基于C语言的红外图像处理程序设计.doc

《基于C语言的红外图像处理程序设计.doc》由会员分享，可在线阅读，更多相关《基于C语言的红外图像处理程序设计.doc（33页珍藏版）》请在沃文网上搜索。

1、 目 录摘要1ABSTRACT21绪论.31.1本论文的背景和意义31.2红外成像技术的发展及现状41.3 本论文的主要内容52红外图像的产生机理及红外图像处理的过程62.1红外图像的产生机理及特点62.1.1红外图像的产生机理62.1.2红外图像的特点72.2红外图像处理过程83 红外图像处理的C语言的程序设计93.1非均匀性校正的算法93.2噪声去除103.2.1噪声去除之中值滤波法103.2.2中值滤波的c语言程序123.3灰度变换133.3.1灰度变换的概念133.3.2灰度变换之直方图均衡化处理143.4为彩色变换173.4.1伪彩色变换的几种方法173.4.2伪彩色变换的c程序21

2、结束语30谢 辞31参考文献32摘要随着红外焦平面技术的发展,红外热像仪广泛应用于多种领域，针对目前红外图像中噪声较大，对比度较低，视觉效果不好，分辨图像细节能力比较差等缺点。红外图像处理过程包括非均匀性校正(NUC) ,盲元检测填充,直方图统计和灰度变换等步骤；以提高红外图像的质量和增强系统处理的实时性为出发点，结合已有的红外图像实时处理算法，本文设计和完成了基于C语言的红外图像处理，通过处理消除了红外图像的非均匀性，对红外图像进行了增强，取得了良好的效果。主要工作如下：本文首先阐述了红外图像的产生机理，分析了红外图像的特点，介绍了红外图像与可见光图像的区别，讨论了红外图像中需要处理和增强的

3、几个方面；由于红外探测器本身的缺陷，图像的产生过程中存在着非均匀性，本文采用了非线性的校正方法，实现了对红外图像的非均匀性校正；接着对红外图像中存在的噪声进行了分析，采用中值滤波的方式去除了红外图像的低频噪声，对图像进行了平滑处理，并对中值滤波的算法进行了相应的优化，减少了计算的复杂度；由于红外探测的数据的灰度值比较集中，而且AD采样得到的红外数据是12位的灰度图像，本文采用直方图均衡的方式对红外图像的灰度进行了变换，增强了红外图像的对比度；红外图像表征的是物体的辐射强度，为了直观的从图像上分辨物体的温度，采用伪彩色变化的方式对灰度图像进行了增强，提高了人眼的分辨力；采用了模块化结构设计，实现

4、了红外图像的非均匀性校正和图像增强；关键词：红外图像；c语言；图像处理AbstractWith the development of infrared focal plane array technology, the infrared thermal imager is widely applied in many fields, aiming at the infrared image noise is high, the low contrast, visual effect is not good, resolution image detail comparative disadva

5、ntage.Infrared image processing includes a nonuniformity correction ( NUC ), blind pixels fill detection, histogram and gray level transformation steps; to improve infrared image quality and enhance the system real-time as the starting point,combining with the existing real-time infrared image proce

6、ssing algorithm, this paper designed and accomplished based on the C language of the infrared image processing through processing, eliminates the infrared image nonuniformity, the infrared images were enhanced, and achieved good results. The main work is as follows: firstly, the infrared image gener

7、ation mechanism, analyzes the characteristics of infrared image, introduced the infrared image and visible image difference, discussed the infrared image processing and enhancement in several aspects; the infrared detector itself flaw, image generating process exists heterogeneity, this paper the no

8、nlinear correction method, the infrared image nonuniformity correction for infrared image; then.In the noise were analyzed, using median filter to remove the low frequency noise of infrared image, on the mapAs for smoothing, and the median filtering algorithm for the corresponding optimization, redu

9、cing the computational complexMiscellaneous degree; the infrared detection data of gray value is relatively concentrated, and the A / D sampling to obtain the infrared dataIs a 12 bit image, this paper adopts histogram equalization way of infrared image gray level transformation,Enhanced infrared im

10、age contrast; infrared image characterization are the objects of the radiation intensity, in order to direct fromImage resolution of the temperature of the object, using pseudo color changes in the way of gray image enhance, improveThe human eyes resolution; using a modular design, realize the infra

