基于雾天、夜天的灰度图像增强实验报告

1、浙江万里学院图像增强综合应用研究姓名：李柯锋学号：2013014300专业：电子信息工程指导老师：朱仲杰20160615摘要图像增强是图像处理的一项重要内容，其目的是将图像中感兴趣的部分尽可能地突现出来。在一个图像系统中，图像的获取、发送、传输、接收、输出、复制等等，每一个环节都会产生干扰，都会使图像质量降低。因此，如何对这些“降质” 图像进行处理使其达到我们的要求已受到研究人员的高度重视。传统的图像增强算法在改善图像的对比度和增强图像的细节的同时也放大了噪声,这是传统算法的缺点和不足之处。【关键词】图像处理；图像增强；算法研究。Abstract：Image enhancement is

2、60;an important part of image processing, its purpose is to part interest in the image as much as possible to the fore. In an image system, image acquisition, sending, transmitting, receiving, export, copy, and so on, every step will interf

3、ere with the image quality will be reduced. Therefore, how these "lower quality"image processing to make it meet our requirements has been attached great importance to researchers. Traditional image enhancement algo

4、rithms while improving image contrast and image detail enhancement also amplified noise, which is at the shortcomings and deficiencies of the traditional method.目 录1 绪 论 . 1.1 课题背景及意义 . 1.2 研究现状及课题主要内容 . 1.3 本文的工作结构 . 2 图像增强的基本理论 . 2.1 图像增强的定义 .

5、 2.2 数字图像的基本概念 . 2.2.1 数字图像的表示 . 2.2.2 图像的灰度变换 . 2.2.3 灰度直方图 . 2.3 本章小结 . 3 图像增强的算法分析 . 3.1 直方图均衡化 . 3.2 平滑滤波 . 3.3 拉普拉斯锐化处理 . 3.4本章小结 . 4 图像增强的实现 . 4.1 VS 2010系统开发的目标 . 4.2 直方图均衡化图像增强效果的实现 . 4.3 平滑滤波图像增强效果的实现 . 4.4 锐化图像增强效果的实现 . 4.5 本章小结 . 4.6图像增强的综合应用5 总结 . 致 谢 . 参考文献 . 1 绪 论随着计算机的技术不断发展与提高，其强大的功能

6、已被人们深刻认识，它已进入社会的各个领域并发挥着越来越重要的作用。目前，图像应用已遍布人们的生活各个角落，图像增强算法就这样应运而生。本章从课题背景及意义，研究现状及课题主要内容，本文的工作结构几个方面进行分析描述。1.1 课题的研究背景及意义数字图像处理(Digital Image Processing)是利用计算机对图像进行去除噪声、增强、复原、分割、提取特征等相关理论、方法和技术的总称。因为通常图像处理是用计算机和实时硬件实现的，因此也称之为计算机图像处理(Computer Image Processing)。一般而言，数字图像处理的主要内容包括图像获取、图像复原、图像增强、图像分割、图

7、像分析、图像重建、图像压缩编码等等。20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。直到20世纪50年代数字计算机发展到一定水平后，数字图像处理才真正引起人们的兴趣。目前数字图像处理技术已经成为计算机科学、信息科学、生物学、军事、通信、工业、医学等学科研究的热点。在日常生活中，图像处理也得到广泛应用。例如电脑人像艺术、电视中的特殊效果、自动售货机钞票的识别、邮政编码的自动识别、交通车辆车牌识别、医学成像设备图像处理和利用指纹、虹膜、面部等特征而进行的身份识别等等。图像增强是图像处理的一项重要内容，其目的是将图像中感兴趣的部分尽可能地突现出来。在一个图像系统中，图像

8、的获取、发送、传输、接收、输出、复制等等，每一个环节都会产生干扰，都会使图像质量降低。因此，如何对这些“降质” 图像进行处理使其达到我们的要求已受到研究人员的高度重视。传统的图像增强算法在改善图像的对比度和增强图像的细节的同时也放大了噪声,这是传统算法的缺点和不足之处。图像增强对于物体的特征提取及其识别是非常重要的，主要有以下几个原因：第一，图像增强的好坏直接关系到后续的图像处理（比如图像的分割，边缘检测，特征提取等方面）的好坏；第二，图像增强是图像预处理中非常关键的一环，人们从传感器获得的图像不可能是完美无缺的，不是拍摄的光线不好造成背景黑细节不明显，就是夹杂着各种各样的噪声，这都降低了图像

