一种基于频率域和空间域相结合的图像增强方法
基于频域的图像增强方法探讨
![基于频域的图像增强方法探讨](https://img.taocdn.com/s3/m/9622edbcf605cc1755270722192e453611665b67.png)
基于频域的图像增强方法探讨基于频域的图像增强方法探讨基于频域的图像增强方法是一种常用的图像处理技术,它可以通过对图像的频域进行操作来改善图像的质量和视觉效果。
下面是一篇基于频域的图像增强方法的步骤思路。
第一步:图像预处理在进行频域增强之前,首先需要对原始图像进行预处理。
这包括图像的灰度化、降噪和调整图像的亮度对比度等操作。
这些预处理步骤可以帮助提取图像中的有效信息,减少噪声对频域增强的干扰。
第二步:傅里叶变换将预处理后的图像进行傅里叶变换,将其转换为频域表示。
傅里叶变换可以将图像从空域转换为频域,通过分析图像的频谱信息,可以得到图像的频域特征。
第三步:频域滤波在频域中,通过应用各种滤波器来增强图像。
常见的频域滤波方法包括低通滤波和高通滤波。
低通滤波器可以平滑图像,减少图像中的高频噪声;高通滤波器可以增强图像的边缘和细节。
第四步:逆傅里叶变换对经过频域滤波后的图像进行逆傅里叶变换,将其转换回空域表示。
逆傅里叶变换可以将图像从频域恢复到空域,并得到增强后的图像。
第五步:后处理对逆傅里叶变换得到的图像进行后处理。
这包括对图像进行亮度、对比度、饱和度等的调整,以进一步改善图像的视觉效果。
最后,可以通过与原始图像进行比较,评估基于频域的图像增强方法的效果。
如果增强后的图像在视觉上更清晰、更有对比度,并且保留了图像的细节信息,那么可以认为该方法是有效的。
总结起来,基于频域的图像增强方法主要包括图像预处理、傅里叶变换、频域滤波、逆傅里叶变换和后处理等步骤。
通过这些步骤,可以通过对图像的频域进行操作来改善图像的质量和视觉效果。
这种方法在图像处理和计算机视觉领域有着广泛的应用。
空间域滤波和频率域处理的特点
![空间域滤波和频率域处理的特点](https://img.taocdn.com/s3/m/477b48e5f424ccbff121dd36a32d7375a417c6f7.png)
空间域滤波和频率域处理的特点1.引言空间域滤波和频率域处理是数字图像处理中常用的两种图像增强技术。
它们通过对图像进行数学变换和滤波操作来改善图像质量。
本文将介绍空间域滤波和频率域处理的特点,并比较它们之间的异同。
2.空间域滤波空间域滤波是一种直接在空间域内对图像像素进行处理的方法。
它基于图像的局部像素值来进行滤波操作,常见的空间域滤波器包括均值滤波器、中值滤波器和高斯滤波器等。
2.1均值滤波器均值滤波器是最简单的空间域滤波器之一。
它通过计算像素周围邻域的平均值来实现滤波操作。
均值滤波器能够有效地去除图像中的噪声,但对图像细节和边缘保留较差。
2.2中值滤波器中值滤波器是一种非线性的空间域滤波器。
它通过计算像素周围邻域的中值来实现滤波操作。
中值滤波器能够在去除噪声的同时保持图像细节和边缘,对于椒盐噪声有较好的效果。
2.3高斯滤波器高斯滤波器是一种线性的空间域滤波器。
它通过对像素周围邻域进行加权平均来实现滤波操作。
高斯滤波器能够平滑图像并保留图像细节,它的滤波核可以通过调整方差来控制滤波效果。
3.频率域处理频率域处理是一种将图像从空间域转换到频率域进行处理的方法。
它通过对图像进行傅里叶变换或小波变换等操作,将图像表示为频率分量的集合,然后对频率分量进行处理。
3.1傅里叶变换傅里叶变换是一种将信号从时域转换到频域的数学变换。
在图像处理中,可以应用二维傅里叶变换将图像从空间域转换到频率域。
在频率域中,图像的低频分量对应于图像的整体结构,高频分量对应于图像的细节和边缘。
3.2小波变换小波变换是一种基于小波函数的时频分析方法。
它能够在频率和时间上同时提供图像的信息,对于图像的边缘和纹理特征有较好的表达能力。
小波变换在图像压缩和特征提取等方面具有广泛应用。
4.空间域滤波与频率域处理的对比空间域滤波和频率域处理都可以用来改善图像质量,但它们有着不同的特点和适用场景。
4.1处理方式空间域滤波是直接对图像像素进行处理,操作简单直接,适用于小规模图像的处理。
空间域和频率域结合的图像增强技术及实现(1)
![空间域和频率域结合的图像增强技术及实现(1)](https://img.taocdn.com/s3/m/790cb23f0b4c2e3f57276319.png)
南京理工大学紫金学院毕业设计(论文)开题报告
学生姓名:杨程学号:090402159
专业:光电信息工程
设计(论文)题目:空间域和频率域结合的图像增强技术
及实现
指导教师:曹芳
2012年12月20日
开题报告填写要求
1.开题报告(含“文献综述”)作为毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。
此报告应在指导教师指导下,由学生在毕业设计(论文)工作前期内完成,经指导教师签署意见及所在专业审查后生效;
2.开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式(可从教务处网页上下载)打印,禁止打印在其它纸上后剪贴,完成后应及时交给指导教师签署意见;
3.“文献综述”应按论文的格式成文,并直接书写(或打印)在本开题报告第一栏目内,学生写文献综述的参考文献应不少于15篇(不包括辞典、手册);
4.有关年月日等日期的填写,应当按照国标GB/T 7408—2005《数据元和交换格式、信息交换、日期和时间表示法》规定的要求,一律用阿拉伯数字书写。
如“2007年3月15日”或“2007-03-15”。
毕业设计(论文)开题报告
图1 理想低通滤波器应用实例(2) Butterworth 低通滤波器
图2 高斯低通滤波器应用实例梯形低通滤波器
3)
图3 理想高通滤波器巴特沃斯高通滤波器
阶巴特沃斯高通滤波器的传递函数定义如下:
图5 高斯高通滤波器应用实例。
基于频率域与空间域的图像放大方法的研究
![基于频率域与空间域的图像放大方法的研究](https://img.taocdn.com/s3/m/9e29c6bedd3383c4bb4cd25e.png)
实验结果:
图 2. Silent 图像(破损)
图 3. Silent 图像(修补后)
图 6. Hall 破损
图 7. Hall 修补
通过图像修补的算法,利用了周围原始的信息,使得丢失的块通过判断每一 个块所经过的边缘而具体 3. 图像修补与放大相结合 算法: 1)将图像使用原先的算法进行双线性插值,以8*8块为单位,使用边缘检测
四、提出新的方法
1. 基于分类的边缘检测的双线性插值算法 提出理由:分析可知,由于双线性插值,原本尖锐的边缘变得平坦了,图像 边缘的宽度也增加了,从而使图像变得模糊不清。图像边缘产生模糊的原因是由 于经典插值算法的平滑功能,使边缘像素和邻近像素的值大小接近。 为了消除模糊,提高图像的质量。我们的算法先把模板图像分成3 个区: (1)平坦区域; (2)边缘检测后,提取的边缘点组成的边缘区域; (3)位于边缘区域和平坦区域之间,产生模糊效应的像素点组成的过渡带区 域。 对于过渡带区域,分析像素点自身空间梯度信息和相关特征,利用类与类之 间具有阶越性特性,采用扩大边缘像素和邻近像素的梯度差值,进而对过渡带像 素进行模糊消除修正处理。这样提高了插值的鲁棒性,抑制了由于噪声等原因形 成的“假”边沿和边缘模糊,使图像变得清晰。
2.
基于块的修补算法
初步设想: 1)先找出8*8的块外面一圈差分最大的两个点(边缘点),计算差分的时候 同时考虑水平差分Dy和垂直差分Dx,计算出Dx/Dy 2)用5*3的矩阵框中找到与边缘点亮度最接近的4个点,分别比较这4个点与 边缘点亮度最接近的4个点与边缘点组成的直线与斜率与Dx/Dy的差距, 找出差距 最小的斜率,这样可以匹配出边缘线的方向。 尝试、提高与改进得到的算法: 1)对于丢失的某个8*8的块,先找出它的外面一圈差分最大的5个点(目前 暂定为5个),如果这5点中有某些点差分值小于50(阈值),则将这些点删去。 如果这5个点的差分值都小于50,则至少还是会保留一个差分值最大的点。 2)对于第1步中所得的边缘点(最多5个),分别在它们各自5*3的框中寻找 与它们最匹配的点。对每个边缘点分别找到5个匹配点,然后分别计算这5个匹配 点和它们所对应的边缘点的斜率,然后将这些斜率与5个边缘点的Dx/Dy分别比 较,找到最接近的。 3)由第2步最多可以得到5条斜率,再由其对应的5个边缘点,则可得到5条 边。 4)用这5条边对8*8的丢失块进行分块,插帧时只会用相同块内的点进行修 补。 5)插帧时具体采用的方法是:对于某个待修补的点,依据5个斜率,则最多 可以得到10个点(这10个点都位于8*8的外面一层,可用于插帧),对于这10个 点,删去与待修补点不处于同一块的点,然后用剩余的处于同一块的点对待修补 点进行几何插帧。 6)对于用以上5步没能修补的点,会作记录,对这些点用其周围紧挨的点进 行修补(这种点一般比较少)。
空间域和频率域结合的图像增强技术及实现(1)
![空间域和频率域结合的图像增强技术及实现(1)](https://img.taocdn.com/s3/m/790cb23f0b4c2e3f57276319.png)
南京理工大学紫金学院毕业设计(论文)开题报告
学生姓名:杨程学号:090402159
专业:光电信息工程
设计(论文)题目:空间域和频率域结合的图像增强技术
及实现
指导教师:曹芳
2012年12月20日
开题报告填写要求
1.开题报告(含“文献综述”)作为毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。
此报告应在指导教师指导下,由学生在毕业设计(论文)工作前期内完成,经指导教师签署意见及所在专业审查后生效;
2.开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式(可从教务处网页上下载)打印,禁止打印在其它纸上后剪贴,完成后应及时交给指导教师签署意见;
3.“文献综述”应按论文的格式成文,并直接书写(或打印)在本开题报告第一栏目内,学生写文献综述的参考文献应不少于15篇(不包括辞典、手册);
4.有关年月日等日期的填写,应当按照国标GB/T 7408—2005《数据元和交换格式、信息交换、日期和时间表示法》规定的要求,一律用阿拉伯数字书写。
如“2007年3月15日”或“2007-03-15”。
毕业设计(论文)开题报告
图1 理想低通滤波器应用实例(2) Butterworth 低通滤波器
图2 高斯低通滤波器应用实例梯形低通滤波器
3)
图3 理想高通滤波器巴特沃斯高通滤波器
阶巴特沃斯高通滤波器的传递函数定义如下:
图5 高斯高通滤波器应用实例。
频域+空间域结合法
![频域+空间域结合法](https://img.taocdn.com/s3/m/bbff0660bc64783e0912a21614791711cc7979f7.png)
频域+空间域结合法
频域和空间域结合法是一种在信号处理和图像处理领域中常用的技术。
频域表示信号的频率特性,而空间域表示信号的空间分布特性。
结合这两种域可以更全面地分析和处理信号和图像。
在信号处理中,频域分析可以将信号分解成不同频率的成分,而空间域分析可以描述信号在时间或空间上的变化。
因此,结合频域和空间域可以更准确地理解信号的特性,从而进行更有效的信号处理和分析。
在图像处理中,频域分析可以通过傅里叶变换将图像转换到频域,从而可以进行频率滤波和频域增强等操作。
而空间域分析可以描述图像的像素分布和空间位置关系。
因此,结合频域和空间域可以实现更多样化的图像处理操作,包括去噪、增强、压缩等。
总的来说,频域和空间域结合法可以帮助我们更全面地理解和处理信号和图像,在不同领域中有着广泛的应用。
这种方法的优势在于可以综合考虑信号或图像的频率特性和空间特性,从而得到更全面、准确的分析和处理结果。
当然,在具体应用中需要根据问题的特点和要求来选择合适的方法和技术。
一种空域和频域相结合的医学图像增强方法[发明专利]
![一种空域和频域相结合的医学图像增强方法[发明专利]](https://img.taocdn.com/s3/m/750c273533d4b14e84246869.png)
专利名称:一种空域和频域相结合的医学图像增强方法专利类型:发明专利
发明人:刘军,李浩波,关雯雪,宫圣华,刘嘉欣,李本源
申请号:CN202010533006.0
申请日:20200612
公开号:CN111738943A
公开日:
20201002
专利内容由知识产权出版社提供
摘要:本发明公开的属于医学图像处理技术领域,具体为一种空域和频域相结合的医学图像增强方法,包括自适应掩膜阈值平滑算法和同态滤波算法,其结构合理,通过自适应掩膜阈值平滑算法和同态滤波相结合得图像增强算法,经过本算法处理的医学图像,对比度得到加强,消除了噪声的影响,保留了图像边缘和细节信息,满足临床诊断需求。
申请人:吉林大学
地址:130012 吉林省长春市前进大街2699号
国籍:CN
代理机构:北京棘龙知识产权代理有限公司
代理人:戴丽伟
更多信息请下载全文后查看。
基于空间域与频域的遥感图像增强算法
![基于空间域与频域的遥感图像增强算法](https://img.taocdn.com/s3/m/0186a8711fd9ad51f01dc281e53a580216fc5096.png)
基于空间域与频域的遥感图像增强算法王璠【摘要】为了解决遥感图像特征不明显而影响后期图像分析结果的问题,提出了基于空间域与频域的遥感图像增强算法.首先,根据直方图灰度级分布特性,设计基于直方图均衡化的图像预处理算子.其次,分析拉普拉斯锐化滤波,建立基于二阶微分的图像增强机制,达到从空间域增强图像质量的目的.最后,根据频域噪声分布特性,构建巴特沃斯核模型,设计巴特沃斯低通滤波器,以消除高通噪声,从频域角度增强遥感图像.实验测试结果表明,与当前遥感图像增强技术相比,此算法拥有更高的增强效果,更好地保留了图像的亮度与色度信息.【期刊名称】《廊坊师范学院学报(自然科学版)》【年(卷),期】2017(017)001【总页数】4页(P39-41,46)【关键词】遥感图像增强;直方图均衡化;锐化滤波;巴特沃斯核;巴特沃斯低通【作者】王璠【作者单位】安徽新华学院,安徽合肥230088【正文语种】中文【中图分类】TP391随着计算机技术、地理学和航空航天拍摄扫描技术的飞速发展,地理信息系统这个综合领域得到发展的同时,其发挥的作用越来越得到重视[1,2]。
地理信息系统应用在军事、地理和天气领域,也可用于地形实时观察、天气预测和地表变化等[3,4]。
地理信息系统是航空拍摄、计算机科学、地理学和微电子学多学科综合产物。
首先,由飞机航空拍摄或者飞行器航天扫描完成前期取像;其次,采用计算机数字图像处理技术对初始图像进行处理,达到预期效果;最后,采用图像分析技术完成计算机对遥感图像的理解。
目前前期拍摄扫描技术较为成熟,问题集中在影像采集后的增强处理,目的是优化图像质量、突出遥感图像特征,以为后续遥感图像信息提取与处理。
如吕笃良[5]提出了基于非下采样剪切波变换与引导滤波结合的遥感图像增强,通过NSST被分解成低频子带和高频子带两部分;然后,对低频子带进行线性增强,提高整体对比度;采用自适应阈值法抑制高频子带的噪声,再对去噪后的高频子带进行引导滤波增强,提高图像的细节信息和边缘梯度保持能力;最后,对两部分子带进行NSST反变换,得到增强后的图像。
空间域和频域结合的图像增强技术及实现
![空间域和频域结合的图像增强技术及实现](https://img.taocdn.com/s3/m/ec243d645bcfa1c7aa00b52acfc789eb172d9ed7.png)
空间域和频域结合的图像增强技术及实现
徐炜君;刘国忠
【期刊名称】《中国测试》
【年(卷),期】2009(035)004
【摘要】图像增强是数字图像的预处理,对图像整体或局部特征能有效地改善.为了实现对数字图像的增强处理,采用时域直方图均衡和频域高频加强滤波相结合的方法对图像进行了增强处理.利用图像中变化剧烈的信息只与高频成分有关这一原理,结合MATLAB设计实现了高频加强滤波器并对图像进行了增强处理,在此基础上使用时域直方图均衡技术再对图像进行处理.试验结果表明,两种技术的结合可以使图像的细部特征更加明显,图像更加锐化,其图像增强效果要好于单独采用其中任意一种技术的处理结果.
【总页数】3页(P52-54)
【作者】徐炜君;刘国忠
【作者单位】大庆石油学院应用技术学院,河北,秦皇岛,066004;北京信息科技大学,北京,100192
【正文语种】中文
【中图分类】TP274+.2:TP751
【相关文献】
1.基于空间域与频域的遥感图像增强算法 [J], 王璠
2.空间域与频域结合的FCM红外热像分割方法 [J], 谢静;徐长航;陈国明;王玉
3.基于频域的计算机图像增强技术分析 [J], 张小红;张建生;彭林华
4.基于频域的图像增强技术的改进算法 [J], 袁小平; 张侠; 张毅; 崔棋纹; 闫泽宇
5.基于空间域与频域的遥感图像增强算法 [J], 王璠
因版权原因,仅展示原文概要,查看原文内容请购买。
空间域和频率域结合的图像增强技术及实现(1)
![空间域和频率域结合的图像增强技术及实现(1)](https://img.taocdn.com/s3/m/790cb23f0b4c2e3f57276319.png)
南京理工大学紫金学院毕业设计(论文)开题报告
学生姓名:杨程学号:090402159
专业:光电信息工程
设计(论文)题目:空间域和频率域结合的图像增强技术
及实现
指导教师:曹芳
2012年12月20日
开题报告填写要求
1.开题报告(含“文献综述”)作为毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。
此报告应在指导教师指导下,由学生在毕业设计(论文)工作前期内完成,经指导教师签署意见及所在专业审查后生效;
2.开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式(可从教务处网页上下载)打印,禁止打印在其它纸上后剪贴,完成后应及时交给指导教师签署意见;
3.“文献综述”应按论文的格式成文,并直接书写(或打印)在本开题报告第一栏目内,学生写文献综述的参考文献应不少于15篇(不包括辞典、手册);
4.有关年月日等日期的填写,应当按照国标GB/T 7408—2005《数据元和交换格式、信息交换、日期和时间表示法》规定的要求,一律用阿拉伯数字书写。
如“2007年3月15日”或“2007-03-15”。
毕业设计(论文)开题报告
图1 理想低通滤波器应用实例(2) Butterworth 低通滤波器
图2 高斯低通滤波器应用实例梯形低通滤波器
3)
图3 理想高通滤波器巴特沃斯高通滤波器
阶巴特沃斯高通滤波器的传递函数定义如下:
图5 高斯高通滤波器应用实例。
采用空间域和频率域滤波的原理
![采用空间域和频率域滤波的原理](https://img.taocdn.com/s3/m/f8a86ac570fe910ef12d2af90242a8956aecaa59.png)
一、概述空间域和频率域滤波是数字图像处理中常用的两种基本处理方法。
它们通过对图像进行不同的数学变换和运算,能够实现对图像的增强、去噪和特征提取等目的。
本文将从原理入手,对这两种滤波方法进行深入探讨。
二、空间域滤波的原理1. 空间域滤波是指对图像的像素进行直接操作的一种滤波方法。
其原理是通过对图像进行空间领域内的数学运算,来改变图像的各个像素值,从而实现图像的增强或去噪。
2. 空间域滤波的主要方法包括均值滤波、中值滤波和高斯滤波等。
其中,均值滤波是通过对图像中的每个像素周围邻域像素值的平均来实现的,中值滤波是通过将邻域像素值排序并取中值来实现的,而高斯滤波则是通过对邻域像素进行加权平均来实现的。
3. 空间域滤波的优点是操作简单,计算速度快,适用于对图像进行快速处理。
但其缺点是对图像进行像素级操作,容易引入擦除和边缘模糊等问题。
三、频率域滤波的原理1. 频率域滤波是指将图像从空间域变换到频率域进行处理的一种滤波方法。
其原理是通过对图像在频率域内的变换和运算,来实现对图像的增强、去噪和特征提取等目的。
2. 频率域滤波的主要方法包括傅立叶变换和小波变换。
其中,傅立叶变换是将图像从空间域变换到频率域的一种数学变换,通过对图像在频率域内的数学运算来实现滤波的目的。
3. 频率域滤波的优点是能够同时处理图像的整体特征,能够避免空间域滤波带来的边缘模糊问题。
但其缺点是计算复杂,速度较慢,适用于对图像进行精细处理。
四、空间域和频率域滤波的比较1. 空间域滤波和频率域滤波都是数字图像处理中常用的两种基本处理方法,它们各自有着不同的优缺点。
2. 空间域滤波的优点是操作简单,计算速度快,适用于对图像进行快速处理,但其缺点是容易引入擦除和边缘模糊等问题;而频率域滤波的优点是能够同时处理图像的整体特征,能够避免空间域滤波带来的边缘模糊问题,但其缺点是计算复杂,速度较慢,适用于对图像进行精细处理。
3. 在实际应用中,需要根据图像处理的具体要求和情况来选择合适的滤波方法。
一种结合频域和空域的水下图像增强方法[发明专利]
![一种结合频域和空域的水下图像增强方法[发明专利]](https://img.taocdn.com/s3/m/98ef7a8148d7c1c709a14576.png)
专利名称:一种结合频域和空域的水下图像增强方法
专利类型:发明专利
发明人:李晔,徐硕,丛正,张强,马腾,凌宇,顾华宇,武皓微,贡雨森
申请号:CN201910801451.8
申请日:20190828
公开号:CN110533614A
公开日:
20191203
专利内容由知识产权出版社提供
摘要:本发明公开一种结合频域和空域的水下图像增强方法,属于水下数字图像处理领域。
本发明包括:读取水下彩色图像,将其转换为灰度图像;自适应选择频率域的去噪程度和空间域的对比度增强程度;将灰度图像利用傅里叶变换转换到频率空间;将频率空间的图像进行消噪;对消噪后的图像进行逆傅里叶变换,转换到空间域;将空间域的图像分割为若干子图像块,对每个子图像块计算其灰度概率密度函数;对概率密度函数重新分配;计算子图像块中每个像素重新分配后的灰度级,得到最终增强后的图像。
与现有的技术相比,本发明能很好地去除水下噪声的干扰,同时丰富图像细节特征,并且耗时较少,适用于水下视觉同步定位与建图前的图像预处理。
申请人:哈尔滨工程大学
地址:150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室国籍:CN
更多信息请下载全文后查看。
一种空域和变换域相结合的图像增强算法
![一种空域和变换域相结合的图像增强算法](https://img.taocdn.com/s3/m/f502280058eef8c75fbfc77da26925c52cc5912c.png)
一种空域和变换域相结合的图像增强算法
张令波;葛秘蕾
【期刊名称】《电光与控制》
【年(卷),期】2014(000)012
【摘要】针对传统图像增强算法只使用空域或变换域处理策略的不足,提出一种空域和变换域相结合的处理方法。
首先通过使用高斯/拉普拉斯金字塔分解技术将原始灰度图像细分成不同频带,然后在各个频带上分别使用伽玛校正实现对比度均衡化,最后将均衡化结果再利用高斯/拉普拉斯金字塔重构技术进行恢复,即可达到图像增强的目的。
实验结果表明,与传统图像增强算法相比,该算法不但能够提高欠曝光区域的对比度,而且能够对过曝光区域实现有效抑制,达到很好的视觉均衡。
【总页数】4页(P45-48)
【作者】张令波;葛秘蕾
【作者单位】清华大学计算机科学与技术系,北京 100084;光电控制技术重点实验室,河南洛阳 471000
【正文语种】中文
【中图分类】V271.4;TP751.1
【相关文献】
1.一种空域与小波域相结合的水印算法 [J], 季亚新;李鸿林
2.一种空间域和分数阶傅里叶变换域相结合的数字水印算法 [J], 姬留杰;闻娟
3.一种空域、时域与频域相结合的阵列语音增强算法 [J], 李东红;曾庆宁
4.一种基于多尺度离散余弦变换和均值聚类相结合的图像增强算法 [J], 傅媛
5.一种空间域与变换域相结合的静态图像数字水印算法 [J], 毛秉毅
因版权原因,仅展示原文概要,查看原文内容请购买。
结合小波域变换和空间域变换的图像增强方法
![结合小波域变换和空间域变换的图像增强方法](https://img.taocdn.com/s3/m/689b7a0011a6f524ccbff121dd36a32d7375c7d8.png)
结合小波域变换和空间域变换的图像增强方法徐凌;刘薇;杨光【摘要】提出了一种结合了小波域和空间域处理方法的图像增强算法.该算法首先对小波域中的高频系数进行修正,使图像具有更好的局部对比度和更丰富的细节,由于双树复小波变换(Dual-tree Complex Wavelet Transform,DT CWT)具有更好的方向选择性,在小波变换的过程中选用了这一方法;然后,通过空间域中的非线性变换,调整图像的整体对比度.该算法可根据图像本身的特性实现参数的自动选择.经过本文方法的处理所得的图像,无论在视觉效果上还是在统计上,都优于前人工作的结果.【期刊名称】《波谱学杂志》【年(卷),期】2007(024)004【总页数】7页(P462-468)【关键词】图像增强;小波变换;双树复小波【作者】徐凌;刘薇;杨光【作者单位】上海市功能磁共振成像重点实验室,华东师范大学,物理系,上海,200062;上海市功能磁共振成像重点实验室,华东师范大学,物理系,上海,200062;上海市功能磁共振成像重点实验室,华东师范大学,物理系,上海,200062【正文语种】中文【中图分类】O482.53引言数字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,使得图像更符合某些特定的需要. 图像增强技术主要分为两大类:空间域处理法和变换域处理法. 空间域方法是直接对图像数据进行处理,增强过程是对每个像素点或者对较小的子图像进行处理,如:线性对比度拉伸、反锐化掩模(Unsharp Masking, UM)、自适应增强算法(Adaptive Enhancement Algorithm, AEA)[1]、直方图均衡化、以及在直方图均衡基础上的各种改进算法[2,3]. 变换域方法是在图像的变换域中进行的,即图像数据通过某种变换转换到其他空间,对变换的数据进行处理后,再转换回图像空间以得到所需的效果. 一般采用的变换方法有傅立叶变换、离散余弦变换(Discrete Cosine Transform, DCT)和小波变换等. 基于小波变换的自适应增强方法[4]、Retinex[5]以及基于Curvelet的增强方法[6]等都属于这个范畴.以往的增强方法一般都是针对特殊的要求实现对应的增强效果,比如以直方图均衡为基础的方法旨在提高图像的明暗对比度,还有反锐化掩模方法主要是强调边缘的突出等. 而Huang的算法[7]是比较综合的方法,其利用小波域的多分辨率特性,实现对图像对比度的增强,同时压缩小波近似部分系数以改善图像整体灰度. 本文将双树复小波变换(Dual-tree Complex Wavelet Transform,DT CWT)[8]应用于Huang的算法. 对由DT CWT变换得到的小波高频系数进行修正,实现对图像边缘的增强;而对于图像整体对比度的调整则在空间域中进行,克服了Huang的算法耗时过长的问题. 实践证明,本文结合了空间域和小波域的增强方法的优点,使图像获得了更好的对比度和视觉效果.1 理论1.1 Huang的算法Peli[9]根据人眼对图像对比度的敏感性很大程度上取决于图像的空间频率,提出将图像分解成若干频率成份,每个频段的对比度可用该频段的平均值与其对应的低频成份的平均值之比来定义. Huang将Peli的对比度定义方法应用于小波变换. 用小波变换对图像进行N级分解,则第j级小波系数的对比度被定义为:(1)其中EHj ELj分别是第j级小波细节部分系数的平均值和对应低频部分系数的平均值. 如果图像增强过程希望将所有频率段的对比度都提高到原来的λ倍(λ的取值一般为1-2),即Cj′=λCj(2)则改变后的细节系数为Hj′:(3)由此,根据式(3)变换得到的系数就可以用于小波重构,实现图像对比度的增强. Huang 的算法除了对小波高频系数的改变外,还对第N级近似部分作了线性压缩LN′=65+β*LN,由于需要通过迭代对参数λ、β进行优化使图像达到理想的平均值和标准偏差,因此处理每幅图像所需的时间很长.1.2 双树复小波变换小波域中的图像增强算法,多采用两维离散小波变换(Discrete Wavelet Transform, DWT),它的缺点是缺乏平移不变性以及方向选择性较差(只有水平,垂直,对角3个方向). Kingsbury[7]提出的DT CWT由两组滤波器组成,近似实现了平移不变性,并且对图像进行二维双树复小波变换,可得到六个方向(±15°,±45°,±75°)的高频复系数,因而具有更好的方向选择性,克服了DWT的缺点.具体的分解过程在文献[7]中有详细讨论.本文中,我们将DT CWT应用于Huang的算法,改进后的处理步骤如下:1) 用DT CWT对图像进行N级分解(我们选择4级分解),所用小波基为Antonini,得到各分解尺度j的低频系数Lj和高频系数Hj,其中每个Hj包含6个方向的复系数.2) 对j=N,近似部分不做变动,即Lj′=Lj;3) 利用改变前和改变后的近似部分的小波系数计算4) 用式(3)分别计算六个方向的实部与虚部的增强系数Hj′;5) 根据改变后的小波系数重建j-1级的近似部分;6) j=j-1,若j>0,则跳到步骤3继续进行处理,若j=0,则步骤5中重建的近似部分就是增强后的图像.Peli的对比度定义强调的就是图像高低频系数之间的差别,在实际的图像中可认为是图像边缘和均匀区域的对比. 用该对比度定义方法处理后的图像实现的主要就是边缘的增强效果. 但是如果图像整体对比度较差,就需要对其作一些额外的处理.正如Huang的算法中所描述,小波域中的操作除了通过放大细节系数可以增强图像的边缘之外,也可以通过修正近似部分的系数来改变图像整体的明暗度. 但是随着图像分解级数的增加,改变近似部分系数可能会造成图像的严重失真. 所以,为了解决图像偏暗或偏亮的情况,我们进一步将重构的图像在空间域中做处理,以实现良好的整体视觉效果.1.3 空间域变换经过上述小波域处理所得的图像中会有少量的像素点的值大于255或者小于0,如果对图像进行线性拉伸,就会压缩中间区域的灰度值,影响图像的整体对比度. 为此,我们选择了在指数变换之后加入S型变换来压缩图像亮区和暗区的灰度值,强调中间区域.具体的处理步骤如下:1) 对图像fij进行指数变换,如下式所示:(4)为了合理地、自适应地选择指数Fc,建立以下一个非线性关系(5)其中Imean是图像像素值的平均值,描述了图像的明暗程度. 当图像的Imean比70小或者大于190,对应图像过暗或是过亮的情况,若如同中间区域以线性的关系选择Fc,则图像的改变就会从一个极端变换到另一个极端:过暗的情况转变为过亮,反之亦然. 为了避免这种情况的发生,我们选择了这个非线性的映射关系.2) 对uij进行如下非线性变换:(6)分界点Umean就是指数变换后uij的平均值. 如图1所示,不同的分界点,都会使图像暗的区域更暗,亮的区域更亮. 当分界点较小时,图像中暗区域的强度降低较少,而亮区域的强度增加较多,分界点较大时情况则刚好相反. 所以,当图像整体较暗时,选择较小的分界点,减小暗区强度降低的幅度,增加亮区强度增加的幅度;而图像较亮时采取相反的操作. 由以上讨论可知,将平均值Umean作为分界点的这个s型变换也是符合图像的具体特性,具有自适应性.图1 不同的Umean值的非线性变换的曲线Fig.1 Nonlinear transform curves of different Umean2 实验比较2.1 自然图像我们实验所用的模拟图像是clock和Marseilles. 我们利用HE、UM、AEA、Huang的方法和本文仅用DT CWT处理的结果图以及将DT CWT处理结合了本文空间域方法的结果做了比较. 如图2、图3所示.图2 Clock图像的仿真实验结果(a) Clock原图; (b) HE; (c) UM; (d) AEA; (e) Huang; (f) 仅采用DT CWT处理的结果; (g) 结合DT CWT和空间域处理的结果Fig.2 The result of the emulational experiment of the clock’s imag e (a) Clock image, (b) the image enhanced by HE, (c) the image enhanced by UM, (d) the image enhanced by AEA, (e) the image enhanced by Huang, (f) the image enhanced by DT CWT processing, (g) the image enhanced by DT CWT combined with image domain processings图3 Marseilles图像的仿真实验结果(a) Marseilles原图; (b) HE; (c) UM; (d) AEA; (e) Huang; (f) 仅采用DT CWT处理的结果; (g) 结合DT CWT和空间域处理的结果Fig.3 The result of the emulational experiment of the Marseilles’s image (a) the Marseilles’s image, (b) the image enhanced by HE, (c) the image enhanced by UM, (d) the image enhanced by AEA, (e) the image enhanced by Huang, (f) the image enhanced by DT CWT processing, (g) the image enhanced by DT CWT combined with image domain processings在图2和图3两图中,经HE处理后的图像均出现了严重的过增强现象; UM存在的问题是在增强图像边缘的同时,放大了噪声; AEA方法处理的图像虽然使较暗的图像亮度有了增强,但是整体偏亮,明暗对比度不够. Huang的算法虽然使得图像边缘得到了增强,但是其对近似部分的压缩处理使图像整体偏灰. 然而,仅采用本文DT CWT处理的图像虽然实现了边缘增强,但是图像保留原图的明暗特性,增强效果不明显. 最后,在DT CWT处理的基础上加入了本文空间域方法处理的图像则实现了边缘增强的同时呈现良好的整体效果,明暗对比度较强.由于图像增强效果是一个很主观的问题,目前也没有一个统一的衡量标准,我们这里采用计算图像直方图中各灰度级出现概率的标准偏差σ的方法来评价图像的质量[10]. 由于对一幅图像而言,各灰度级出现概率越平均则图像质量越好,即σ值越小越好. 表1列出了几幅不同特性的图像采用不同的处理方法得到的σ值. 可见本文所采用的方法得到的σ值明显优于其他几个方法的结果.表1 各方法的σ比较Table 1 σ values of different methods 原图HEUMAEAHuang本文方法Clock2.01×10-52.87×10-5 2.41×10-42.06×10-52.70×10-51.31×10-5Marseille3.54×10-53.87×10-52.44×10-43.56×10-54.64×10-51.81×10-5Pout3.36×10-53.55×10-52.45×10-43.39×10-53.76×10-51.30×10-5Lena1.05×10-52.69×10-52.31×10-41.21×10-51.86×10-57.39×10-6Tire2.60×10-53.28×10-52.11×10-42.68×10-53.23×10-52.19×10-5Circuit1.78×10-52.78×10-52.55×10-41.87×10-52.37×10-51.38×10-52.2 核磁图像核磁图像由于其固有的特点,需对其进行额外的处理. 典型的核磁图像的中心是高信噪比区域,也是我们感兴趣的区域(Region of Interest,ROI),外围是背景黑色低信噪比区域. 由于只有ROI内包含有用的信息,所以增强算法仅作用于ROI内的数据. 图4所示是各种算法对图像中的ROI区域进行增强的结果. 从图中不难看出,经本文方法处理的图像在视觉效果上优于其他方法. 因此,本文的算法可以和图像去噪算法相结合,用于核磁共振图像的增强. 这是我们下一步需要进行的工作.图4 人脑核磁图的仿真结果(a) 人脑核磁图; (b) ROI; (c) ROI HE; (d) ROI UM; (e) ROI AEA; (f) ROI Huang;(g) 仅用DT CWT处理; (h) DT CWT和空间域结合Fig.4 The result of the emulational experiment of MRI Image(a) MRI Image, (b) the ROI of the image, (c) the ROI of the image Enhanced by HE, (d) the ROI of the image Enhanced by UM, (e) the ROI of the image Enhanced by AEA, (f) the ROI of the image Enhanced by Huang, (g) the ROI of the image Enhanced by DT CWT processing, (h) the ROI of the image Enhanced by DT CWT combined with image domain processings3 结论本文提出的图像自适应增强方法是结合了空间域的非线性变换以及小波域的系数修正的方法,使处理后得到的图像在视觉效果和统计上都取得了比较好的结果. 今后的工作可以考虑将小波域去噪和本文的增强算法结合起来,在图像降噪的同时达到图像增强的效果.参考文献:【相关文献】[1] Jin L, Satoh S, Sakauchi M. A novel adaptive image enhancement algorithm for face detection[J]. IEEE proceedings of 17th international conference on pattern recognition (ICPR'04), 2004, 4: 843-848.[2] Wongsritong K, Kittayaruasiriwat K, Cheevasuvit F, et al. Contrast enhancement using multipeak histogram equalization with brightness preserving[J]. IEEE asia pacificconference on circuits and systems proceedings, 1998, 11: 455-458.[3] Cheng H D, Shi X J. A simple and effective histogram equalization approach to image enhancement[J]. Digit Signal Process, 2004, 14: 158-170.[4] Scharcanski J, Jung C R. An adaptive approach to mammographic image denoising and enhancement[J]. IEEE proceedings of the XVII brazilian symposium on computer graphics and image processing (SIBGRAPI’04), 2004, 1: 2-9.[5] Rahman Z U, Jobson D J, Woodell G A. Retinex processing for automatic image enhancement[J]. J Electron Imaging, 2004, 13(1): 100-110.[6] Strarck J L, Murtagh F, Candes E J, et al. Gray and color image contrast enhancement by the curvelet transform[J]. IEEE T Image Process, 2003, 12(6): 706-717.[7] Huang K Q, Wu Z Y, Wang Q. Image enhancement based on the statistics of visual representation [J]. Image Vision Comput, 2005, 23(1): 51-57.[8] Kingsbury N. The dual-tree complex wavelet transform: a new efficient tool for image restoration and enhancement [A]. Proc EUSIPCO 98[C], Rhodes: EURASIP, 1998: 319-322.[9] Peli E. Contrast in complex images [J]. J Opt Soc Am A, 1990, 7(10): 2 032-2 040.[10] Peng Dong-liang, Xue An-ke. Degraded image enhancement with applications in robot vision[J]. IEEE international conference on systems, man and cybernetics, 2005, 2: 1 837-1 842.。
基于频率域图像增强算法的研究
![基于频率域图像增强算法的研究](https://img.taocdn.com/s3/m/ffa485e8551810a6f52486a8.png)
目录摘要 (1)关键词 (1)Abstract (1)Key words (1)1 引言 (2)1.1 频率域图像增强的目的和意义 (2)1.2 国内外有关选题的研究动态和自己的见解 (2)2 域频率图像增强基本理论 (3)3 频率域图像增强研究方法 (5)3.1 频率域图像增强 (5)3.2 空间域滤波和频率域滤波之间的对应关系 (8)4 频率域图像增强滤波器 (9)4.1 平滑的频率域滤波器 (9)4.1.1 理想低通滤波器 (9)4.1.2 巴特沃思低通滤波器 (11)4.1.3 高斯低通滤波器 (12)4.2 频率域锐化滤波器 (13)4.2.1 理想高通滤波器 (13)4.2.2 巴特沃思高通滤波器 (14)4.2.3 高斯型高通滤波器 (14)4.3 频率域的拉普拉斯算子 (15)4.4 钝化模板、高频提升滤波和高频加强滤波 (15)5 实验与结果分析 (17)5.1 算法设计 (17)5.2 频率域低通滤波器 (20)5.2.2 实验结果 (20)5.2.3 实验结果分析 (20)5.3 频率域高通滤波器 (21)5.3.2 实验结果 (21)5.3.3 实验结果分析 (21)6 总结 (21)参考文献 (23)致谢 (24)基于频率域图像增强算法的研究摘要:数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
图像增强是数字图像的预处理,对图像整体或者局部特征能有效地改善。
图像增强是按一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,使之改善图像质量,加强图像判读和识别效果的处理技术。
本文在分析了图像频域增强原理的基础上,对频域内通过低通滤波器和高通滤波器实现图像增强进行了深入的研究。
最后通过Matlab软件仿真得出实验结果。
关键词:数字图像处理,图像增强,傅里叶变换,滤波器Research on Image Enhancement Algorithms Based on Frequency Abstract:Digital image processing is the procedures of converting image signal intformat,then using the computer to process it.Image enhancement is digi tal image’s pretreatment,it can effectively improve the image’s entirely or part characters.Image enhancement aims to lay stress on some information of a picture to strength image identification and recognization. At the same time it can wipe out the information that we don’t need in order to improve the quality of image. This paper addresses image frequency enhancement principle and also researches low-pass filtering and high-pass filtering,then integrate with Matlab technology.Key words:Digital image processing, Image enhancement, Fourier transform, Filter.1 引言1.1 频率域图像增强的目的和意义随着电子计算机技术的进步,计算机图像处理[1]近年来得到飞跃的发展。
空间域图象增强的方法
![空间域图象增强的方法](https://img.taocdn.com/s3/m/656cd5f2192e45361166f519.png)
空间域图象增强的方法图象增强的方法基本可分为空间域处理及频域处理两类。
空间域处理是直接对原图象的灰度级别进行数据运算,它分为两类,一类是与象素点邻域有关的局部运算,如平滑,中值滤波,锐化等;另一类是对图象做逐点运算,称为点运算如灰度对比度扩展,削波,灰度窗口变换,直方图均衡化等。
现对主要方法作简单介绍:1、平滑图像在生成和传输过程中会受到各种噪声源的干扰和影响,使图像质量变差。
反映在图像上,噪声使原本均匀和连续变化的灰度突然变大或变小,形成一些虚假的物体边缘或轮廓。
抑制或消除这些噪声而改善图像质量的过程称为图像的平滑。
主要有(1)邻域平均法在邻域平均法中,假定图像是由许多灰度恒定的小块组成,相邻像素间有很强的空间相关性,而噪声是统计独立地加到图像上的。
因此,可用像素邻域内个像素灰度值的平均来代表原来的灰度值。
(2)低通滤波法从频谱上看,噪声特别是随机噪声是一种具有较高频率分量的信号。
平滑的目的就是通过一定的手段滤去这类信号。
一个很自然的想法就是使图像经过一个二维的低通数字滤波器,让高频信号得到较大的衰减。
在空间域上进行的这种滤波实际上就是对图像和滤波器的冲击响应函数进行卷积。
(3)中值滤波法中值滤波的思想是对一个窗口内的所有像素的灰度值进行排序,取排序结果的中间值作为原窗口中心点处像素的灰度值。
这种平滑方法对脉冲干扰和椒盐类干扰噪声的效果较好。
中值滤波的关键在于选择合适的窗口大小和形状。
但一般很难事先确定窗口的尺寸,通常是从小到大进行多次尝试。
窗口的形状可选为正方形,也可选为十字形。
2、尖锐化在图像判断和识别中,需要有边缘鲜明的图像。
图像尖锐化技术常用来对图像的边缘进行增强。
主要方法有:(1)微分法在图像的判断和识别中,边缘是由不同灰度级的相邻像素点构成的。
因此,若想增强边缘,就应该突出相邻点间的灰度级变化。
微分运算可用来求信号的变化率,具有加强高频分量的作用。
如果将其应用在图像上,可使图像的轮廓清晰。
基于空间域与频域的遥感图像增强算法
![基于空间域与频域的遥感图像增强算法](https://img.taocdn.com/s3/m/c14e785d178884868762caaedd3383c4bb4cb42d.png)
基于空间域与频域的遥感图像增强算法
王璠
【期刊名称】《廊坊师范学院学报(自然科学版)》
【年(卷),期】2017(017)001
【摘要】为了解决遥感图像特征不明显而影响后期图像分析结果的问题,提出了基于空间域与频域的遥感图像增强算法.首先,根据直方图灰度级分布特性,设计基于直方图均衡化的图像预处理算子.其次,分析拉普拉斯锐化滤波,建立基于二阶微分的图像增强机制,达到从空间域增强图像质量的目的.最后,根据频域噪声分布特性,构建巴特沃斯核模型,设计巴特沃斯低通滤波器,以消除高通噪声,从频域角度增强遥感图像.实验测试结果表明,与当前遥感图像增强技术相比,此算法拥有更高的增强效果,更好地保留了图像的亮度与色度信息.