11、red image nonuniformity correction and image enhancement;Key words: infrared image; C language; image processing第一章 绪 论1.1本论文的背景和意义随着焦平面技术的发展和图像处理技术的不断成熟，红外热成像系统也不断得到改善，在军事、科研、工农业生产、医疗卫生等领域的应用越来越广泛，特别是非制冷红外热成像技术的发展使红外热成像技术拓展了更广阔的应用领域。1800年，英国物理学家威廉赫歇耳(WillhelmHersehel)发现了红外线，从此开辟了人类应用红外技术的广阔道路【l】。红外

12、技术主要研究红外辐射的发射、传输和接收的规律及其应用原理。红外热像仪是一种二维热图像成像装置，它利用目标与环境之间由于温度辐射与发射率的差异所产生的热对比度不同，把红外辐射能量密度分布探测并显示出来，成为“热像”，由于人眼对红外光不敏感，所以，红外热像仪必须具有把红外光变成可见光的功能，将红外图像变为可见图像【2】。在红外热像仪中，红外热辐射通过光学系统，由红外探测器把红外热辐射投射到探测器上，变为电信号，该信号反映出红外辐射的强弱，然后经过电子学处理，将反映目标红外辐射分布的电子视频信号在监视器上显示出来，实现从电到光的转换，得到反映目标热像的可见图像。由于目前红外器件发展的限制，红外热像仪

13、的成像效果还不够理想，主要表现为红外图像中噪声较大，对比度较低，视觉效果不好，分辨图像细节能力比较差等缺点，影响了红外热像仪在实际应用中的应用效果【3】。解决以上所有问题的一个最经济有效的手段就是在热像仪的电子处理部分加入实时图像处理功能。因此，在开展红外热像仪整机系统研究的同时，也要极力进行红外图像实时处理技术的研究，其核心任务是研制模块化红外图像实时处理系统，从而有效地提高红外热成像系统的动态范围、抑制图像噪声、消除非均匀性、改善图像质量。红外图像处理系统的研究，在当代军用(红外警戒、跟踪瞄准以及制导等)和民用领域(电力系统、消防、医疗诊断、森林火灾预警、夜间安全监视等)都具有很大的理论意

14、义和实用价值，特别是在军用领域更具有特殊的重要意义，利用红外热成像技术实现温度监控和检测有着精度高(可分辨O10C的温度差)、非接触、测温范围宽、形象直观等优点，因此在建筑、电力工业、石油化工、航天航空、质量检测及冶金等许多工业部门有着越来越广泛的作用。尤其是在材料缺陷的检测与评价、建筑节能评价、设备状态热诊断、生产过程监控、自动测试、减灾防灾等诸多方面获得了应用，并显示出越来越强大的生命力。目前，热像仪是夜视的重要工具，与光学望远镜、微光热像仪、雷达等成像观察设备相比，具有诸多优点。它可以全天候的工作，32不受昼夜限制；作用距离远，红外辐射比可见光具有更强的透过雾、雨、雪和烟尘的能力；能识别

15、伪装，探测隐蔽的军事目标和强光干扰下的目标；被动式和非接触式工作，具有较好的隐蔽性；比雷达更适宜于高精度观察，不受电磁干扰；生动的图像观察方式。因此，热像仪在军事上得到广泛应用。陆军可用于夜间侦察、瞄准、火炮及导弹火控系统、靶场跟踪测量系统；海军可用于舰载火控、夜间导航及防空报警系统；空军可用于飞机夜间导航、侦察、机载火控系统。卫星载热成像系统可用于侦察地面、海上目标和导弹预警等。热像仪的使用大大提高了军队的夜战能力。20世纪70年代中期以后，热像仪已成为现代化军队的重要装备。开展实时红外图像处理对我国国防建设十分重要，我国在这方面的工作才刚刚起步，距离欧美等一些发达国家的技术水平差距还非常大

16、，因此应积极开展这方面的研究工作，使我国国防技术水平跻身于世界强国之列。可见，开展红外图像实时处理系统技术研究具有重大的现实意义。1.2 红外成像技术的发展及现状红外热成像系统分为制冷型和非制冷型。目前用的最多的为制冷型焦平面阵列，但价格昂贵，主要是由于必须有一套完整的制冷设备。常用的制冷器结构复杂，容易发生故障，占据的空间很大，功耗约为非制冷型传感器的10倍【4】。同时，利用长波HgCdTe材料仍不能做出高质量、高产出的HgCdTe探测器，严重限制了长波HgCdTe的使用范围。非制冷凝视型的热像仪整机工作寿命、可靠性、体积、质量、可操作性等都优于制冷型FPA热像仪；能随时提供814um窗口的

