直方图均衡化的基本原理篇1
关键词:CCS;直方图均衡化;数字图像;matlab
中图分类号:tp311文献标识码:B
文章编号:1004-373X(2010)08-0111-02
DesignofDigitalimageHistogramequalizationBasedonCCS
YanGHong
(Collegeofelectronicengineering,Xi’anUniversityofpostandtelecommunications,Xi’an710061,China)
abstract:Histogramequalizationisoneoftheimageenhancementmethodsincommonuse.atpresent,theusageofmatlabsoftwaresimulationisnotbenefitforhardwareimplementation.inordertoovercomethisshortfall,ahistogramequalizationalgorithmandprogramdesignprocessaregiven,andthesimulationisdoneintheCCSv3.1softwaresimulationenvironment.theresultsshowthatthehistogramequalizationonimagesachievesanenhancedeffect.themethodofhardwareimplementationisprovidedfortheimageprocessing.
Keywords:CCS;histogramequalization;digitalimage;matlab
图像增强处理技术一直是图像处理领域中一类非常重要的基本处理技术[1-2]。通过采用适当的增强处理技术,可以将原本模糊不清,甚至根本无法分辨的原始图片处理成清楚、明晰的含大量有用信息的可使用图像,因此,此类图像处理技术在医学、遥感、微生物、刑侦以及军事等诸多领域得到了广泛应用。灰度直方图[3-4]是数字图像处理中一个最简单、最有用的工具,它描述了一幅图像的灰度级内容。直方图均衡化[5-7]是最常用的图像增强方法之一。
1直方图均衡化算法
直方图均衡化算法将原图像的直方图改变为在整个灰度范围内基本均匀分布的形式,由此扩大了像素灰度的动态范围,从而增强了图像的对比度。直方图均衡化算法步骤为:
(1)给出原始图像的所有灰度级Sk(k=0,1,2,…,L-1)。
(2)统计原始图像各灰度级的像素数nk。
(3)根据原图像,计算灰度直方图
Иp(Sk)=nk/n,k=0,1,2,…,L-1(1)И
式中:n为总像素数;nk为灰度级Sk的像素数。
(4)计算原始图像的累积直方图
Иte=eH(Sk)=∑ki=0(ni/n)=∑ki=0pS(Si)
0≤Sk≤1,k=0,1,2,…,L-1(2)
(5)取整计算
ИUk=int[(n-1)tk+k/n](3)
(6)确定映射关系
ИSkUk
(7)统计新直方图各灰度级Uk的像素数目nk。
(8)计算新的直方图
Иp(tk)=nk/n(4)И
2基于CCS的数字图像直方图均衡化的设计
CCSv3.1(CodeComposerStudioiDev3.1)是ti公司推出的集成可视化DSp软件开发工具。它是一种针对tmS320系列DSp的集成开发环境,在windows操作系统下,采用图形接口界面,提供环境配置、源文件编辑、程序调试、跟踪和分析等工具[8-10]。CCS有两种工作模式,即软件仿真器模式和硬件在线编程模式。本文主要采用软件仿真器模式,即可以脱离DSp芯片在pC机上模拟DSp的指令集和工作机制,主要用于前期算法实现和调试。
根据数字图像直方图均衡化和DSp的特点,基于DSp的数字图像直方图均衡化的程序流程如图1所示。
图1数字图像直方图均衡化的程序流程图
3实验结果
Cameraman,Lena,Coins作为原始图像分别如图2(a),图3(a),图4(a)所示;直方图均衡化所得的图像分别如图2(b),图3(b),图4(b)所示;处理前(上半部分)、后(下半部分)的直方图分别如图2(c),图3(c),图4(c)所示。分别比较原始图像与直方图均衡化所得的图像、处理前(上半部分)与后(下半部分)的直方图,可以得出对图像进行直方图均衡化达到了增强的效果。
图2Cameraman原始图像、直方图均衡化
所得的图像及处理前、后的直方图
4结语
本文给出了直方图均衡化算法以及程序设计流程,并在CCSv3.1的软件仿真环境下进行仿真实验。结果表明,对图像进行直方图均衡化达到了增强的效果,为图像处理提供了一种硬件实现方法。
图3Lena原始图像、直方图均衡化
所得的图像及处理前、后的直方图
图4Coins原始图像、直方图均衡化所得的图像及处理前、后的直方图
参考文献
[1]韩晓军.数字图像处理技术与应用[m].北京:电子工业出版社,2009.
[2]\冈萨雷斯.数字图像处理(matlab)版[m].北京:电子工业出版社,2009.
[3]王玲.基于边缘直方图特征的车辆检测算法[J].现代电子技术,2009,32(14):130-134.
[4]李改梅,杨润玲,周军妮.基于二维直方图与FCm相结合的图像快速分割方法[J].现代电子技术,2007,30(15):176-178.
[5]阮秋琦.数字图像处理基础[m].北京:清华大学出版社,2009.
[6]蓝章礼,李益才.数字图像处理与图像通信[m].北京:清华大学出版社,2009.
[7]郭文强.数字图像处理[m].西安:西安电子科技大学出版社,2009.
[8]姜阳,周锡青.DSp原理与应用实验[m].西安:西安电子科技大学出版社,2008.
直方图均衡化的基本原理篇2
关键词：图像增强；直方图；均衡化；规定化；灰度级；matLaB
中图分类号：tp391文献标识码：a文章编号：1009-3044(2011)04-0883-04
theimageenhancementBasedonHistogram
LonGQing
(ChongqingRadio&tVGroup(Station),Chongqing401147,China)
abstract:imageenhancementwhichisalsocalledimagepre-processing,canimprovethevisualqualityofthewholeandpartialimage,bytransformingtheimage'sdataaccordingtosomespecialmethods.theimageenchancementbasedonhistogramequalizationandspecificationcanimprovethecontrastdetailsandthedynamicrangeofgrayleveloftheimage.thematLaBexperimentsdemonstratethattheimageenchancementbasedonhistogramequalizationandspecificationactuallymaketheimagebetterinvision.
Keywords:imageenhancement;histogram;equalization;specification;graylevel;matLaB
在图像摄取、传输和变换过程中，由于受到系统噪声、曝光不足（或过量）以及相对运动等因素影响，获取的图像往往会与原始图像之间产生某些差异(称为降质或退化)。降质后的图像质量变差，从中提取的信息量减少，甚至出现错误信息。图像增强技术可以根据图像的模糊情况，采用各种特殊的技术手段来突出图像中的某些信息，削弱或消除无关信息，达到整体或局部改善图像质量的目的。目前，图像增强技术还没有统一的技术标准，采用的方法也有所不同，常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等方法。本文将着重分析基于直方图修改的图像增强技术。
1图像增强
图像增强就是通过一定的方法给原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征，抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不用分析图像降质的原因，处理后的图像不一定完全逼近原始图像。增强图像可以是一个失真的过程，其目的就是要改善图像的视觉效果。针对给定图像的应用场合，有目的地选择强调图像的整体特征或局部特征，将原来模糊的图像变得清晰，扩大图像中不同物体之间的特征差别，改善图像质量，丰富信息量，加强图像判读和识别效果，从而满足某些特殊分析的需要。
灰度是图像的一个重要技术指标，对图像灰度的研究有着广泛的代表意义，本文将以灰度图像作为研究对象。对于灰度图像来说，所有的像素都可以用灰度来表示，其图像灰度的亮度函数（阵列）大于零。
2灰度直方图
直方图又称柱状图，就是相对将一个变量的不同等级的频数用柱状线标绘的图表。灰度直方图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，可表达为：
p(rk)=nk/nk=0,1,2…L-1
其中，n为图像像素总数，rk表示第k个灰度级，nk表示图像中灰度级rk出现的像素的个数，p(rk)表示灰度级rk出现的概率。灰度直方图是一个概率密度函数，如果图像的灰度级都集中在很窄的灰度范围内，则表明该图像的灰度取值动态范围小，相应的图像对比度较低；如果图像的灰度级比较均匀地分布在较大的灰度范围内，则表明该图像具有较大的灰度动态范围，相应的图像具有较大的对比度。灰度直方图给出了关于图像概貌的一个总体描述，从灰度图中可以知道图像的灰度范围、每个灰度级的出现频率、灰度级的分布、整幅图像的平均明暗和对比度等情况，为进一步处理图像提供了重要的依据。通过有针对性地改变直方图的灰度分布状况，使灰度均匀地或按预期目标分布于整个灰度范围，从而达到增强图像的效果。
3直方图均衡化
3.1整体直方图均衡化
直方图均衡化就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，从而达到增强图像的目的。它的变换函数取决于图像灰度直方图的累积分布函数。概括地说，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。当图像的直方图为一均匀分布时，图像的信息嫡最大，此时图像包含的信息量最大，图像就显得明亮清晰。
直方图均衡化变换函数如图1所示，设r、s分别表示原图像和增强后图像的灰度。为了简单，假定所有像素的灰度已被归一化。当r=s=0时，表示黑色;当r=s=1时，表示白色;当r、s在[0,1]之间时，表示像素灰度在黑白之间变化。灰度变换函数为：S=t(r)
它满足如下两个条件：
(1)0≤r≤1，t(r)单调增加。
(2)0≤r≤1，0≤t(r)≤1。
第1个条件保证原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列次序，第2个条件保证变换前后灰度值动态范围的一致性。
直方图均衡化涉及到连续变化图像和离散图像的均衡化问题，首先讨论连续变化图像的均衡化。对于一幅图像，每一像素点的灰度级r可以看作是[0,1]区间上的随机变量。假定r是连续变量，则可用概率密度函数pr(r)表示图像的灰度级分布，用概率密度函数ps(s)表示变换后的灰度级分布，而随机变量s是r的函数。现在要找出一个变换t(r)，使得图像经过此变换处理后，其概率密度函数pr(r)在新图中变换成ps(s)。
在概率论中我们知道，任何一个随机变量，其概率分布函数都是在[0,1]之间变化的单调增加的单值函数，刚好满足变换要求的两个条件。因此，取：
■
等式右端即为随机变量r的分布函数。作为随机变量r的函数S，其概率分布函数为：■
相应的概率密度函数为：■
由S=t(r)可得：■
带入上式可得：■
就是说，当取变换s=t(r)为被变换图像的概率分布函数时，则所得到的变换后的图像概率分布密度必然是归一化均匀分布的，这一函数称为直方图累积分布函数。
上述结论可以推广到离散情况。前面提到，对于一幅像素数为n，灰度范围为[0,L-1]的图像，其灰度直方图可表达为：pr(rk)=nk/nk=0,1,…L-1，其中rk表示第k个灰度级，nk表示图像中rk出现的像素的个数，pr(rk)为rk出现的概率。由此可得直方图均衡化变换函数，即图像的灰度累积分布函数Sk为：
■
Sk为归一化灰阶。
概括起来，直方图均衡化过程如下：
1)计算原图像的灰度直方图pr(rk)。
2)计算原图像的灰度累积分布函数Sk，进一步求出灰度变换表。
