毕业设计（论文）：分段线性变换及其在图像处理中的应用-基于分段线性变换的QR二维码图像的增强

本科毕业设计（论文） 本科毕业设计(论文)课题名称：分段线性变换及其在图像处理中的应用——基于分段线性变换的QR二维码图像的增强专业：信息与计算科学姓名：学号：指导教师：数理学院年月[10]。在得到两个阈值和后，如果图像显示的动态范围为，图像变换前的实际灰度值范围是，则令，可得变换公式为 (2.14)式中，其中是目标段系数，是过度区系数，是背景区系数，所以，由于要增强对比度，对目标段进行增强，对过度段灰度级拉伸，对背景段的灰度值增强，则，，。得到约束条件 (2.15) 由于实验时的待增强图像是QR二维码，根据图像的特性，图像中的目标段就是位于灰度值较低的区域，背景段位于灰度值较高的区域，那么，对QR二维码进行增强时，增强图像的对比度，就是让目标段的灰度值与背景段的灰度值相距较大，可以突出目标段，从而增强图像，使得图像更加容易辨析。第三章基于分段线性变换的QR二维码图像增强实验QR二维码简介因为在一维的条形码含有的信息不多，很难适应现在的市场环境，让条形码的发展得到限制，为迎合市场需求，就诞生了更好的二维条码，二维条码的信息存储两量大，可以包含物品的所有信息。在国际上比较常用的二维条码大致可以分成邮政码、矩阵式二维码和堆叠式二维码这三种类型：邮政码邮政码主要是通过不同长度的条形码进行编码，有：BP04-State，Postnet.矩阵式二维条码矩阵式二维码的外观就像是一个个的矩形组成的，这些矩形有黑的，也有白的，只有黑白两种颜色，这些黑的、白的矩形由实际的需要分布在矩阵中，矩阵式二维码的编码就是根据这些黑的、白的矩形在矩阵中的位置来进行编码的，这种条码是根据图形符号自动识别处理的码制，是结合了图像处理技术和组合编码的原理产生的一种条形码。叠式二维码由于一维条码的发展已经很成熟了，所以经过创新产生了堆叠式二维码，编码的规则是继承和创新了一维条码的编码规则，所以相差不大，这种编码是依据实际情况进行编码，所以它的编码利用率几乎百分百，最后形成堆叠式二维码，常用的二维码条码是PDF417码、Code49等。实验目的在我们的生活中二维码已经是不可或缺一部分了，尤其是矩阵式二维码，但是在对二维码进行识别时，有可能在获取二维码时，图像不清晰，还有可能会被污染，模糊不清，通过本实验，利用分段线性变换对获取的QR二维码的图像进行增强，使得原图像得到比较好的清晰效果。本实验选取的二维码是从百度图片库中选取的。实验内容及步骤首先读取图像，然后把图像转换成灰度图像，在中自带的函数可以将彩色图像转换成灰度图像，然后在由在2.3节用到的结果来算出灰度图像的两个阈值，把图像划分为目标段，过度段和背景段。(a)(b)图3.1(a)原图像;(b)原图的直方图;(a)(c)(e)(b)(d)(f)图3.2(a)人工选取分段点的分段线性变换的图像;(c)为(a)图像的直方图;(e)为(a)图像的变换函数图像;(b)经阈值计算的分段线性变换的图像;(d)为(b)图像的直方图;(f)为(b)图像的变换函数本次实验首先通过灰度图像的直方图大致确定目标段和背景，由图3.1(b)的直方图可以知道，直方图呈明显的双峰，二维码的目标段都在灰度值较低的部分，那么就大致猜测目标段的灰度值在0.2~0.4这一灰度区间，而背景段大致在0.7~0.9这一灰度区间，由2.3节用到的分段线性变换的变换公式，令,处理后的图像如图3.2(a)所示，由图3.2(a)可以看出，图像明显增亮，但是目标段没有达到预期效果，那么接下来使用最小误差法进行阈值计算，通过阈值计算得到在通过分段线性变换得到图3.2(b),由图可以清楚的看到增强效果很好，目标段和背景段明显分离出来，由增强后的直方图可以更加明显的看出目标段和背景段分离的更开，对比度更加明显。在图像增强中有很多其他方法，线性拉伸和直方图均衡化是两种比较常见的对比度增强方法，在上文中已经使用分段线性变换来增强QR二维码的图像，那么现在使用直方图均衡化进行图像增强的实验。 