1、 . . . 本科畢業(yè)設(shè)計(jì)（論文）題目： 基于同態(tài)濾波的圖像去霧方法基于同態(tài)濾波的圖像去霧方法 摘 要在霧靄等天氣條件下獲得的圖像，模糊不清、顏色失真，影響視覺效果。因此有必要對(duì)圖像進(jìn)行去霧研究。圖像去霧是通過一定的手段去除圖像中霧的干擾，達(dá)到快速有效的去霧和清晰度恢復(fù)的作用，從而得到高質(zhì)量的圖像。 圖像去霧的方法眾多，同態(tài)濾波是一種在頻域中進(jìn)行的圖像對(duì)比度增強(qiáng)和壓縮圖像亮度圍的特殊濾波方法。這種方法能減少低頻并增加高頻，即盡量保留低頻中的灰度級(jí)（保存圖像原貌），又銳化細(xì)節(jié)，從而達(dá)到去霧的效果。本文把基于同態(tài)濾波的去霧算法，與全局均衡化的圖像去霧算法等方法進(jìn)行對(duì)比，借鑒其他算法的優(yōu)點(diǎn)，優(yōu)化同態(tài)

2、濾波算法，使圖像去霧效果更加理想。實(shí)驗(yàn)結(jié)果表明，同態(tài)濾波能較好的銳化細(xì)節(jié)，同時(shí)保持原圖概況。若要使圖片達(dá)到更好的清晰度，需結(jié)合多種算法，疊加運(yùn)行。 關(guān)鍵詞：圖像去霧；圖像增強(qiáng)；同態(tài)濾波；直方圖均衡化Image defog method based on the method of image filterinAbstractThe image obtained in bad weather conditions such as fog, blur, color distortion, visual effects.Therefore, it is necessary to study imag

3、es defogging.Images defogging is through a certain means of removing fog interference and achieve rapid recovery of fog and clarity of role, resulting in high quality images.Homomorphic filtering is an image in the frequency domain of contrast enhancement and special filtering method of image bright

4、ness range, homomorphic filtering can reduce the frequency and increase the frequency, that is, try to keep the low frequency of gray levels (save the original image) and sharpen details, so as to achieve the effect of fog. This fog based on homomorphic filtering method, and global equalization algo

5、rithm for images defogging method compares the advantages of other algorithms, optimizing the homomorphic filter algorithm, making the image to fog effect is more ideal. Experimental results show that the homomorphic filtering can be used to sharpen detail, while keeping the original profile. To mak

6、e the image better definition, should be combined with a variety of algorithms, stacking operation.Key words: image, image enhancement, image enhancement, image enhancement, image enhancement, histogram equalization.目錄1引言11.1課題研究的背景和意義11.2圖像去霧的研究歷史和發(fā)展現(xiàn)狀21.3本文主要研究容和結(jié)構(gòu)安排31.3.1本文主要研究容31.3.2本文結(jié)構(gòu)安排32圖像去霧

7、概述52.1圖像去霧的概念52.2圖像去霧的分類52.2.1基于物理模型的方法62.2.2基于非物理模型的方法82.3圖像去霧的應(yīng)用123基于同態(tài)濾波的圖像去霧方法133.1同態(tài)濾波概念與定義133.2同態(tài)濾波的原理133.3同態(tài)濾波的操作的基本流程134實(shí)驗(yàn)結(jié)果184.1灰度版184.2彩色版204.3實(shí)驗(yàn)結(jié)果分析與評(píng)價(jià)225評(píng)價(jià)與改進(jìn)245.1 直方圖245.2 暗通道265.3 改進(jìn)295.3.1 紅外處理295.3.2紅外與同態(tài)濾波結(jié)合優(yōu)化295.3.3 實(shí)驗(yàn)結(jié)果圖30結(jié)論31致33參考文獻(xiàn)34附錄37外文資料翻譯與原文4883 / 861引言 圖像去霧是圖像處理中一個(gè)不可缺少的環(huán)節(jié)，

8、在遙感、航拍、水下圖像分析、戶外視頻、日常照片、處理等諸多方面有著廣泛應(yīng)用。本章對(duì)圖像去霧的技術(shù)進(jìn)行介紹，并著重闡述基于同態(tài)濾波的圖像去霧方法，深入研究了基于同態(tài)濾波的圖像去霧方法，對(duì)霧天退化圖像的增強(qiáng)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。同時(shí)也增強(qiáng)了霧天降質(zhì)圖像的對(duì)比度和色彩保真度，提高了戶外成像系統(tǒng)在霧靄等天氣下工作的穩(wěn)定性和可靠性。本章簡(jiǎn)要介紹了圖像去霧處理的背景與意義，圖像去霧的國外研究現(xiàn)狀，并給出了本文的主要研究容。1.1課題研究的背景和意義眾所周知，霧和霾是一種常見的天氣現(xiàn)象，在霧霾條件拍攝的圖片就不是很清晰，因此有必要對(duì)圖像進(jìn)行去霧研究。圖像去霧技術(shù)是通過一定的手段去除圖像中霧的干擾，從而得到高質(zhì)量的

9、圖像，以便于得到滿意的視覺效果并獲取更多有效的圖像信息。圖像去霧技術(shù)是圖像處理領(lǐng)域一個(gè)重要的研究分支。因其具有跨學(xué)科、前沿性以與應(yīng)用前景廣闊等特點(diǎn)，而備受國外的大批研究者的關(guān)注，目前已成為計(jì)算機(jī)視覺和圖像處理領(lǐng)域的研究熱點(diǎn)。同時(shí)作為一門新興學(xué)科，由于去霧問題涉與到天氣條件的隨機(jī)性與復(fù)雜性，使得人們研究的起步比較晚，只有二十年的研究歷程。目前雖然有新方法大量涌現(xiàn)，但幾乎每一種方法都有一定的局限性，也都處于不斷的發(fā)展中。一些己取得的研究成果雖然在某一方面得到大家的認(rèn)可，但還是需要完善和改進(jìn)。因此，為提高霧天退化圖像的質(zhì)量，需要尋找有效的辦法來減少或去除霧的影響。1.2圖像去霧的研究歷史和發(fā)展現(xiàn)狀