17、快速热图像。非制冷热像仪低成本的优势，使其在民用和军用市场上均有广泛的应用。从技术角度看，非制冷红外探测器主要有电阻型热探测器、铁电型和热释电型探测器。电阻型热探测器的敏感元是热敏电阻，材料主要为氧化钒和非晶硅。铁电型焦平面探测器的材料主要有锆钛酸铅(PZT)，钛酸锶钡(BST)为热释电型探测器的主要材料，性价比最高的非制冷系统使用的是混合式铁电探测阵列。非制冷红外探测器的研究居世界领先水平的国家主要有美国、法国、英国和日本【5】。世界上第一个非制冷红外热成像系统就是由美国的Texas Instruments研制成功的，1983年美国Honeywell开始研制室温下的热探测器，使用了硅微型机械

18、加工技术。1990-1994年，美国很多公司从HoneyWell公司得到技术转让，使以氧化钒为探测材料的非制冷探测器得到了快速、广泛的发展。英国从事非制冷红外探测器研究的公司主要是BAE公司，发展成熟的探测器为PST和PZT混合结构的热释电陶瓷探测器，PST与PZT单片式结构探测器正处在研制中。日本从事非制冷红外探测器研制的公司主要有三菱公司和日本电气公司。日本电气公司主要从事以氧化钒为材料的电阻型探测器的研究，其第一个原理型探测器的NETD为150mK(256x256，50pro像素尺寸)。最新报道的320x240焦平面阵列像素尺寸为37um，热响应时间为12ms，填充因子为72。装备热成像

19、系统后的NETD为100mK(f1，60Hz)。据国际光学学会(SPIE)预测，目前红外热成像产品的世界市场规模每年合计40亿美元，美国产品占50以上。由此看出，在红外热成像技术上，美国处于世界领先地位。我国在非制冷焦平面阵列技术上起步较晚，在红外热成像方面的研究主要集中在部分高等院校和研究院所16J。这些研究单位主要进行探测器阵列及其工艺的研究。而经营非制冷红外热像仪的公司大部分只停留在制作一些外围设备和开发软件的业务上，最核心的机芯部分都是从国外进口。从八十年代中期开始进行红外图像的实时处理技术的研究工作，红外图像由于其自身的特点，处理的方式与处理可见光图像的方式不完全相同，其基本的处理内

20、容为图像畸变的校正、函数变换、直流恢复、非均匀性校正、对比度与亮度调节、查询处理以及图像平滑、图像增强(线间积累、帧间积累、中值滤波、直方图处理、像素倍增)等处理功能【6】。红外图像处理功能对处理速度要求比较高，新型高性能的处理实现比较困难。近年来，随着微电子技术的发展以及大规模可编程器件的出现，采用ASCI结构的信号处理系统显示出了其优越性，正逐步得到重视。与通用集成电路相比，ASCI芯片具有体积小、重量轻、功耗低、可靠性高等几个方面的优势，而且在大批量应用时，可降低成本。1.3 本论文的主要内容本文首先讨论了红外图像的产生机理，分析了红外图像的特点，在此基础上研究了红外图像处理技术，以提高

21、红外图像的质量和增强系统处理的实时性为出发点，结合已有的红外图像实时处理算法，设计和完成了基于C语言的红外图像处理系统，取得了良好的效果。第二章 红外图像的产生机理及红外图像处理的算法2.1红外图像的产生机理及特点2.1.1红外图像的产生机理所有不处于绝对零度的物体，均会发出不同波长的电磁辐射，物体的温度越高，分子或原子的热运动越剧烈，红外辐射越强，且辐射的频谱分布和波长与物体的性质和温度有关。在大气中存在若干个弱吸收的光谱区，被称之为大气窗口。根据自然界热源辐射热量的不同，红外大气窗口一般分为三类：红外长波窗口、红外中波窗口和红外短波窗口。对于红外波段来说，由于大部分热源(包括自然界的和人造