直方图均衡化就是图像中的灰度值进行非线性的变换后的结果，把图像中的灰度值变换一下，让一个灰度区间内的灰度值基本上数量相等。把图像的灰度直方图中的灰度值进行均匀分配的处理过程就是直方图均衡化。在图像处理工具箱中提供了用于直方图均衡化的函数,调用的方法是，其中是原始图像，返回值是经过直方图均衡化处理过的输出图像，是变换矩阵。 下面分别对二维码图像进行直方图均衡化处理。(a)(c)(b)(d)图3.3(a)原图像;(b)是原图像的直方图;(c)直方图均衡化处理后的图像;(d)为(c)图像的直方图由上图可以看出，原图像图3.3(a)进过直方图均衡化处理得到图3.3(c)图像，对比度明显增强，但是，处理后的图像不易辨识，由直方图可以看出，经过直方图均衡化后灰度级为均匀的分布在各个灰度值，一些细节上显示不清楚。由此可以看出直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布，缺点就是处理后的某些细节消失，并且经处理后的图像对比度不自然的过分增强。在获取图像时，图像有可能会受噪声的干扰而更加的模糊，那么把原图像加噪处理后再利用分段线性变换增强。(a)(b)图3.4(a)为原图像;(b)原图像的直方图(a)(b)(c)(d)(e)(f)图3.5(a)为人工选取的分段点的原图像;(b)原图像的直方图;(c)为(a)图像的分段函数图像;(d)阈值计算分段点的图像;(e)为(d)的直方图;(f)为(d)图像的分段变换函数图像由图3.4(a)所示，图像是加入了强度0.08的椒盐噪声，如果直接用分段线性变换来增强，很难分清楚目标段和背景段，然后利用分段线性变换进行图像增强，首先还是人工选取分段点，取得到图像如图3.5(a)所示，由图可以看出，图像的亮度增强明显，但是图像整体偏亮，目标区域的灰度值本应该降低，这就是分段点的选取不好，那么了利用阈值计算的方法选取分段点，利用最小误差法计算得到，然后经过变换后的图像如图3.5(e)所示，经过处理的图像目标区域和背景区域明显分离开来，QR码图像的目标区域和背景区域明显分来，二维码的轮廓清晰很多由直方图也可以看出去除噪声后的直方图呈双峰型，而线性变换后的直方图目标区域与背景区域比原图分的开，使得图像的对比度增加。由上图几幅图可以看出噪声多的图像经过分段线性变换后的图像中的噪声减少很多，目标区域可以在图像中很容易和背景区域区分开，增强效果明显。 图像增强图像的方法有很多，所以下面做一个对比试验，用直方图均衡化进行图像的增强。在对有很多噪声的图像进行直方图均衡化处理时(a)(c)(b)(d)图3.6(a)含有噪声的原图像;(c)直方图均衡化后的图像;(d)为(c)图像的直方图由图3.6可以看出，其中(a)为原图像，(b)为原图像的直方图，经过直方图的均衡化后的图像如图3.6(c)所示，(d)是其直方图，图像(c)可以看出，图像的目标区域得到了增强，，但是图像中的背景区域也得到了增强，使得图像看起来还没有原图像的效果好，但是经过分段线性变换后的图像可以看出，图像中的目标区域得到增强，而背景区域得到了抑制，使图像的整体的对比度增强，突出目标区域，增强效果比直方图均衡化的增强效果好。实验结果分析在图像增强实验中，利用分段线性变换增强方法，分别对模糊的QR二维码图像进行增强和有噪声的QR二维码图像进行增强，通过对比可以看出原图经过分段变换前后的对比图可知原图中间得到拉伸，对比度得到增强，经过阈值计算的分段点较好的把图像的目标区域和背景区域分离开来，然后分别通过对目标区域和背景区域进行线性增强和抑制，增强了图像的对比度。虽然通过阈值计算得出图像的分段点，但是在分段点对应的输出图像的灰度值没有确定的值，而是有一个大致范围，在这个范围内选取。接下来使用另一种图像增强方法——直方图均衡化来处理图像，分别对模糊的QR码和有噪声的QR码图像进行处理，通过对比可以看出原图动态范围较小图像平淡,对比度低。在直方图均衡化得到整个图像灰度允许范围后，对比度明显增强。在直方图被均衡后，直方图的灰度间隔扩大了，并且显示了均衡图像的一些细节，这有助于图像分析和识别，但在一些细节上没有得到增强。图像的灰度值是随机的分配的，直方图的灰度值分配不均匀，直方图均衡化就是让直方图中的灰度值均匀分布在直方图中。灰度变换主要是通过对原始图像的灰度值进行重新分配,增强原图像的对比度;