10、圖像去霧技術(shù)一個(gè)跨學(xué)科的前沿性課題，具有廣闊的應(yīng)用前景，近幾年來已經(jīng)成為計(jì)算機(jī)視覺和圖像處理領(lǐng)域研究的熱點(diǎn)問題之一，吸引了國外很多研究人員的興趣。該技術(shù)主要應(yīng)用于計(jì)算機(jī)視覺的初級(jí)階段，是目標(biāo)檢測(cè)與跟蹤、目標(biāo)分類與識(shí)別、目標(biāo)行為分析與理解等中、高級(jí)階段的基礎(chǔ)。 圖像去霧技術(shù)的研究工作開展較晚，盡管國外研究機(jī)構(gòu)已經(jīng)取得了一定的研究成果，然而仍有待完善。研究最早可追溯到1992年LBissonnette等人針對(duì)霧和雨天氣下所做的圖像去霧處；隨后，John P.Oakley等人針對(duì)惡劣天氣下航拍降質(zhì)彩色圖像進(jìn)行了去霧處理，并取得一定的研究成果。后來，McCartney對(duì)不同天氣條件下大氣粒子的類型、大

11、小和濃度進(jìn)行了研究。Nayar和Narasimhan對(duì)大氣粒子的類型、大小和濃度造成各種天氣的成因進(jìn)行了簡(jiǎn)單分析。Garg等人提出雨滴動(dòng)力學(xué)模型，利用模型約束來區(qū)分雨和其他類型的信號(hào)，有效地檢測(cè)并去除復(fù)雜場(chǎng)景中的雨滴。 與國相比，國外的研究工作開展較早，且研究機(jī)構(gòu)較多。在國外著名的研究機(jī)構(gòu)中，美國國家航空航天局（NASA）的Langley研究中心（LRC）深人研究基于鄰域（surround-based）的Retinex算法，對(duì)霧、煙、水下和夜晚圖像進(jìn)行增強(qiáng)，并將其算法嵌人DSP便攜式圖像增強(qiáng)視覺系統(tǒng)中，處理分辨率為256×256的灰度圖像可達(dá)到30幀s,基本滿足實(shí)時(shí)性的要求；哥倫比亞

12、大學(xué)的計(jì)算機(jī)視覺實(shí)驗(yàn)室研究如何利用不同天氣條件下同一場(chǎng)景的多幅圖像來恢復(fù)清晰圖像，并建立了不同天氣條件下同一場(chǎng)景的WILD（Weather and Illumination Database）數(shù)據(jù)庫；以色列的聯(lián)合成像實(shí)驗(yàn)室；研究基于偏振濾波的方法，該方法對(duì)大氣成像和水下成像均適用；曼徹斯特大學(xué)電氣和電子工程學(xué)院的傳感、圖像和信號(hào)處理組在圖像對(duì)比度恢復(fù)方面進(jìn)行了長(zhǎng)期的研究，英國Dmist公司在此研究基礎(chǔ)上開發(fā)了商業(yè)產(chǎn)品C1earVue。 在國的研究機(jī)構(gòu)中，微軟亞洲研究院與中文大學(xué)（Chinese University ofHong Kong）信息工程系的多媒體實(shí)驗(yàn)室合作，研究基于數(shù)據(jù)假設(shè)的單幅圖

13、像去霧方法，其成果較為顯著，但與實(shí)際應(yīng)用仍存在較大差距。其他研究所和高校的相關(guān)研究工作尚處于進(jìn)一步發(fā)展中。現(xiàn)階段，比較優(yōu)秀的去霧手段，都是根據(jù)每種算法的優(yōu)、缺點(diǎn)，進(jìn)行優(yōu)勢(shì)結(jié)合。一般而言，良好去霧效果都要復(fù)合幾層算法進(jìn)行疊加，例如，基于同態(tài)濾波的紅外圖像增強(qiáng)新方法。先對(duì)原紅外圖像自適應(yīng)中值濾波，既保留了原有圖像細(xì)節(jié)，又去除噪聲。1.3本文主要研究容和結(jié)構(gòu)安排1.3.1本文主要研究容 本文介紹基于同態(tài)濾波的圖像去霧方法。將基于同態(tài)濾波的去霧圖像，與經(jīng)全局均衡化直方圖的圖像去霧算法、暗通道去霧算法等方法進(jìn)行對(duì)比，借鑒其紅外技術(shù)的優(yōu)點(diǎn)，優(yōu)化同態(tài)濾波算法，使得圖像去霧效果更加理想。1.3.2本文結(jié)構(gòu)安排

14、本文共分為五個(gè)部分。具體結(jié)構(gòu)如下：第一部分 緒論。主要介紹了圖像去霧的研究背景和意義、國外研究現(xiàn)狀、發(fā)展前景以與本文的主要研究容。第二部分 圖像去霧原理與技術(shù)。主要介紹了圖像去霧的基本原理、基本特征和圖像去霧的分類，歸納了圖像去霧的典型算法以與主要應(yīng)用。第三部分 研究基于同態(tài)濾波的圖像去霧方法。第四部分 實(shí)驗(yàn)結(jié)果。第五部分 實(shí)驗(yàn)方法評(píng)價(jià)與改進(jìn)。 第六部分 對(duì)本文進(jìn)行總結(jié)。2圖像去霧概述2.1圖像去霧的概念 圖像去霧技術(shù)（霧、霆等類似大氣粒子的散射現(xiàn)象均可用米氏散射理論描述，為了描述的方便，簡(jiǎn)稱為去霧）的主要任務(wù)是去除天氣因素對(duì)圖像質(zhì)量的影響，從而增強(qiáng)圖像的視見度。2.2圖像去霧的分類 圖像去霧

15、技術(shù)在經(jīng)過近20年的研究發(fā)展中，經(jīng)過國外研究學(xué)者們的努力，已經(jīng)形成了許多可應(yīng)用于實(shí)踐的技術(shù)方法。目前的主流方向是通過物理模型和非物理模型展開的。依據(jù)是否依賴大氣散射模型，將現(xiàn)有的方法分為兩類：基于物理模型的方法（MB）和非物理模型的方法（NMB）。基于物理模型的方法即是圖像復(fù)原方法，基于非物理模型的方法即是圖像復(fù)原方法。 霧天圖像復(fù)原是研究霧天圖像退化的物理機(jī)制，并建立霧天退化模型，反演退化過程，補(bǔ)償退化過程造成的失真，以便獲得未經(jīng)干擾退化的無霧圖像或無霧圖像的最優(yōu)估計(jì)值，從而改善霧天圖像的質(zhì)量。這種方法針對(duì)性強(qiáng)，得到的去霧效果自然，一般不會(huì)有信息損失，處理的關(guān)鍵點(diǎn)是模型中參數(shù)的估計(jì)。霧天圖像