22、的)自身温度并不高，因此，8um14um(红外长波)与31um5um(红外中波)两个波段成为红外热成像所常用的两个主要窗【7】。热成像仪可以利用光学器件将场景中的物体发出的红外能量聚焦在红外探测仪上，然后来自于每个探测仪组件的红外数据将被转换成标准的视频格式，在视频监视器上显示出来，即可得到红外图像。其产生过程如图21所示。景物 红外 辐 射大气传输光学成像红外探测电子处理图 像显 示 图2.1 红外图像产生过程从图21中可以看出：目标和背景的红外辐射需经过大气传输、光学成像、光电转换和电子处理等过程，才被转换成为红外图像。由于红外图像感受和反映的是目标与背景物自身向外红外辐射能量的差异。而可

23、见光图像感受和反映的是目标及背景反射来自太阳或其它物体光线强弱的差异。前者属于被动成像而后者属于主动成像，并且都与构成目标及背景物的材料、颜色及表面光亮度有关。因此，红外成像和可见光成像存在着本质上的差异。2.1.2 红外图像的特点红外图像具有以下的特点：(1)红外图像空间相关性强、对比度低、视觉效果模糊在对比度上，由于红外热像仪是利用目标与背景间的温差成像，而大多数情况下，景物和环境的温差比较小，再加上经过大气传输、热像仪中光学部分和电子处理部分过程中损失的灰度级，所以红外图像的对比度比较低，不利于人眼的观察。(2)红外热图像是灰度图像，故对人眼而言，分辨率低、分辨潜力差在分辨率方面，红外成

24、像系统由于探测器阵列数目有限及探测单元尺寸的限制，空间采样频率无法满足采样定理，图像空间分辨率低，混频现象有时很严重。按照傅立叶光学的观点，光学成像系统是一个低通滤波器，由于受到光学衍射的影响，其传递函数在由衍射极限分辨率所决定的某个截止频率以上，其权值均为0。而大多数自然景物空间频率较丰富，包括各种高频信息，红外成像系统由于光学衍射和有限的探测器尺寸，成像过程中，图像信号的高频部分(细节)会有所丢失，造成图像的模糊和变形。所以目前的红外热像仪输出的红外图像分辨率较低。(3)红外图像的清晰度低于可见光图像，信噪比比普通电视图像低红外图像噪声情况非常复杂，不论是外界环境的随机干扰，还是内部物理量

25、的随机变化均可产生图像噪声。仅红外探测器输出的基本噪声就有热噪声、散粒噪声、产生复合噪声、1f噪声、光子电子涨落噪声等。噪声来源多样，类型繁多，这些都造成红外热图像上噪声的不可预测的分布复杂性。(4)红外图像具有非均匀性，体现为图像的固定图案噪声、串扰、畸变等由于红外焦平面阵列成像技术放弃了放大器与探测器单元一一对应的工作模式，对探测器的空间均匀性提出了更高的要求。由于许多无法控制的因素和工艺水平的限制，每个光敏元的响应率不可能完全一致，其直流偏置也不同，这种响应和偏置的非均匀性，使成像系统即使在均匀背景照射下输出的图像亮度也不一致，出现许多亮斑或条纹，即红外焦平面探测器中各探测单元辐射响应随

26、空间位置发生变化，称为红外焦平面阵列的非均匀性(NUC)，也称为空间噪声、固定图像噪声。以上的四个方面是影响红外图像显示的几个特点，有系统本身的缺点，如工艺等，也有红外图像自身的特点造成的影响，要想得到适合人们观察的图像，必须对其进行相应的处理【8】。2.2 红外图像处理过程红外图像存在着图像分辨率低、图像对比度不高、有噪声、具有非均匀性以及图像是黑白图像(对人眼而言，分辨潜力差)等缺陷，要想得到适宜人们观测的图像必须经过相应的处理。因此，红外图像实时处理的算法也主要集中在图像增强、去噪、非均匀性校正和伪彩色变换等方面。现今己经有很多有关图像处理的成熟算法，但大多过于复杂，计算量大，不利于将其