3)根据灰度变换表，将原图像各灰度级映射为新的灰度级。
大多数自然图像由于其灰度分布集中在较窄的区间，引起图像细节不够清晰。采用直方图均衡化后可使图像的灰度间距拉开或使灰度均匀分布，从而增大反差，使图像变得清晰，达到增强的目的。
3.2局部直方图均衡化
在某些特定场合，有时也需要对图像中某些较小区域内的细节进行增强。在这些小区域内，其像素的个数对全局变换函数的影响可能小到可以被忽略的程度。因此，在利用整体增强方法对图像进行增强时，就不一定能保证所感兴趣的小区域得到所期望的增强效果。为了解决这一问题，构造一个基于像素邻域灰度分布的交换函数，将直方图处理的方法移植到局部增强技术中。为了实现图像的局部增强，先定义一个邻域，在邻域内确定一个像素作为中心，计算出灰度直方图，利用这个直方图进行直方图均衡化处理，接下来将邻域中心移到相邻像素并重复以上过程，多次计算后即可实现该邻域内图像的局部增强。
应用局部直方图均衡化对一幅m×n像素的图像进行增强，对于图像的任意一个像素(x,y)，在以该像素为中心的邻域内计算其局部直方图累积分布函数(即局部灰度变换函数)，并对中心像素(x,y)进行灰度变换。邻域通常取为矩形区域，大小为w×w。对图像中每一点(x,y)，计算以它为中心的矩形区域内的直方图：
■
其中，nk表示矩形区域中灰度级rk出现的像素的个数，计算累积分布函数，
■
然后对像素点(x,y)做灰度变换即可。
这个方法只有一个控制参数即矩形区域的大小w，它对处理结果会产生很大的影响，应用时要选择合适的窗口大小，关于选择窗口大小的一般原则是：小窗口更能增强图像的局部细节信息，大窗口使整幅图像看起来效果更好。但小窗口在增强图像细节的同时，也引入了大量噪声，容易出现图像过增强的现象；大窗口对细节的增强程度不如小窗口好，但引入的噪声较少。局部直方图均衡化是一种自适应的方法，随着窗口的增大，计算的数据量急剧增加。直方图均衡化的实质是减少图像的灰度等级以换取对比度的扩大。
4直方图规定化
由于直方图均衡化是根据图像灰度信息自动地增强图像的对比度，所以直方图均衡化只能产生一种结果，即给定一幅图像，直方图均衡化后的结果是唯一的。实际上，有时候希望增加图像中的灰度级范围，希望原始图像的直方图被转换成指定的直方图，这就需要对直方图进行特定的规定。直方图规定化可看作是直方图均衡化方法的改进。假设pr(r)和pz(z)分别表示原始图像和期望图像概率密度函数，直方图均衡化，则：
■
由于均衡化处理产生的最后结果ps(s)=1与积分内的概率密度无关，因此，处理后的原图像和期望图像的概率密度ps(s)和pv(v)具有相同的均匀密度。这样，可以用从原始图像中得到的均匀灰度s
代替逆过程中的v，其结果灰度级z=G-1(s)就是所要求的概率密度函数。从以上讨论可以得到：■
对离散图像，相应的规定化表达式为：
■
概括起来，只要求出t(r)与反变换函数z=G-1(v)，一幅图像便可进行直方图规定化处理。直方图规定化处理步骤如下：
1)对原始图像进行直方图均衡化。
2)规定期望的概率密度函数，求出变换函数G(z)。
3)计算逆变换z=G-1(v)函数，建立映射关系。
5matLaB实现
matLaB中直方图均衡化和规定化处理函数格式如下：
1)J=imhist(i,n)
2)J=imhist(i,map)
3)[counts,X]=imhist(i,…)
4)J=histeq(i,n)
5)J=histeq(i,map,n)
6)[J,counts]=histeq(i,…)
说明：对于格式1)，计算和显示图像i的直方图，n为指定的灰度级数目，灰度图像的默认值为256，黑白图像默认值为2；对于格式2)，计算并返回调色板为map的图像i的直方图；对格式3)，返回图像i的每个灰度上的像素点数目；格式4)对图像i均衡化处理，n表示指定的灰度级数目，默认值为64；格式5)对调色板为map的灰度图像均衡化处理，返回有n级灰度的图像；格式6)对图像i均衡化处理同时返回各灰度值。
直方图均衡化和规定化处理程序如下：
L=imread('333.jpg');%读入图像
L=rgb2gray(L);
subplot(1,2,1);
imshow(L);%显示图像
title('原始图像');
figure,imhist(L,256);%显示原始图像直方图，灰度级为256
title('原始图像直方图');
J=histeq(L,32);%均衡化处理为灰度级为32的直方图
figure,imshow(J);
title('均衡化图像(32级)');
figure,imhist(J,256);
[counts,x]=imhist(J);%获得均衡化处理后直方图各像素点灰度级以便后面图像规定化
title('均衡化图像直方图');
figure,K=imread('33.jpg');
K=rgb2gray(K);
subplot(1,2,1);
imshow(K);
title('要规定化图像');
figure,imhist(K);
title('要规定化图像的直方图');
L=histeq(K,counts);%规定化处理
figure,imshow(L);
title('规定化后图像');
figure,imhist(L);
title('规定化后直方图显示');
从图2和图4的对比中可以看到，经过均衡化处理后，图像的亮度和对比度都得到了明显改善，图像变得清晰。在图6和图8的对比中可以看到，图像的灰度动态范围得到明显的改善，随着图像灰度动态范围的扩大，图像变得丰富细腻。
6结论
通过以上理论分析和matLaB编程实验表明，基于直方图的图像增强技术确能在一定程度上改善图像的对比度和灰度动态范围，提高图像的清晰度。应该指出的是，图像增强没有固定和统一的技术标准，增强质量往往由增强目的而主观评定。
参考文献：
[1]李耀辉,刘保军.基于直方图均衡的图像增强[J].华北科技学院学报,2003,5(2):65-66.
[2]徐飞,施晓红.matiaB应用图像处理[m].西安:西安电子科技人学出版社,2002.
直方图均衡化的基本原理篇3
关键词:图像增强;直方图;规定化
中图分类号:tp391文献标识码:a文章编号:1009-3044(2009)34-9814-02
applicationandRealizationoftheHistogramSpecificationinimageenhancement
ZHanGYan-hong,KonGBo,XinGCui-fang,DUJing
(navalaeronauticalengineeringinstitute,Yantai264001,China)
abstract:imageenhancementisapre-treatmentmethodofdigitalimagewhichcanimprovethewholeorlocalfeaturesofdigitalimageeffectively.Histogramspecificationisanimportantaspectofimageenhancementfield.inthispaper,weresearchedanddiscussedthebasicprinciplesofthehistogramspecification,andgavetherelevantformulasandalgorithms;inaddition,weenhancedagrayimageusingthehistogramspecificationbasedonmatlablanguagetools,gaveandanalyzedtheexperimentalresults.experimentalresultshaveshownthatthehistogramspecificationcanimprovetheimagecontrastselectivelyandlocally,therebytogettheexpectedimage.
Keywords:imageenhancement;histogram;specification
在图像形成、传输或变换的过程中,由于受到客观因素诸如系统噪声、曝光不足或过量、相对运动等影响,获取的图像往往会与原始图像之间存在某种差异,称为降质或退化。退化后的图像通常模糊不清或者经过机器提取的信息量减少甚至错误,因此必须对其采取一些手段进行改善。
图像增强技术正是在此意义上提出的。图像增强是指按特定的需要突出一幅图像中的某些信息,同时削弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的应用,比原始图像更适合,处理的结果使图像更适合于人的视觉特性或机器的识别系统[1]。图像增强有很多方法,常用的有直方图修改,图像平滑,图像锐化等。图像增强方法一般分为频域增强法和空域增强法两大类。频域增强法主要是在图像的某个变换域中对变换系数进行处理,然后通过逆变换获得增强图像。空域增强法是直接针对图像中的像素,对图像的灰度进行处理。本文研究的直方图规定化就属于空域增强。
1图像的直方图
1.1直方图的概念及意义
图像直方图是图像处理中一种十分重要的分析工具,它描述了一幅图像的灰度级内容。从数学上来说,图像直方图是图像各灰度值统计特性与图像灰度值的函数,它统计一幅图像中各个灰度级出现的次数或概率;从图形上来说,它是一个二维图,横坐标表示图像中各个像素点的灰度级,纵坐标为各个灰度级上图像像素点出现的次数或概率,它是图像最基本的统计特征。
1.2直方图的性质
直方图有以下性质:
1)直方图是一幅图像中各像素灰度出现频次的统计结果,它只反映图像中不同灰度值出现的次数,而不反映某一灰度所在的位置。
2)任何一幅图像,都有惟一确定的与它对应的直方图,但不同的图像可能有相同的直方图。
3)由于直方图是对具有相同灰度值的像素统计得到的,因此,一幅图像各子区的直方图之和就等于该图像全图的直方图。
2直方图规定化
我们知道,直方图均衡化处理有良好的图像增强效果[2]。从实现算法上可以看出,其优点主要在于能自动增强整幅图像的对比度,但具体的增强效果也因此不易控制,只能得到全局均衡化处理的直方图。然而在实际应用中,往往要根据不同的要求得到特定形状的直方图分布,以有选择地对某灰度范围进行局部的对比度增强,即想要得到已知直方图的增强图像。此时,可以采用直方图的规定化处理,通过选择合适的规定化函数取得期望的效果。直方图规定化就是针对这种思想提出来的一种直方图修正增强方法[3]。所以,从某种意义上,直方图规定化可看作是直方图均衡化方法的改进[4]。
2.1直方图规定化的基本原理
令pr(r)和pz(z)分别为原始图像和期望图像的灰度概率密度函数。如果对原始图像和期望图像均作直方图均衡化处理,则有:
由于都是进行直方图均衡化处理,处理后的原图像概率密度函数ps(s)及期望图像的概率密度函数pv(v)是相等的。于是,我们可以用变换后的原始图像灰度级s代替式(3)中的v。即:
Z=G-1(S)(4)
这时的灰度级z便是所希望得到的图像的灰度级。
此外,利用(1)式与(4)式还可以得到组合变换函数:
Z=G-1(t(r))(5)
对连续图像,重要的是给出逆变换解析式。对于离散图像,相应的规定化表达式为:
其中n表示图像中像素的总数,nk是在图像中出现这种灰度级的次数,L表示灰度级的数目,pr(rk)为第k级灰度级的概率。
以上各式表明,一幅图像决定出t(r)与反变换函数Z=G-1(v),便可以进行直方图规定化处理。
2.2直方图规定化算法
综上所述,直方图规定化就是把直方图均衡化结果映射到设想的理想直方图上,使图像按人们的意愿去变换,算法过程如下:
1)将原始图像作直方图均衡化处理,求出原始图像中的第一个灰度级ri所对应的变换函数si;
2)对给定直方图作类似计算,得到理想图像每一个灰度级ri对应的变换函数vi;
3)找出vi=si的点,并映射到zi;
4)求出pz(zi)。
这是运用直方图规定化算法对灰度图像进行图像增强的处理过程,读者可以根据图像的灰度级不同来改变此算法中的i。
3实验仿真与结果分析
下面采用文中给出的直方图规定化算法,对woman图像进行图像增强处理实验,对比下面两组图,从视觉效果上看结果是否有明显的变化,并从直方图上分析变化的原因。
图1原始图像图2原始图像的直方图图3直方图规定化后的图像图4直方图规定化后的直方图
我们看到原始woman图像较暗(图1),直方图分布比较集中(图2),而规定化后的直方图分布比较均匀(图4),经过直方图规定化处理后的图像也变得更加清晰,对比度明显(图3)。实验结果表明直方图规定化能有选择地对某灰度范围进行局部的对比度增强,从而得到期望的增强图像。
参考文献:
[1]阮秋琦.数字图像处理学[m].电子工业出版社,2001:180-182.