16、的增強(qiáng)方法不考慮圖像退化原因，適用性廣，能有效地提高霧天圖像的對(duì)比度，增強(qiáng)圖像的細(xì)節(jié)，改善圖像的視覺效果，但對(duì)于突出部分的信息可能會(huì)造成一定損失。對(duì)于每一類方法，按照去霧方法的相似性進(jìn)一步歸納為不同的子類方法：基于圖像處理的霧天圖像增強(qiáng)方法分為全局化的圖像增強(qiáng)方法和局部化的圖像增強(qiáng)方法；基于物理模型的霧天圖像復(fù)原方法則包括基于偏微分方程的霧天圖像復(fù)原、基于深度關(guān)系的霧天圖像復(fù)原和基于先驗(yàn)信息的霧天圖像復(fù)原。 下圖詳細(xì)描述了這種分類層次：圖2.1 圖像去霧方法分層 2.2.1基于物理模型的方法圖2.2 基于物理模型的復(fù)原方法（1）基于偏微分方程的霧天圖像復(fù)原 由于利用大氣信息條件或場(chǎng)景深度復(fù)原霧

17、天圖像的方法不能局部修正恢復(fù)結(jié)果，所以對(duì)于場(chǎng)景深度變化較大的圖像，部分區(qū)域的對(duì)比度仍然比較低，不能很好滿足應(yīng)用要求。因此在某些對(duì)圖像的色彩清晰度和對(duì)比度有較高要求的場(chǎng)合，采用偏微分方程的圖像去霧方法得到了廣泛的應(yīng)用。 針對(duì)霧天圖像處理，可借助大氣散射模型，建立戶外圖像全局去霧和局部去霧的能量最優(yōu)化模型，推導(dǎo)相應(yīng)的包含圖像梯度和場(chǎng)景景深的偏微分方程。同時(shí)利用用戶提供的簡(jiǎn)單附加信息消除恢復(fù)中的不確定性，實(shí)現(xiàn)僅從一幅降質(zhì)圖像的去霧恢復(fù)。（2）基于深度關(guān)系的霧天圖像復(fù)原 降質(zhì)圖像的場(chǎng)景深度信息是復(fù)原霧天圖像的一條重要線索。根據(jù)場(chǎng)景深度信息是否己知可將此種復(fù)原方法分為兩類。一類是假設(shè)場(chǎng)景深度信息已知的方

18、法。這種基于物理模型來復(fù)原場(chǎng)景對(duì)比度的方法使用一個(gè)簡(jiǎn)單的高斯函數(shù)對(duì)場(chǎng)景中的光路進(jìn)行預(yù)測(cè)，取得了較好的復(fù)原效果,并且不需要天氣預(yù)測(cè)信息，但此方法需要雷達(dá)裝置獲取場(chǎng)景深度。另一類是用輔助信息進(jìn)行場(chǎng)景深度提取的方法。但以上提取場(chǎng)景深度的方法也存在著一定的局限性，比如利用偏振光的方法只能應(yīng)用于大氣散射程度較弱的薄霧，而不適于大霧天氣。而其它一些方法則需要用到不同天氣狀態(tài)下一樣景物的圖像或需要用戶的交互，因而很難滿足對(duì)變換場(chǎng)景的實(shí)時(shí)圖像處理需求。（3）基于先驗(yàn)信息的霧天圖像復(fù)原 傳統(tǒng)的去霧方法往往只能有限度地提升降質(zhì)圖像的清晰度，由于忽略了真實(shí)圖像的霧氣分布不均的事實(shí)而以整體統(tǒng)一處理的方式去霧，致使圖像

19、某些部分顯得不夠清晰，而某些部分卻因過度處理而失真。近年來，眾多研究者致力于如何針對(duì)單幅降質(zhì)圖像按照?qǐng)D中霧氣濃度的變化，達(dá)到徹底去霧的效果。例如基于暗原色的單一圖像去霧技術(shù)。該方法通過收集大量不受霧氣影響的圖像，發(fā)現(xiàn)了一套能識(shí)別霧氣濃度的暗原色統(tǒng)計(jì)規(guī)律。即把圖像分成多個(gè)子塊，每個(gè)子塊中都有一些亮度很低的像素。這些“黑點(diǎn)”通常存于物體陰影、黑色物體以與具有鮮艷顏色的物體中。根據(jù)這一規(guī)律，只需按霧氣濃度局部修復(fù)圖像各部分的顏色，就能有效地達(dá)到很好的去霧效果，但當(dāng)場(chǎng)景目標(biāo)的亮度與大氣光相似時(shí)，暗原色先驗(yàn)信息將失效。2.2.2基于非物理模型的方法圖2.3 基于非物理模型的方法（1）全局化的圖像增強(qiáng)方法

20、 全局化的霧天圖像增強(qiáng)方法是指依據(jù)整幅霧天圖像的統(tǒng)計(jì)信息決定對(duì)灰度值的調(diào)整，而不考慮被調(diào)整點(diǎn)所處的區(qū)域。由于霧天下場(chǎng)景的退化程度與其深度相關(guān)，而一幅圖往往包含復(fù)雜的景深信息，所以全局化的處理方法往往不能收到理想的效果，但當(dāng)霧天圖像的場(chǎng)景相對(duì)簡(jiǎn)單時(shí)，不失為一種有效的途徑。典型的全局化霧天圖像增強(qiáng)方法主要有以下六種：1）全局直方圖均衡化算法。該方法的基本思想是把有霧圖像的直方圖變換為均勻分布的形式，這樣就增加了像素灰度值的動(dòng)態(tài)圍從而達(dá)到增強(qiáng)霧天圖像整體對(duì)比度的效果。直方圖均衡化的去霧效果是進(jìn)行去霧算法對(duì)比時(shí)的典型參照。2）同態(tài)濾波算法。該算法是一種把頻率過濾和灰度變換相結(jié)合的圖像增強(qiáng)處理方法，也是

