红外图像处理之直方图均衡的matlab源码与效果验证

红外图像是热辐射成像，由于场景中的目标与背景的温差相对较小，红外图像的动态范围大、对比度

低，信噪比也较可见光图像的低。为了能够从红外图像中正确地识别出目标，必须对红外图像进行增强处理。一般红外探测器的性能区分于材料，氧化钒等高端的灵敏度高相应的价格较贵，多晶硅的一般灵敏度要差但价格相对较低，也不会太受禁运封锁购买比较方便，也是非制冷做成的热像仪没有制冷电路会节省成本、降低功耗和减小体积。一般探测精度为50mk左右，常温下的温度变化只有二三十度，产生的灰度响应变化一般也就几十个灰度级。这样的图像很难区别出各种图像内部的物体，所以需要进行真个动态范围的拉伸，将图像处理的更家锐，图像清楚容易辨识。

clear;

clc;

%%%%%%%%%%%%%%单帧图像取值%%%%%%%%%%%%%

save3 =zeros(3,2,'uint16');

fid = textread('3006b.txt','%s');

fid1 = hex2dec(fid);

save3(:,:) = reshape(fid1,3,2);

sample1 = zeros(3,2,'double');

sample1 = save3(:,:);

%%%%%%%%%%%%%%%找出最大灰度%%%%%%%%%%%%%

line_buff = zeros(1,6,'uint16');

line_buff = reshape(sample1,1,6);

for i= 2:6

max = line_buff(1,1);

if line_buff(1,i) > max

max = line_buff(1,i);

end

%%%%%%%%%%%%%%%找出最小灰度%%%%%%%%%%%%%

for i= 2:6

min = line_buff(1,1);

if line_buff(1,i) < min

min = line_buff(1,i);

end

%%%%%%%%%%%%%%%设定拉伸的灰度级数%%%%%%%%%%%%%%%%%%%

H_tho = 256;

L_tho = 0;

%%%%%%%%%%%%%%%计算拉伸比率%%%%%%%%%%%%%%%%%%%%

sample2 = zeros(1,6,'uint16');

rat = (H_tho-L_tho)/(max-min);

for i=1:6

sample2(1,i) = line_buff(1,i)*rat;

end

for i= 1:6

sample2(1,i) =sample2(1,i) - min*rat;

end

%%%%%%%%%%%%%%%%显示效果%%%%%%%%%%%%%%%%%%%%%%%%

sample3 = reshape(sample2,3,2);

subplot(2,2,1),imshow(uint8(sample1));title('拉伸前');

subplot(2,2,2),imshow(uint8(sample3));title('拉伸后');

数据文件上传嫌麻烦就没传，有兴趣的可以找我索取

QQ：356636122

巴特西

红外图像处理之直方图均衡的matlab源码与效果验证

最新文章

热门文章