[2]尹立敏,刘艳滢,贺琳,等.基于多尺度灰度直方图的图像增强研究[J].电子器件,2006(6):67-68.
[3]陈传波,金先级.数字图像处理[m].北京:机械工业出版社,2004:223-224.
直方图均衡化的基本原理篇4
关键词薄云去除；薄雾去除；遥感图像
中图分类号tn914文献标识码a文章编号1673-9671-(2012)072-0232-01
云和雾的存在使大气能见度降低，使基于遥感平台获取的图像模糊不清，分辨率下降，无法从所获得的图像中获得清晰的地物信息，从而严重影响图像中的信息提取，这将给监测、目标跟踪等方面带来很大的困难。所以，为有效提高图像的运用率，研究怎样有效去除云雾的影响，成为提高图像数据运用率的重要手段。
1云雾对遥感图像的影响
云雾都是空气中水汽凝结或者凝华的结果，低层云和雾和其它云类在辐射特性、图像纹理特点等方面具有较明显的相似性，同时也存在一些差异。在可见光黑白云图上，颜色的深浅代表了云雾的反照率的大小，通常深颜色表示云的反照率小；浅颜色则表示云的反照率大1。雾区一般比其它云类显得暗且亮度变化不明显，雾顶光滑，纹理较均匀，边缘也较清晰光滑；而中高层云则显得较亮，并且因为云顶高低起伏较大而显得亮度变化也很大，云中较高处显得十分明亮，较低处则灰暗，其纹理散乱，边界不规则。在红外黑白云图上，深色表示云顶的温度比较高；浅颜色表示云顶的温度比较低。低层云和雾接近地面，温度也基本和地面温度相近，温度较高；显得暗；而中高层云一般比较高，距离地面较远，温度也比较低，显得比较亮。
2薄雾去除处理方法
2.1基于物理模型的薄雾去除方法
光散射现象发生在光的传播过程中，当一束光和悬浮在空气中的粒子发生接触时，因为部分光被粒子散射，致使光强被削弱。散射不但跟粒子的大小、形状等粒子特性有关，而且还依赖于光的波长、偏光状态等。mcCartney于1975年提出了著名大气散射模型，即在雾天情况下，大气散射模型中起主导作用的是其中的衰减模型和环境光模型。另外，基于物理模型1的复原方法一般需要已知场景深度或者大气条件等先验信息作为复原的前提。在场景深度和精确的大气条件已知时，运用物理模型和图像数据对密性参数进行估计，实现对场景的复原。
2.1.1运用大气调制转移函数方法
Ropeikat用一种天气预测大气调制转移函数和景物成像距离的推理估计使由大气所致的退化图像变得清晰。首先对函数进行预测，然后运用大气调制传递函数在频域内对天气退化图像进行复原，通过对景物图像中的衰减进行补偿，就可得到近似良好天气下拍摄的复原图像。
2.1.2基于mie的大气散射理论方法
oakley基于大气散射理论来对图像的对比度进行复原，这种方法用极大似然估计法估计模型参数衰减辐射量和大气光辐射量，然后运用大气散射理论增强因为散射引起的对比度的降低，使图像得到恢复。
nayar2基于大气散射理论从两幅或者更多幅恶劣天气下的图像中完全复原其对比度。提出一种描绘恶劣天气是怎样影响景色亮度的单色大气散射模型。narasimhan等提出的二色大气散射模型并基于此来探讨不同天气条件景物的彩色变化。通过2幅或者更多幅恶劣天气条件下图像计算出景物的完整的3D结构并复原出晴朗天气下景物的色彩。narasimhan等描述了在不运用精确的天气和深度信息的情况下怎样消除一个场景的单幅图像天气效果的问题，提出了消除一副图像天气效果的3种算法。
2.2基于图像处理的薄雾去除
2.2.1基于直方图均衡化法
直方图均衡化包括全局直方图均衡化和局部直方图均衡化。全局直方图均衡化是把图像的直方图分布改成均匀分布的直方图分布，通过变换使图像信息量较大的灰度区域得到放大，达到对比度增强的目的；局部直方图均衡化使将直方图均衡化分散到图像所有局部区域，通过局部运算叠加图像中感兴趣的局部信息。oakley用全局直方图均衡化增强图像对比度。在此基础上发展的局部直方图均衡化包括自适应直方图均衡化、广义自适应直方图均衡化、部分重叠子块直方图均衡化、内插值自适应直方图均衡化。
2.2.2基于Retinex理论的增强方法
Retinex理论认为人类知觉到的物体表色由物体对长波、中波和短波光线的反射性质共同决定，而和投射到人眼的光的谱特性关系不大。自Retinex理论提出以来，Land等从不同的角度提出和发展了不同的Retinex算法，其中，较近的版本是Jobson等提出的单尺度Retinex(SSR)算法，和在此基础上发展的多尺度Retinex(mSR)算法。
3薄云的去除处理方法
3.1多光谱图像去云
一是在遥感平台上应用一种仅对云较敏感的传感器，专门用来探测云的信息，然后从普通传感器获得的原始图像上减去云图，得到去除云后的图像；另一种方法是不在遥感平台上添加专门的传感器，而是运用多光谱图像中的某些波段对云较强的敏感性来提取云信息，实际上这种方法和前者在机理上是一致的。这种方法的去云效果非常好，能高效地消除数字图像的云覆盖噪声而不增加任何其它副作用。但是，它要求的前提很高，需要有冗余的波段来去除薄云，在很多应用场合受到限制。
3.2图像融合去云方法
3.2.1基于多传感器数据融合的方法
多传感器数据融合的方法是随着数据融合技术的发展而兴起的一种新的方法。其原理是在现有条件下，运用不同传感器在不同时间获取的数据，来对有云层覆盖地区的影像进行替换，以消除云覆盖的影响。能较好地去除薄云的影响。但运用多传感器影响进行替换以消除石覆盖的影响。
3.2.2基于小波变换的单幅图像融合方法
首先对图像按波段分别进行小波分解，然后针对云区主要出现的低频子带，运用其在小波分解后的低频图像数据值上的表现就是云区的低频系数值要比清晰区域的低频系数值大，应用直接将图像上云区的低频系数值减小的办法来达到对图像上有云覆盖区域的低频进行抑制的目的；因为高频区域清晰度降低，需要对图像的高频部分进行适当的补偿，应用非线性函数提升各尺度上细节分量之间的对比度；最后，对调整后的小波分解系数进行小波反变换，就能得到一幅去除了薄云的图像。
3.3同态滤波去云方法
同态滤波是一种在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强的方法。当一幅图像的动态范围很大，而感兴趣部分的灰度又很暗，图像细节没有办法辨认时，应用一般的灰度级线性变换法不能够取得理想的处理效果。这种方法运算相对简便，不需要无云数据做参考，能直接对有云图像进行处理，特别适合处理大面积薄云的情况，或者低频部分主要是云分量的情况。
4结束语
对于云雾影响的遥感图像处理方法还具有很大的发展空间。未来主要应当研究的改进方向为：①针对云雾天气条件下的各种情况进一步提高去除算法的有效性和实时性；②因为当前对于水平能见度下，薄云薄雾的处理有实际意义，未来，随着大气消光模型的建立和完善，对卫星遥感图像将更具广阔的应用领域。
参考文献
[1]赵英时.moDiS图像的云检测和探讨[J].中国图象图形学撤,2003,8a(9):
1079-1083.
[2]周鹏.卫星图像云雾的识别[J].民航科技,2008,4:117-120.