21、一種把照明反射模型作為頻域處理的基礎(chǔ)，利用壓縮亮度圍和增強(qiáng)對(duì)比度來改善圖像質(zhì)量的處理技術(shù)。該方法與其推廣在彩色圖像增強(qiáng)方面得到了廣泛的應(yīng)用。3）小波方法。小波與多尺度分析在對(duì)比度增強(qiáng)上的應(yīng)用取得了很大進(jìn)展。例如，在多個(gè)尺度上對(duì)霧天圖像的細(xì)節(jié)進(jìn)行均衡化，對(duì)圖像的細(xì)節(jié)有很好的銳化作用。4）Retinex算法。Retinex是一種描述顏色不變性的模型，它具有動(dòng)態(tài)圍壓縮和顏色不變性的特點(diǎn)，對(duì)由于光照不均而引起的低對(duì)比度彩色圖像具有很好的增強(qiáng)效果。5）曲波變換。曲波是一種在小波變換基礎(chǔ)上發(fā)展起來的新的多尺度分析方法，由于它特別適合于各向異性奇異性特征的信號(hào)處理，因此能夠很好的彌補(bǔ)小波變換在圖像的曲線邊緣

22、增強(qiáng)方面的局限性。6）基于大氣調(diào)制傳遞函數(shù)（AtmosphericalModulationTransfer Function，MTF）增強(qiáng)霧天圖像。該方法的原理是：首先通過對(duì)大氣調(diào)制傳遞函數(shù)的預(yù)測(cè)，近似估計(jì)大氣對(duì)圖像質(zhì)量的退化過程。當(dāng)?shù)玫较闰?yàn)信息時(shí)，通過預(yù)測(cè)公式計(jì)算出相應(yīng)的瑞流調(diào)制傳遞函數(shù)和氣溶膠調(diào)制傳遞函數(shù)，再由前兩者的乘積得到總的大氣調(diào)制傳遞函數(shù)。然后利用大氣調(diào)制傳遞函數(shù)在頻域?qū)μ鞖馔嘶瘓D像進(jìn)行復(fù)原，并對(duì)戶外景物圖像中由大氣調(diào)制傳遞函數(shù)造成的衰減進(jìn)行補(bǔ)償。天氣退化圖像進(jìn)行清晰化處理均是采用大氣調(diào)制傳遞函數(shù)處理。（2）局部化的圖像增強(qiáng)方法 對(duì)于上述全局化的圖像增強(qiáng)方法而言，由于此類方法是對(duì)整

23、幅圖像進(jìn)行操作，而且在確定變換或轉(zhuǎn)移函數(shù)時(shí)是基于整個(gè)圖像的統(tǒng)計(jì)量。而在實(shí)際應(yīng)用中常常需要對(duì)圖像某些局部區(qū)域的細(xì)節(jié)進(jìn)行增強(qiáng)，但這些局部區(qū)域的像素?cái)?shù)量相對(duì)于整幅圖的像素?cái)?shù)量往往較小，在參與整幅圖的計(jì)算時(shí)其影響常被忽略掉，并且從整幅圖像得到的函數(shù)也不能保證這些所關(guān)心的局部區(qū)域得到所需的增強(qiáng)效果。因此，需要根據(jù)所關(guān)心的局部區(qū)域的特性來計(jì)算變換或轉(zhuǎn)移函數(shù)，并將這些函數(shù)用于所關(guān)心的區(qū)域，以得到所需的增強(qiáng)效果。目前主要有以下三類局部化的圖像增強(qiáng)方法：1）局部直方圖均衡化方法，也稱塊重疊直方圖均衡化，是一種標(biāo)準(zhǔn)的自適應(yīng)直方圖均衡化方法（Adaptive Histogram Equalization，AHE）。

24、其基本思想是將直方圖均衡化運(yùn)算分散到圖像的所有局部區(qū)域,通過局部運(yùn)算的疊加自適應(yīng)地增強(qiáng)圖像局部信息。2）局部對(duì)比度增強(qiáng)方法。這有三種方式：a、常數(shù)增益（ConstantGain Trace，CGT）算法。該算法求得霧天圖像的局部均值并設(shè)定比例常數(shù)，在霧天圖像的每個(gè)像素位置上根據(jù)變換函數(shù)放大圖像的局部變化；b、飽和度反饋算法。該算法將霧天圖像轉(zhuǎn)換到HIS色彩空間中進(jìn)行處理；c自適應(yīng)飽和度反饋算法。該算法通過有飽和度分量和亮度分量的局部相關(guān)性來確定反饋的極性和程度，從而使飽和度反饋算法具有了自適應(yīng)能力。3）基于局部方差的增強(qiáng)方法。該算法通過計(jì)算并比較局部標(biāo)準(zhǔn)方差的大小來判斷局部圖像的增強(qiáng)程度，然后

25、以灰度均值為基準(zhǔn)進(jìn)行局部灰度拉伸。此算法同樣適用于深度信息多變且對(duì)比度較低的霧天圖像，但相對(duì)于局部直方圖均衡化算法在噪聲方面有所增加。因此，如何在增強(qiáng)細(xì)節(jié)和抑制噪聲方面找到較好的折中點(diǎn)是該方法需要進(jìn)一步研究的問題。2.3圖像去霧的應(yīng)用 隨著圖像去霧技術(shù)的發(fā)展，圖像去霧的應(yīng)用領(lǐng)域也得到了擴(kuò)展，圖像去霧的基本應(yīng)用領(lǐng)域是在視頻監(jiān)控、地形勘測(cè)和自動(dòng)駕駛等領(lǐng)域。目前圖像去霧的應(yīng)用主要集中在以下幾個(gè)方面：遙感、航拍、水下圖像分析、戶外視頻、日常照片、處理等諸多方面有著廣泛應(yīng)用。3基于同態(tài)濾波的圖像去霧方法3.1同態(tài)濾波概念與定義 同態(tài)濾波是把頻率過濾和灰度變換結(jié)合起來的一種圖像處理方法，它依靠圖像的照度反