27、实时化和模块化，因此只有在对图像效果影响不大的基础上对现有的算法进行改进，使之在硬件上易于实现，才是目前红外图像实时处理的关键所在。对红外图像的处理的一般流程为图22所示。红外图 像非均匀性校正噪声去除灰度变换伪彩色变换图像显示图2-2红外图像处理流程图从图上可以看出，首先对红外探头进来的图像进行非均匀性校正，为了便于后面的处理，接着要对图像进行去噪处理，本文主要对红外图像进行了中值滤波，然后针对图像对比度不高的问题，对图像进行了灰度变换，增强了图像的对比度，最后，为了便于观察，进行了伪彩色变换，经过这四步的处理，红外图像得到了增强，可直接送显示电路显示。第三章 红外图像处理的C语言的程序设计

28、3.1非均匀性校正的算法由于红外焦平面探测器具有非均匀性,所以要对探测器输出的红外图像进行非均匀性校正。为了达到实时性要求,本系统采用两点校正算法。两点校正算法的优点是算法简单,运算速度快,可以实现实时处理,而且不需要场景运动,是目前工程上应用较为普遍的非均匀性校正算法【9】。当前国内外研究人员已提出了很多其他算法,比如高频滤波器校正,场景校正,神经网络校正等算法,但这些算法不易达到实时性要求,因此采用两点校正算法。两点校正算法原理如下:假设红外图像的非均匀性是线性的,输入图像原始灰度值为X ,输出校正过后的灰度值为Y ,校正公式为Y = KijX + Bij (1)取两个定标黑体温度点T1

29、、T2 , 输入均匀背景和照度下的红外图像X1 、X2 , 得到相应条件下的Y1 、Y2 ,由公式(1) 可得:Y1 = Kij X1 + Bij（2）Y2 = Kij X2 + Bij 由于输入的图像是均匀背景和照度下的,那么校正过后新图像的所有像素灰度值均应相同。取相应温度T1 、T2 下图像的平均值作为Y1 、Y2 , 设输入m 行n 列的图像。. = (3). = 其中m =240n =320将式(3) 代入式(2) 求出Kij和Bij 。Kij = (4)Bij = 最后根据公式（1）求出输出校正过后的灰度值Y3.2 噪声去除3.2.1 噪声去除之中值滤波法通过红外探头得到的红外图像

30、一般都因受到某种干扰而含有噪声，噪声恶化了图像的质量，使图像模糊，甚至淹没特征，如果不对噪声进行及时处理，就会对后续的处理过程乃至输出结果产生影响，甚至可能得到错误的结论。因此，图像噪声滤除成为红外图像预处理中的重要组成部分。图像消除噪声很很多种方法，在这我主要介绍一中值滤波法去噪声。中值滤波是由Tukey发明的一种非线性信号处理技术，早期用于一维信号处理，后来被用到二维数字图像平滑中，它能有效抑制图像噪声，提高图像信噪比【10】。它是一种邻域运算，是把邻域中的像素按灰度等级进行排序，然后选择该组的中间值作为输出像素值。它能减弱或消除傅里叶空间的高频分量，但不影响低频分量。因为高频分量对应图像

31、中的区域边缘和灰度值具有较大较快变化的部分，因此该滤波可将这些分量滤除，使图像平滑。中值滤波的主要原理是：首先确定一个以某个像素为中心点的邻域，一般为方形邻域：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。以3x3窗为例，该窗沿着图像数据的行方向逐像素滑动，在每一次滑动期间内，方形窗中的所有像素按照灰度值被排序，这组数据中的中值作为输出，替代原来窗函数的中心位置像素的灰度值。中值滤波实现过程如图所示。862 4301210191710 求中值246810121

32、71930（a）取3x3窗口 （b）对窗口的像素进行排序 （c）中值取代中间位置像素图 图 ：中值滤波实现过程从图上可以得出中值滤波的具体步骤如下：(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。采用该方法，中值的计算仅需做19次比较，此外，由于常规的滤波算法使窗口每移动一次，就要进行一次排序，这种做法实际上包含了大量重复比较的过程。若一幅图像的大小为NxN，则整个计算过程需要O(N2D2)时间，当窗口尺寸增大时，计算量将按平

33、方增大，这主要是传统算法未能充分利用相邻窗口间的相关信息。因此本文提出一种类似于滑动窗的改进的中值滤波算法，该算法能够充分利用前一窗口中已排序部分的信息。实验表明，该算法可以有效地降低图像处理的复杂度，加快图像处理速度。中值滤波的效果依赖于滤波窗口的大小，太大会使边缘模糊，太小了则去噪效果不好。考虑到噪声点和边缘点同样是灰度变化较为剧烈的像素，普通中值滤波在改变噪声点灰度值的时候，会一定程度地改变边缘像素灰度值。当处理该像素的时候，看该像素是否是滤波窗口所覆盖下邻域像素的极大或者极小值，如果是，则用正常的中值滤波处理该像素。如果不是，则不处理。3.2.2 中值滤波的c语言程序去噪声（中值滤波法

