。
二 基于HSI彩色图像均衡的原理分析
早期处理的都是灰度图像，一方面是因为成像的采集设备有关，原来只能采集亮度采集不了彩色。另一方面是因为灰度图像处理比彩色图像处理相对来说简单，灰度图只需要处理亮度值，彩色处理不只一个量进而对计算机硬件的要求要高。但是现在硬件设备逐渐升级，计算机的速度也越来越快，而且彩色图像更有效的描述目标的特性，人眼对于灰度的区分有几千种，对于灰度的区分只有几十种，所以彩色图像处理逐渐受到关注。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/509.html