26、射率模型作為頻域處理的基礎(chǔ)，利用壓縮亮度圍和增強(qiáng)對(duì)比度來改善圖像的質(zhì)量。使用這種方法可以使圖像處理符合人眼對(duì)于亮度響應(yīng)的非線性特性，避免了直接對(duì)圖像進(jìn)行傅立葉變換處理的失真。3.2同態(tài)濾波的原理 將像原灰度值看作是照度和反射率兩個(gè)組份的產(chǎn)物。由于照度相對(duì)變化很小，可以看作是圖像的低頻成份，而反射率則是高頻成份。通過分別處理照度和反射率對(duì)像元灰度值的影響，達(dá)到揭示陰影區(qū)細(xì)節(jié)特征的目的。3.3同態(tài)濾波的操作的基本流程FFT LOGIFFTEXP圖3.1 同態(tài)濾波圖像去霧操作流程圖 其中，表示原始圖像，表示去霧處理后圖像。取對(duì)數(shù)處理，取指數(shù)處理。表示傅里葉變換，表示傅里葉你變換。表示進(jìn)行同態(tài)濾波處理

27、。二維函數(shù)形式表示圖像在特定的坐標(biāo)處的值或幅度是一個(gè)正的標(biāo)量，其物理意義由圖像源決定。當(dāng)一幅圖像從物理過程產(chǎn)生時(shí)它 的值正比于物理源的輻射能量。因此一定是非零和有限的，即 。 （1） 函數(shù)可由兩個(gè)分量來表征： （1）入射到觀察場(chǎng)景的光源總量； （2）場(chǎng)景中物體反射光的總量。這兩個(gè)分量分別稱為入射分量和反射分量，表示為和。這兩個(gè)函數(shù)合并成，即 （2） 其中, （3）（式3）指出反射分量限制在0（全吸收）和1（全反射）之間，的性質(zhì)取決于照射源，取決于成像物體的表面特性。 圖像的灰度不僅僅由光照函數(shù)（入射光）決定，而且還與反射函數(shù)有關(guān)，反射函數(shù)反映出圖像的具體容。光照強(qiáng)度一般具有一致性，在空間上通常

28、具有緩慢變化的性質(zhì)，在傅立葉變換下表現(xiàn)為低頻分量，然而不同的材料或物體的反射率差異很大，常引起反射光的急劇變化，從而使圖像的灰度值發(fā)生變化，這種變化與高頻分量有關(guān)。 為了消除不均勻照度的影響，增強(qiáng)圖像的細(xì)節(jié)，可以采用建立在頻域的同態(tài)濾波器對(duì)光照不足的或有光照變化的圖象進(jìn)行處理，可以減少因光照不足引起的圖像質(zhì)量下降，并對(duì)感興趣的景物進(jìn)行有效增強(qiáng)，這樣就在很大程度保留圖像原貌的同時(shí)對(duì)圖像細(xì)節(jié)增強(qiáng)。同態(tài)濾波是一種在頻域中進(jìn)行的圖像對(duì)比度增強(qiáng)和壓縮圖像亮度圍的特殊濾波方法。同態(tài)濾波能夠減少低頻并增加高頻，從而能減少光照變化并銳化邊緣或細(xì)節(jié)。 通過對(duì)光照分量和反射分量的研究可知，光照分量一般反映灰度的恒

29、定分量，類似于頻域中的低頻信息。減弱光照函數(shù)（入射光）就可以起到縮小圖像灰度圍的作用；而反射光與物體的邊界特性是密切相關(guān)的，類似于頻域中的高頻信息。增強(qiáng)反射光就可以起到提高圖像對(duì)比度的作用。因此，同態(tài)濾波的傳遞函數(shù)一般在低頻部分小于1，在高頻部分大于1。進(jìn)行同態(tài)濾波處理，首先要對(duì)原圖像取對(duì)數(shù)，使圖像模型中的乘法運(yùn)算轉(zhuǎn)化為簡(jiǎn)單的加法運(yùn)算 （4）再對(duì)函數(shù)做傅里葉變換，將函數(shù)轉(zhuǎn)換到頻域 （5）選擇合適的傳遞函數(shù)，壓縮分量的變化圍，削弱，增強(qiáng)分量的對(duì)比度，提升，增強(qiáng)細(xì)節(jié)，即確定一個(gè)合適的。由以上分析可知大致形狀如圖3.2所示。其中代表高頻增益，代表低頻增益，表示點(diǎn)到濾波中心的距離。圖3.2 同態(tài)濾波處

30、理示意圖 利用對(duì)（6）式進(jìn)行濾波,可得 （6）最后對(duì)濾波結(jié)果進(jìn)行傅立葉反變換和指數(shù)運(yùn)算，得到同態(tài)濾波后的輸出結(jié)果 （7） （8）4實(shí)驗(yàn)結(jié)果4.1灰度版 圖4.3.1（a） 霧前 圖4.3.1（b） 霧后圖4.3.2（a） 霧前圖4.3.2（b） 霧后圖4.3.3（a） 霧前 圖4.3.3（b） 霧后圖4.3.4（a） 霧前圖4.3.4（b） 霧后圖4.3.5（a） 霧前圖4.3.5（b） 霧后 4.2 彩色版圖4.4.1（a） 霧前圖4.4.1（b） 霧后圖4.4.2（a） 霧前圖4.4.2（b） 霧后圖4.4.3（a） 霧前圖4.4.3（b） 霧后圖4.4.4（a） 霧前 圖4.4.4（b）

31、 霧后圖4.4.5（a） 霧前圖4.4.5（b） 霧后4.3實(shí)驗(yàn)結(jié)果分析與評(píng)價(jià) 在進(jìn)行Matlab操作達(dá)到圖片去霧效果時(shí)，采用了兩種辦法，分別為灰度方法和彩色方法。第一種灰度方法的圖像去霧，將彩色圖片轉(zhuǎn)化為灰度圖片進(jìn)行處理，即原始圖片輸入的是彩色的，經(jīng)Matlab處理后呈現(xiàn)的原始圖片和去霧以后的圖均為黑白顏色。第二種彩色圖像去霧是針對(duì)彩色圖片的去霧處理，即輸入的原始圖片和輸出的原始圖片與去霧以后的圖片成像都是彩色圖像。 從處理效果圖的清晰度上看，這兩版去霧算法達(dá)到了圖像去霧的目的。灰色版黑白顏色差異更加分明，故而比原始圖像清晰。彩色版顏色分辨度也增強(qiáng)，一些細(xì)節(jié)被細(xì)化，圖片比原始圖像清晰，去霧效