9、的质量，影响了人们的感官效果；第三，传统的单尺度图像增强存在诸如增强图像的细节方面不突出，不能对图像进行分层处理等等，在处理效果上就没有多尺度处理的效果好，正因为如此基于多尺度分析的图像增强正受到研究人员的重视。多尺度图像增强具有良好的空间域局部化特性，对高频采用逐渐精细的时域或空域步长，可以聚焦到分析对象的任意细节。因此，特别适合于图像信号这一类非平稳信源的处理，已成为一种图像处理的新手段。因此对多尺度对比增强的研究是很有必要和重大意义的。1.2 研究现状及课题主要内容图像处理技术始于20世纪60年代，由于当时图像存储成本高，处理设备造价高，因而其应用面很窄。1964年美国加州理工学院的喷气

10、推进实验室，首次对徘徊者7号太空飞船发回的月球照片进行了处理，得到了前所未有的清晰图像，这标志着图像处理技术开始得到实际应用。70年代进入发展期，出现了CT和卫星遥感图像，对图像处理的发展起到了很好的促进作用。80年代进入普及期，此时微机已经能够承担起图形图像处理的任务。VLSI的出现更使得处理速度大大提高，其造价也进一步降低，极大的促进了图像处理系统的普及和应用。90年代是图像处理技术实用化时期，图像处理的信息量巨大，对处理的速度要求极高。21世纪的图像处理技术要向高质量化方面发展，实现图像的实时处理，采用数字全息技术使图像包含最为完整和丰富的信息，实现图像的智能生成、处理、理解和识别。在借

11、鉴国外相对成熟理论体系和技术应用体系的条件下，加强国内技术和应用有了较大的发展。总体来说，图像增强技术的发展大致经历了初创期、发展期、普及期和应用期4个阶段。初创期开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中、大型机对其进行处理。在这一时期由于图像存储成本高，处理设备造价高，因而其应用面很窄。20世纪70年代进入了发展期，开始大量采用中、大型机进行处理，图像处理也逐渐改用光栅扫描显示方式，特别是出现了CT和卫星遥感图像，对图像增强处理提出了一个更高的要求。到了20世纪80年代，图像增强技术进入普及期，此时的计算机已经能够承担起图形图像处理的任务。20世纪90年代进入

12、了应用期，人们运用数字图像增强技术处理和分析遥感图像，以有效地进行资源和矿藏的勘探、调查、农业和城市的土地规划、作物估产、气象预报、灾害及军事目标的监视等。在生物医学工程方面，运用图像增强技术对X射线图像、超声图像和生物切片显微图像等进行处理，提高图像的清晰度和分辨率。在工业和工程方面，主要应用于无损探伤、质量检测和过程自动控制等方面。在公共安全方面，人像、指纹及其他痕迹的处理和识以及交通监控、事故分析等都在不同程度上使用了图像增强技术。图像增强是图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入和发展，新的图像增强方法不断出现。例如一

13、些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展：例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像，然后在子层图像内做均衡处理，较好地解决了直方图均衡过程中的对比度过拉伸问题，并且可以控制子层灰度映射范围，增强效果较好。图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊。因此，在图像增

14、强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。传统的图像增强算法在确定转换函数时常是图像变换、灰度变换、直方图变换、图像平滑与锐化、色彩增强等。常用的一些图像增强方法是学习图像增强的基础，至今它们对于改善图像质量仍发挥着重要的作用。本文着重研究了这些增强方法对图像进行增强处理，针对图像增强的普遍性问题，研究和实现常用的图像增强方法及其算法，讨论不同的增强算法的适用场合，并对其图像增强方法进行性能评价。直方图均衡化是灰度变换的一个重要应用，广泛应用在图像增强处理中。它是以累积分布函数变换为基础的直方图修正法，可以产生一幅灰度级分布具有均匀概率密度的图像，扩展了像素的

15、取值动态范围，在生物医学工程，通信工程，工程和工业，军事公安，文化艺术等方面具有广泛的应用。1.3 本文的工作结构本文主要分析课题的研究意义及现状，通过理论分析图像增强的可能性与结果预期。通过对比各种图像增强算法的方法，比较各种方法的优缺点，从而使得能够通过某种方法得到某种预期的图像增强效果。共分为五部分，具体内容安排如下：第一章 绪论 介绍分析课题背景意义、现状等。第二章 图像增强的基本理论 主要介绍数字图像的概念和图像增强的方法。第三章 图像增强的算法分析 分析了各种图像增强的可行性与预期结果。第四章 图像增强的实现 通过详细的设计，实际对比效果，进行图像增强实验，分析实现结果。第五章 总