直方图均衡化的基本原理篇5
关键词：人民币；实际汇率；均衡汇率；汇率失调
作者简介：顾成军(1984-)，男，安徽利辛人，石河子大学经济与管理学院博士研究生，主要从事金融理论研究；龚新蜀（1963-），女，四川遂宁人，石河子大学经济与管理学院博士生导师，主要从事金融理论研究。
中图分类号：F832文献标识码：a文章编号：1006-1096(2012)03-0141-05收稿日期：2011-05-08
根据行为均衡汇率理论和协整理论，笔者选取了人民币汇率变动的影响因素，结合中国大陆和其他16个国家(地区)①的相关数据，实证研究了1985年~2009年间人民币当期和长期均衡汇率，并估算了人民币此段时期内的失调程度。数据来源于历年中国统计年鉴、历年台湾统计年鉴和国际货币基金组织iFS数据库。
一、文献综述
对于均衡汇率的影响因素，国内外学者选取了不同的变量组合进行了大量研究。montiel(1999)认为长期均衡实际汇率是由前定变量的静态值、政策变量和外生变量的永久分量决定的，起长期决定作用的是国内供给因素、财政政策、国际经济环境和经济自由化政策4个因素。张晓朴(2001)选取总的固定资本形成、政府消费、出口增长率、开放度等变量，结合BeeR方法研究了中国实际汇率的变化。从已有文献中广泛选取的变量来看，由于数据和方法的差异，同一个变量对于汇率的影响也并不一致。例如赵西亮等(2006)关于B-S效应和人民币汇率的研究就不赞同两者间存在正相关关系的观点，认为原因是国内仍处于二元结构的转型期，劳动力无限供给的同时又受到流动的约束，这与Balassa在1964年指出的一国内两部门生产率存在差异的同时由于劳动力国内自由流动使得两部门工资水平大体相等的假设相冲突。
国内学术界关于人民币汇率被高估还是低估的研究尚未取得一致性的观点，选取不同的模型、指标和数据有可能得到相反的结论。陈学彬(1999)的研究结果表明1990年以来人民币对美元实际汇率不是高估，而是低估。卜永祥(2001)认为1994年中国汇率并轨之后和亚洲金融危机发生以前的时期人民币都是低估的。研究结果表明，人民币汇率在改革开放初期表现为高估，改革开放后至亚洲金融危机期间表现为低估，1997年～2000年期间又表现为高估。施建淮等(2005)的研究认为，1992年2季度～1994年4季度人民币汇率低估；1995年1季度～1999年2季度人民币汇率高估；1999年3季度往后的时期人民币汇率重新转为低估，并且低估程度有进一步扩大的趋势。孙茂辉(2006)认为1991年以前人民币被不同程度的高估，除1992年外～2004年又转为低估。王泽填等(2008)则认为人民币自1985年开始一直被低估，并且发现1994年～2001年，人民币要消除其失衡的一半需要4.6年，消除3/4需要9年，因而认为自1994年人民币一直处于低估是合理的。
二、模型与变量选取
（一）行为均衡汇率模型
行为均衡汇率模型的基本思想是通过估计一个线性的简约模型来确定均衡汇率水平和汇率失调程度，其表达式为
其中，Z1代表长期内影响汇率的基本变量；Z2代表中期内影响汇率的基本变量；t代表短期或临时影响汇率的变量构成的向量；μ代表随即扰动项。根据Clark(1998)的研究思路，当前均衡汇率可以定义为
Cm=qt－q*t
由于基本变量的当前值有可能偏离长期均衡水平，因此基于这一考虑可以进一步定义长期汇率失调水平
其中，Z*1t和Z*2t分别代表基本变量的长期持续值。
由于行为均衡汇率方法研究的是对均衡汇率变动敏感的变量与均衡汇率之间协整关系，所以其基本变量的选择难免存在或多或少的特定性(montiel，1999)或随意性。所以，在选取基本变量时，不仅要考虑到理论模型建议的变量和数据可获得性的约束，还应关注经济全球化背景下来自我国经济体系以外的又与我国汇率变动关系密切的其他影响因素，如美元兑人民币实际汇率等等。
（二）变量选取
依据行为均衡汇率模型，笔者以实际有效汇率(ReeR)为因变量，以贸易条件(tot)、生产率增长差异水平(tnt)、净对外资产(nFa)、FDi资本(FDi)、非FDi资本(nFD)和对外开放度(ope)为自变量。
三、检验与结果分析
（一）协整检验
根据协整理论，协整分析前需要对实际有效汇率(ReeR)、贸易条件(tot)、生产率增长差异水平(tnt)、净对外资产(nFa)、FDi资本(FDi)、非FDi资本(nFD)和对外开放度(ope)初步处理后的数据进行平稳性检验。各变量通过eviews3.1软件检验得到的结果见表1。
各变量的平稳性检验结果表明，虽然各变量都是非平稳的，但经过一阶差分处理后都变成平稳的了。根据协整理论，如果2个或者2个以上变量的时间序列数据是平稳的，那么这些变量之间存在长期均衡关系。Johansen最大似然估计法是已有文献较多采用的方法，笔者也通过Johansen最大似然估计法对各相关变量进行协整检验，以确定各变量间存在的长期均衡表达式。检验结果见表2。
由表2的检验结果可知，各变量间存在一个长期均衡关系，见表3。
由协整方程可知，由于自变量参数的估计值都显著不为零，所以都是因变量人民币实际有效汇率的重要长期影响因素。其中，净对外资产、生产率增长差异水平、FDi资本和非FDi资本对人民币实际有效汇率的影响是正向的；贸易条件和对外开放度对人民币实际有效汇率的影响是负向的。净对外资产占不变价GDp的比率每增加1%将会使人民币实际有效汇率升值2.648%。非贸易品与贸易品的相对价格比体现的生产率增长差异水平每增加1%将推动人民币实际有效汇率升值0.513%。非FDi资本流入(流出)占不变价GDp的比率每增加(减少)1个百分点将推动人民币实际有效汇率升值(贬值)14.646%。进出口总额占不变价GDp的比率每增加1%将使得人民币实际有效汇率升值-0.861%。贸易条件与人民币实际有效汇率成反向关系，表明贸易条件的改善所产生的替代效应大于其所产生的收入效应。
（二）均衡汇率与失调程度测算
均衡汇率包括当期均衡汇率和长期均衡汇率。将影响人民币的各变量的实际值带入协整方程即可得到人民币当期均衡汇率，将提取得到的影响人民币长期均衡汇率的长期趋势成分带入协整方程即可得到人民币长期均衡汇率。提取影响人民币长期均衡汇率的长期趋势成分的方法通常用H-p滤波法。人民币实际有效汇率(reer)、人民币当期均衡汇率(creer)和人民币长期均衡汇率(preer)的波动趋势见图1。
图1人民币实际有效汇率、当期均衡汇率和
长期均衡汇率波动趋势
由图1可以看出，人民币实际有效汇率在1985年~1989年表现为高估，1990年~2009年表现为低估。这说明在人民币实际有效汇率的高估(低估)期，推动升值的因素的影响小于(大于)推动贬值的因素的影响，从而使得人民币长期均衡汇率表现为贬值(升值)。即图1中preer曲线表现出了“U”型的特征。图2中nfa变量1990年以前的持续恶化是均衡汇率贬值的主要原因之一。1990年~2002年非FDi资本处于流出状态，但是同期FDi资本流入总体上多于非FDi资本流出，从而最终还是导致长期均衡汇率的升值。所以，人民币均衡汇率升值的推动因素主要是经常项目盈余导致的净对外资产余额的不断增加、FDi资本的大量流入和贸易品部门(制造业)劳动生产率的较快提高。人民币实际有效汇率在上世纪90年代初以前表现为高估和上世纪90年代后表现为低估在已有文献中已有基本相似的研究结果。例如，孙茂辉(2006)对1978年~2004年人民币自然均衡实际汇率进行的研究认为1991年以前表现为高估，1991年以后总体上表现为低估。王泽填等(2008)则认为人民币自1985年开始一直被低估。
图2fdi、nfd和nfa曲线波动趋势
汇率失调是实际有效汇率对均衡汇率的偏离程度，有时也被称为汇率错位。根据数据区间的不同，人民币实际有效汇率失调分为当期汇率失调和长期汇率失调。直接标价法下，人民币实际有效汇率当期和长期失调程度的估算公式(孙茂辉，2006)分别为
Cm=ecreer－ereerecreer×100%和pm=epreer－ereerepreer×100%
当Cm(pm)大于零时，表明直接标价法下人民币实际有效汇率小于当期(长期)均衡汇率水平，表明人民币当期(长期)高估；反之，表明人民币低估。即misalignment=(现实值-均衡值)/均衡值×100。misalignment大于零，表示实际有效汇率的现实值大于均衡值，实际有效汇率低估；反之，实际有效汇率高估。为了更直观的分析人民币实际有效汇率的当期和长期失调程度，估算得到的结果被分别放在了图3和图4中。
从图3和图4反映的人民币实际有效汇率的当期和长期失调程度变动趋势来看，人民币实际有效汇率在1985年~1989年表现为高估，1990年~2009年表现为低估。这和图1反映出来的人民币实际有效汇率的失调情况是基本一致的。然而，从图3和图4还可以更清晰地看出不论是高估期还是低估期，其高估和低估的趋势都是趋向于收敛的。
图3人民币实际有效汇率当期失调程度
图4人民币实际有效汇率长期失调程度
然而，伴随着人民币汇率低估的逐渐收敛，其持续升值的空间也越来越有限了。图3中汇率低估期间失调程度表现出持续收敛而图4中汇率低估期间失调程度表现出先发散后收敛的主要原因，有学者认为是“南巡讲话”后一轮高过一轮投资热潮推动了汇率的低估。由于过热的投资需要进口大量先进的技术和关键的设备，从而需要大量的外汇，这导致汇率的低估。至于1994年~1998年间人民币当期失调程度减弱的原因可能在于当时较高的通胀水平抵消了汇率的低估。2005年人民币汇率最终放弃盯住美元的政策，实施了以市场供求为基础的、参考一篮子货币进行调节、单一的、有管理的浮动汇率制后，人民币的低估程度逐步收敛了。
在人民币长期均衡汇率的低估期间，特别是1994年前后和1997年~1998年低估的特别严重，这和孙茂辉(2006)、王泽填等(2008)的研究结果基本一致。他们的研究也认为在低估期内存在1994年前后和1997年~1998年特别突出的严重低估的现象，然而孙茂辉(2006)没有解释人民币低估期内出现这种现象的原因。王泽填等(2008)对1994年前后人民币严重低估的解释是国家对汇率的直接下调：1989年国家对人民币汇率直接下调21.2%，1990年再次直接下调9.57%。按照有些学者的研究，1997年~1998年由于发生了亚洲金融危机和中国政府当年实施了人民币不贬值的政策，得到的结果是人民币高估。然而，亚洲金融危机时人民币不贬值的政策只是会推动人民币均衡汇率升值，可能并不能决定人民币最终一定是高估或者低估。图4中1997年也反映出了人民币低估程度被减弱的特征，但亚洲金融危机时人民币不贬值对人民币均衡汇率升值的推动不足以抵消推动低估因素的影响，人民币最终仍然表现为低估。
五、总论
影响人民币汇率波动的长期因素包括贸易条件、生产率增长差异水平、净对外资产、FDi资本、非FDi资本和对外开放度，并且生产率增长差异水平、净对外资产、FDi资本、非FDi资本对汇率的波动具有正向作用，贸易条件和对外开放度对汇率的波动具有反向作用。1985年~1989年人民币均衡汇率持续贬值的主要原因在于经常项目盈余导致的净对外资产余额的恶化。1990年~2009年人民币均衡汇率持续升值的主要原因在于经常项目盈余导致的净对外资产余额的不断增加、FDi资本的大量流入和贸易品部门(制造业)劳动生产率的较快提高。虽然非FDi资本变量对汇率波动的影响最为突出(非FDi资本变动占不变价GDp的比率变动1个百分点将推动人民币实际有效汇率变动14.646%)，且1990年~2009年期间加速流出，但由于其绝对数量较小，从而对汇率波动的影响总体上并不明显和突出。
人民币汇率在1985年~1989年表现为高估，在1990年~2009年表现为低估。伴随着人民币低估趋势的逐步收敛，人民币升值的空间也越来越小了。人民币汇率的持续低估推动了出口的快速发展。2011年3月末，国家外汇储备余额已突破3万亿美元。然而，人民币汇率的持续低估也导致来自美国、欧盟等对华贸易逆差国的贸易制裁案例越来越多，换句话说，人民币升值的压力越来越大，人民币汇率的低估不可能一直持续下去。孙茂辉(2006)认为当前引进长期资本(FDi资本)和输出短期资本(非FDi资本)的政策需要调整，我国在金融市场建设、外汇市场培育、国际储备经营管理等方面已经落后于经济发展的要求。所以，虽然研究结论中非FDi资本对汇率波动的影响尚不明显，但这是一个潜在信号：非FDi资本对汇率波动有着较大的潜在影响力。伴随着2001年以来我国对资本(主要是非FDi资本)流通渠道的逐步放宽将使人民币汇率波动的潜在风险在金融市场、外汇市场不完善的情况下不断酝酿。如果风险达到金融市场和外汇市场等造成的经济扭曲的临界值，那么非FDi资本资流向将会发生逆转，并且这种情况在发生危机的国家非常典型。所以，我国应努力发展金融市场、外汇市场和稳步推进人民币资本项目可兑换，协同利用宏观经济政策，进一步完善人民币汇率市场形成机制从而保持经济的健康稳定发展。
①按国家(地区)英文名排序：australia,Brazil,Canada,Chinamainland,France,Germany,HongKong,indonesia,italy,Japan,Korea,malaysia,netherlands,Singapore,taiwanprovinceofChina,UnitedKingdom,UnitedStatesofamerica.