32、果也比灰度去霧方法更清晰。 在對(duì)這些圖片進(jìn)行Matlab操作過程中，有時(shí)運(yùn)行結(jié)果差強(qiáng)人意。在處理灰色版本時(shí)，同態(tài)濾波處理原色就很深的圖片，處理后的圖像顏色更暗，如圖（a11）（a12）所示，細(xì)節(jié)銳化的不明顯，沒能達(dá)到較好的去霧處理效果。為找到最優(yōu)配比度，進(jìn)行了修改相關(guān)系數(shù)操作，但改進(jìn)過后的算法的深色圖像去霧效果，依舊無太大改善。 在處理彩色版本時(shí)，做了許多調(diào)研、學(xué)習(xí)準(zhǔn)備。在搞懂程序語言的同時(shí)，百度相關(guān)經(jīng)驗(yàn)與方法。總結(jié)失敗原因是：沒有真正弄明白怎樣同時(shí)對(duì)三個(gè)色彩維度進(jìn)行定義，總在灰度圖片上打轉(zhuǎn)。例如在原灰色版的基礎(chǔ)上，在圖片進(jìn)行輸出前，加入一段經(jīng)灰色圖片變成彩色的代碼，結(jié)果只能出一彩色原圖。我又

33、嘗試定義三個(gè)色彩區(qū)間，在圖片錄入代碼定義fRrgb（：，：，1）；fGrgb（：，：，2）；fBrgb（：，：，3），結(jié)果出來兩灰色圖像。最后學(xué)會(huì)運(yùn)用正確彩色圖像定義，輸入正確的代碼，才實(shí)現(xiàn)了彩色圖像的去霧處理。5評(píng)價(jià)與改進(jìn) 為對(duì)比去霧效果，將對(duì)五幅有霧圖片進(jìn)行直方圖去霧操作以與暗通道去霧操作，并對(duì)比去霧效果并評(píng)價(jià)算法。5.1直方圖圖5.1.1（a） 霧前圖5.1.1（b） 霧后圖5.1.2（a） 霧前圖5.1.2（b） 霧后圖5.1.3（a） 霧前圖5.1.3（b） 霧后圖5.1.4（a） 霧前圖5.1.4（b） 霧后圖5.1.5（a） 霧前圖5.1.5（b） 霧后 比較結(jié)論：直方圖去霧使得

34、色彩失真，冷色系的顏色突變?yōu)榕殿伾?xì)節(jié)銳化程度總體不如同態(tài)濾波明顯。在圖像原貌保持方面，同態(tài)濾波去霧方法，更好地保持圖像原貌，而直方圖去霧方法使得圖像顏色改變很大。在細(xì)節(jié)處理方面，同態(tài)濾波方法細(xì)節(jié)銳化程度比在原圖光照明亮的地方所加強(qiáng)的細(xì)節(jié)比暗通道明顯。相反，直方圖去霧方法在原圖光照較暗的地方所加前的細(xì)節(jié)比同態(tài)濾波明顯。5.2暗通道圖5.2.1 霧后圖5.2.2 霧后圖5.2.3 霧后圖5.2.4 霧后圖5.2.5 霧后比較結(jié)論：暗通道去霧效果良好。色彩基本保留，細(xì)節(jié)銳化明顯。經(jīng)暗通道處理的圖像，顏色會(huì)比原圖顏色加深。在圖像原貌保持方面，同態(tài)濾波去霧方法，更好地保持圖像原貌，但暗通道去霧方

35、法使得圖像看起來顏色更加突出。在細(xì)節(jié)處理方面，同態(tài)濾波方法在原圖光照明亮的地方所加強(qiáng)的細(xì)節(jié)比暗通道明顯。相反，暗通道方法在原圖光照較暗的地方所加前的細(xì)節(jié)比同態(tài)濾波明顯。5.3 改進(jìn)5.3.1 紅外處理 紅外成像的目標(biāo)和背景的紅外輻射需經(jīng)過大氣傳輸、光學(xué)成像、光電轉(zhuǎn)換和電子處理等過程，才被轉(zhuǎn)換成為紅外圖像。所以從紅外圖像的產(chǎn)生過程分析，紅外圖像主要有以下特點(diǎn)： 1）空間相關(guān)性強(qiáng)，對(duì)比度低；2）表征對(duì)象的溫度分布，是灰度圖像，分辨率較低，圖像比較模糊；3）噪聲干擾較大，噪聲比較復(fù)雜，信噪比低；4）存在器件性的非均勻性等。 我們可以看出紅外圖像存在很多缺陷，對(duì)人眼來說其最顯著的特點(diǎn)就是對(duì)比度很低，圖

36、像很模糊。紅外圖像存在的散粒噪聲，隨機(jī)噪聲等，并且它們大部分是圖像中的高頻信息，而同態(tài)濾波正是處理銳化高頻的一種好方法，能有效加強(qiáng)細(xì)節(jié)。5.3.2紅外與同態(tài)濾波結(jié)合優(yōu)化本文提出了一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法。先對(duì)原紅外圖像自適應(yīng)中值濾波，既保留了原有圖像細(xì)節(jié)，又去除噪聲。利用了同態(tài)濾波的優(yōu)勢(shì)，增強(qiáng)了紅外圖像細(xì)節(jié)特征。采用限制對(duì)比度自適應(yīng)直方圖均衡方法，進(jìn)一步調(diào)整圖像的灰度動(dòng)態(tài)圍。此方案解決了同態(tài)濾波所存在的缺陷，最終提高了圖像的分辨率和對(duì)比度，并通過仿真驗(yàn)證得到非常好的增強(qiáng)效果。5.3.3 實(shí)驗(yàn)結(jié)果圖圖5.3.1（a） 原圖 圖5.3.1（b） 紅外 圖5.3.1（b） 同態(tài)濾波 圖5

37、.3.2（a） 原圖 圖5.3.2（b） 紅外 圖5.3.2（b） 同態(tài)濾波 圖5.3.3（a） 原圖 圖5.3.3（b） 紅外 圖5.3.3（b） 同態(tài)濾波 結(jié)論表5.1 去霧方法對(duì)比分析類別子類去霧方法優(yōu)點(diǎn)缺點(diǎn)基于圖像處理的霧天圖像増強(qiáng)方法全局化增強(qiáng)全局直方圖均衡化算法簡(jiǎn)單對(duì)單景深圖像的復(fù)原效果好難反映景深多變的圖像中局部景深的變化同態(tài)濾波能去掉由光照不均所產(chǎn)生的黑斑暗影能較好地保持圖像的原始而貌需耍兩次傅立葉變換，占用較大運(yùn)算空間暗通道能較好地增強(qiáng)圖像的細(xì)節(jié)光亮的地方細(xì)節(jié)處理效果一般 表5.1是主要去霧方法的優(yōu)缺點(diǎn)比較。這些方法盡管在解決問題的思路上存在著根本的區(qū)別,但是由于各種方法各有