直方图均衡化处理图像就是把原始图的灰度直方图中的灰度值均匀分配到各个灰度级,

把原始图像的灰度值范围扩大，从而达到整幅图像的对比度明显增强;图像增强是把原始图像的细节或感兴趣的部分进行增强，而不是凭空制造图像，不会增加图像的已有信息，只是提高了图像的辨识度，让图像的后续处理更加方便。

第四章总结与展望图像增强就是把图像中的某些需要的信息进行改善，这些图像中的有用部分是根据特定的情况而变化，增强整幅图像或增强局部图像，使得图像中的某些模糊或不清楚的图像更加清晰明了，让图像中的目标区域和背景区域的特征得到扩展，使得图像的对比度增强，背景区域中的信息得到有效抑制或消除，最后增强的图像可以更加容易辨析，更容易识别，读取图像中的有用信息。图像增强方法有很多，本文主要运用了分段线性变换来增强图像，本文主要完成了以下的工作：介绍了图像增强的基本概念和方法;阐述了分段线性变换的基本思想和利用最小误差法计算出分段线性变换的分段点;通过分段线性变换和直方图均衡化对QR二维码图像进行增强实验和实验结果分析。通过实验分析可以看出利用分段线性变换对QR码的增强效果比直方图均衡化效果明显，在图像增强处理过程中，为了得到预期效果的图像，有时会利用不止一种增强方法，各种方法都有其利弊，但相互结合，合理运用就能达到让人满意的图像增强效果。参考文献欧福超.基于图像处理的QR码图像预处理的研究[D].山东大学,2014.汪志云,黄梦为,胡钋,等.基于直方图的图像增强及其MATLAB实现[J].计算机工程与科学,2010,28(2):54-56.张俊华,杨根,徐青.基于分段线性变换的图像增强[C]//第十四届全国图象图形学学术会议论文集.2008.包振华.基于Matlab的灰度级线性变换图像增强[J].武汉职业技术学院学报,2006,5(3):54-56.完颜丹丹.红外图像对比度增强算法研究[D].河南:河南科技大学,2012.曾鹏鑫,么健石,陈鹏,等.基于小波变换的图像增强算法[J].东北大学学报:自然科学版,2005,26(6):527-530.李军,龚声蓉.QR码的图像恢复和识别技术研究与实现[D].苏州:苏州大学,2010.张晓辉.基于自适应阈值的图像增强算法[D].北方工业大学,2015.王利颖,蒋亚东,罗凤武,等.一种自适应红外图像增强新算法[J].信号处理,2009,25(12):1836-1839.范九伦,雷博.二维直线型最小误差阈值分割法[J].电子与信息学报,2009,31(8):1801-1806.KittlerJ,IllingworthJ.Minimumerrorthresholding[J].Patternrecognition,1986,19(1):41-47.MoriiF.Anoteonminimumerrorthresholding[J].PatternRecognitionLetters,1991,12(6):349-351.NakibA,OulhadjH,SiarryP.Imagehistogramthresholdingbasedonmultiobjectiveoptimization[J].Signalprocessing,2007,87(11):2516-2534.刘文萍,吴立德.人造目标红外前视阈值分割技术[J].红外与毫米波学报,1997,16(5):379-383.HongL,WanY,JainA.Fingerprintimageenhancement:Algorithmandperformanceevaluation[J].IEEEtransactionsonpatternanalysisandm