16、结 对本论文进行总结与展望。2.1 图像增强的定义增强图像中的有用信息，它可以是一个失真的过程，其目的是要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，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。2.2.1 数字图像的表示图像并不能直接用计算机来处理，处理前必须先转化成数字图像。早期一般用picture代表图像，随着数字技术的发展，现在都用image代表离散化了的数字图像。由于从外界得到的图像多是二维(2-D)的，一幅图像可以

17、用一个(2-D)数组f (x,y)表示。而这里x和y表示二维空间xy中一个坐标点的位置，f则代表图像在点(x,y)的某种性质数值。为了能够用计算机对图像进行处理，需要坐标空间和性质空间都离散化。这种离散化了的图像都是数字图像，即f(x,y)都在整数集合中取值。图像中的每个基本单元称为图像那元素，简称像素。2.2.2 图像的灰度变换常用的图像一般是灰度图，灰度变换可使图像动态范围增大，对比度得到延伸，使图像更加清晰、特征更加明显，是图像增强的重要手段之一3。它主要利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。灰度变换不改变图像内的空间关系，除了灰

18、度级的改变是根据某种特定的灰度变换函数迸行之外，可以看作是“从像素到像素”的复制操作4。可用f表示灰度值，反映图像上对应点的亮度。亮度是观察者对所看到的物体表面反射光强的量度。作为图像灰度的量度函数f(x,y)应大于零。人们日常看到的图像一般是从目标上反射出来的光组成的，所以f(x,y)可看成由两部分构成：入射到可见场景上光的量；场景中目标对反射光反射的比率。确切地说它们分别称为照度成分i(x,y)和反射成分r(x,y)。f(x,y)与i(x,y)和r(x,y)都成正比关系，可表示成f(x,y)i(x,y)× r(x,y)。将二维坐标位置函数f(x,y)称为灰度。入射光照射到物体表面

19、的能量是有限的，并且它永远为正，即0<i(x,y)<；反射系数为0时，表示光全部被物体吸收，反射系数为1时，表示光全部被物体反射，反射系数在全吸收和全反射之间，即0<r(x,y)<1。因此图像的灰度值也是非负有界的。2.2.3 灰度直方图灰度直方图是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。灰度直方图是数字图像处理中一个最简单、最有用的工具，它反映了数字图像中每一灰度级与其出现频率之间的统计关系。可以有针对性地通过改变直方图的灰度分布状况，使灰度均匀的或按照预期目标分布于整个灰度范围空间，从而达到图像增强的效果。2.3 本章小结

20、经过各种突变情况得到的图像往往并不能让我们直观的得到自己想要的信息，而在计算机中，可以通过某种手段，将图像变现为数字形式，分析图像直方图等方法，增强图像的某种信息的显示，以便计算机和人们的使用。3 图像增强的算法分析在图像处理中，图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着非常至关重要的作用。3.1 直方图均衡化直方图均衡化方法是图像增强中最常用，最重要的方法之一。直方图均衡化是把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像。它以概率论为基础，运用灰度点运算来实现，从而达到图像增强的目的。它的变换函数取决于图像灰度直方图的累积分

21、布函数。就是把一已知灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀概率分布的新图像。有些图像在低值灰度区间上频率较大，使得图像中较暗区域中的细节部分看不清楚，这是可以将图像的灰度范围分开，并且让灰度频率较小的灰度级变大。当图像的直方图为一均匀分布时，图像的信息熵最大，此时图像包含的信息量最大，图像看起来就显得清晰5。原始图的灰度范围大约是110到250之间，灰度分布的范围比较狭窄，所以整体上看对比度比较差，而直方图均衡化后，灰度几乎是均匀的分布在0到255的范围内，图像明暗分明，对比度很大，图像比较清晰明亮，很好的改善了原始图的视觉效果。优势：能够使得处理后图像的概率密度函数近似服从

22、均匀分布，其结果扩张了像素值的动态范围，是一种常用的图像增强算法。3.2平滑滤波平滑技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均或中值。为了既平滑噪声又保护图像信号，也有一些改进的技术，比如在频域中运用低通滤波技术。1.线性滤波输出图像的值等于输入图像滤波后值的局部平均，各个项具有相同的权。下面是平滑窗口分别为矩形和圆形的情况。对一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法是空间域平滑噪声技术。用一像素邻域内各像素灰度平均值来代替该像素原来的灰度，即是邻域平均技术。2

23、.非线性滤波中值滤波是一种最常用的图像增强技术，是非线性滤波。对椒盐噪声有很好的去噪效果。对于高斯噪声，均值滤波效果比均值滤波效果好。但对于椒盐噪声，中值滤波效果比均值滤波效果好。中值滤波是基于一个移动窗口并计算输入图像在窗口内的像素亮度值的中值作为输出图像窗口中心的像素值而产生的。给定的图像f(x,y)中的每一个点（m,n），取其领域s。设s含有M个像素a1，a2，?，aM，将其按大小排序，若M是奇数时，则位于中间的那个象素值就是修改后图像g(x,y)在点（m,n）处的像素值；若M是偶数则取中间两个象素的平均值作为修改后图像g(x,y)在点（m,n）处的象素值。比较经过加入椒盐噪声的图像和经

24、过中值滤波的图像，可以发现，图像的噪声点被去除；但是比较原始图像和经过滤波的图像后会发现，图像的边缘稍微的变得模糊，这是平滑算法不可避免的缺点。3.3拉普拉斯锐化处理图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。图像模糊的实质就是图像受到平均运算或积分运算，因此可以对图像进行逆运算，如微分运算以突出图像细节使图像变得更为清晰。由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度的慢变化区域。因此，锐化处理可选择拉普拉斯算子对原图像进行处理产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。拉普拉斯锐化的基本方法可以由下式表示：g(x,y)

25、=f(x,y)-2f(x,y)这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果，同时又能保留背景信息：将原始图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保留、灰度突变处的对比度得到增强，最终结果是在保留图像背景的前提下，突现出图像中小的细节。图像模糊的部分得到了锐化，特别是模糊的边缘部分得到了增强，边界更加明显。但是，图像显示清楚的地方，经过滤波发生了失真。3.4 本章小结因为图像增强和感兴趣的图像特性、需求者的习惯和处理目的密切相关，具有很强的针对性。因此，图像增强算法的应用具有很强的针对性。尽管增强处理方法多种多样，但是，并不存在一种万能的、适应各种应用场景的增强方法

26、。本章围绕图像增强算法的方法分析，分析了各种方法适用的场景。4.1VS 2010 系统开发的目标在数字图像处理过程中，通常输入的是质量较低的图像，输出的则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、压缩等等。4.2 直方图均衡化图像增强效果的实现系统主体程序int _tmain(int argc, _TCHAR* argv) Unsigned char *Image,*Image1,*Image2,Fheadg54,*Image3,*Image4,*Image5,*Image6,*Image7,*Image8; char Pallette1024; double *n,*p,

27、*p1,*mp,*r,*s,*s1; int Row,Col,i,j; Image1=new unsigned char 720*720; Image2=new unsigned char 720*720; Image3=new unsigned char 720*720; Image4=new unsigned char 720*720; Image5=new unsigned char 720*720; Image6=new unsigned char 720*720; Image7=new unsigned char 720*720; Image8=new unsigned char 7

28、20*720; n=new double 720*720; p=new double 720*720; p1=new double 720*720; mp=new double 720*720; r=new double 720*720; s=new double 720*720; s1=new double 720*720; ReadGrayImage("image/1.bmp",&Row,&Col,Image1,Fheadg,Pallette); printf("ok"); ZFTJHH(Row,Col,Image1,Image2,n

29、,p,p1,mp,r,s,s1); SaveGrayImage("image/result/Result1.bmp",Row,Col,Fheadg,Pallette,Image2; delete Image8; return 0;原图 效果图4.3 平滑滤波图像增强效果的实现3*3均值滤波系统主体程序int _tmain(int argc, _TCHAR* argv) unsigned char *Image,*Image1,*Image2,Fheadg54,*Image3,*Image4,*Image5,*Image6,*Image7,*Image8; char Pall

30、ette1024; double *n,*p,*p1,*mp,*r,*s,*s1; int Row,Col,i,j; Image1=new unsigned char 720*720; Image2=new unsigned char 720*720; Image3=new unsigned char 720*720; Image4=new unsigned char 720*720; Image5=new unsigned char 720*720; Image6=new unsigned char 720*720; Image7=new unsigned char 720*720; Ima

31、ge8=new unsigned char 720*720; n=new double 720*720; p=new double 720*720; p1=new double 720*720; mp=new double 720*720; r=new double 720*720; s=new double 720*720; s1=new double 720*720; ReadGrayImage("image/1.bmp",&Row,&Col,Image3,Fheadg,Pallette); printf("ok"); Junz(Ro

32、w,Col,Image3,Image4); SaveGrayImage("image/result/Result1.bmp",Row,Col,Fheadg,Pallette,Image4; delete Image8; return 0;原图 效果图3*3中值滤波系统主体程序int _tmain(int argc, _TCHAR* argv) unsigned char *Image,*Image1,*Image2,Fheadg54,*Image3,*Image4,*Image5,*Image6,*Image7,*Image8; char Pallette1024; dou

33、ble *n,*p,*p1,*mp,*r,*s,*s1; int Row,Col,i,j; Image1=new unsigned char 720*720; Image2=new unsigned char 720*720; Image3=new unsigned char 720*720; Image4=new unsigned char 720*720; Image5=new unsigned char 720*720; Image6=new unsigned char 720*720; Image7=new unsigned char 720*720; Image8=new unsig

34、ned char 720*720; n=new double 720*720; p=new double 720*720; p1=new double 720*720; mp=new double 720*720; r=new double 720*720; s=new double 720*720; s1=new double 720*720; ReadGrayImage("image/1.bmp",&Row,&Col,Image3,Fheadg,Pallette); printf("ok"); Zhongz(Row,Col,Image

35、3,Image4); SaveGrayImage("image/result/Result1.bmp",Row,Col,Fheadg,Pallette,Image4; delete Image8; return 0;原图 效果图4.4 锐化图像增强效果的实现拉普拉斯锐化处理主体程序int _tmain(int argc, _TCHAR* argv) unsigned char *Image,*Image1,*Image2,Fheadg54,*Image3,*Image4,*Image5,*Image6,*Image7,*Image8; char Pallette1024;

36、double *n,*p,*p1,*mp,*r,*s,*s1; int Row,Col,i,j; Image1=new unsigned char 720*720; Image2=new unsigned char 720*720; Image3=new unsigned char 720*720; Image4=new unsigned char 720*720; Image5=new unsigned char 720*720; Image6=new unsigned char 720*720; Image7=new unsigned char 720*720; Image8=new un

37、signed char 720*720; n=new double 720*720; p=new double 720*720; p1=new double 720*720; mp=new double 720*720; r=new double 720*720; s=new double 720*720; s1=new double 720*720; ReadGrayImage("image/1.bmp",&Row,&Col,Image1,Fheadg,Pallette); printf("ok"); for(i=0;i<Row*

38、Col;i+) Image2i=0; for(i=0;i<Row;i+) for(j=0;j<Col;j+) Image2(i+1)*(Col+2)+j+1=Image1i*Col+j; for(i=0;i<Row+2;i+) Image2i*(Col+2)+Col+1=Image2i*(Col+2)+Col; for(i=0;i<Row+2;i+) Image2i*(Col+2)=Image2i*(Col+2)+1; for(j=0;j<Col+2;j+) Image2j= Image2(Col+2)+j; for(i=Row;i<Row+1;i+) fo

39、r(j=0;j<Col+2;j+) Image2(Row+1)*(Col+2)+j= Image2Row*(Col+2)+j; for(i=1;i<Row-1;i+) for(j=1;j<Col-1;j+)Image2i*Col+j=abs(Image1(i-1)*Col+j+Image1i*Col+(j-1)+Image1i*Col+(j+1)+Image1(i+1)*Col+j-4*Image1i*Col+j); for(i=0;i<Row*Col;i+) if(Image2i>255) Image2i=255; for(i=0;i<Row*Col;i+

40、) if(Image2i<0) Image2i=0; for(i=0;i<Row*Col;i+) Image3i=Image1i+Image2i; SaveGrayImage("image/result/Result1.bmp",Row,Col,Fheadg,Pallette,Image3); delete Image8; return 0;原图 效果图4.5 本章小结通过实验效果直观呈现出各种方法的对比效果图，对比可以发现，在不同的需求之下，需要用到的图像增强方法不一，由于时代发展，人们对于图像的质量要求越来越高，单一的图像增强算法可能难以满足实际需求，因此，

41、多种方法的结合是图像增强算法发展的必然趋势。4.6图像增强的综合应用原图 4.8.1原图分析此图为雾天图像，对雾天图像的处理我采用的是先行直方图均衡化处理已增强图片的对比度来加强图像，在进行拉普拉斯边缘算子提取和原图叠加来增强图像的边缘轮廓，后用3*3的均值滤波来滤出噪声。主体程序int _tmain(int argc, _TCHAR* argv) unsigned char *Image,*Image1,*Image2,Fheadg54,*Image3,*Image4,*Image5,*Image6,*Image7,*Image8; char Pallette1024; double *n,

42、*p,*p1,*mp,*r,*s,*s1; int Row,Col,i,j; Image1=new unsigned char 720*720; Image2=new unsigned char 720*720; Image3=new unsigned char 720*720; Image4=new unsigned char 720*720; Image5=new unsigned char 720*720; Image6=new unsigned char 720*720; Image7=new unsigned char 720*720; Image8=new unsigned cha

43、r 720*720; n=new double 720*720; p=new double 720*720; p1=new double 720*720; mp=new double 720*720; r=new double 720*720; s=new double 720*720; s1=new double 720*720; ReadGrayImage("image/1.bmp",&Row,&Col,Image1,Fheadg,Pallette); printf("ok"); ZFTJHH(Row,Col,Image1,Image

44、2,n,p,p1,mp,r,s,s1); for(i=0;i<Row*Col;i+) Image2i=0; for(i=0;i<Row;i+) for(j=0;j<Col;j+) Image2(i+1)*(Col+2)+j+1=Image1i*Col+j; for(i=0;i<Row+2;i+) Image2i*(Col+2)+Col+1=Image2i*(Col+2)+Col; for(i=0;i<Row+2;i+) Image2i*(Col+2)=Image2i*(Col+2)+1; for(j=0;j<Col+2;j+) Image2j= Image2

45、(Col+2)+j; for(i=Row;i<Row+1;i+) for(j=0;j<Col+2;j+) Image2(Row+1)*(Col+2)+j= Image2Row*(Col+2)+j; for(i=1;i<Row-1;i+) for(j=1;j<Col-1;j+)Image2i*Col+j=abs(Image1(i-1)*Col+j+Image1i*Col+(j-1)+Image1i*Col+(j+1)+Image1(i+1)*Col+j-4*Image1i*Col+j);/进行拉普拉斯梯度计算 for(i=0;i<Row*Col;i+) if(Ima

46、ge2i>255) Image2i=255; for(i=0;i<Row*Col;i+) if(Image2i<0) Image2i=0; for(i=0;i<Row*Col;i+) Image3i=Image1i+Image2i; Junz(Row,Col,Image3,Image4); SaveGrayImage("image/result/Result1.bmp",Row,Col,Fheadg,Pallette,Image4); delete Image8; return 0;其效果图如下原图4.8.2 原图分析此图为夜天图像，处理此图的方法我

47、采用的是先把3*3均值滤波处理已滤低曝光瞎的夜天图像的噪声干扰，后用直方图均衡化来加强其对比度来达到图像增强的目的。主体程序int _tmain(int argc, _TCHAR* argv) unsigned char *Image,*Image1,*Image2,Fheadg54,*Image3,*Image4,*Image5,*Image6,*Image7,*Image8; char Pallette1024; double *n,*p,*p1,*mp,*r,*s,*s1; int Row,Col,i,j; Image1=new unsigned char 720*720; Image2

48、=new unsigned char 720*720; Image3=new unsigned char 720*720; Image4=new unsigned char 720*720; Image5=new unsigned char 720*720; Image6=new unsigned char 720*720; Image7=new unsigned char 720*720; Image8=new unsigned char 720*720; n=new double 720*720; p=new double 720*720; p1=new double 720*720; m

49、p=new double 720*720; r=new double 720*720; s=new double 720*720; s1=new double 720*720; ReadGrayImage("image/2.bmp",&Row,&Col,Image1,Fheadg,Pallette); printf("ok"); Junz(Row,Col,Image1,Image2); ZFTJHH(Row,Col,Image,2,Image3,n,p,p1,mp,r,s,s1); SaveGrayImage("image/result/Result1.bmp",Row,Col,Fheadg,Pallette,Image3);