38、優(yōu)缺點(diǎn),所以在實(shí)際應(yīng)用中,根據(jù)需要多采用“累試法”進(jìn)行處理。即對(duì)于一幅有霧圖像,根據(jù)研究人員的判定來處理,如果采用增強(qiáng)方法改善灰度對(duì)比度的效果好,就釆用增強(qiáng)方法;若采用圖像復(fù)原方法可行,就依據(jù)退化模型進(jìn)行復(fù)原處理。為了直觀地考察各種算法的清晰化效果,我們對(duì)上述幾種典型的基于圖像處理的增強(qiáng)方法和最新提出的基于物理模型的圖像復(fù)原方法進(jìn)行了實(shí)驗(yàn)仿真,圖1-3即為各算法的清晰化效果示例。圖6.1 原圖 圖6.2 同態(tài)濾波 圖6.3 直方圖圖6.4 暗通道 圖6.5 紅外 圖6.6 紅外+同態(tài)濾波 觀察圖片，可知這個(gè)去霧算法的效果優(yōu)劣。圖6.6的去霧效果最好，它既應(yīng)用了紅外技術(shù)，提高高頻，又應(yīng)用同態(tài)濾波

39、，在保持圖像原貌的同時(shí)，使得圖像的細(xì)節(jié)處理更加細(xì)膩。若要使圖片達(dá)到更好的清晰度，需結(jié)合多種算法，疊加運(yùn)行。致 時(shí)光飛逝，大學(xué)里的最后一個(gè)學(xué)期很快過去了，經(jīng)歷了畢業(yè)設(shè)計(jì)的整個(gè)過程讓我感覺到自己在這個(gè)過程中過得很充實(shí)、很愉快。 本文是在北方工業(yè)大學(xué)理學(xué)院的郭芬紅老師的悉心指導(dǎo)和幫助下完成的。從選題到尋找相關(guān)資料、到開題答辯、中期檢查、到過程中的編程實(shí)現(xiàn)，再到最后的論文定稿以與答辯，郭老師一直都是很耐心、竭盡所能的幫助我們。從前期資料查詢準(zhǔn)備，到開題答辯書寫修改與答辯準(zhǔn)備，到后來代碼運(yùn)行，論文成文修改，郭老師一直拽著我們前進(jìn)。 郭老師總是很與時(shí)的將畢業(yè)設(shè)計(jì)相關(guān)的信息和通知第一時(shí)間的告知我們。在論文撰

40、寫和程序設(shè)計(jì)方面，老師非常仔細(xì)，我們每個(gè)人的論文都是老師一字一句認(rèn)真仔細(xì)的閱讀并幫助我們標(biāo)注出不恰當(dāng)?shù)牡胤剑笇?dǎo)我們做出修改，幫助我們精益求精。在這里真誠地感導(dǎo)師郭芬紅無私的付出。 朱喜玲學(xué)姐在同態(tài)濾波代碼修改中，擠出自己的時(shí)間來無私的幫助我改正代碼。對(duì)此，表以深深地感。 在這一個(gè)學(xué)期的學(xué)習(xí)過程中，也少不了同學(xué)之間的互相幫助，家人的支持和鼓勵(lì)，更少不了那些為了這個(gè)課題刻苦鉆研的工作者和學(xué)者們的付出，我們現(xiàn)在所做的學(xué)習(xí)和研究真的是站在巨人的肩膀上，是這些人讓我們看得更高，走的更遠(yuǎn)。 謹(jǐn)以此在本篇論文完成之際，感身邊每一位的幫助過我的老師、家人、同學(xué)和朋友，致！參考文獻(xiàn)1春寧，王延杰.在頻域中利用

41、同態(tài)濾波增強(qiáng)圖像對(duì)比度J.微計(jì)算機(jī)信息，2007，23（2）：265-2662武英.利用同態(tài)濾波改善光照不足圖像J.曉莊學(xué)院學(xué)報(bào)，2007（6）：70-713胡竇明，海生，云川，等.一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法J.紅外技術(shù)，2012，34（4）：224-2284禹晶，徐東彬，廖慶敏.圖像去霧技術(shù)研究進(jìn)展J.中國圖形學(xué)報(bào)，2011，16（9）：1561-15765有臣，迎春，意，等.波的同態(tài)濾波在圖像煙霧弱化中的應(yīng)用J.中國圖象圖形學(xué)報(bào)，2012，17（5）：635-6406馬龍，成義.基于Matlab的同態(tài)濾波器的優(yōu)化設(shè)計(jì)J.應(yīng)用光學(xué)，2010，31（4）：584-5887云紅，龍，廉

42、繼紅.紅外圖像增強(qiáng)方法的研究J.工程大學(xué)學(xué)報(bào)，2010，24(4)：517-5208靖宇，永生，鄒曉亮，等.利用暗原色先驗(yàn)知識(shí)實(shí)現(xiàn)航空影像快速去霧J.大學(xué)學(xué)報(bào)，信息科學(xué)版，2010，35(11)：1292-12959史經(jīng)儉，王盼攀.改進(jìn)后的同態(tài)濾波圖像處理技術(shù)中的應(yīng)用J.中國科學(xué)，2010，7：432-43410嵇曉強(qiáng).圖像快速去霧與清晰度恢復(fù)技術(shù)研究D.：中國科學(xué)院光學(xué)精密機(jī)械與物理研究所，201211郭璠.圖像去霧方法和評(píng)價(jià)與其應(yīng)用研究D.：中南大學(xué)信息科學(xué)與工程學(xué)院，201212許欣.圖像增強(qiáng)若干理論方法與應(yīng)用研究D.：理工大學(xué)，201013廖歡.霧天降質(zhì)圖像的增強(qiáng)方法研究D.：華南師大