34、）#include “Params.h” int median value(unsigned char c9 );/* median-利用中值滤波法去噪声 image_in: 输入图像数组image_out:输出图像数组*/void median (unsigned char image_inY_SIZEX_SIZE, unsigned char image_outY_SIZEX_SIZE,)int i,j;unsigned char c9;for (i = 1; i Y_SIZE-1; i+)for(j = 1; j X_SIZE-1; j+)c0 = image_ini-1j-1;c1 =

35、 image_ini-1j;c2 = image_ini-1j+1;c3 = image_inij-1;c4 = image_inij;c5 = image_inij+1;c6 = image_ini+1j-1;c7 = image_ini+1j;c8 = image_ini+1j+1;image_outij = median_value(c);/* median_value -求出9个像素的中央值 c：像素 */int median_value(unsigned char c9)int i, j, buf;for(j = 0; j 8; j+)for(i = 0; i 8; i+)if (c

36、i+1 ci)buf = ci+1;ci+1 = ci;ci = buf;return c4;3.3 灰度变换3.3.1灰度变换的概念灰度变换可调整图像的动态范围或图像对比度,是图像增强的重要手段之一。图像的灰度变换处理是通过改变原始图像各像素在各灰度级上的概率分布来实现的。通过对图像的灰度值进行统计可以得到一个一维离散的图像灰度统计直方图函数p(sk)=nk/n (k=0,1,2,L-1)。该式表达了在第k个灰度级上的像素的个数nk占全部像素总数n的比例，p(sk)则给出了对sk出现概率的1个估计。因此该直方图函数实际是图像的各灰度级的分布情况的反映，换句话说也就是给出了该幅图像所有灰度值的

37、整体描述。通过该函数可以清楚地了解到图像对应的动态范围情况，可以了解到图像灰度的主要集中范围。因此可以通过图像增强程序的干预来改变直方图的灰度分布状况，使灰度均匀的或是按预期目标分布与整个灰度范围空间，从而达到增强图像对比度的效果。这种方法是基于数理统计和概率论的，比直接在空域对原始图像采取对比度增强效果要好的多。在实际应用中直方图的变换主要有均衡变换和规定变换两种，而后者又根据灰度级映射规则的不同分单映射规则和组映射规则两种【11】。3.3.2灰度变换之直方图均衡化处理 直方图均衡化处理的中心思想是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。对图像空域点的增

38、强过程是通过增强函数t=EH(s)来完成的，t、s分别为目标图像和原始图像上的像素点(x,y)，在进行均衡化处理时对增强函数EH需要满足两个条件：增强函数EH(s)在 0sL-1的范围内是一个单调递增函数，这个条件保证了在增强处理时没有打乱原始图像的灰度排列次序。另一个需要满足的条件是对于0sL-1应当有0EH(s)L-1，它保证了变换过程灰度值的动态范围的一致。同样的，对于反变换过程s=EH-1(t),在0t1时也必须满足上述两个条件。累计分布函数(cumulative distribution function,CDF)就是满足上述条件的一种，通过该函数可以完成s到t 的均匀分布转换。此时

39、的增强转换方程为：tk = EH(sk) = (ni/n) = ps(si) ，（k=0,1,2,，L-1）上述求和区间为到k,根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布tk按式tk=(N-1)* tk+0.5对其取整并得出源灰度sk到tk的灰度映射关系，其中N为灰度的级数。在重复上述步骤得到所有的源图像各灰度级到目标图像各灰度级的映射关系后按照新的映射关系对源图像各点像素进行灰度转换即可完成对源图的直方图均衡化【12】。 直方图均衡均衡化前后直方图比