参考文献:
卜永祥.2001.中国均衡实际有效汇率:一个总量一般均衡分析［J］.经济研究(6):21-32，96.
陈学彬.1999.近期人民币实际汇率变动态势分析――兼谈分析实际汇率应注意的问题［J］.经济研究(1):24-30.
黄昌利.2010.人民币实际有效汇率的长期决定［J］.金融研究(6):34-45.
孙茂辉.2006.人民币自然均衡实际汇率:1978-2004［J］.经济研究(11):92-101.
王泽填,姚洋.2008.人民币均衡汇率估计［J］.金融研究(12):22-36.
张晓朴.2001.人民币均衡汇率研究［m］.北京：中国金融出版社.
赵西亮,赵景文.2006.人民币均衡汇率分析:BeeR方法［J］.数量经济技术经济研究(12):33-42.
BaLaSSaB.1990.incentivepoliciesandexportperformanceinSub-Saharanafrica［J］.worldDevelopment,18(3):383-391.
CLaRKp.1998.exchangeratesandeconomicfundamentals:amethodologicalcomparisonofBeeRsandFeeRs［Z］.imFworkingpaper,98-67.
montieLpJ.1999.exchangeratemisalignment:conceptsandmeasurementfordevelopingcountries［m］.newDelhi:oxfordUniversitypress.
theequilibriumandmisalignmentofRmBexchangeRate
GUCheng-jun,GonGXin-shu
(managementSchoolShiheziUniversity,Xinjiang832003,China)
直方图均衡化的基本原理篇6
现代教育理论认为[1]：全面实施素质教育，传统教学陈旧的教学手段和简单的教学技术在当今世界的多层次教学、演示教学、实验教学等现代化课堂教学中就显得力不从心。随着计算机技术的发展，在课堂教学中采用多媒体手段变得越来越普遍。但是，多媒体教学绝不是仅仅采用powerpoint、authorware、Flash等媒体制作软件将黑板教学原封不动的搬到计算机中来，多媒体教学应该是融合原先黑板教学的精髓———教学内容准确、推演逻辑性强的特点，同时展现原黑板教学所不能展示的特性，如：生动、形象、视觉效果好等，将教学的内容同所采用的媒体技术进行深层次的融合。powerpoint通用性强，易学易用；具有强大的制作功能，文字编辑能力强、段落格式丰富、文件格式多样、绘图手段齐全、色彩表现能力强；powerpoint具有一定的程序设计功能，提供VBa功能，可以融合VB进行开发，提供了同其他程序交互的功能。
matLaB是美国mathworks公司自20世纪80年代中期推出的数学处理软件，具有优秀的数值计算和卓越的数据可视化能力。它集成了计算、可视化和编程于一个易用的环境中，在此环境下，问题和解答都表达为我们熟悉的数学符号，是演草纸式的计算工具。典型的应用有：数学和计算、算法开发、建模，模拟和原形化、数据分析，探索和可视化、科学与工程制图、应用开发，包括图形用户界面的建立等。matLaB的基本数据元素是无须定义维数的数组，这让我们能解决很多技术计算的问题，尤其是可以用二维矩阵很好表达的数字图像处理问题，所要花的时间仅仅是用一种标量非交互语言（例如C或Fortran）写一个程序时间的一小部分。
姚锦绣老师在“matLaB应用在图像处理教学中的探讨”[1]一文中，提出了将matLaB应用在图像处理教学中的观点，认为引进matLaB语言可以快速实现模拟仿真，提高教学效率，使学生获得具体生动的印象，凝聚学生的注意力和观察力，激发起求知欲望和兴趣，并结合直方图和阈值分割的教学实例，阐述了matLaB同数字图像处理教学相结合的优越性。张国琴老师[2]、孙学岩老师[3]和常靓老师[4]分别撰文阐述matLaB在数字图像处理教学中的应用，文中利用matLaB丰富的ipt工具箱功能，例证了matLaB在数字图像教学中的作用，得到结论：有利于图像处理问题讲解的形象化、具体化，有利于提高学生们的学习兴趣。彭晓明老师[5]和张博夫老师[6]分别就matLaB环境下进行数字图像处理实验教学进行了有意义的探讨，尤其是彭晓明老师利用matLaB设计了由易到难的10组实验题目，涵盖了图像预处理的各个方面。但是这些文献均缺乏将matLaB应用于数字图像处理教学的基本框架，缺乏matLaB同powerpoint相结合，实现无缝连接方面的阐述。
数字图像处理涉及多门学科：电子信息工程、通信工程、信号与信息处理、计算机应用与软件、工程数学等[7]，要想讲解如此众多学科的内在联系，分析图像特征的挖掘、图像处理算法的设计以及算法性能的评测，仅仅靠黑板教学不能满足要求，仅仅凭借多媒体处理软件也无法展现数字图像处理的精髓，均达不到应有的教学效果。我们需要在数字图像处理的教学中综合应用matLaB和powerpoint两大软件，同数字图像处理的各个知识点有机的结合起来，利用matLaB展示图像特征的提取、图像算法的设计和算法性能的评测，利用powerpoint形象直观的展示教学内容，提高教学效果。
要在powerpoint中调用matLaB功能，实现二者的连接，就必须借助于activeX技术。matLaB即可以作activeX自动化控制器去操纵其他应用程序，也能作为activeX自动化服务器而被其它应用程序所操纵[8]。利用powerpoint作为媒体展示的平台，matLaB将作为activeX服务器，在VBa中使用matLaB具体方法如下：
开启matLaB自动化服务器功能
Dimmatlabasobject
Setmatlab=Createobject“(matlab.application”)
VBa与matLaB交换数据
matlab.GetFullmatrix(varnameasString,workspaceasString,[out]XRealasDouble,[out]XimagasDouble)：将matLaB中的一个矩阵变量传送到VB程序中一个1维或2维数组中;
matlab.putFullmatrix([in]varnameasString,[in]workspaceasString,[in]xrealasDouble,[in]ximagasDouble)：将VB程序中一个1维或2维数组传送到matLaB中的一个矩阵变量中;
VBa中执行matLaB语句
matlab.execute(commandasString)asString：该函数输入参数为字符串类型变量,它可以包含任何合法matLaB命令,执行execute方法将调用matLaB,并执行一条由Command字符串决定的matLaB命令,并将结果以字符串形式进行输出,同时命令所产生的任何图形窗口都将被直接显示在屏幕上。
采用activeX技术调用matLaB功能，一方面省去了启用matLaB集成开发环境所消耗的资源，提高了演示的速度；另一方面，不用在powerpoint和matLaB之间来回切换程序，保持了多媒体展示环境的统一，提高了教学的课堂效果。
本文将数字图像处理按着自身的特点分为图像特征分析、图像处理算法设计和算法性能分析与验证三个方面。将powerpoint和matLaB相结合，由powerpoint负责文字和公式的展示，由matLaB来完成后台仿真，取得了较好的教学效果。下面我以数字图像处理的基本技术直方图均衡化为例从理论的讲解，算法的设计、效果的展示和算法性能的评测三个方面设计powerpoint和matLaB相结合的课堂教学方法。
二直方图均衡化理论部分的讲授安排
讲解直方图均衡化关键要解决的问题是：如何让学生理解为什么要均衡化处理、怎么均衡化处理、均衡化处理有什么样的效果。首先通过powerpoint精心展示matLaB处理的灰度偏暗、灰度偏白、灰度动态分布范围较窄和灰度范围比较宽的同一幅图像及其对应的灰度直方图，让学生们鉴别四幅图像哪一幅视觉效果更好。进一步分析灰度直方图具有什么样形状的图像视觉效果会好一些。通过视觉的对比得到结论：若一幅图像其像素占有全部的可能的灰度等级并且分布均匀，则图像有较高的对比度和多变的灰度等级[9]。
下一步是如何寻找能够使直方图均衡化的方法。理论的教学内容应该进行精心的选择，适应学生的学习范围和能力范围，一方面对学生要有一定的挑战性，另一方面不要打击学生的学生学习积极性，要很好的平衡。理论部分的讲授不可避免的涉及到公式和算法的演算，这一部分采用powerpoint进行展示无疑具有更大的优势。但是，在讲授的过程中来回的进行不同应用程序间的切换，不可避免的会打乱教学步骤，难免造成学生注意力的分散，本文采用VBa技术实现了matlab同powerpoint的无缝连接，保证了教学的连续性，获取了较好的教学效果。下面是实际的VBa程序供同行参考，指证。
VBa语句：
privateSubCommandButton1_Click()
DimmCommnadasString
Dimmatlabasobject
Setmatlab=Createobject("matlab.application")matlab.execute("set(gcf,’visible’,’off’);")
mCommnad=textBox1.Value
matlab.execute(mCommnad)
matlab.execute("print(gcf,’-dbmp’,’c:\a.bmp’);")image1.picture=Loadpicture("c:\a.bmp")
SlideShowwindows(1).View.GotoSlide2
endSub
三直方图均衡化的算法设计
直方图均衡化既可以采用matlab提供的直方图函数来实现，也可以采用matlab语言以编程的方式实现，为了让学生们更深刻的理解直方图均衡化的理论和方法，教师在讲授的过程中应该要求学生们首先采用语言编程的方式来实现。
下面是我们在实际的授课过程中编写的程序，供读者参考：
functionimagehist(imagefile)
originimage=imread(imagefile);
originimage=rgb2gray(originimage);%%读取RGB图像，并转为灰度图
[m,n]=size(originimage);originhist=zeros(1,256);
fork=0:255%%计算原图像的灰度直方图，并归一化
originhist(k+1)=length(find(originimage==k))/(m*n);
end
subplot(221),imshow(originimage);subplot(222),bar(0:255,originhist,’r’);
equalgray=zeros(1,256);
fork=1:256%%求累积分布函数fori=1:k
equalgray(k)=originhist(i)+equalgray(k);endend
equalgray=round((equalgray*255)+0.5);equalhist=zeros(1,256);
fori=0:255temp=find(equalgray==i);ifisempty(temp)
equalhist(i+1)=0;else
equalhist(i+1)=sum(originhist(temp));end
end
subplot(223),bar(0:255,equalhist,’b’);equalimage=originimage;fori=0:255
temp=find(originimage==i);if~isempty(temp)
equalimage(temp)=equalgray(i+1);end
end
subplot(224),imshow(equalimage);end
四直方图均衡化的算法性能分析
向学生们讲解了直方图均衡化的理论和设计方法，学生亲手设计了直方图均衡化的程序后，应该安排学生们对直方图均衡化的算法进行性能分析，这是图像处理算法设计的必备步骤。采用matlab语言首先让学生们实现均衡化处理前后的对比显示；接着实现自己设计的算法和matlab算法的执行效率比较；两个同学为一组，互相对比，比较各自算法的执行效率，并研究执行效率的差别和原因，激发起学生们积极探讨改进算法效率的兴趣，推进学生们对于数字图像处理强烈的求知欲，强烈的探讨相关技术和相关参考工具的积极解决问题的欲望。
总之，将powerpoint和matlab的特点和优点相互补充，充分达到课堂教学形象生动、讲解精确的目的，较好的发挥了现在多媒体的优势。文字和理论公式的讲解采用powerpoint进行，理论的演示和算法的设计、算法的验证采用matlab进行验证，取得较好的教学效果！
参考文献
[1]姚锦秀,郑胜林,潘保昌.matLaB应用在图像处理教学中的探讨[J].广东工业大学学报，2004,4(6).
[2]张国琴,吴周桥.matLaB在数字图像处理教学中的应用[J].武汉科技学院学报,2005,18(10).
[3]孙学岩.matlab在数字图像处理教学中的应用[J].潍坊学院学报,2008,8(6).
[4]常靓,陈志国.matlab在图像处理教学中的应用[J].黑龙江科技信息,2009.
[5]彭晓明.基于matLaB的数字图像处理课程的教学实验设计[J].高等教育研究,2009,26(1):60-62.
[6]张博夫,梁凯琦.matLaB环境下的数字图像处理实验入门[J].实验科学与技术.2008(2):52-53,116.
[7]周国辉,俞兰芳,张军.数字图像处理及工程应用[m].哈尔滨:东北林业大学出版社,2010.
直方图均衡化的基本原理篇7
关键词：自适应均衡器;LmS;matLaB
0引言
随着现代通信技术的快速发展，通讯环境越来越复杂，如何快速有效地解调信号是通信系统面临的一个新的课题。在通信领域，自适应算法已经在信道均衡、频率跟踪与检测方面有了广泛的应用[1]。研究表明，借助自适应滤波器的信号跟踪能力和抗干扰能力，能够使得基带信息的提取更加方便，获得比相干解调更好的性能。
1自适应均衡器
均衡器可以分为两种：时域均衡和频域均衡。由于通信系统是复杂多变的，信道特性是不可预知的。为了能够在接收端达到更好的接收效果，均衡器就需要具有良好的自适应性能，以满足信道的多变性。如果在均衡器的设计中加入信号处理的自适应算法，则这一类均衡器即为自适应均衡器。在通信系统当中，基带信号的复包络包含多种信号信息。均衡器可以根据基带信号来实现对信道冲击响应的估计，而在接收端的信号解调过程当中则可以使用自适应算法。
2LmS自适应均衡器
信道均衡器可以使通信系统在通带外的增益近似为零，故附加了均衡器的信道在通带内的振幅是均匀的，而其它部分基本为零，而相位响应在通带内则为频率的线性函数。最小均方（LeastmeanSquare，LmS）算法由widrow于1960年提出[2]。LmS算法的原理是使实际输出和期望输出的均方误差取得最小，而在整个逼近过程中需要不断地用输入信号估计梯度矢量，并调整系统的各个加权。
（1）
其中，为输入信号，为输出信号，为权系数。
由wiener滤波理论可知，滤波器的最优抽头系数矢量可表示为
（2）
式中是输入信号矢量的互相关函数，为与期望信号矢量的互相关函数。当滤波器的抽头系数比较多时，直接求解式（1）是非常困难的。将LmS算法应用到均衡器的设计当中，可以很好的简化设计流程，提高均衡器对信道特性的自适应性。LmS自适应均衡器算法的具体步骤如下：
（1）初始化抽头系数矢量w（n）=[0，0....]t，n=0;
（2）当n=n+1时计算滤波器输出y（n）=wHx（n）;
（3）计算误差函数e（n）=d（n）-y（n），更新滤波器抽头系数矢量w（n）=w（n-1）+μ（n）e*（n）x（n）。
3实验测试
实验中，调制信号为4Qam，信道参数为〔0.4，0.7，0.6〕。具体实验结果如图1所示。图1（a）为理想4Qam调制信号星座图，图1（b）为受到含噪信道作用后的信号星座图，图1（c）是均衡器输出端信号的星座图，图1（d）是LmS算法的收敛速度。实验结果表明，LmS算法可以均衡器随着信道状况进行自适应的改变，以到达最优解。
4结论
本文主要介绍了LmS自适应均衡器的原理，并用matLaB对其算法进行了仿真。实验表明自适应滤波器能很好的滤除干扰，具有很好的应用价值。使用LmS算法的自适应均衡器，可以很好地去除码间干扰，保证通信系统的传输可靠性。
参考文献：
直方图均衡化的基本原理篇8
关键词：模拟电感图示均衡器串联谐振电路matLaB仿真
中图分类号：tn7文献标识码：a文章编号：1007-9416(2012)07-0111-04
GraphicequalizerbasedonthesimulatedinductorandsimulationwithmatLaB
ZHUxun-de,SHUnbo
HainanVocationalandtechnicalCollege,Hainanprovince,HaikouCity,570216
abstract:thispaperstudiedgraphicequalizercircuitschematicsofseriesresonantcircuitandsimulatedwithmatLaB.wederivedthedesignformulaofseriesresonantcircuitgraphicequalizertoenhanceandattenuationresonantfrequency.weproposedasimulatedinductancecircuitandderivedthedesignformula.therefor,itispossibletoreplaceainductancewiththesimulatedinductancecircuitforthedevelopmentoftheproductionofagraphicequalizer.
Keywords:analoginductance,graphicequalizer,aseriesresonantcircuit,matLaBsimulation
均衡器是一种用来对频响曲线进行调节的音频设备，即均衡器能对不同频率的声音信号进行提升或衰减。因此，它能补偿由于各种原因造成的信号欠缺的频率成分，也能抑制信号中过多的频率成分。例如，均衡器可以抑制频率为60～250的低频交流声，也可以抑制频率为6～12的高频噪声；利用均衡器还可以进行音调调节和音色加工。均衡器是将传输系统中不平衡的频率特性用相反的特性曲线进行频率均衡，在此基础上具备了音色加工和美化的功能。均衡器的作用主要如下。
(1)校正各种音频设备产生的频率失真，以获得平坦响应。
(2)改善室内声场，改善由于房间共振特性或吸声特性不均匀而造成的传输增益（频率）失真，确保其频率特性平直。
(3)抑制声反馈，提高系统传声增益，改善扩声音质。
(4)提高语言清晰度和自然度。
(5)在音响艺术创作中，用于刻画乐器和演员的音色个性，提高音响艺术的表现效果。
均衡器的种类很多，基本上其工作原理都是相同的：它们都是将音频信号的全频带（20Hz～20kHz）或全频带的主要部分，按一定的规律分成几个甚至几十个频点（也称频段），再利用串联谐振的选频特性，分别进行提升或衰减，从而获得所希望的频率校正曲线。
根据均衡器所使用的电路不同，可分为有源均衡器和无源均衡器；根据中心频率不同，可分为低频均衡器、中频均衡器、高频均衡器和组合式均衡器；根据其他参数是否可调，可分为图示均衡器和参量均衡器。本文设计研究的是图示均衡器产品。以下简述图示均衡器及其基本电路原理。
1、图示均衡器
图示均衡器是组合均衡器中的一种，它是以中心频率为横坐标，控制电平为纵坐标，滑动电位器摆出的形状就形成了频响曲线，大致反映了所用均衡器的频响特性，操作起来既简单又直观，所以称它为图示均衡器（Graphicequalizer）（见图1）。因为它主要用于弥补厅堂建声特性的不足，故有时又称它为房间均衡器（Roomequalizer）。
图示均衡器根据频率划分的方式不同，可以进一步分为：1倍频式、1/2倍频式、1/3倍频式、1/4倍频式等多种。所谓倍频式是指相邻频段的频率相差一倍频。1/2倍频式是指相邻频段的中心频率相差1/2倍频。1/3倍频式和1/4倍频式是指相邻频段的中心频率分别相差1/3倍频和1/4倍频。
对于倍频式均衡器而言，其中心频率一般设在63、125、250、500、1、2、4、8和16等9个频点上，所以有时也称为9段均衡器。
1/3倍频式均衡器，其中心频率一般为：20、25、32、40、50、63、80、100、125、160、200、250、315、400、500、630、800、1、1.25、1.6、2、2.5、3.15、4、5、6.3、8、10、12.5、16、20。可见它把整个音频范围分为31个频点，因此通常称它为31段均衡器。
均衡器中心频率的选择可参见国家标准GB/t3240-82《声学测量中的常用频率》。
根据客户的要求，开发设计的是倍频式均衡器，其中心频率一般设在63、125、250、500、1、2、4、8和16等9个频点上，同时对左右声道控制，所以有时也称为双9段均衡器。
2、图示均衡器的电路原理
2.1串联谐振回路图示均衡器的原理
图示均衡器通常由一个公共增益放大器、多个频段的等效电感与电容等构成的串联谐振器组成。如图2所示。
直方图均衡化的基本原理篇9
关键词:人脸检测；matlab实现；pCa主成分分析；直方图均衡；人脸归一化
中图分类号:tp391.41
文献标识码:a文章编号:1672-8513(2010)06-0439-05
HumanFaceRecognitionwithpCamethod
SUnChongxuan
（YunnanJiaotongVocationalandtechnicalCollege,Kunming650101,China）
abstract:asasubspaceprojectiontechniquewithinthecontextofabaselinesystemforhumanfacerecognition,theprincipalcomponentanalysis(pCa)isintroducedinthispaper.withthehistogramequalizationandhumanfacenormalizationmethods,analgorithmwithahigherrecognitionrateisachievedbyusingmatLaB.inthisstudy,35grayscalehumanfaceswereusedassampleimages.
Keywords:humanfacerecognition;matlab;pCa;histogramequalization;humanfacenormalization
人脸检测识别作为生物识别技术中的一个重要组成部分，近年来得到越来越多的关注和研究［1-5］.例如，数码相机结合人脸定位模式的自动对焦功能便是人脸检测的应用实例.人脸识别则是将待识别人脸与数据库中已知人脸比较，得到相关信息.本文将介绍通过pCa主成分分析的方式确定已分割图像是否是人脸的原理及其算法，并对35幅库内人脸样本以及库外人脸、库外动物脸、其他图形图样各40幅进行处理和分析.
1pCa主成分分析基本原理
1.1K-L分解原理
pCa方法的基础是Kauhunen-Loeve分解(K-L分解)，以下对K-L分解做一简要介绍.
长n宽m的图像数据集{X}可视为一随机序列，X可用n个基向量加权和表示：
X=∑ni=1αiφi,（1）
其中αi为加权系数，是一个随机变量，φi为一个确定向量，可用矩阵形式表示为：
X=Φα.
Φ=(φ1,φ2,…,φn).
α=(α1,α2,…,αn)t.
取基向量集为空间内完备正交集
φiφj=δij.
ΦtΦ=i.
于是：
αi=ΦtiX.
由于αi为随机变量，希望其各系数之间互不相关，也即在概率空间内正交，这也就对正交完备向量集{Φi}提出了要求.
设随机向量X的自相关阵为：
R=e{XtX}.
X沿基向量集展开：
R=e{XtX}=e{ΦααtΦt}=Φe{ααt}Φt.
取：
R=ΦΛΦt.
其中：
Λ=diag(λ1,λ2,…,λn),
e{αiαj}=λiδij,
保证了向量α各个分量的不相关性.
又
RΦi=λiΦi(i=1,2,…,n),
即Φi是对应自相关阵R特征值λi的特征向量.
K-L分解保证了一个随机向量在其基上展开时展开系数的互不相关性，每个基矢可视为一个成分，该成分与其他成分互不相关，这也就意味着可以分别研究每一成分所带来的影响，这种影响的程度又可由对应特征向量的特征值来衡量，特征值越大，影响越大［1］.
然而图像处理仅使用K-L分解的方法受到计算机计算规模的制约：
数据集{X}可视为一随机序列，其K-L坐标系完全由数据的二阶统计量所确定.序列中各样本所属类别未知时，K-L坐标系的产生矩阵R=e{XXt}，而此样本集的均值矢量μ=e{X}并没有太多意义，所以将数据的协方差矩阵（中心矩）：
Σ=e{(X-μ)(X-μ)t}.
将图像化为nm的列向量，在nm×nm空间内求协方差矩阵Σ的特征向量和特征值分析，计算量十分大，不易于算法的优化.为此，使用奇异值分解实现降维分析.
1.2奇异值分解(SingularValueDecomposition，SVD)[Bt)]
设a是秩为r的n×r维矩阵，存在2个正交矩阵：
U=［u1,u2,…,ur］∈Rn×r,UtU=i.
V=［v1,v2,…,vr］∈Rn×r,VtV=i.
以及对角阵
Λ=diag(λ1,λ2,…,λr)，（λ1≥λ2≥…≥λr）.
满足：
a=UΛ12Vt.
于是：
U=aVΛ12.
其中：λi为矩阵aat和ata的非零特征值，ui和vi分别为aat和ata对应λi的特征向量.上述分解成为矩阵a的奇异值分解(SVD)，λi为a的奇异值.
注意到协方差矩阵
∑=1n∑ni=1(xi-μ)(xi-μ)t=1nXXt.
X=(x1-μ,x2-μ,…,xn-μ)t.
构造矩阵：
R=XXt∈Rn×n.
求其特征值λi，和归一化正交特征向量vi，则协方差阵Σ的正交归一化特征向量为：
ui=1λiXvi.
于是，每幅图像均可投影到U子空间中，对应{ui}张成子空间中的一个点［6］.
1.3主成分贡献分析与选取
将之前求出特征值从大到小排序：λ1≥λ2≥...≥λn，应用SVD定理，对原始问题进行了降维，pCa的主要思想集中于将各成分分解独立后，考察各成分的特征值大小，选取最大的k个特征值对应的特征向量族，使得：
∑ki=1λi∑ni=1λi≥η.（1）
选取η=90%，则关于该图像90%以上的能量成分可由原始图像在此k个向量空间的投影代替.
1.4信噪比判据
将样本f向之前所选取的k向量张成的子空间进行投影，之后再通过反变换重构，考察原样本与原样本和重构之差在范数2空间的比值，作为重建图像信噪比：
U为子空间，投影系数：
y=Utf.
重构图像：
f[DD(-*2/3][KG*2]^[DD)]=Uy.
信噪比：
SnR=f2f-f[DD(-*2/3][KG*2]^[DD)]2.（2）
取dB：
SnR=10lg(f2f-f[DD(-*2/3][KG*2]^[DD)]2).（3）
合理选定阈值，若待测样本信噪比小于此阈值，可判别f并非人脸图像.
pCa通过K-L展开定理，明确K-L展开在统计上实现影响成分的不相关化，利用重建信噪比大小作为人脸判据.
2处理方法
2.1概述
本部分将结合处理流程顺序介绍基于pCa主成分分析方法人脸检测处理方式.处理中的样本人脸库为35幅经粗裁剪的75×108像素的灰度人脸图像.处理流程将依据流图所示流程完成相应工作.
2.2处理流程
2.3预处理
2.3.1手工剪裁
样本数与测试数量有限，在此通过手工处理的方式完成脸部的选取，如图2.
剪裁人脸时依照下图所示的既定比例，手工处理时可根据具体情况进行修正［7］，如图3~4.
2.3.2几何与灰度归一化
先对图片进行拉伸，保证其长宽相等，并将彩色图片转换为灰度图片.
所处理图像样本为8位灰度图像，共256级灰度，然而数字化后的图像在各个灰度级的分布显然不是完全相同的，在某几个区域可能较为密集，集中体现为图像的亮度偏亮或偏暗，亮度范围不足或对比度有限.通过直方图均衡处理，将输入图像的直方图分布变换为近似特定分布的直方图，使之不再存在占有绝对优势的灰度范围，从而弱化光照对灰度图像的影响.
考察所采集样本，发现图像归一化程度并不十分理想，样本图片中各个人脸的相对位置有较大差别，背景的影响也较严重，由于基本保证了人脸在相同规格图像中的相对位置，因此，归一化工作主要集中于灰度归一化.有多种算法可用于灰度归一化，选择典型的直方图均衡法.
灰度归一化结果见图5~6及表2.
2.4pCa主成分分析
对已完成预处理的图片进行分析，利用pCa方法对35幅图像按列构成的矩阵进行协方差分析，通过SVD方法降维至35维处理，并对特征值与其对应特征向量进行降序排列.
U子空间的基向量代表着具有某维特征值的向量，也可反变换为一幅图像，这样由U空间中基向量反生成的图像称为“特征脸”［8］.
图7SVD分解处理后的部分特征脸
2.5主成分选取
对利用SVD方法得到的一系列特征值和对应的特征向量即表征，按照式（1）并选取η=90%，计算出对应的k值.
2.6投影重建阈值判别
计算投影系数、重构图像、信噪比，取η=90%，选取最大特征子集个数21，判决阈值为1.4dB，利用式（2）、（3）计算，结果见表3.
3结果分析
对结合预处理方式的基于pCa主成分分析人脸检测法在不同参数取值，不同样本处理方式，与某些特殊测试样本集的测试效果分析.
实验平台软件环境基于matlab7.1Sp3，windowsXpSp2，硬件环境为intelt75002.20GHzCpU，0.98GB内存.
实验中待分析的实验图像信息和处理结果如表4.
由于分解本身即利用样本库中图片完成，因此识别样本库中的识别率必然为100%，除此之外，对于库外人脸与非人脸的识别率，也达到了较高的识别率标准.
3.1η值的影响
改变η值，得到如下结论：
1)主成分贡献率η必须达到一定值方能达到较佳检测效果，就所给样本看来，当所取特征子空间维数越高，可得到更大的容差阈值范围；
2)所给样本中，狗脸最近似于人脸，在主成分贡献率所取值较小时无法辨别.
3)原始样本中马和猫面部与人脸的测试差距十分显著，即便所取η值足够小也可完成辨别，这意味马和猫面部图像投影在人脸特征空间高特征值的方向的长度较小，这正是主成分分析的关键所在.
3.2预处理影响
当去除剪裁与直方均衡化等预处理方式时，重新分析处理性能.
分析数据，发现不做预处理，完全无法分辨人脸，所给的猫脸和马脸的重建信噪比之高完全超乎预期，判别性能大幅下降乃至失效.
判别失效的原因是未对图像预处理时，样本库中人脸位置不一，致使空域上的相关程度不大，求解协方差矩阵时发现其特征值大小接近，这意味着特征能量未被分离.
未作预处理得到协方差阵的降序特征值如图8.
对比图8与图9的特征值分布情况，可以明显发现，预处理后的前若干特征值分布较为集中，即包络衰减快，可知特征分量得到集中.
经特征向量重构的部分特征脸比对如图10~11.
对比经过预处理和未经过预处理手段得到的特征脸，可以发现：未经预处理得到的特征脸特征并不十分明显，部分位置高光或低亮丧失原有信息，而经过预处理后的特征脸极像人脸，边缘过渡柔和，这从另一个侧面说明了原有样本在经过预处理后在空域上的相关性得到了提升，pCa时更容易分解出特征.
其次，样本库中图片背景和头发的影响极其严重，这部分能量可视为噪声，其分布方式直接影响了有用信号的提取，可以观察未预处理特征脸的大块黑色部分，便是其影响的体现.
预处理在pCa分析过程前的具有重要地位，利用直方图均衡和裁剪的方式可以很大程度上改善处理结果.
5结语
使用pCa方法实现人脸检测是一个简单易行的方式，使用这种方法可以较容易的分辨正面待测人脸与非人脸.然而这种方式的鉴别力受到样本库的归一化程度以及样本库空间大小的制约，合理进行人脸归一化并结合其他预处理可大幅提高算法鉴别能力，然而算法受到待测图片几何特性影响较为严重，对侧脸或其他非正面角度的鉴别能力较为低下.
几何归一化中的自动裁剪可视为此算法全自动化的一个改进方向.对于算法本身，如何在pCa分解的基础上提高抗图片旋转干扰也是值得研究的问题.再次，图片处理时均采用灰度图片处理，使用彩色图片的颜色信息结合本算法完成人脸识别应当可以获得更佳的辨别效果.
参考文献:
［1］mawnn，pRompLUnm.Studyinghumanfacerecognitionwiththegaze-contingentwindowtechnique［D］.Boston:ColoradoStateUniversity,2003.
［2］陈杰.matlab宝典［m］.北京:电子工业出版社,2008.
［3］解洪胜.基于Dt-Cwt和SVm的人脸图像集成分类方法［J］.云南民族大学学报:自然科学版,2010,19(5):313-316.
［4］谈昌彬.基于eHmm的人脸识别［J］.云南民族大学学报:自然科学版,2006,15(4):285-288.
［5］杨澎，刘青山，DimitRiSnm.基于l1正则化RankBoost的人脸表情识别及程度估计［J］.云南师范大学学报:自然科学版,2010,30(1):36-44.
［6］边肇祺,张学工.模式识别［m］.2版.北京:清华大学出版社，2004.
直方图均衡化的基本原理篇10
【关键词】教育均衡指标体系均衡指标
【中图分类号】G521【文献标识码】a【文章编号】1674-4810（2014）06-0019-02
《国家中长期教育改革和发展规划纲要（2010～2020年）》将推进义务教育均衡发展提升到义务教育战略性任务的高度，要求“建立健全义务教育均衡发展保障机制，均衡配置教师、设备、图书、校舍等各项资源，切实缩小校际差距，加快缩小城乡差距，努力缩小区域差距，到2020年基本实现区域内义务教育均衡发展”。由此可知，教育均衡不仅是我国教育界广泛讨论的热点问题，也是我国教育政策的一个重点内容。如今，在社会政治和经济体制的影响下，教育的不均衡状态日益体现了出来，而教育的不均衡会直接导致教育的不公平，继而造成社会的不公平，而且最终会影响国民素质整体水平的提高和经济社会的发展。在政策的指引下，我国不少专家学者对教育均衡测评做了大量的研究，本文在对前人研究成果进行梳理的基础上，就教育均衡及其测评状况做一综述，从教育均衡的内涵和测评状况两方面进行阐述。
一关于教育均衡的内涵
均衡问题是贯穿中国教育史的永恒话题，有关教育均衡的话题，追根溯源，春秋时期的孔子最早提出了“有教无类”（每个人都有平等的受教育权利），“因材施教”（差别性教育对待）的说法。古希腊雅典的公民教育也隐含了民主教育的思想，西欧思想界的柏拉图和亚里士多德等人的教育思想中也都具备了教育均衡的元素。近代社会，更有大量的学者进行了关于教育均衡的研究。其研究和议论可谓是见仁见智。
关于教育均衡的概念，研究者们尚且没有一致的概念。多数学者是按照个人研究的问题进行了一个描述性的定义。在界定教育均衡的具体内涵时，从研究的指向范围看，有的研究者关注城乡之间的差异，有的关注县域教育的均衡，有的关注校际之间的差异；从关注的对象来看，有的关注民族地区，有的专门研究农村地区，也有的研究西部农牧区；总体上看都侧重一些经济力量薄弱的地区。
然而，不管研究教育均衡的哪一部分，对教育均衡的内涵的理解是第一位的。对教育均衡内涵的界定不同学者有不同的理解。大致可归于“三领域”和“三层次”两类。“三领域”是指将教育均衡分为三个大的方面的层次，一般有城乡、校际、区域这三个领域。代表人物原教育部部长助理、基础教育司司长李连宁认为，教育均衡发展包括三个层面：区域之间，有一个地区和城乡之间均衡发展的问题；学校之间，是在一个区域内不同学校之间均衡发展的问题；群体之间，应该关心弱势群体的教育问题。应从区域、学校和群体三个层面同时促进，不是一个层面，可以根据不同层面的要求采取不同的政策。何亚萍认为，教育均衡发展主要涉及受教育者教育权利的保障问题，教育的民主与公平问题。具体而言，教育均衡发展主要表现为三个层面：一是区域教育层面要实现均衡发展。省域之间、市区之间、县域之间、乡域之间以及城乡之间，都要统筹规划，实现均衡发展。二是学校层面要实现均衡发展。这是实现区域教育均衡发展的基础和前提条件。三是学生层面要实现均衡发展。
“三层次”注重与教育公平中的起点公平、过程公平、结果公平这三个层次相对应。申仁洪从受教育者角度理解，认为“教育均衡发展是指学生在受教育的起点、过程和结果方面有相对平等的机会，享受大致均等的教育资源和教育条件，并能获得尽可能多的发展和成长”。杨军也认为教育均衡发展应包含三层基本含义：即以人的发展和人的自由自觉生存的实现为出发点和归属点的物质层面、制度层面和意识层面的动态均衡过程。物质层面是指优质教育资源的均衡配置。在制度层面受教育权平等的实现。意识层面，人的潜能最大限度地发展。
二关于教育均衡测评方式及内容
在国外，关于教育均衡测评研究者经常借鉴oeCD的教育发展指标体系采用Cipp分析模式，按照“背景――输入――过程――成果”的概念框架，评价和分析各国教育质量和教育系统发展状况。我国学者对于教育均衡指标体系的研究也按照其对教育均衡内涵的理解有所侧重和不同，也包括了“三层次”和“三过程”。很多学者从投入、过程、结果三个方面构建了义务教育均衡发展的指标体系。如王建容和夏志强认为，应从教育机会指标、教育资源的指标、教育质量的指标三方面构建。其中第一方面对以往研究的创新是加入了城市流动儿童，第二部分教育资源指标中在追求教育条件、教育资源配置相当的情况下，更要注重教育资源的利用。从教育资源分类、教育资源配置以及配置效率三个层面较全面地设计表征义务教育资源的指标体系。信息化的时代背景以及办学条件的配置及其利用，提出了信息化条件指标和图书流量指标，图书流量反映了图书资料利用情况。教师资源，除了采用常见的师资配置的静态指标如师资总量、师资结构，还提出了反映师资利用的动态指标如师资培训、师资使用、师资流动，以及可以在一定程度上反映师资配置效率指标，即教师满意度指标。翟博认为教育均衡实质上是指在教育公平思想和教育平等原则的支配下，教育机构和受教育者在教育活动中有平等待遇的理想和确保其实际操作的教育政策和法律制度。教育均衡发展的本质是追求教育平等，实现教育公平。教育均衡发展包括受教育机会均等、教育资源配置均衡、教育过程均衡、教育质量和教育结果均衡等内容，因此，在测算教育均衡度时，可从这几个方面选定考察指标。“教育均衡”发展指数体系选定的指标共有25项，分四个方面进行构建（三级指标略）。教育均衡发展指数体系综合反映了教育均衡发展的全过程，具有全面性、综合性和整体性的特点。它的总均衡指数可以直观地反映出一个国家或地区教育均衡发展的大致趋势，还可以通过数据分析找出教育均衡发展的临界点，对教育发展起到预警的作用，但对系统内部各个环节教育均衡的发展状况不易直观表现。同时，该指数体系并没有建立在一定的理论基础之上，并且它自身也没有一定的理论分析框架。
三对教育均衡测评结果的处理
我国有不少学者通过理论的分析，建立了自己的指标体系，在对结果的处理上方法各异。有的做问卷调查，进行SpSS的处理分析，描述统计，对比差异。代表人物有翟博，他在测算教育均衡度时认为，可从这几个方面选定考察指标：“教育均衡”发展指数体系选定的指标共有25项，分四个方面进行构建。应用统计学对于数据分布特征和规律的分析，从三个方面进行测度：（1）集中趋势，反映各数据向其中心值靠拢或聚集的程度；（2）离散程度，反映各数据远离其中心值的趋势；（3）偏态和峰态，反映数据分布的形态。均衡度主要是分析数据间的分散程度，反映的是各变量值远离其中心值的程度，也称为离中趋势。杨东平和周金燕则从教育公平角度入手，认为应该运用一些差异指数表现出来，在每一项指数中又应该包括若干不同的变量。如果存在双变量指标，则借助比例来表达，而多变量指标则需要借助基尼系数进行计算。他们构建的教育公平指标体系包括：总体教育水平差异系数、义务教育均衡指数、高中教育公平指数、高等教育公平指数，这四个各自独立的指标可以在整体上评价全国或某一区域的教育公平状况，也可以单独评价不同教育阶段的教育公平水平。
洛伦兹曲线和基尼系数也是很多国内专家学者使用的，还可以对不同地区间的教育均衡程度进行分析比较。教育基尼系数是在收入基尼系数的基础上发展而来的，收入基尼系数是最常用的分析收入差距的工具，是上世纪初由意大利经济学家基尼（Gini）首创的。他根据收入洛伦兹曲线找出了判断收入不平等程度的指标。在收入洛伦兹曲线的基础上，我们利用教育成就的累计百分比（Cea）代替累计收入百分比（im）作为纵坐标，得到受教育程度分布的洛伦兹曲线。然后，计算教育洛伦兹曲线和45度线（理想的社会平等线）之间的面积同三角形opt的面积之间的比率，这个比率就是教育基尼系数。
四概括总结
通过上述对已有的教育评价指标体系的分析，可看出我国对于教育均衡评价指标体系的研究，尤其是对于义务教育阶段的均衡指标的研究，还处于比较初始的阶段，其中存在许多有待进一步研究的问题，其主要表现在以下方面：
第一，文献资料中发现大多数学者从教育公平角度来描述教育均衡，甚至有的学者对两者不加区分，而且对义务教育均衡程度的评价不是很多，大多是从宏观层面上进行大致的评价，缺少微观层面的评价。
第二，指标选取的方法不科学。选取指标过程中缺少定量筛选，多从定性角度分析。大部分研究者采取“内涵研究――确定构建原则――评价指标体系设计”的思路进行指标设计，在构建指标体系时，定性的分析方法存在着受评价者较大主观影响的缺陷。因此，在构建指标体系的过程中，要结合定性分析与定量判断对指标进行筛选。只有通过这样的方法，才能使综合评价更具有科学性和实用性。
第三，从现有研究中可发现，在许多教育评价指标中，大多都是定性指标，定量的指标很少。在义务教育均衡评价中，有许多指标不能直接测量和表现，对于这样的说法，大多数学者都是赞同的。他们虽然认识到了这一点，但在实际设计指标时，这些定性指标不易量化，如教育质量、教育管理等，因此有必要设计部分定性指标使其数量化。因此，在构建评价指标体系时要充分把握义务教育均衡的内涵，遵循指标构建的原则，正确运用定性分析与定量分析相结合的方法，以弥补主观臆断和科学性不足的缺点，提高教育均衡评价的科学性和评价结果的可信度。
参考文献
[1]郝文武.义务教育均衡发展的本质特征和量化测评[J].教育与经济，2011（4）
[2]周金燕.我国教育公平指标体系的建立[J].教育科学，2006（1）
[3]杨东平、周金燕.我国教育公平评价指标初探[J].教育研究，2003（11）
[4]肖军虎.我国县域义务教育均衡发展指标体系的构建[J].教育理论与实践，2011（25）
[5]翟博.教育均衡发展：理论、指标及测算方法[J].教育研究，2006（3）：22～23