【总页数】4页(P39-41,46)
【作者】王璠
【作者单位】安徽新华学院,安徽合肥230088
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于频域与空间域分析的显著区域检测算法 [J], 王岩;卢宏涛;邓南;蔡能斌
2.空间域下基于直方图处理的图像增强算法 [J], 王化喆;李德启
3.基于频域的图像增强技术的改进算法 [J], 袁小平; 张侠; 张毅; 崔棋纹; 闫泽宇
4.基于空间域与频域的遥感图像增强算法 [J], 王璠
5.基于改进的空间域变换的图像增强算法研究 [J], 张万和
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一
种 基 于频 率域 和 空 间域 相 结 合 的 图像增 强方 法
张 威 ,孙 玉秋 ,赵 天 玉 ( 长江大学信息 与数 学学 院, 湖北 荆州 4 3 4 0 2 3 )
[ 摘 要 ] 图像 增 强 是 数 字 图像 的 预 处理 ,对 图像 整 体 或 局 部 特 征 能 有 效 地 改 善 。 讨 论 了直 方 图均 衡 化 、拉
普拉 斯变 换等 。频率 域法 以修改 图像 的傅里 叶变换 为基础 ,属于 间接增强 方法 ,常用 的有各 种高通 滤波 和低通 滤波 。下面 ,笔者 针对 噪声 图像 提 出一种 在频率 域用 高斯低 通滤 波去 噪 ,在 空间域用 直方 图均衡
化 和拉普 拉斯 变换处 理 图像 的方 法 。
y u q i u s u n @1 6 3 . c o mo
第1 O卷 第 1 9期
张 威 等 :一 种 基 于 频 率 域 和 空 间域 相 结 合 的 图像 增 强 方 法
2 图 像 锐 化
图像 锐 化就 是补 偿 图像 的轮廓 ,增 强 图像 的边缘及 灰 度跳 变 的部分 ,使 图像变 得清 晰 。图像锐 化也
( 2 )
输入 图像 的各灰 度级 经过 式 ( 2 )的映射 就得 到输 出图像 的各灰度 级 S 。
[ 收稿 日期 ] 2 0 1 2—1 2—1 2 [ 基 金 项 目] 国家 自 然 科 学 基金 资 助 项 目 ( 6 0 5 7 2 0 4 8 ) 。 [ 作者简介]张威 ( 1 9 8 7 一 ) ,男 ,硕士生 ,现主要从事数字图像处理方面的研究工作。 [ 通 讯 作者 ] 孙 玉 秋 ( 1 9 6 8 一 ) ,女 ,硕 士 ,教 授 ,现 主 要 从 事 数 字 图 像 处 理 、模 式 识 别 与 目 标 检 测 方 面 的 教 学 与 研 究 工 作 ;E — ma i l
1 直 方 图 均衡 化
图像 直方 图是 统计 图像各灰 度级 出现 的次数 或频率 ,灰 度级为 [ 0 , L一 1 ]范 围的数字 ห้องสมุดไป่ตู้像 直方 图是
离 散 函数[ :
h ( r h )一
P( )一 / n
( 是第 忌级灰度 , 是 图像 中灰 度级 为 r 的像 素个数 )
加 清 晰 ,更 加 锐 化 。
[ 关 键 词 ] 图像 增 强 ;去 噪 ;直 方 图 均衡 化 ;拉 普 拉 斯 变 换 ;高 斯低 通 滤 波 [ 中 图分 类 号 ] T P 3 9 1 . 4 [ 文 献标 志码 ] A [ 文 章 编 号] 1 6 7 3 —1 4 0 9( 2 0 1 3 )1 9 —0 0 5 0 — 0 3
分 空 间域和 频率 域 2类 ,笔者 采用 的是 空 间域方 法 ,因此 只简 单介 绍空 间域 的 图像 锐化 。空 间域 图像锐
化 方法 很多 ,笔 者应 用拉 普拉 斯变 换 。
一
个二 元 图像 函数 f ( x, )的拉 普拉 斯变 换定 义为 :
厂 = 等+ 等
可 见拉普 拉 斯变 换是 一个 线性 操作 。 其 中对 于上 述二 阶偏微 分 又有 如下定 义 :
长 江大 学 学报 ( 自科版) 2 0 1 3 年7 月号理工上旬刊 第 1 0 卷第1 9 期 J o u r n a l o f Y a n g t z e U n i v e r s i t y( N a t S c i E d i t ) J u 1 . 2 0 1 3 ,V o 1 . 1 0 No . 1 9
普 拉 斯 变换 和 高 斯低 通 滤 波去 噪 的基 本 原 理 ,针 对 噪 声 图像 采 用 了频 率 域 去 噪 ,空 间域 直 方 图均 衡 化 和 锐 化 增 强 ,并 且 运用 一 些客 观 指 标 来 说 明这 种 图像 增 强 方 法 的 有 效 性 。 结 果 表 明 ,该 方 法 可 以 使 图 像 更
P r ( 7 " k ) 一 k— O , l , … , L一 1 ( 1 )
式中, n , 和 L 如前 面所述 。 则直方 图变 换 函数 为 :
一
T ( ) = = = ∑P ( T i ) 一∑ n i k 一0 , 1 , 2 , …, L 一1
i 一 0 i= O ¨
图像 处理 系统分 为 3 个 阶段 ,_是 获取 原始 图像进行 预处 理 ;二是特 征提取 ;三是识别 分析 。作为 图像 处理 基本 技术之 一 ,图像增 强是 图像预 处理 中 的一个 重要 步骤 ,它利 用数学 方法 和变换 手段提 高 图
像 的对 比度和 清晰度 ,从 而改善 图像 的视觉 效果 。 图像 增强 方法分 为空 间域法 和频率 域法 2大类 [ 1 ] 。其 中空 间域 法是 以对 图像 的像 素 直接 处 理 为基 础 的 ,属 于直 接增强 方法 。空 间域 图像 增强 又分 为点处理 和领 域处 理 ,常 用 的方 法有 直方 图均衡化 、拉
用 表示 图像像 素 总个数 , 除 以 就得 到归一化 的直 方 图。 因此一 个归 一化 的直方 图是 由 :
给出, 表示灰 度级 为 发生 的概率灰 度值 , 其 中 k一 0 , 1 , …, L一 1 , L是 图像 中可 能 的灰 度 级总数 。
直 方 图均 衡化 的基本 思想 是把原 始 图的直方 图变换 为均 匀分 布 的形 式 ,是 一种 很常用 的 图像 增强 方 法 ] 。直 方 图均衡化 能够 自动确 定变换 的 函数 ,该 函数 能产生 有均 匀直方 图 的输 出 图像 ,这 就使 图像 自 动 进行 了增强 。在 实际处 理 中 ,由于处理 的 图像 都是 离散数 字 图像 ,因此这里 笔者 只介绍离 散情 况 。 对 于一 幅图像 ,其灰 度级 为 出现 的概率 近似 为 :