40、较下面是按照上述算法实现的部分主要程序代码：首先对原始图像的各像素点的灰度情况进行统计计算。对于24位BMP图像，图像阵列是从第54字节起始的，每像素按R、G、B的顺序占3个字节。for(DWORD i=54;im_dwFileLen;i+) ns_rm_cpBufferi+; /ns_rk为k灰度级像素数，m_cpBufferi为当前的灰度值i+;ns_gm_cpBufferi+;/ns_g为G分量的统计记数i+;ns_bm_cpBufferi+;/ns_b为B分量的统计记数 for(i=0;i256;i+) /计算R、G、B三分量的直方图分布ps_ri=ns_ri/(m_dwFileLen

41、-54)/3.0f); /ps_ri为R分量中i灰度级出现的概率ps_gi=ns_gi/(m_dwFileLen-54)/3.0f); /ps_bi为G分量中i灰度级出现的概率ps_bi=ns_bi/(m_dwFileLen-54)/3.0f); /ps_bi为B分量中i灰度级出现的概率然后计算R、G、B三分量各灰度级的累计直方图分布，并对其进行取整以得出源和目标图像灰度之间的映射关系：for(i=0;i256;i+)/计算累计直方图分布 temp_ri=temp_ri-1+ps_ri;temp_gi=temp_gi-1+ps_gi;temp_bi=temp_bi-1+ps_bi;/累计分布取

42、整，ns_r、ns_g、ns_b保存有计算出来的灰度映射关系ns_ri=(int)(255.0f*temp_ri+0.5f);ns_gi=(int)(255.0f*temp_gi+0.5f);ns_bi=(int)(255.0f*temp_bi+0.5f);最后按照计算出来的映射关系把原图的原始灰度值映射到经过均衡化的新灰度级上，完成最后的处理，下图就是原图像和用本程序得出的经过直方图均衡化处理的目标图像，从结果可以看出原始图像太暗根本看不清细节，而处理过的图像则非常清晰： for(i=54;im_dwFileLen;i+)m_cpBufferi=ns_rm_cpBufferi; /对R分量进

43、行灰度映射（均衡化）i+;m_cpBufferi=ns_gm_cpBufferi; /对G分量进行灰度映射（均衡化）i+;m_cpBufferi=ns_bm_cpBufferi; /对B分量进行灰度映射（均衡化）3.4伪彩色变换3.4.1伪彩色变换的几种方法由于经过红外探头得到的图像是灰度图像，而我们知道，除了灰度(亮度)信息之外，人眼还可以分辨不同的伪彩色。人的彩色敏感细胞能分辨出几千种彩色色调和亮度，但对黑白灰度级却不敏感，一般说来，人的视觉能检测的灰度级只有几十级。由于人眼对彩色的分辨能力远高于对灰度图像的分辨能力，所以将转黑白图像转化成彩色可以提高图像细节的辨别力，达到图像增强的目的【

44、13】。伪彩色增强是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。使原图像细节更易辨认，目标更容易识别，能够成为。伪彩色增强的方法主要有灰度分割法、灰度级一彩色变换和频率域伪彩色增强三种。1.灰度分割法密度分割法是把灰度图像的灰度级从0（黑）到M0（白）分成N个区间Ii(i=1，2，N),给每个区间Ii指定一种彩色Ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像。该方法比较简单、直观。缺点是变换出的彩色数目有限。灰度是描述灰度图像内容的最直接的视觉特征，它指黑白图像中点的颜色深度，范围一般从0到255白色为255，黑色为0，中间的数字从小到大表

45、示由黑到百的过渡色，即可以表示不同的灰度等级。灰度切分示意图如下图。设原始黑白图像的灰度范围为：0f(x,y)L 用k+1灰度等级把该灰度范围分为k段：I0，I1,.,Ik I0=0(黑)，Ik=L（白）映射每一段灰度成一种颜色，映射关系为(x,y)= C1 (I（i-1）f（x，y）I（i）；i=1，2.k) 这里(x,y)为输出的伪彩色图像；Ci为灰度在I(i-1),I(i)中时所映射成的彩色。经过这种映射处理后，原始黑白图像f（x，y）就变成了伪彩色图像(x,y)。若原始图像f（x，y）就编程了伪彩色图像(x,y)。若原始图像f（x，y）的灰度分布遍及上述k个灰度段，则伪彩色图像(x,y)就具有k中彩色。 2.空间域灰度级一彩色变换根据色度学原理，将原图像f(x,y)的灰度范围分段，经过红、绿、蓝三种不同变换TR(?)、TG(?)和TB(?)，变成三基色分量IR(x,y)、I