43、學(xué)，201214銳.霧天或背光條件下圖像清晰化算法研究與硬件實(shí)現(xiàn)D.：工業(yè)大學(xué)，200815王恒進(jìn).基于小波的遙感圖像薄云去除的研究與實(shí)現(xiàn)D.：西北工業(yè)大學(xué)，200216岡薩雷斯.數(shù)字圖像處理（MATLAB版）M（阮秋琦譯）.：電子工業(yè)，2014，55-7817Oakley J P，Satherley B L.Improving image quality in poor visibility conditions using a physical model for contract degradationJ.IEEE Transactions on Image Processing，199

44、8，7（2）：167-17918Narasimhan S G，Nayar S K.Contrast restoration of weather degraded imageJ.IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25（6）：713-72419Ebner M.Evolving color constancyJ.Pattern Recognition Letters，2006，27（11）：1220-122920Joung-Youn Kim，Lee-SuP Kim，Seung-Ho Hwang.A

45、n advanced ContrastEnhaneement Using Partially Overlap Ped Sub-Block Histogram EqualizationJ.IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEOTECHNOLOGY，2001，11(4)：475-48321OAKLEY JP，BUHONG.Correction of simple contrast loss in color imagesJ.Image Processing，2007，16(2)：511-52222TAN R T.Visiblity i

46、n bad weather from a single image C.Proceedings ofComputer Society Conference on Computer Vision and Pattern Recognition 2008：1-823Hongbo Yang， Jiuhe Wang.Color Image Contrast Enhancement byCo-occurrence Histogram Equalization and Dark Channel Prior C.Proceedings ofIEEE Conference on 2010 3rd Intern

47、ational Congress on Image and Signal Processing，2010，7：848-851附錄I.同態(tài)濾波的代碼 灰色版clc;clear all;close allimg=imread('E:MatlabR2008aabc4.jpg');img=rgb2gray(img);img=imresize(img,256,256);% figure(1); imshow(img),title('原始圖片');img=im2double(img);%將圖片img轉(zhuǎn)換成double型k1=8;k2=8;r=161;% alf=1600;%

48、 alf=161;alf=20;nn=floor(r+1)/2); % nn=81為尺度C，取80最合適for i=1:r %從1循環(huán)到81 for j=1:r% h(i,j) =exp(-(i-nn)2+(j-nn)2)/(k1*alf)/(k2*pi*alf*10000); %高斯函數(shù) h(i,j) =exp(-(i-nn)2+(j-nn)2)/(2*alf2) ; %高斯函數(shù) endendgauss = h/sum(sum(h);%R=conv2(img,gauss,'same'); %灰度R=log(R);S=log(img)-R;% T=S+R;% K2=exp(T)

49、;%取指數(shù) % K2=uint8(K2);% figure,imshow(K2)% V變換% V1=load('M_256.mat');% V1=V1.y;% Fimg1=V1*R*V1'% Fimg2=V1*S*V1'% 傅里葉變換Fimg1=fft(R);%傅里葉變換Fimg2=fft(S);%傅里葉變換%M,N=size(Fimg1);% figure(2);% imshow(uint8(abs(P),),title('濾波前的頻譜圖像');%繪制源圖像的頻譜的幅度譜x0=floor(M/2);%向下取整數(shù)y0=floor(N/2);%同態(tài)

50、濾波參數(shù)設(shè)置D0=3;c=1.50;Hh=1.6;Hl=0.8;%Hh>1,Hl<1for u=1:M for v=1:N D(u,v)=sqrt(u-x0)2+(v-y0)2);H(u,v)=(Hh-Hl)*(1-exp(-c*(D(u,v)2/D02)+Hl;%同態(tài)濾波器函數(shù)end endY1=Fimg1.*H;Y2=Fimg2.*H;% 傅里葉逆變換Q1=ifft(Y1);Q2=ifft(Y2);%Q=Q1+Q2;J=exp(Q);%取指數(shù) J=im2uint8(J);figure,imshow(J),title('去霧后的圖片')J1=double(J);S

51、D,ENTR,AVEGRAD=Sd(J1)II.同態(tài)濾波第二次修改代碼 彩色版clc;clear all;close allimg=imread('E:MatlabR2008aaaa1.jpg');img=imresize(img,256,256); imshow(img),title('原始圖片'); Y=zeros(256,256,3);for ii=1:3 L=img(:,:,ii);img1=im2double(L);%將圖片img轉(zhuǎn)換成double型k1=8;k2=8;r=161;% alf=1600;% alf=161;alf=20;nn=floor

52、(r+1)/2); % nn=81為尺度C，取80最合適for i=1:r %從1循環(huán)到81 for j=1:r% h(i,j) =exp(-(i-nn)2+(j-nn)2)/(k1*alf)/(k2*pi*alf*10000); %高斯函數(shù) h(i,j) =exp(-(i-nn)2+(j-nn)2)/(2*alf2) ; %高斯函數(shù) endendgauss = h/sum(sum(h);%R=conv2(img1,gauss,'same'); %灰度R=log(R);S=log(img1)-R;% T=S+R;% K2=exp(T);%取指數(shù) % K2=uint8(K2);%

53、 figure,imshow(K2)% V變換% V1=load('M_256.mat');% V1=V1.y;% Fimg1=V1*R*V1'% Fimg2=V1*S*V1'% 傅里葉變換Fimg1=fft(R);%傅里葉變換Fimg2=fft(S);%傅里葉變換%M,N=size(Fimg1);% figure(2);% imshow(uint8(abs(P),),title('濾波前的頻譜圖像');%繪制源圖像的頻譜的幅度譜x0=floor(M/2);%向下取整數(shù)y0=floor(N/2);%同態(tài)濾波參數(shù)設(shè)置D0=3;c=3.50;Hh=1

54、.6;Hl=0.8;%Hh>1,Hl<1for u=1:M for v=1:N D(u,v)=sqrt(u-x0)2+(v-y0)2); H(u,v)=(Hh-Hl)*(1-exp(-c*(D(u,v)2/D02)+Hl;%同態(tài)濾波器函數(shù)% H(u,v)=(Hh-Hl)*(1/(1+(D0/c*D(u,v)2+Hl;%巴特沃斯end endY1=Fimg1.*H;Y2=Fimg2.*H;% 傅里葉逆變換Q1=ifft(Y1);Q2=ifft(Y2);%Q=Q1+Q2;J=exp(Q);%取指數(shù) J=im2uint8(J);Y(:,:,ii)=J;endfigure;imshow(mat2gray(Y);title('去霧以后的圖');III.直方圖均衡化程序sourcePic=imread('E: