- -. - - 总结 红外图像的处理及其MATLAB函数实现 0.引言 随着红外技术日新月异的发展，红外技术在军事及人们日常生活中有着越来越广泛的应用。但由于红外探照灯及红外探测器件的限制，红外成像系统的成像效果仍然不够理想。在民用监测应用中，主要表现为夜视距离近，图像背景与被监测目标之间对比度模糊，被监测目标细节难以辨认，图像特征信息不明确等方面。为使图像更适于人眼观测、适用于图像后续目标识别及跟踪处理，有必要在红外图像采集和处理上做进一步的研究，来增强红外图像视觉效果。 1. 红外图像的获取及其特点 1.1 红外图像的获取 红外图像主要是由红外热像仪采集的。红外热像仪是一种二维热图像成像装置。热成像系统是一个光学一电子系统，可用于接收波长在m100~75.0之间的电磁辐射，它的基本功能是将接收到的红外辐射转换成电信号，再将电信号的大小用灰度等级的形式表示，最后在显示器上显示出来。图1.1就是一张采集到的红外图像。 - -.

- - 总结 图1.1 输入的红外图像 1.2 红外图像的特点 红外图像反映了目标和背景不可见红外辐射的空间分布，其辐射亮度分布主要由被观测景物的温度和发射率决定，因此红外图像近似反映了景物温度差或辐射差。 根据其成像原理，总结红外图像特点如下： (1)红外热图像表征景物的温度分布，是灰度图像，没有彩色或阴影(立体感觉)，故对人眼而言，分辨率低、分辨潜力差； (2)由于景物热平衡、光波波长、传输距离远、大气衰减等原因，造成红外图像空间相关性强、对比度低、视觉效果模糊； (3)热成像系统的探测能力和空间分辨率低于可见光CCD阵列，使得红外图像的清晰度低于可见光图像； - -. - - 总结 (4)外界环境的随机干扰和热成像系统的不完善，给红外图像带来多种多样的噪声，比如热噪声、散粒噪声、f1噪声、光子电子涨落噪声等等。噪声来源多样，噪声类型繁多，这些都造成红外热图像噪声的不可预测的分布复杂性。这些分布复杂的噪声使得红外图像的信噪比比普通电视图像低； (5)由于红外探测器各探测单元的响应特性不一致等原因，造成红外图像的非均匀性，体现为图像的固定图案噪声、串扰、畸变等。 由以上五点可知，红外图像一般较暗，且目标与背景对比度低，边缘模糊，视觉效果差。 通过以上比较分析，可以总结：可见光图像与红外图像的成像机理虽然不同(可见光图像是利用物体对光线的反射来获得的，而红外图像是靠物体自身的红外辐射获取的)，但在低照度情况下，可见光图像与红外图像的视觉效果和直方图特征均相同，因此可以采用低照度可见光图像的处理方法来处理红外图像。 2. 红外图像的增强 2.1 图像增强 图像增强是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或突显，以便于观察或做进一步的分析与处理。图像增强不意味着能增加原始的信息，有时甚至会损失一些信息，但图像增强的结果却能加强对特定信息的识别能力，便图像中感兴趣的特征得以加强，从而使这些特征的检测和识别变得更加容易。 图像增强方法的分类如图2.1所示： - -.

- - 总结 图2.1 图像增强方法 下面我们主要介绍其中的几种增强方法。

2.2 红外图像的直方图均衡化 2.2.1 图像的直方图 灰度直方图是用于表达图像灰度分布情况的统计图表，有一维直方图和二维直方图之分。其中最常用的是一维直方图。它具有以下三个性质：(1)图像与直方图之间是多对一的映射关系；(2)只表示图像每一灰度级出现的频数，而失去了具有该灰级的像素的位置信息；(3)一幅图像各子区直方图之和等于该图像的全图直方图。 一幅图像的直方图可以提供下列信息： (1)每个灰度级上像素出现的频数； (2)图像像素值的动态范围； - -. - - 总结 (3)整幅图像的大致平均明暗； (4)图像的整体对比度情况。 因此，在图像处理中直方图是很有用的决策和评价工具。直方图统计在对比度拉伸、灰度级修正、动态范围调整、图像灰度调整、模型化等图像处理方法中发挥了很大的作用，在本文后面的讨论中将可以看到直方图的重要作用。比较红外图像与可见光图像的直方图，可以总结其直方图特点如下： (1)像素灰度值动态范围不大，很少充满整个灰度级空间；而可见光图像的像素则分布于几乎整个灰度级空间。 (2)绝大部分像素集中于某些相邻的灰度级范围，这些范围以外的灰度级上则没有或只有很少的像素；而可见光图像的像素分布则比较均匀。 (3)直方图中有明显的峰存在，多数情况下为单峰或双峰，若为双峰，则一般主峰为信号，次峰为噪声；而可见光图像直方图的峰不如红外图像明显，一般多个峰同时存在。 以上特点是大多数红外图像直方图所具备的，但也不绝对。实际中的红外图像可能会由于气候条件、环境温度等因素的影响，呈现出与上述特点不完全一致的情形。 图2.2为原红外图像的灰度图和直方图直方图 - -.

- - 总结 图2.2 原始图像的灰度图和直方图 2.2.2 直方图的均衡化

直方图均衡的作用是改变图像中灰度概率分布，使其均匀化．其实质是使图像中灰度概率密度较大的像素向附近灰度级扩展，因而灰度层次拉开，而概率密度较小的像素灰度级收缩，从而让出原来占有的部分灰度级，这样的处理使图像充分有效地利用各个灰度级，因而增强了图像对比度。 由前一章红外图像特点的分析可知，红外图像普遍存在着灰度级比较集中，层次感差等问题，采用直方图均衡算法来进行处理，可以使其灰度级尽量拉开，从而达到对比度增强的效果。下面探讨一下直方图均衡的具体步骤。设一幅图像的像素为n，共有L个灰度级，kn代表灰度级为kr的像素的数目，则第k个灰度- -. - - 总结 级出现的概率(对于灰度级为离散的数字图像，用频率来代替概率)可表示为：

nnrPkkr)(

其中，12,1,0,10Lkr

k。对其进行均衡化后的函数)(rT的离散形式可表

示为： kiikrrknnrPrTS00)()(

式中，12,1,0,10Lkrk。可见，均衡后各像素的灰度值kS可直接由原图

像的直方图得到。

(a) (b) - -.

- - 总结 （c） 图2.3 均衡化后的图像对比

实验证明，直方图均衡对大多数红外图像有效，效果明显，图像对比度大大

增强，原本视觉效果模糊的图像变得清晰，目标的细节得到了突出，方法简单，容易实现，在实践中具有重要意义。 通过以上的理论分析和对具体红外图像的处理，可以得出关于直方图均衡的几个结论： (I)直方图均衡实质上减少灰度等级以换取对比度的加大。直方图均衡化的处理过程中出现了相邻灰度级合并的现象，即原来直方图上频数较小的灰度级被归入很少几个或一个灰度级内，并且可能不在原来的灰度级上； (2)均衡后的直方图并非完全平坦，这是因为在离散灰度下，直方图只是近似的概率密度； (3)当被合并掉的灰度级构成的是重要细节，则均衡后细节信息损失较大。因此可采用局部直方图均衡法来处理： (4)在对比度增强处理中，直方图均衡比灰度线性交换、指数、对数变换的运算速度慢，但比空间域处理和变换域处理的速度快。因此在实时处理中，直方- -. - - 总结 图均衡是一种常用的方法； (5)直方图均衡虽然增大了图像的对比度，但往往处理后的图像视觉效果生硬、不够柔和，有时甚至会造成图像质量的恶化。另外，均衡后的噪声比处理前明显，这是因为均衡没有区分有用信号和噪声，当原图像中噪声较多时，噪声被增强。 2.3 Laplacian算子锐化算法 Laplacian算子是线性二次微分算子，具有旋转不变性，可以满足不同走向的图像边界的锐化要求，对于图像),(yxF，其Laplacian算子为：

22222),(),(),(yyxFxyxFyxF



Laplacian算子锐化后的图像具有以下特征： (1)在灰度均匀区间或灰度斜坡部分F

2

为零，在灰度斜坡的起始处和终点处不

为零； (2) F

2

对细节有较强的相应；

正是由于F

2

有这些特点，使其可以勾划出图像区域的边缘轮廓。因此

Laplacian算子对边缘检测具有很好的功效。 - -.

- - 总结 图2.4 Laplacian算法处理前后图像 2.3 中值滤波算法 中值滤波是常用的一种非线性平滑滤波。它是一种邻域运算，类似于卷积，但不是加权求和计算，而是把邻域中的像素按灰度等级进行排序，然后选择改组的中间值作为输出像素值。他能减弱或消除傅立叶空间的高频分量，但影响低频分量。因为高频分量对应图像中的区域边缘和灰度值具有较大变化的部分，因此概率波可以将这些分量滤除，使图像平滑。 其主要原理是：首先确定一个以某个像素为中心点的邻域，一般为方形领域；然后将邻域中的各个像素的灰度值进行排序，取其中间值作为中心点像素灰度的新值，这里的邻域通常被称为窗口；当窗口在图像中上下左右进行移动后，利用中值滤波算法可以很好地对图像进行平滑处理。操作步骤如下： (1)将模板在图像中移动，并将模板中心与图像中心某个像素的位置重合； (2)读取模板下各对应像素的灰度值； (3)将这些灰度值从小到大排列成一列； (4)找出排在中间的一个值； (5)将这个中间值赋给对应模板中心位置的像素。 中值滤波的输出像素是由邻域图像的中间值决定的，因而中值滤波对极限像素值(与周围像素灰度值差别较大的像素)远不如平均值那么敏感，从而可以消除孤立的噪声点，又可以保持图像的细节。 设),(yxf表示数字图像像素点的灰度值，滤波窗口为A的中值滤波器定义为： )},({),(),(yxGMedianyxGAyx